Google DeepMindが人型ロボット制御AI公開

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。