DeepMindがGemini Robotics 2発表

GoogleおよびGoogle DeepMindは、ロボット自動化とヒューマノイド（人型ロボット）制御に向けた次世代AIモデルスイート「Gemini Robotics 2」を発表した。物理世界での自律的な動作と判断を可能にするモデル群となっている。

Gemini Robotics 2は、視覚・言語・行動を統合処理するVLA（Vision-Language-Actionの略で、視覚と言語理解から物理的動作命令を直接出力するモデルアーキテクチャ）アーキテクチャを基盤に構築されている。シミュレーションおよび実環境の双方において、高度なロボット動作制御と視覚言語理解を実現する。

本モデルスイートは、多様なロボット制御タスクを支援する以下の機能とコンポーネントで構成されている。

• ​エンドツーエンドの全身制御と両腕操作​: 全身の動的バランス調整、直立歩行や屈伸の統合制御に加え、両腕による精密な工具操作や複数ロボット間の協調動作に対応。
• Gemini Robotics ER 2: リアルタイムなタスク適応とエラー発生時の動作自己修復・再試行に特化した推論特化型派生モデル。
• ASIMOV-Agentic: 安全性が極めて重要視される環境下で自律ロボットの行動や安全性を定量的かつ多角的に評価する新設のベンチマーク。

物理空間で動作するロボットへの高度なマルチモーダルAIの統合は、産業用自動化から家庭用サービスまで幅広い展開が期待される。推論能力を強めた「Gemini Robotics ER 2」や安全性を検証する標準指標「ASIMOV-Agentic」が提供されることで、より安全で信頼性の高いヒューマノイドロボットの社会実装に向けた基盤が整うとみられる。

引用元：deepmind.google