Google DeepMindがGemini Robotics 2.5モデルを発表、工場でのテスト成功率は96%

Google DeepMindはGemini Robotics 2.5を発表した。このモデルは、ロボットが物理的なタスクをより迅速に学習し、精密な物品を処理し、実際の環境でより信頼性を持って動作することを目的としている。このモデルは、ApptronikのApollo 2ヒューマノイドロボットを用いた工場の概念検証で96%の成功率を達成し、これはメルセデス・ベンツの生産ラインで行われた。このロボットは、自動的に自動車部品を大きな箱から分類して整然としたトレイに移し、必要な順序で部品を準備して自動車の組み立てを容易にする。

試験はハンガリーのケチケメートとドイツのシンデルフィンゲンの生産施設で行われた。Googleは、この作業が反復的で肉体的に要求の高いタスクの自動化を助け、工場の技術者がより複雑な組み立て作業に集中できるようにすることができると述べている。

Gemini 2.5の機能と応用

Gemini Robotics 2.5は、視覚情報と指示をロボットの物理的な動作に変換できる同社の最新の視覚-言語-行動（VLA）モデルである。現在、このモデルはGoogleのロボットパートナーに向けて展開されている。

このモデルは、200以上の異なるタスクで評価されており、クリンチでの料理、ギフトボックスにリボンを結ぶこと、ピペットを使って液体を移すことなどが含まれている。これらの活動は、精密な物品の処理から柔軟な材料の操作、日常的な工具の使用に至るまでのさまざまな能力をテストした。従来のベンチマークと比較して、このモデルはタスクの成功率を30%から100%向上させ、Googleのデータによれば、活動の完了速度も20%から30%向上した。このモデルは、ApptronikのApollo 2ヒューマノイドロボットや、2本指の平行クランプを使用するFranka Duoシステムなど、さまざまなロボットプラットフォームで動作することができる。

メルセデス・ベンツのデモでは、Googleの体現推論モデルGemini Robotics ERがワークフローを追跡し、Gemini Robotics 2.5がロボットの腕と手を制御した。Apollo 2は供給箱から金属のブラケットを取り出し、必要に応じて動作を調整しながら分類容器に置いた。

安全性と適応性の向上

柔軟性に加えて、Googleはこのモデルの物理的危険への対応能力も改善した。その推論時間の指導により、ロボットは障害物を避け、人々の中で動作することができる。会社の評価によれば、この能力により、障害物周辺での安全なタスクの完了率は33%向上し、人員の近くでは43%向上した。Googleはまた、ASIMOV-Jailbreakというオープンソースのベンチマークを発表した。これは、ロボットシステムが偽装された危険な指示に対抗できるかどうかをテストするものであり、数百のシナリオをカバーする数十のプロンプトが含まれている。

Googleは、Gemini 4 Argonがこれらの越獄試行で99.5%の抵抗力を達成したと報告しており、以前のGemini Robotics ER 2ベンチマークは82%であった。さらに、GoogleはGemini 4 Argonが新しいロボットモデルの開発を加速したと述べている。このシステムは、実世界の映像から数千回のシミュレーション練習を生成し、物理環境のデジタルツインを作成することができる。研究者はこれらのシミュレーションを実際のトレーニングデモと組み合わせて、ロボットがそのスキルを未知の物体や環境に一般化するのを助けることができる。

Argonはまた、失敗した試行を分析し、今後のトレーニングに向けた改善提案を提供することができる。

これらの進展は、Googleがより適応性のあるロボットを産業や日常環境に導入するための最新の取り組みを示している。しかし、96%の工場結果は依然として概念検証であり、広範な商業展開の証拠ではない。Gemini Robotics 2.5は現在、Googleのロボットパートナーに向けて展開されている。

Gemini Robotics 2.5の商業的潜在能力と課題

Gemini Robotics 2.5の発表は、特に工場自動化におけるGoogleのロボット技術の重要な進展を示している。成功率が96%に達するテスト結果は鼓舞されるものの、これはあくまで概念検証であり、将来の商業応用は未確定である。また、物理的危険への対応や安全性の向上におけるモデルの改善は、日常環境での潜在能力を示している。技術がさらに進展する中で、これらのロボットシステムをどのように効果的に商業化するかが、Googleが直面する課題となるだろう。