ロボットがリボンを結び、トングで盛り付け Google新AI

Google DeepMindは、ロボット向けAIモデル「Gemini Robotics 2.5」を発表した。道具の使用や柔らかい物体の操作などに対応し、作業の成功率と速度、安全性を向上。ロボット開発パートナーへの提供を開始している。

画像と言語の情報をもとにロボットの動作を制御するVLA(Vision-Language-Action)モデル。トングで料理を取り分ける、ギフトボックスのリボンを結ぶ、ピペットで液体を扱うといった200以上の作業で性能を検証した。従来の比較基準に対し、作業の種類に応じて成功率が30～100%向上し、所要時間は20～30%短縮したという。

複数のロボットに対応し、Apptronikのヒューマノイド「Apollo 2」や、2本指のグリッパーを備えた双腕ロボット「Franka Duo」などで利用できる。Apollo 2は、22自由度の5本指ハンド「SharpaWave」を搭載する。

実環境での検証では、Mercedes-Benzのハンガリー・ケチケメート工場とドイツ・ジンデルフィンゲン工場の稼働中の生産ラインにApollo 2を投入。部品箱から金属製ブラケットを取り出し、車両ごとに必要な順序でトレーに並べる作業で、96%の成功率を達成した。

作業工程の管理には推論モデル「Gemini Robotics ER」を、手や腕の制御にはGemini Robotics 2.5を使用。単調で身体的負担の大きい部品準備をロボットに任せ、作業員が複雑な組み立てに集中できる環境を目指す。

安全面では、推論時に動作を誘導し、周囲の危険をリアルタイムに回避する機能を強化した。同社の評価では、安全に作業を完了できる割合が、障害物のある環境で33%、人が近くにいる環境で43%向上したという。

開発には「Gemini 4 Argon」も活用。実際のカメラ映像をもとに多様なシミュレーションやデジタルツインを生成し、実機での学習データと組み合わせることで、新しい環境や物体への対応を効率化した。