米Google DeepMindが発表した「Gemini Robotics 2」は、ロボットの全身動作や両手による精密操作に対応し、複数機体による協調作業も支援するAIモデル群である。
新しい機体へ短時間で適応する機能も備え、汎用的なフィジカルAIの実現に向けた研究を前進させる。
全身動作から協調作業まで対応
2026年7月30日、Google DeepMindは、ロボット向けAIモデル群「Gemini Robotics 2」を発表した。
視覚と言語の入力を運動制御へ変換するVLA（※）モデルを中核とし、人型ロボットの歩行や姿勢制御、物体操作を組み合わせた全身動作に対応する。
従来モデルは、主に人型ロボットの上半身を使った卓上作業を対象としていた。
新モデルでは、歩く、しゃがむ、体を伸ばす、物を持ち運ぶといった動作を連続して実行できる。
Apptronikの人型ロボット「Apollo 2」を使った実演では、じょうろを持って棚まで移動し、指定された箱へ収納する一連の作業を行った。
手やグリッパーを使った精密操作も強化された。
22自由度を持つ5本指のロボットハンドでは、結び目を作る、保存袋を閉じるといった繊細な作業を実行できるほか、2本指グリッパーによる密な梱包作業にも対応する。
Google DeepMindは、今後も動作の精度と速度を高め、人間に近い器用さの実現を目指すとしている。
モデル群は、全身制御を担う「Gemini Robotics 2」、作業計画や人との対話を担当する「Gemini Robotics ER 2」、端末上で動作する「Gemini Robotics On-Device 2」の3種類で構成される。
ER 2は数分間に及ぶ多段階作業や複数ロボットの連携を管理でき、On-Device 2は数時間分のデータで新しい機体へ適応できるという。
※VLA：Vision-Language-Actionの略。画像や映像などの視覚情報と言語指示を理解し、その結果をロボットの具体的な動作命令へ変換するAIモデルを指す。
汎用ロボット普及へ安全性と再現性が焦点
最大の利点は、単一作業ごとに細かな手順を組む従来型のロボットから、状況を理解して動作を組み立てる汎用型へ近づいた点にある。
全身制御と精密操作を同じモデル群で連携して扱えれば、倉庫整理や製造補助、施設内作業など、複数の動きを伴う現場へ応用範囲が広がる可能性がある。
複数ロボットが役割を分担する仕組みも、単体では難しい複雑な作業工程を効率化する要素になるだろう。
一方、現時点では動作速度に改善余地があり、人間と同じ空間で継続的に働かせるには安全性の検証が欠かせない。
誤認識や判断の遅れが物理的な事故につながるため、ソフトウェア上の精度だけでなく、停止機構や人への接近検知を含む多層的な対策が必要になるとみられる。
今後は、実環境での長期運用を通じて安全基準への適合性と再現性を示せるかが普及の分岐点となりそうだ。
機体ごとの追加学習を短時間に抑えられれば、ロボット導入の開発負担を下げ、汎用的なフィジカルAIの商用化を後押しすると考えられる。
関連記事：
Google DeepMind、汎用ロボットAI「Gemini Robotics 1.5」発表 複雑作業に自律対応
Google、Gemini Robotics ER 1.6発表 ロボット用AIが物理世界の推論を強化
Metaら、HumanCLAWを公開 VLM身体行動能力の課題を可視化
