GoogleのGemini Robotics 2、ヒューマノイドの全身制御を実現

Google DeepMindは2026年7月30日、ロボットが「インテリジェントな全身制御」と呼ばれる機能でタスクを実行できるAIプラットフォーム「Gemini Robotics 2」を発表した。発表と同時に公開された動画では、ヒューマノイドロボットがカセットテープをラジカセに挿入したり、電球をねじ込んだり、ゴミ袋を結んだりするなど、さまざまな物理動作をこなしている。

新システムは、以前はロボットアームやハンドによる繊細な操作（収納袋の密閉や折り紙の折り畳みなど）を可能にしていたオリジナルのGemini Roboticsモデルをベースにしている。アップデート版では複数のAIモデルを統合し、ロボットに周囲のマルチモーダルな理解力を与えている。具体的には、理解のための視覚言語モデルと、全身の動きと手先の器用さをそれぞれ制御する2つの視覚言語行動モデルで構成される。

Googleは、動画は「完全自律型」ロボットの「リアルタイム映像」だと主張している。これは、後に遠隔操作に依存していたことが明らかになったイーロン・マスク氏のOptimusロボットの注目を集めたデモとは対照的だ。同社は各タスクに特化してロボットを訓練しており、人間による遠隔操作、動画の例、シミュレーションを組み合わせている。つまり、これらの機械は任意の作業を実行できる汎用デバイスではない。

Google DeepMindのロボティクス責任者であるCarolina Parada氏はWiredに対し、不確実性の高い多様な環境にロボットを配備する際には安全性の問題が特に重要だと語った。これに対処するため、Googleは各モデル層にガードレールを設けた多層的な安全対策を実施し、コマンドが有害な結果を招く可能性があるかどうかを検出する新しいベンチマーク「ASIMOV-Agentic」を導入した。

Google DeepMindは、この発表を「物理的なAGIと呼べるものに向けた道のりの新たなマイルストーン」と表現した（Wiredの報道による）。AGIとは人間ができることを何でもこなせるロボットの創造を指す。しかし同社は、消費者向けロボットはすぐには登場せず、技術はまだ初期段階にあると強調した。

対照的に、イーロン・マスク氏はTeslaのOptimusロボットについて野心的な予測をしており、2026年までに5万～10万台が利用可能になり、2025年末までに1000台が製造施設で稼働すると述べていた。どちらの目標も達成されなかったが、マスク氏はロボットが「史上最大の製品」となり、10兆ドルの売上を生み出すと予測している。