Google DeepMindの発表によると、Gemini Robotics 2.5は映像と言語の指示から動作を生成するロボット向けモデルで、把持や道具の使用、柔らかい物の扱い、精密作業といった幅広いタスクを扱う。発表では、トングで食べ物を取り分ける、ギフト箱にリボンを結ぶ、液体をピペットで分注するといった作業例が挙げられている。モデルは複数のロボット機体にそのまま対応し、発表ではApptronikのApollo 2(5指・22自由度のハンドSharpaWave搭載)と、2指のパラレルグリッパーを持つFranka Duoが挙げられている。
評価は200種類超の個別タスクで実施したと発表している。従来のベースラインと比べると、タスクの種類に応じて成功率が30〜100%高く、タスクの完了は20〜30%速いとされる。ここでの数値は同社が公表した比較であり、成功率の絶対値ではない。Gemini Robotics 2.5はロボティクスパートナーへの展開が発表されており、モデル重みや訓練データの一般公開を示す記述は確認できていない。
Mercedes-Benzの生産ラインで96%のキッティング実証
実証はApptronikとMercedes-Benzの協力で行われた。Apollo 2が、ハンガリー・ケチケメートとドイツ・ジンデルフィンゲンの稼働中の自動車生産ラインで、部品のキッティングを自律的に行った。キッティングとは、バルク箱に入った個々の部品を、ライン上の各車両に必要な順序どおりに収納容器へ並べ替える繰り返し作業で、身体的な負担が大きい仕事として知られる。発表によるとロボットは部品箱の中に手を伸ばして金属製の自動車ブラケットを取り出し、収納容器に入れて、隙間があれば補正する。
- 01 Gemini Robotics ER
工程の把握
身体化推論モデルが生産ラインの作業手順を追跡する
- 02 Gemini Robotics 2.5
手と腕の制御
観測と指示から動作を生成し、部品箱から金属ブラケットを取り出す
- 03 Apptronik Apollo 2
順序どおりの収納
各車両に必要な順序でシーケンシング容器へ部品を入れ、隙間を補正する
- 04 実証結果
成功率96%
ケチケメートとジンデルフィンゲンの実ラインで報告された値
Google DeepMind公式ブログ(2026年11月10日)に基づく。96%は2工場の実証(proof-of-concept)での値で、量産での稼働率ではない。工程把握と動作制御の分担は公式ブログの記述どおり。
96%という成功率は、この2工場での限定実証における値であり、200種類超のタスク評価の平均でも、商用量産での稼働率でもない。発表は試行回数や連続稼働時間、失敗時の対応を示していない。工場の実ラインを舞台にした実証例としては、把持対象が金属ブラケットに限定され、作業の繰り返し性が高い内容である。
安全誘導の改善とジェイルブレイク評価ベンチマークの公開
Gemini Robotics 2.5には物理的な安全性に関わる誘導(steerability)機能が加わった。応答に安全上の指針を組み込むことで、障害物の近くでの安全なタスク完了が33%、近くにいる人のそばでは43%向上したと、同社の評価で報告している。また、ロボット向けのadversarialなjailbreakを試す新しいベンチマーク「ASIMOV-Jailbreak」をオープンソースとして公開すると発表した。数百のプロンプトで、安全でない要求を多数のシーンの中に偽装して試す内容という。
障害物の近くでの安全なタスク完了
- 数値
- +33%
- 測定内容
- 安全誘導による向上。同社の評価値
近くにいる人のそばでの安全なタスク完了
- 数値
- +43%
- 測定内容
- 同じ評価での向上幅
ASIMOV-Jailbreak抵抗率(Gemini 4 Argon)
- 数値
- 99.5%
- 測定内容
- 偽装された安全でない要求への抵抗率。公開ベンチマークでの値
同じベンチマーク(Gemini Robotics ER 2)
- 数値
- 82%
- 測定内容
- 従来ベースラインでの抵抗率
Google DeepMind公式ブログ(2026年11月10日)に基づく。99.5%はGemini 4 Argonの評価値であり、Gemini Robotics 2.5自体の成功率ではない。33%と43%は「In our evaluations」とされる同社評価値。
発表では、Gemini 4 Argonがロボット研究の加速にも使われたと説明している。Argonはシミュレーションエンジンとして動作し、実写カメラの映像から多様な模擬練習データを生成して現実的なデジタルツインを構築する。実機での訓練データと組み合わせることで、新しいシーンや物への汎化を速めたり、映像から作業失敗の原因を仮説立てして、シミュレーションと実機の両方で改善策を試したりできるとされる。
出典
- Gemini Robotics 2.5 accelerates real-world physical intelligence(Google DeepMind公式ブログ、2026年11月10日)発表内容、200種類超のタスク評価、成功率30〜100%向上と20〜30%短縮、Mercedes-Benz 2工場でのキッティング実証と96%、安全誘導の33%・43%、ASIMOV-JailbreakとArgon 99.5%対ER 2の82%、Argonによるシミュレーション活用
出典の確認日 2026.11.11