Google DeepMind、ロボットを動かすAIモデル「Gemini Robotics 2.5」を協力企業に順次提供

Google DeepMindは11月10日、ロボットを動かすAIモデル「Gemini Robotics 2.5」を発表した。カメラの映像と言葉による指示から、ロボットの動きを決める「VLA」と呼ばれる種類のモデルで、ロボット開発の協力企業に順次提供を始めた。
同社は新しいモデルで、ロボットが覚えられる技能の幅を広げ、覚える速さも高めたと説明する。評価に使ったのは、贈り物の箱へのリボン掛けやトングでの料理の取り分けなど、200の作業だ。基準とした従来のモデルと比べ、成功率は作業の種類によって30〜100%高く、作業は20〜30%速く終わった。
同社は自社のAIモデル「Gemini 4 Argon」を使い、Gemini Robotics 2.5の開発を大きく速めたとしている。Gemini 4 Argonには、実際のカメラ映像をもとに、ロボットが練習する場面をシミュレーションで数千通り作る機能がある。シミュレーションでの練習を実環境で集めた実演のデータと組み合わせると、ロボットが新しい場面や物により早く対応できるという。
DeepMindはApptronik、メルセデス・ベンツと組み、Apptronikの人型ロボット「Apollo 2」をドイツとハンガリーのメルセデス・ベンツの工場にある稼働中の生産ラインで試験的に動かした。この実証では、Apollo 2が大きな箱から個々の部品を取り出し、ラインを流れる車ごとに決まった順番でトレーへ並べる作業を自律して行った。
Apollo 2の作業の流れは推論用のモデル「Gemini Robotics ER」が把握し、手と腕はGemini Robotics 2.5が制御した。DeepMindによると、部品を並べる作業の成功率は96%だった。
DeepMindは安全の面で、Gemini Robotics 2.5に動作中の推論で周りの危険をその場で避ける仕組みを取り入れた。同社の評価では、この仕組みにより障害物のそばで安全に作業を終える割合が33%上がり、人が近くにいる場面では43%上がった。
DeepMindは危険な依頼を別の依頼に見せかけたプロンプトを数百件収め、ロボットのAIがこうした依頼にだまされないかを試すデータセット「ASIMOV-Jailbreak」をオープンソースで公開した。
【関連サイト】Google DeepMind「Gemini Robotics 2.5 accelerates real-world general dexterity」









