ジェミニロボティクスは、Google DeepMindが7月30日に発表した新しいロボット制御システムで、人の口頭指示を受けて現場で判断しながら動作する能力を目指している。
ジェミニロボティクスは事前設定を超える
これまでのロボット実演は、ダンスや宙返り、机上でのつまみ上げなど、特定の場面で事前に設計された動作が中心だった。現実の作業環境は舞台ではなく、物の置き場所や通路、床面の状態が常に変わる。
発表のデモでは、ApptronikのApollo 2が「水筒を下段の緑色の箱に置いて」といった指示を受け、テーブルに移動して水筒を取り、指定の棚へ移動して配置した。重要なのは単に物を持てることではなく、人間の言語を複数の実行ステップに分解し、現場の状況に合わせて順序や動作を修正できる点である。
重視されるのは移動だけでなく流れの理解
Googleはシステムを三つの要素に分けている。Gemini Robotics 2は視覚と自然言語を身体動作に変換する役割、Gemini Robotics ER 2は環境理解と多段階タスクの計画・進捗管理を担う。On-Device 2はロボット本体での動作を可能にし、ネット接続への依存を低減する。
ER 2は高位の調整役であり、「前へ三歩」といった単純命令を受けるだけでなく、まず対象物を探索し、その後に移動、所定位置への配置を行い、各段階で完了判定を行うという一連の作業フローを実行する。
公式映像
Google DeepMindが公開した公式映像では、Gemini Robotics 2が全身運動、精密な把持、複数ロボットの協調をどのように処理するかが示されている。
巧緻な操作は依然として課題
デモでは五本指のロボットハンドで紐を結んだり、密封袋を封するなどの精細な作業も見せた。様々な治具と組み合わせて物体を扱える点は進展だが、Google自身も移動速度や多指の細かな操作性能には改善余地があると認めている。
報道によれば、システムは遠隔操作や人間の実演映像、シミュレーションデータによる学習を必要とし、一度見ただけで全ての新作業を習得するわけではない。現時点で一般開発者向けに提供されるのは主にER 2で、全身制御やオンデバイス実行モデルは初期パートナー向けに限定されている。
手足を持つロボットの誤作動は重大
チャットボットが誤答してもページを閉じてやり直せば済むが、ロボットが誤判断すると人にぶつかる、荷物を落とす、不適切な場所で動作を継続するといった重大な結果を招く。AIに手足が備わると、安全は正確性だけでなく停止判断や介入の設計にも及ぶ。
同時にGoogleはASIMOV-Agenticという安全評価フレームワークも提示した。モデルが危険な命令を拒否できるか、タスクが実行可能か判断できるか、不確実な場合に人間の介入を求めるかを検査するという。
技術的な課題だけでなく、誰がロボットに作業を許可するか、誰が即時に止められるか、問題発生時に決定過程を追跡できるかといった運用と責任の設計が、実用化に向けた重要な論点となる。
