Google Deepmind が Gemini Robotics 2 を発表しました。最新世代のビジョン言語行動（VLA）モデルで、物理ロボットの制御に特化した汎用 AI インテリジェンスレイヤーです。卓上ロボットアームから全身人型ロボットまで、様々な形状や自由度を持つロボットに対応します。

Gemini Robotics 2 の機能

統合的な知覚・制御

Gemini Robotics 2 は、以下の能力を統合しています：

  • 画像認識 - カメラ入力から環境を認識
  • 言語処理 - ユーザーの指示や説明文を理解
  • 行動制御 - 統合情報に基づいてロボットのアクチュエータに指令

このアーキテクチャにより、複雑な物理タスクを単一のモデルで実行できるようになりました。

対応するロボット形状の多様性

標準的なロボットアーム（UR、ABB など）から、Boston Dynamics の Spot、humanoid robots に至るまで、幅広いロボット形態をサポート。これまで異なるモデルが必要だった複数形状のロボットに対して、統一的なインテリジェンスレイヤーを提供します。

Gemini Robotics ER 2：高度な推論レイヤー

同時に発表された Gemini Robotics ER 2（Embodied Reasoning 2）は、Gemini Robotics 2 の上位制御システムです。

役割

  • 計画の立案 - 複雑な複数ステップタスクの構築
  • 推論 - 物理世界の制約や動力学の理解
  • 実行管理 - ロボットの行動フィードバックに基づく適応

従来は人間が手動で設計していたロボット制御パイプラインを、AI が自動的に学習・実行できるようになります。

開発者への提供方法

  • Gemini Robotics 2: 早期アクセスのウェイトリスト開放。デベロッパーが申し込み可能
  • Gemini Robotics ER 2: Google AI Studio（web UI）で利用開始予定

業界への影響

自動化産業の拡大

これまで単体企業向けにカスタマイズされていたロボット制御を、標準化・汎用化することで：

  • 中小企業でのロボット導入が簡便に
  • 新用途への応用が加速

学術研究への貢献

オープンなビジョン言語行動モデルの提供により、ロボティクス研究全体が加速する見通し。

Google の戦略的ポジション

AI メジャー企業の中でも、物理世界への AI の具現化（embodied AI）に投資を集中させる Google Deepmind の野心が明確に。ロボティクスが今後の生成 AI の重要な応用領域になることを示唆しています。

次のステップ

デベロッパーの早期フィードバックを得た上で、2027年の本格リリースを予定。同時に、Boston Dynamics との協業拡大や産業ロボット企業（ABB、Siemens など）との統合も検討される見通しです。

ロボット制御が AI モデルの標準的な応用になる段階へと、一歩前進した形になります。