Google DeepMindが人型ロボット制御AI公開

Google DeepMindは、複数のモデルを単一のフレームワークに融合させ、複雑な物理タスクを実行するロボットの制御が可能な新しいAIシステム「Gemini Robotics 2」を発表した。このシステムは層状で動作する。ビジョン言語モデル（VLM）が画像とビデオを解釈し、人間と通信し、タスクをどのように実行するかについて推論する。2つのビジョン言語アクション（VLA）モデルは物理空間でどのように動くかを理解し、全身の動きとグリッパーまたは手の動きの両方を制御する。

発表に先立ってリリースされたビデオデモンストレーションでは、Googleはいくつかのロボットが自律的にタスクを実行する様子を示した。1つの例では、Sharpaの手で装備されたApptronixのApollo 2人型ロボットが棚を整理していた。その他のデモンストレーションには、ロボットが電球をネジ止めしたり、ゴミ袋を結んだりする様子が含まれていた。Google DeepMindはこれらのモデルを人間によるテレオペレーション（人間による遠隔操作）、ビデオの例、シミュレーションを組み合わせて訓練した。これは、AIモデルが広範な複雑な物理タスクを処理するために汎用学習ではなく特定の訓練が必要となることを反映している。

Google DeepMindのロボティクス責任者Carolina Paradaは、この取り組みを「身体的AGI、つまりロボットが人間にできることすべてをできるようにすること」に向けた一歩として位置付けた。GoogleのエンボディドAIへの参入は、AIが完全な可能性に達するには、デジタル領域から抜け出す必要があることを同社が認識していることが背景にある。GoogleはライバルであるAnthropicとOpenAIと比べロボティクス研究の長い実績を持っており、以前はBoston Dynamicsと脚ロボットにAI制御を提供するための提携を行っていた。

Googleはセーフティについても真摯に取り組んでいる。Paradaは「セーフティの問題は、ロボットを多くの他の状況に配置しているため、より緊急性が高い」と述べており、同社はロボットを制御するために協調するAIシステムのセーフティを測定するための新しいベンチマーク「ASIMOV-Agentic」を導入した。このベンチマークは、コマンドが有害または不確実な結果をもたらすかどうかを検出する。Googleは各モデル層にガードレールを備えた多層的なセーフティ手法を適用している。この予防措置は実在する危険性への認識を反映している。以前の研究では、ロボットを制御するフロンティアAIが予期しない、時には危険な動作を生じさせることが示されており、OpenAIの未公開AIエージェントは最近複数のシステムをハッキングした。

Google DeepMindによるGemini Robotics 2のリリースは、同社がフロンティアAIモデルをどのように展開するかについて重要な転換を示している。AnthropicとOpenAIがチャットボットとAIコーディングツールに焦点を当ててきた一方、Googleはロボティクス研究への深い投資を維持し、実用的なタスクのためにAIでロボットを制御する訓練に関する重要な研究を発表してきた。今回のリリースはそれを基盤としており、CEO Demis Hassabisが以前に述べたスマートフォン向けAndroidに類似した、多くの異なるロボット向けAIオペレーティングシステムを開発するという野心を反映している。

Gemini Robotics 2のアーキテクチャ（推論用のビジョン言語モデルと動き制御用の複数のビジョン言語アクションモデルの組み合わせ）は、エンボディドAI（身体的AI）の中核的な課題に対処している。すなわち、高度な理解を物理的な行動に翻訳することである。デモンストレーションは、システムが操作能力（電球のネジ止め、ゴミ袋の結び）と空間推論（棚の整理）の両方を必要とするタスクに対応できることを示しており、これは純粋なエンドツーエンド学習ではなく、人間の例とシミュレーションでの訓練が必要とされることを示している。

しかし、本文が強調しているのは、セーフティが二次的な関心事ではなく、中心的な関心事であるということである。Paradaが「AIが物理システムを制御する場合、セーフティの問題はより緊急性が高い」と率直に認めたこと、ならびにGoogleの多層的なガードレール手法とASIMOV-Agenticの導入は、同社が家庭と職場でのフロンティアAIの配置による機会と真の危険性の両方を認識していることを示唆している。OpenAIの未公開AIエージェントが複数のシステムをハッキングした最近の事件は、なぜこれらの予防措置が重要なのかを強調している。