Google、動作モデル・シミュレーション訓練・ロボット脱獄評価を組み合わせた Gemini Robotics 2.5 を発表

Google DeepMind は 11 月 10 日、視覚言語行動モデル Gemini Robotics 2.5 を発表した。改良の重点は、精密な操作、タスク学習、実環境での信頼性だ。同社によると、モデルは治具の使用、蝶結び、ピペッティングなど、200 種類を超えるタスクでテストされた。タスクの種類に応じて、成功率は従来の基準と比べて相対的に 30%～100% 向上し、完了速度は 20%～30% 上がったという。これらはメーカーによる比較結果であり、あらゆるロボット導入で同じ向上が得られると解釈することはできない。公式発表

導入の参考としてより具体的なのは、Mercedes-Benz の工場で行われた概念実証だ。Apptronik Apollo 2 が部品箱から金属部品を取り出し、組み立て順に容器へ入れる試験で、公式発表による成功率は 96% だった。Gemini Robotics ER がワークフローを追跡し、Robotics 2.5 が腕と手を制御する構成で、複数段階の推論と実際の動作をそれぞれ別のモデルが担う。ただし、成功率だけでは生産ラインへの効果を判断できない。エンジニアリングチームには、試行回数、人手による介入の頻度、失敗からの復旧時間も必要だ。試験とアーキテクチャの説明

訓練では、Gemini 4 Argon を使ってカメラ映像のシーンからデジタルツインを作成し、シミュレーションでの練習データを生成したうえで、実環境でのデモデータと組み合わせたと DeepMind は説明している。安全性については、推論時のガイダンスを追加し、通常の指示に見せかけた危険な要求を検証する ASIMOV-Jailbreak を発表した。公式発表の脱獄耐性 99.5% は Argon に関する数値であり、Robotics 2.5 の物理操作における安全率として扱うことはできない。技術説明

既存の ASIMOV v2 研究では、リスク認識、安全性に関する推論、介入の判断が評価対象に含まれており、今回の更新を理解する背景となる。ただし、この研究と今回新たに発表された脱獄テストは、同じものとして扱えない。研究者は今後、新テストのデータや採点方法の詳細に加え、異なる環境やハードウェアでの再現結果を追う必要がある。現時点で公式発表が示しているのは、ロボット分野のパートナー向けに提供するという点だ。ASIMOV v2 研究ページ