Gemini Robotics 2.5、工場の部品の仕分けで成功率96%
執筆・監修: 佐々木 航公開 更新 4 分で読めます
人の形をしたロボットが、自動車の工場のラインで、箱にばらばらに入った金属の部品をつかみ、車1台ごとに決まった順でトレーに並べていきます。この仕分けの作業で、成功率は96%でした。Google DeepMindが11月10日に発表した、ロボットを動かすモデル「Gemini Robotics 2.5」の実証の結果です。
Gemini Robotics 2.5はカメラの映像と言葉の指示を受けて、腕や手の動きまで出す「視覚・言語・動作(VLA)」のモデルです。7月の「Gemini Robotics 2」に続く版で、DeepMindは同社でいちばん高い性能のVLAモデルとしています。提供はまずロボットの提携企業に向けて、順に始めます。
DeepMindは200を超える作業でモデルを試しました。トングで料理を取り分ける、贈り物の箱にリボンを結ぶ、ピペットで液体を移すといった、道具を使い、柔らかいものや壊れやすいものを扱う作業です。前の基準と比べると、成功率は作業の種類によって30〜100%上がり、作業にかかる時間は20〜30%縮みました。
| 項目 | 値 |
|---|---|
| 試した作業 | 200を超える |
| 成功率(前の基準と比べて) | 30〜100%高い |
| 作業の速さ(同) | 20〜30%速い |
| 工場での部品の仕分けの成功率 | 96% |
| 障害物のそばで、安全に終えた作業 | 33%増 |
| 人のそばで、安全に終えた作業 | 43%増 |
| 危ない頼みを見抜く力(Gemini 4 Argon) | 99.5%前のGemini Robotics ER 2は82% |
比べた「前の基準」のモデルの名前と、作業ごとの値は発表に載っていません。
これまでのGemini Roboticsと同じく、1つのモデルで形の違うロボットを動かせます。試したのは、5本指で22の関節を持つ手を付けた人型ロボットApptronikの「Apollo 2」と、2本指でつかむ腕が2つあるFrankaの「Franka Duo」です。
メルセデス・ベンツの工場で、部品をそろえる
工場での実証はApptronikとMercedes-Benzと組み、ハンガリーのケチケメートとドイツのジンデルフィンゲンの、動いている組み立てのラインで行いました。作業は、車ごとに要る部品を順番どおりにそろえる「キッティング」です。単調で体に負担のかかる仕事ですが、ラインを止めないためには欠かせません。
段取りの管理はロボット向けの推論モデル「Gemini Robotics ER」が受け持ちます。手と腕の動きはGemini Robotics 2.5が出し、ロボットは部品の箱に手を入れ、金属のブラケットをつかみ、順番の容器に入れていきます。空きができれば、その場で直します。ApptronikのCEOによると、数週間の追加の学習で性能が大きく上がり、本番の工場に移しても落ち込みはほとんどありませんでした。
安全の仕組みと、新しい評価
動くロボットでは、体に当たらないことが何より大事です。Gemini Robotics 2.5は、動きを決める途中で推論の手がかりを足し、その場で危ないところを避けます。DeepMindの評価では、障害物のそばで安全に終えた作業が33%、人のそばでは43%増えました。
長い作業をまかせるときの安全も試しました。危ない頼みを言い換えて通そうとする「脱獄」への強さを測るため、DeepMindは数百の指示と数十の場面を集めた評価「ASIMOV-Jailbreak」をオープンソースで公開しました。この評価で、危ない頼みを見抜けた割合は、Gemini 4 Argonが99.5%、前のGemini Robotics ER 2が82%です。この数字はGemini Robotics 2.5そのものではなく、段取りを考える側のモデルの値です。
開発には、Gemini 4 Argonも使いました。実際のカメラの場面から、条件を変えた練習を何千通りも作り、現実に近い仮想の環境(デジタルツイン)を組み立てます。失敗した作業の映像から原因の見当をつけ、直し方をシミュレーションと実機で試すのにも使ったといいます。
読み取れること
96%という値は、1種類の作業を工場で試した結果です。ラインで毎日使うなら、残りの4%をだれがどう拾うかが次の課題になるはずで、発表はそこまで触れていません。一方で、追加の学習が数週間で済み、実験室から工場に移しても性能が落ちにくかったという点は、ロボットを入れる側の手間に直結します。
もう1つ目を引くのが、ロボットの開発に汎用のモデルが入ってきたことです。練習の場面づくりや失敗の分析をGemini 4 Argonにまかせ、実機で集めにくいデータを補う形です。国内でも、映像の予測でロボットの動きを学ぶSB Intuitionsの研究など、データの少なさを補う工夫が続いています。とはいえ、Gemini Robotics 2.5は提携企業向けの提供で、日本の企業がすぐに試せるのは、プレビュー中のGemini Robotics ER 2の側です。
YOBITSUGI AIで使えるか
Gemini Robotics 2.5は、YOBITSUGI AIからは使えません。開発に使われたGemini 4 Argonは、YOBITSUGI AIで使えます。
出典
- Gemini Robotics 2.5 accelerates real-world general dexterity(Google DeepMind・2026年11月10日)