Googleは7月30日(現地時間)、ロボット向けの新モデル「ジェミニ・ロボティクス ER 2 (Gemini Robotics ER 2)」を発表しました。このモデルは、ロボットの高度な「脳」としての機能強化を目指し、動画理解、タスクのオーケストレーション、複数ロボット間での連携能力を進化させます。リアルタイムでの空間推論、多段階にわたるタスク計画、そしてロボット間の協調作業を可能にすることが期待されています。
ジェミニ・ロボティクス ER 2 (Gemini Robotics ER 2)は、物理世界でロボットがより実用的に機能することを目指して設計されました。人間との円滑な対話、周囲の物理世界の正確な理解、そして多段階タスクの計画を実行できます。モーター実行などの下位レベルの動作は、VLA (Vision-Language-Action) モデルに委ねられます。また、Google Searchをはじめとする各種ツールを呼び出す機能も内蔵されています。
新モデルは、Gemini API、Google AI Studio、およびジェミニ・エンタープライズ・エージェント・プラットフォーム (Gemini Enterprise Agent Platform)を通じて開発者に提供されています。旧モデルのジェミニ・ロボティクス ER 1.6 (Gemini Robotics ER 1.6)からの大幅なアップグレードにより、ロボットは連続的な動画フィードを監視し、自身の作業進捗を追跡できます。これにより、問題発生時には状況に適応し、次のステップへ進むべきタイミングを正確に判断することが可能になります。
複数ロボット連携の機能も導入されました。異なるロボットが共有空間で連携し、単一ロボットでは困難な複雑なワークフローを完了できるようになります。Boston DynamicsのSpotを用いたデモンストレーションでは、ジェミニ・ロボティクス ER 2がSpot APIをオーケストレートし、自然言語コマンドによってオブジェクトを取得するインタラクティブなロボットを実現しました。
タスク完了の確認プロセスも改善されています。ジェミニ・ロボティクス ER 2は動画理解と進捗追跡を活用し、電球の締め付けやゴミ袋の結び方といった複雑なタスクが意図した通りに完了したかを検証します。さらに、安全性も向上しており、安全指示への順守や、人間を検出する際の空間認識能力で改善が見られます。
参考: DeepMind Blog — 2026年7月30日 09:00 (JST)