NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

Google DeepMind「Gemini Robotics 2.5」発表 200種類超の作業評価とMercedes-Benz工場で96%の部品仕分け実証

Google DeepMindは2026年11月10日、ロボット向けモデル「Gemini Robotics 2.5」を発表した。200種類超の作業で評価し、従来のベースライン比でタスクの種類に応じて成功率が30〜100%高く、完了時間は20〜30%短いと報告している。Apptronikのヒューマノイド「Apollo 2」を使い、Mercedes-Benzのハンガリーとドイツの生産ラインで自動車部品のキッティングを行う限定実証では成功率96%を報告した。提供はロボティクスパートナー向けで、一般公開モデルではない。

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。

図解Mercedes-Benzラインでのキッティング実証の構成
  1. 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

  2. 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

  3. 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

  4. 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。

図解安全面の評価値
  • 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

  1. 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

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. Google DeepMind、気象AIの基盤データSatWeaveとPARDIGを公開――17チャンネルの全球衛星モザイクと15分刻みの降水量推定、履歴アーカイブとライブ配信を解放

    Google DeepMindのWeatherNextチームは2026年11月13日、同社の気象AI「WeatherNext 3」を支える2つの基盤データセットSatWeaveとPARDIGの公開を発表した(Google DeepMindブログ)。SatWeaveは静止気象衛星の画像を可視・水蒸気・赤外の17チャンネルに統合した全球モザイクで、毎時更新のライブフィードと10年超の歴史アーカイブを公開する(ブログ本文は衛星を5基、動画キャプションは6基と表記していて食い違う)。PARDIG(Precipitation AI Reanalysis: Densely Inferred GPM)は、NASAのGPM衛星の疎な星載レーダー観測を教師信号に、SatWeave画像とECMWF大気場を入力として学習したAI降水量推定データで、0.1度(約10km)・15分刻み、平均約5時間の遅延で更新する。米国・欧州・日本のレーダー網と世界3万6,000超の地上観測所での評価では、NASAのIMERG-Finalを含む主要ベースラインをすべての降水強度と地域で上回り、弱〜中程度の降水の毎時検出スキルはIMERG-Finalより30%超改善したとGoogleは発表している。PARDIGの1999〜2026年履歴と双方のライブ配信はGoogle Cloud Storageで、PARDIG履歴はGoogle Earth Engineでも入手できる。30%超は発表元の限定的な比較値で、第三者検証はまだない。

    記事を読む
  2. Google DeepMindがAlphaGenome 2を発表 DNA配列に細胞型・状態の条件を組み合わせ、28免疫細胞型の評価で原因変異の検出を16%から30%へ(著者報告)

    Google DeepMindは2026年11月11日、DNA配列(最大100万塩基)に細胞型・細胞状態の条件を入力できる次世代の配列モデルAlphaGenome 2を発表した。ヒトとマウスのバルク・単一細胞データを用い、1億700万超のヒト単一細胞RNA配列データ(68組織)で学習し、DNAメチル化の予測を新たに加えた。28の免疫細胞型を含むTenK10Kデータセットの評価では、単一細胞データで追加調整した初代AlphaGenomeに比べて原因変異の検出が16%から30%、遺伝子発現効果の向きの予測が23%から43%になったと著者は報告する。APIとColabノートブックを非商用研究向けに公開し、商用研究は限定プレビュー。臨床・診断用途には使えないとしている。数値は著者の比較結果で、第三者検証はまだない。

    記事を読む
  3. Google DeepMind、Signalの暗号実装を機械語レベルで形式検証 AIエージェントが約650万行のLean証明を生成

    Google DeepMindは2026年11月10日、AIエージェントでソフトウェアを深部まで形式検証する新フレームワーク「AlphaProof Code」を発表し、Signalプロトコルの基盤実装libsignalのセキュリティをコンパイル済みバイナリの機械語レベルまで数学的に証明したと公表しました。対象はlibsignal v0.105.4とSPQR v1.6.0の1対1セッションで、生成されたLean証明は約650万行、人が読んで信頼する部分は約2.6万行です。証明と仕様はApache 2.0で公開されました。

    記事を読む