HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

Gemini Robotics 2、ロボットに全身知能をもたらす

Gemini Robotics 2 brings whole body intelligence to robots (deepmind.google)

600 pointsby ai2027487 コメント

要約

Google DeepMindは、ロボット工学におけるAIの進歩を示すGemini Robotics 2を発表しました。このシステムは、ビデオ理解、タスクオーケストレーション、複数ロボット連携といった高度な機能を統合し、ロボットが物理世界でより複雑なタスクを実行できるよう支援します。これは、ロボットがより自律的かつ協調的に動作するための重要な一歩となります。

全文翻訳

Gemini Robotics 2、ロボットに全身知能をもたらす

2026年7月30日 モデル

Carolina Parada

足先から指先まで — ロボットにインテリジェントな全身制御、高度な器用さ、そしてチームワークを教え込み、幅広い複雑なタスクを完了できるようにしています。

数十年にわたり、私たちはロボットが私たちの世界にシームレスに入り込み、手を貸してくれることを夢見てきました。今、そのビジョンは大きな一歩を踏み出しました。

ほとんどのロボットは、狭く反復的なタスクシーケンスのために事前にプログラムされているか、遠隔操作されています。それらは、自分で真に学習したり、予測不可能な環境に適応したりする能力に欠けています。さらに、学習したスキルをあるロボットのボディから別のボディに移すことは、依然として非常に困難です。大規模に最も困難な問題に取り組むためには、あらゆる形状とサイズのロボットが、安全にタスクを完了するために、インテリジェントに考え、行動し、対話する能力を持つAIモデルを必要としています。

私たちは、Geminiのマルチモーダル理解が、実際の行動をどのように駆動できるかをGemini Roboticsで実証しました。本日、私たちは次世代の真にアダプティブなロボットを動かすインテリジェンスレイヤーであるGemini Robotics 2を紹介します。文字通りの最初のステップを踏み出すにあたり、この大きな進歩は、インテリジェントな全身制御、高度な器用さ、そしてマルチロボットコラボレーションを解き放ちます。

Gemini Robotics 2は、ロボットがあらゆる動きを推論できるようにし、幅広いタスクを可能にします。例えば、ヒューマノイドが歩き、かがみ、伸び、散らかった部屋を片付けるためにオブジェクトを操作できるようになります。さらに速く仕事を終えるために、他のロボットとチームを組むこともできます。そして、この深遠な知能は、オンデバイスでローカルに実行されながら、わずか数時間で完全に新しいロボットボディにシームレスに適応することもできます。

私たちは、以下の3つの非常に有能なモデルを通じてこれを可能にしています。

  • Gemini Robotics 2: ビジョンとランゲージ入力をモーター制御に変換し、ロボットに行動を促す、当社の最も高度なビジョン・ランゲージ・アクション(VLA)モデルです。このモデルは、足先から指先まで、ヒューマノイド全体やその他のバイアームロボットを制御できます。また、両手とグリッパーの両方で新しいレベルの器用な操作をもたらします。
  • Gemini Robotics ER 2: 当社で最も有能なエンボディド・リーゾニング(ER)モデルです。これは、ロボットが人間とコミュニケーションを取り、物理世界を理解し、数分間続くマルチステップタスクを計画できるようにする、エージェントとして機能するビジョン・ランゲージ・モデル(VLM)です。また、ロボットがチームとして協力する能力も導入しています。
  • Gemini Robotics On-Device 2: ロボットデバイス上でローカルに実行するために最適化された、最も効率的なビジョン・ランゲージ・アクション(VLA)モデルです。このモデルは、わずか数時間のデータで、完全に新しいロボットのボディに高速に適応できるようになりました。

当社の推論モデルであるGemini Robotics ER 2は、Google AI Studioで利用可能になり、Gemini Enterprise Agent Platformではプライベートプレビュー版が提供されています。当社のVLAおよびオンデバイスモデルは、早期アクセスパートナーに提供されています。これらのモデルをハードウェアに導入する方法については、当社のデベロッパーブログをお読みください。

稼働するヒューマノイド:全身タスクの管理

世界は人間の動きに合わせて作られており、狭く散らかった場所で手を伸ばし、曲げ、バランスを取る必要があります。以前のモデルはテーブルトップタスクを達成するためにヒューマノイドの上半身を制御していましたが、Gemini Robotics 2は物理AIを全身の動きに拡張します。

当社のモデルは初めて、ヒューマノイドロボット全体を制御し、意図をインテリジェントな全身制御に変換できるようになりました。例えば、ApptronikのApollo 2ヒューマノイドロボットを制御する際、「じょうろを下の棚の緑色のゴミ箱に入れて」と指示できます。Apolloは指示を処理し、テーブルまで歩いていき、じょうろを手に取り、棚まで数歩歩いて、目的地に正確に置きます。当社のロボットの移動速度にはまだ改善の余地がありますが、これは全身の協調を必要とする、より複雑な現実世界のタスクを完了するために必要なスキルに向けた重要な一歩です。

手とグリッパーに高度な器用さをもたらす

私たちの家庭や職場で真に役立つためには、ロボットには繊細さが必要です。Gemini Robotics 2は、ロボットが手を使用しているかグリッパーを使用しているかに関わらず、さまざまなエンドエフェクタにわたる新しいレベルの物理的器用さを解き放ち、ロボットをこれまで以上に役立つものにします。

このモデルは、Apollo 2ロボットの5本指、22自由度のSharpaWaveハンドを制御して、結び目を結んだり、ジップロックバッグを閉じたりするような繊細なアクションを実行できるようになりました。また、Franka Duoプラットフォームの標準的な2本指パラレルグリッパーを操作して、複雑で器用なタスク(例:タイトパッキング)を実行することもできます。人間レベルの器用さを達成するために、精度と速度のレベルを引き続き向上させています。

エージェント的推論とマルチロボットコラボレーションによる高度なタスクの解き放ち

ほとんどの現実世界のタスクは、長期間にわたる複数のステップを必要とします。この複雑さを管理するために、当社のエンボディド・リーゾニング(ER)モデルであるGemini Robotics ER 2は、ロボットの高レベルな脳として機能し、ユーザーの指示を処理し、人間とコミュニケーションを取ります。部屋を観察し、タスク完了に必要なステップを推論し、VLAと連携してアクションを実行し、タスクが完了するまで進捗を追跡します。このセットアップにより、ロボットは複雑なマルチステップタスクを実行し、ステップが失敗した場合は自己修正し、新しい状況や目標に一般化することができます。

このアップデートでは、ロボットが数分間続き、数百の決定を伴う、より長いタスクシーケンスをより確実に実行できるようにします。Gemini Robotics ER 2は、タスクの開始と終了を理解し、重要なイベントが発生した瞬間を特定できるようになり、進捗理解における段階的な進歩を示しています。

さらに、マルチロボットコラボレーションを導入しています。これにより、異なるタイプのロボットが通信し、単一のロボットでは単独で実行できない複雑なワークフローを解決するために協力できるようになります。

任意のロボットにオンデバイスモデルを高速適応させる

多くのロボットアプリケーションは、ネットワーク遅延やインターネット接続なしで動作する必要があります。Gemini Robotics On-Device 2は、これらの制約を処理するために特別に構築されています。これは、ロボットデバイス上でローカルに実行するために最適化された、当社の最も効率的なビジョン・ランゲージ・アクション(VLA)モデルです。

このモデルはネイティブにマルチエンボディメントであり、Gemini Robotics 1.5からの当社の高度な「モーション転送」技術を継承しています。新しいバイアームロボットのボディに、通常200未満の例で、わずか数時間の適応時間で適応できるようになりました。これは、Dexmate、SO101、Trossenプラットフォームで実行される多様なタスクセットで示されているように、形状、センサー、自由度が劇的に異なる新しいボディでも機能します。

安全で責任あるロボット工学へのコミットメントの推進

安全性は、当社のロボット研究の基盤です。ロボットがより多くの物理的機能を得るにつれて、私たちはエンドツーエンドの安全性とアライメントを確保することにコミットしています。各リリースで、私たちは従来の物理的安全対策と堅牢なAI安全フレームワークを組み合わせた多層アプローチを採用してきました。

Gemini Robotics 2は、特に現実世界の不確実性をナビゲートし、人間と協力して作業するためのロボット工学の安全性を向上させます。

私たちは、エージェント的安全性オーケストレーションと不確実性解決のための新しいベンチマークであるASIMOV-Agenticを導入しています。例えば、これはエンボディド・リーゾニングエージェントが、VLAからの安全でないツール呼び出しを拒否する能力を測定します。また、エージェントがタスクが可能かどうかを予測し、不確実な場合に積極的に人間の介入を要求する能力も測定します。

さらに、エンボディド・リーゾニングを強化したGemini Robotics ER 2は、安全制約の遵守と人間近接ベンチマークにおいて、これまでの当社のロボットモデルの中で最も安全なものです。人間が近くにいることをより良く検出し、安全ツール呼び出しをトリガーし、誰かが近づきすぎた場合にロボットを安全に停止させることができます。これは、協調安全基準における重要な要件です。詳細については、Gemini Robotics 2: Safety Technical Reportをお読みください。

一般目的の物理AIに向けた構築

Gemini Robotics 2は、物理世界におけるAGI(汎用人工知能)の解決に向けた重要なマイルストーンを示しています。ロボット工学の真の可能性を解き放つには、単一タスクの自動化を超えて、一般目的の知能へと移行する必要があります。このコア知能を構築することにより、私たちの目標は、人間と協力して複雑な課題を解決できる物理世界のAIを可能にすることです。

Gemini Robotics 2を探る

謝辞
この作業は、Gemini Roboticsチームによって開発されました:Abhijit Ogale、Abhishek Jindal、Adil Dostmohamed、Adrian Collister、Alan Thompson、Alessio Quaglino、Alex Bewley、Alex Hofer、Alex Taeho Kim、Alex X. Lee、Alex Zihao Zhu、Allen Chai、Amaris Paryag、Amit Hampaul、Amy Nommeots-Nomm、Amy Shen、Andre Araujo、Andrew Gallagher、Anirudha Majumdar、Anna Volosina、Annie S. Chen、Annie Xie、Anthony Brohan、Antoine Laurens、Arunkumar Byravan、Asaf Revach、Assaf Hurwitz Michaely、Baruch Tabanpour、Ben Moran、Benoit Landry、Bingyi Cao、Bogdan Mazoure、Brandon Hernaez、Brijen Thananjeyan、Bryan Anenberg、Caden Lu、Carl Doersch、Carolina Parada、Caroline Pantofaru、Charles Shu、Chengda Wu、Christine Chan、Christy Koh、Chuyuan Fu、Claire Cui、Clare Lee、Claudio Fantacci、Connor Schenck、David Rendleman、Deepali Jain、Demetra Brady、Dennis Li、Dhruv Shah、Dimple Vijaygari、Dmitry Kalashnikov、Dre Mahaarachchi、Dushyant Rao、Erik Frey、Fangchen Liu、Federico Casarini、Francesco Nori、Francesco Romano、Frankie Garcia、Gabor Simko、Gautam Salhotra、Giulia Vezzani、Grace Popple、Grace Vesom、Graziano Misuraca、Guangyao Zhou、Hagen Soltau、Hanzi Mao、Hao-Tien Lewis Chiang、Harris Chan、Hila Noga、Howard Zhou、Ian Storz、Idan Lev-Yehudi、Ignacio Rocco、Inessa Konstanz、Isaac Reid、Ishita Prasad、Ivan Kapelyukh、J. Chase Kew、Jacky Liang、Jake Varley、James Susilo、Jasmine Hsu、Jerad Kirkland、Jeremy Plassmann、Jessica Lo、Jie Tan、Jimmy Yan、Jingwei Zhang、Jinyu Xie、Jose Enrique Chen、Joshua Ainslie、Joss Moore、Juanita Bawagan、Junkyung Kim、Justin Lidard、Kanishka Rao、Kathryn Quinn Shea、Kaustubh Sridhar、Keerthana Gopalakrishnan、Ken Caluwaerts、Kenneth Oslund、Khimya Khetarpal、Konstantinos Bousmalis、Krista Reymann、Krzysztof Choromanski、Ksenia Konyushkova、Kun Zhang、Kunal Aneja、Laura Graesser、Leen Verburgh、Leonard Hasenclever、Li-Heng Lin、London Chappellet-Volpini、Lucie Kerley、Maria Attarian、Maria Bauza Villalonga、Marissa Giustina、Max McCabe、Meet Kirankumar Dave、Mehdi S. M. Sajjadi、Metin Tokosz-Exley、Michael Neunert、Michael Noseworthy、Michiel Blokzijl、Miguel Rivas、Mithun George Jacob、Mitsuhiko Nakamoto、Mo Dawoud、Mohan Kumar Srirama、Mohit Sharma、Mohit Shridhar、Muinat Abdul、Murilo F. Martins、Nadav Olmert、Nathan Batchelor、Nicolas Heess、Niko Milonopoulos、Norman Di Palo、Oliver Groth、Ouais Alsharif、Padmini Copparapu、Parth Parekh、Paul Ruiz、Paul Wohlhart、Peide Huang、Peng Xu、Pengfei Xing、Peter Pastor、Petko Yotov、Phil Duffy、Philemon Brakel、Rachel Sterneck、Rajkumar Vasudeva Raju、Ravin Kumar、Razvan Surdulescu、René Wagner、Reza Sanatinia、Robert Baruch、Robert McDonald、Robert Moreno、Rohan Thakker、Roland Hafner、Ryan Doss、Sajjad Zafar、Sally Jesmonth、Sam Haves、Saminda Abeyruwan、Sandy Han Huang、Scott Crowell、Seliem El-Sayed、Sergey Yaroshenko、Sergio Martinez Abad、Serkan Cabi、Sharath Maddineni、Shuang Li、Sichun Xu、Silvia Cruciani、Skanda Koppula、Skye Yang、Soo Sung、Stefan Welker、Stefani Karp、Stefano Saliceti、Steven Hansen、Stuart Bowers、Sumeet Singh、Svetlana Grant、Takahiro Miki、Takuma Yoneda、Thomas Buschmann、Thomas Lampe、Thomas Power、Thor Schaeff、Tim Hertweck、Tingnan Zhang、Todd McInally、Todor Davchev、Tong Zhao、Travers Rhodes、Tsang-Wei Edward Lee、Vika Koriakin、Vikas Sindhwani、Wenhao Yu、Wentao Yuan、Xiaolin Fang、Yahav Nussbaum、Ying Sheng、Ying Xu、Yuheng Kuang、Yuxiang Yang、Yuxiang Zhou

この取り組みへのリーダーシップとサポートに対して、Jean-Baptiste Alayrac、Zoubin Ghahramani、Koray Kavukcuoglu、Demis Hassabisに感謝いたします。Legal、Marketing、Communications、Responsibility and Safety Council、Responsible Development and Innovation、Policy、Strategy and Operations、そしてBusiness and Corporate Developmentチームを含む、GoogleおよびGoogle DeepMindの多くのチームがこの取り組みに貢献したことを認識しています。上記に明示的に言及されていないロボットチームの皆様の継続的なサポートとガイダンスに感謝いたします。最後に、パートナーであるApptronik、Boston Dynamics、Agile Robotsチームの皆様のサポートに感謝いたします。