Gemini Robotics 2 リリースノート / 新機能

Google DeepMind は Gemini Robotics 2 をリリースしました。これは、ロボットを事前にプログラムされたシーケンスから脱却させ、適応可能で汎用的な物理 AI へと導くインテリジェンス層です。このアップデートでは、ヒューマノイド向けの全身制御、さまざまなエンドエフェクタ向けの高精度な器用さ、そして複雑で多段階のタスク実行を可能にするエージェント的推論が導入されています。

Gemini Robotics 2 モデルスイート

Gemini Robotics 2 は、ロボットインテリジェンスの異なる側面（高レベルの計画から低レベルのモーター制御まで）を扱う 3 つの専門モデルで構成されています。

  • Gemini Robotics 2 (VLA): ビジョン・言語・アクションモデルで、視覚情報とテキスト入力を直接モーター制御に変換します。フルヒューマノイドや二腕ロボットをサポートし、「足元から指先まで」の制御を実現します。
  • Gemini Robotics ER 2 (Embodied Reasoning): ビジョン・言語モデル（VLM）で、エージェントの高レベル脳として機能します。人間とのコミュニケーション、物理世界の理解、数分間にわたる複数ステップタスクの計画を管理します。
  • Gemini Robotics On-Device 2 (VLA): ローカル実行向けに最適化された効率的な VLA モデルで、ネットワーク遅延を排除します。高速な適応機能を備えており、数時間のデータで新しいロボット形態に展開可能です。

全身制御とヒューマノイドの動き

Gemini Robotics 2 は、上半身のテーブルトップタスクから全身協調へと物理 AI の範囲を拡大します。これにより、ヒューマノイドロボットは人間用に設計された環境で歩行・しゃがみ・伸びなどの動作を行いながら、物体の操作が可能になります。

Apptronik Apollo 2 ヒューマノイドを用いたデモでは、モデルはテーブル上の水やり用ジョウロを下段の特定のビンへ移動させる指示を正しく処理し、ロボットは歩行、物体の把持、正確な配置を実行しました。

手とグリッパーの高度な器用さ

システムは、さまざまなハードウェアエンドエフェクタに対して洗練された操作性を提供します。

  • マルチフィンガーハンド: Apollo 2 に装着された 22 自由度の SharpaWave ハンドを使用し、ジップロックバッグの封止や結び目を作るといった繊細な作業が可能です。
  • パラレルグリッパー: Franka Duo プラットフォーム上で、標準的な二指グリッパーを用いた緊密なパッキングなど、複雑で器用さを要するタスクを実現します。

エージェント的推論とマルチロボット協調

Gemini Robotics ER 2 は、数分間にわたって数百の意思決定を伴う長時間タスクシーケンスをロボットが実行できるようにします。モデルはタスクの開始・終了をより正確に把握し、実行中の重要イベントを特定できるようになりました。

主な機能:

  • 自己修正: 推論モデルは新しい状況に一般化し、シーケンス中の特定ステップが失敗した場合に自己修正できます。
  • マルチロボット協調: 異種ロボット同士が通信・協調し、単一ロボットでは対処できない複雑なワークフローを解決できます。

オンデバイス適応とモーション転送

Gemini Robotics On-Device 2 は「モーション転送」技術を活用し、新しいロボットハードウェアへ迅速に適応します。センサー、形状、自由度が大きく異なる二腕ロボットでも、通常 200 件未満のサンプルと数時間の適応時間で対応可能です。この機能は Dexmate、SO101、Trossen プラットフォームで実証されています。

安全フレームワークと ASIMOV-Agentic

Google DeepMind は、物理的安全策と AI 安全フレームワークを組み合わせた多層的安全アプローチを実装しました。

これらのシステムを評価するために ASIMOV-Agentic というベンチマークを導入し、エージェント的安全オーケストレーションと不確実性解消を測定します。ベンチマークは次の点を評価します:

  1. エンボディード・リーディングエージェントが VLA からの安全でないツール呼び出しを拒否できるか。
  2. タスクが実行可能かを予測し、不確実な場合に人間の介入を事前に要求できるか。

Gemini Robotics ER 2 は、人間との近接ベンチマークと安全制約遵守において、これまでで最も安全なロボティクスモデルと報告されており、人間が過度に接近した際に安全ツール呼び出しをトリガーし、ロボットを停止させる機能を備えています。

Sources