Gemini Robotics 2.5 リリースノート

Gemini Robotics 2.5 の概要

Gemini Robotics 2.5 は、Google DeepMind がこれまで開発した中で最も高性能なビジョン・言語・アクション（VLA）モデルであり、ロボットが習得できるスキルの幅と習得速度を向上させるように設計されています。Gemini 4 Argon をシミュレーションエンジンとして活用し研究を加速させることで、このモデルは200以上の異なるタスクでパフォーマンスを向上させ、ロボットが繊細な物体を扱い、構造化されていない現実世界の環境をより正確にナビゲートできるようにします。

器用さとタスクの幅の向上

Gemini Robotics 2.5 は、従来のベースラインと比較して、タスクの精度、堅牢性、および速度において大幅な改善を示しています。このモデルは、トングで食べ物を取り分ける、リボンを結ぶ、液体をピペットで移すなど、多様なタスクセットで評価されました。これらの評価では、成功率が30%から100%向上し、タスク完了時間が20%から30%短縮されました。このモデルは、Apptronik Apollo 2 ヒューマノイドや Franka Duo プラットフォームを含む、さまざまなハードウェアプラットフォームとの互換性を維持しています。

現実世界における産業上の信頼性

概念実証試験において、Gemini Robotics 2.5 はハンガリーとドイツの Mercedes-Benz 生産ラインにある Apptronik の Apollo 2 ヒューマノイドロボットに導入されました。ロボットは自動車のキッティング（バルクビンから部品を整理されたトレイに仕分けるプロセス）を成功させ、96%の成功率を達成しました。Gemini Robotics の具現化された推論モデルを使用してワークフローを追跡し、VLA モデルを使用して物理的なアクションを制御することで、システムは予測不可能な環境に適応し、リアルタイムでエラーを修正する能力を実証しました。

安全性と操縦性

日常的な空間でのより安全な相互作用を促進するために、Gemini Robotics 2.5 では推論時のガイダンス機能が導入されました。この機能により、ロボットは物理的な危険を回避できるようになり、障害物の周囲での安全なタスク完了率が33%向上し、人間の近くで作業する場合の安全性が43%向上しました。さらに、このモデルは敵対的な入力に対する回復力の向上を示しており、新しいオープンソースの ASIMOV-Jailbreak ベンチマークで99.5%の脱獄耐性率を達成しました。これは、以前のバージョンで確立された82%のベースラインから大幅な向上です。

Gemini 4 Argon による開発の加速

Gemini Robotics 2.5 の開発は、ロボット工学研究のシミュレーションエンジンとして機能する Gemini 4 Argon によって加速されました。Argon を使用することで、研究者は現実世界のカメラ映像から数千ものシミュレーション練習を実行し、ロボットが新しいシーンにより効率的に汎化できるようにするデジタルツインを作成できます。さらに、Argon はビデオ映像を分析し、シミュレーションと物理ハードウェアの両方で潜在的な改善点をテストすることで、タスクの失敗を診断するのに役立ちます。