Gemini Robotics 2とは？全身制御・複数ロボット連携と残る課題

Google DeepMindがGemini Robotics 2を発表

Google DeepMindは2026年7月30日、ロボット向けAI群「Gemini Robotics 2」を発表しました。人型ロボットの足から指先までを動かす全身制御、動画を見ながら数分の作業を進める高位の判断、複数ロボットの協力を一つのモデル群で扱います。Google DeepMindの公式発表

Gemini Robotics 2は、ロボット本体を販売する製品ではありません。カメラや言葉から状況を理解し、動作を計画して、対応するロボットへ指示を渡すAIです。

発表動画だけを見ると、家庭や職場で人型ロボットがすぐ働き始めるようにも見えます。この記事では、三つのモデルの役割、従来から変わった点、細かな手作業の成功率、安全性、一般の開発者が利用できる範囲を分けて確認します。

2026年7月30日の発表

画面の中のAIから、身体を動かすAIへ

実用化の前提まで含めると、見るべき点は次の4つです。

身体

足から指先まで

歩く、かがむ、物をつかむ動作をつなげます。

時間

数分の作業

数百回の判断を重ね、進み具合を確認します。

協力

複数台で分担

異なる種類のロボットが一つの仕事を進めます。

提供

公開範囲に差

高位判断は公開、身体制御は早期アクセスです。

三つのモデルは考える役と動かす役に分かれる

Gemini Robotics 2という名前は、役割の違う三つのモデル群を指します。モデル名を覚えるより、ロボットの仕事をどこで分担しているかを見ると理解しやすくなります。

人の指示から、計画・動作・確認へ

1　考える

Gemini Robotics ER 2

人の指示と周囲の動画を見て、作業手順を作り、進み具合を判断します。

2　動かす

Gemini Robotics 2 VLA

「棚まで歩く」「缶をつかむ」といった指示を、関節や手の動きへ変えます。

3　本体で動かす

On-Device 2

通信の遅れやインターネット接続に頼らず、ロボット本体で運動制御を実行します。

動作後の動画はER 2へ戻り、終わったか、失敗したか、次に何をするかの判断に使われます。

ER 2は、ロボットの高位の「頭脳」に当たります。Google検索や開発者が用意した機能も道具として呼び出せます。運動そのものはVLAやロボット固有の制御APIへ任せるため、一つのER 2から異なるロボットをまとめて動かす構成も作れます。Googleの開発者向け発表

全身を動かし、数分の作業を自分で進める

以前のGemini Roboticsは、人型ロボットの上半身を使った卓上作業が中心でした。Gemini Robotics 2では、歩く、しゃがむ、手を伸ばす、物を持つという全身動作を一続きの作業として扱います。

公式実演では、Apptronikの人型ロボットApollo 2が、テーブルからじょうろを持ち上げ、棚まで歩き、下段の緑色の箱へ入れています。決められた関節運動を再生するだけでなく、言葉の指示を空間内の移動と物体操作へ分解する例です。

長い作業ではER 2が動画を見続け、作業の開始と終了、途中で起きた出来事を捉えます。Google DeepMindは、数分間に数百回の判断を含む手順を扱い、失敗した工程をやり直せると説明しています。

複数ロボット連携では、人型ロボット、双腕ロボット、移動ロボットのように得意な動作が違う機体へ仕事を分けられます。1台の万能ロボットを作るだけでなく、移動が得意な機体と細かな手作業が得意な機体を組み合わせる方向も見えてきました。

細かな手作業は成功率がまだ安定しない

全身を動かせるようになっても、人の手に近い細かな操作はまだ難しいままです。Google DeepMindは、Apollo 2に22自由度のSharpaWave handsを取り付け、5種類の指先作業を評価しています。

Apollo 2ロボットの5種類の指先作業成功率。電球を外す92%に対し、ほか4作業は32〜44%。
同じApollo 2とSharpaWave handsを使った作業別評価。作業ごとの難しさが違うため、ロボット間の性能ランキングではありません。出典：Google DeepMind

電球を外す作業は92%ですが、反対に締める作業は36%でした。袋を結ぶ、ちり取りを使う、ジッパー袋を閉じる作業も32〜44%にとどまります。同じ手と機体でも、力の向き、接触の仕方、柔らかい素材の扱いが変わると成功率が大きく動きます。

この数字から言えるのは、Gemini Robotics 2が「人の手作業を置き換えた」ということではありません。決まった物をつかんで移す作業から、柔らかい袋や多指の細かな操作へ対象を広げた段階です。現場導入では、成功したデモより、失敗を検知して安全に止められる割合が問われます。

安全性はAIだけで完結しない

人の近くで動くロボットは、チャットAIより失敗の影響が大きくなります。誤った回答なら人が読み直せますが、ロボットの誤動作は人や物へ直接触れるからです。

安全は三つの層で支える

AIの判断を、物理的な停止装置や人の監督の代わりにはできません。

AIの判断

危険を見つけて止める

人との距離、曖昧な指示、実行できない作業を検知します。

物理的な安全装置

速度・力・非常停止を制限

認証済み部品と決定的な制御で、AIが失敗しても止めます。

人の監督

迷ったら助けを求める

判断できない場面を隠さず、作業者へ確認を戻します。

Google DeepMindの安全性報告書では、実験室内の人検知が99%、安全姿勢への移行が96%と報告されています。これは同社の管理環境で得た結果で、一般の工場や家庭にそのまま当てはめられる数字ではありません。

同じ報告書には、見逃しと不要な停止を両方ほぼゼロにできたモデルはないとも書かれています。人を見逃す割合を10〜15%付近まで下げた設定では、不要な停止が15〜25%発生しました。AIへ安全判断を集約せず、速度や力の制限、非常停止、認証済みハードウェアを重ねる必要があります。

報告書が評価したのは、主に高位の判断と安全ツールの呼び出しです。認証済み部品、冗長化、リアルタイム保証を含む機体全体の機能安全は評価対象外と明記されています。

今すぐ使えるのは高位判断モデルが中心

発表内容のうち、一般の開発者が試しやすいのはER 2です。人型ロボットの全身制御モデルまで、同じ範囲で公開されたわけではありません。

開発者が利用可能

Gemini Robotics ER 2

Gemini APIとGoogle AI Studioで高位の判断を試せます。企業向け基盤はPrivate Previewです。

早期アクセス

Gemini Robotics 2 VLA

人型ロボットや双腕ロボットの身体を直接動かすモデルです。提携先・申請者向けです。

早期アクセス

On-Device 2

ロボット本体で動く軽量モデルです。新しい機体への適応には実機データが必要です。

ER 2だけでも、動画から作業の進み具合を読み取り、ロボット固有の制御APIを道具として呼ぶ構成は試せます。実物のロボットを動かすには、対応ハードウェア、低位の運動制御、安全装置、センサー、現場データが別に必要です。

日本では現場データと安全設計が先に必要

日本政府も、少子高齢化による人手不足への対応と、AI・ロボット産業の育成を目的にAIロボティクス戦略を進めています。内閣官房の関係府省連絡会議

Gemini Robotics 2は、製造、物流、建設、点検、介護補助などへ応用できる可能性があります。発表されたモデルを導入すれば人手不足が解消する、という段階ではありません。現場固有の物、通路、作業手順、例外を学習・評価する準備が要ります。

導入前にそろえる三つの条件

01　現場データ

成功と失敗を集める

実際の物、照明、通路、作業者の動きを含むデータが必要です。

02　機体との統合

動ける範囲を定義する

可搬重量、手の形、速度、センサー、制御APIをAIへ伝えます。

03　安全設計

失敗しても止める

AIとは独立した停止装置と、人へ引き継ぐ手順を用意します。

実際に導入を判断するなら、華やかな全身動作よりも、同じ作業を何時間続けられるか、失敗を何回で検知できるか、人が近づいたときに確実に止まるかを先に測るほうが現場の損失を見積もれます。

次に確認したい四つの点

Gemini Robotics 2は、ロボット向けAIを「物をつかむ単発動作」から「全身を使って長い仕事を終える仕組み」へ広げました。次に見るべきなのは、次の四つです。

  1. 独立した現場評価：Google DeepMind以外の組織が、同じ機体と条件でどこまで再現できるか。
  2. 連続稼働：数分の実演ではなく、何時間も続けたときの失敗率と復旧時間。
  3. 機体を替えたときの再現性：数時間・200例未満という適応条件が、形の違う実機でも成り立つか。
  4. 安全規格との統合：AIの停止判断を、認証済みの非常停止や速度制限へどう接続するか。

まずはER 2の公開APIで高位の判断を試し、身体制御モデルの利用事例と独立評価が増えるのを待つ。この順番なら、発表された能力と、今すぐ導入できる範囲を混同せずに追えます。

本記事は2026年7月31日時点の公式情報を基にしています。モデルの提供範囲と評価結果は今後変更される可能性があります。

参考資料

AIモデル・研究画像認識

Posted by Negichou Lab 編集部