Gemini Robotics 2、手先と全身制御を一つのrobot AIへ統合した意味と次の検証課題

複数の身体を狙うrobot AI

robot AIの難所は、言語理解よりも物理世界で全身を安定して動かす制御にある。Google DeepMindは2026年7月30日、Gemini Robotics 2をこの課題に向けたモデルとして示した。中心となる投稿は One brain. For any robot. Gemini Robotics 2 brings full body intelligence to humanoids, advanced dexterity, multi-robot teamwork and more. という内容だった。出典は Xの投稿 で確認できる。

続く説明では、3つのモデル構成が示された。Gemini Robotics 2はhumanoidを足先から指先まで制御するvision-language-action model、Gemini Robotics ER 2は現実世界のvideo理解と複雑なmulti-step planning、On-Device 2はlocalで動作し新しいrobot bodyへ数時間で適応するモデルだ。同日に公開されたDeepMind blogも、役に立つrobotには狭い反復作業ではなく、予測しにくい環境で考え、動き、相互作用する能力が必要だと述べている。

Google DeepMindのアカウントは、Gemini、robotics、science modelに関する研究と製品の結果を伝える主要チャネルだ。今回の重要点は、humanoidが単発のdemoをこなしたことだけではない。5本指の手で結び目を作る、電球を回す、parallel gripperで梱包する、ApolloとDuoのような異なるrobotが役割を分ける、といった要素を一つのsystemとして扱っている点にある。

次の焦点は、整ったdemo環境の外での一般化だ。数時間での適応がどの種類のhardwareと作業で保たれるのか、複数robotの協調が失敗時にどう復帰するのか、ER 2の計画層が家庭や職場の長い作業をどれだけ安定して分解できるのかが問われる。