Google DeepMind、Gemini Robotics-ER 2を発表

発表のポイント

Google DeepMindは2026年1月8日、公式ブログでGemini Robotics-ER 2を発表した。今回の主眼は、ロボット向けaction modelにおいて、学習データ効率を高めつつ実環境での行動信頼性を向上させることにある。

ロボティクスAIでは、研究環境で得た性能を実世界へ移す際に、環境差・センサー誤差・制御遅延の影響で成功率が低下しやすい。DeepMindはこのギャップを縮める方向で改善を進めていることを示した。

技術的な狙い

• データ効率の改善: 少ない学習データで性能を維持・向上
• 一般化の強化: 未知の状況でも行動品質を保つ
• 知覚と行動の結合最適化: perceptionからactionへの安定接続
• 実運用適性: 研究デモから現場タスクへの移行を促進

公式説明の文脈では、単一ベンチマークの最高値よりも、運用可能性を高める設計が重視されている。つまり、現場で繰り返し使える頑健な行動政策を作ることが中心課題になっている。

市場への意味

生成AIがソフトウェア領域で急速に普及する一方、embodied AIはデータ収集コストと安全要件の高さから導入速度が制約されてきた。action modelの効率化が進めば、学習反復コストを下げながら導入までの時間を短縮できる可能性がある。

製造・物流・サービスロボットでは、例外状況を含む実環境での安定動作が事業価値を決める。今回のアップデートは、そうした実務要件に対して研究成果を近づける動きとして重要性が高い。

実装側の注目点

今後は、異なるハードウェア間で再現性が保てるか、安全検証をどこまで自動化できるか、シミュレーションから実機への転移を標準化できるかが鍵になる。今回の発表は、ロボティクスAI競争の評価軸がモデル規模から実行信頼性へ移っていることを示している。

Source: Google DeepMind