「うちのロボットでも動きますか」と聞かれる前に
ロボットや自動化の提案で「最新の汎用モデルを使うので、どんな機体でも動きます」と説明されたとき、その主張のどこまでが検証済みなのかを切り分けたい方に向けて書いています。
Google DeepMind が Gemini Robotics 2 を公開しました。掲げているのは「あらゆる種類のロボットを動かす知能層」です（Google DeepMind Gemini Robotics）。
公表内容を読むと、汎用性の主張と、それを支える数字の粒度に差があります。そこが発注側の確認ポイントになります。
3つのモデルで役割が分かれています
まず構成を押さえます。1つのモデルではなく、役割の違う3つが組みで動きます。
| モデル | 役割 |
|---|---|
| Gemini Robotics 2 | 視覚と言語の入力をモーター制御へ変換する VLA |
| Gemini Robotics ER 2 | 物理空間を理解して複数手順の計画を立てる推論モデル |
| Gemini Robotics On-Device 2 | ロボット本体で動かす軽量版 VLA |
視覚と言語から動作を出す仕組みそのものはVLA（Vision-Language-Action）とはで扱いました。今回はそこへ、計画を担う層と、機体側で動かす軽量版が並んだ形です。
役割が分かれていることには実務上の意味があります。どこが自社の課題なのかで、見るべきモデルが変わるからです。手順の組み立てが問題なら ER、機体の動作精度が問題なら VLA、通信遅延やデータ持ち出しが問題なら On-Device です。
「数時間で適応」は具体的な数字です
能力として挙げられているのは次のとおりです。
- どんな機体にも適用できる: 双腕ロボットなら数時間で適応し、腕から複雑なヒューマノイドまで知能を拡張できる
- 全身の知的制御: ヒューマノイドの足先から指先までを制御し、かがむ・手を伸ばすといった全身の動きを行う
- 高度な器用さ: 電球をねじ込む、結び目を作るといった繊細な動作
- エージェント的: 空間の推論と長時間の計画を組み合わせ、複数手順を組み立てる。2台のロボットが分担して1つの作業を行う協調も可能
- 対話的: 動作しながら自分のやり方を説明し、専門用語なしで途中変更を受け付ける
このうち**「数時間で適応」は珍しく具体的な数字**です。ロボット導入では、機体ごとにデータを集め直す学習コストが最大の障壁でした。実機データが高くつく構造はロボット基盤モデルの伸びを決めているのはで扱っています。適応が数時間で済むなら、この障壁の一部は下がります。
出ていない数字のほうが重要です
一方で、公開ページにはタスクの成功率や、失敗したときの挙動を示す定量指標がありません。
これは隠しているという話ではありません。能力の広さを伝えるページと、性能を検証するデータは別物だというだけです。ただし発注側が読むときは、この区別が要ります。
汎用ロボットAIの提案で確認する3点
- 適応の速さと成功率を分けて聞く: 「数時間で動く」は立ち上げの速さです。動いた後に何回中何回成功するかは別の数字で、そちらが業務の可否を決めます
- 自社の機体で試せるかを聞く: 推論モデル ER 2 は開発者向けに試用が開放されていますが、動作を出す VLA 本体は限定テスターへの提供です。「試せるもの」と「まだ試せないもの」を混ぜて説明されていないか確認します
- 失敗の扱いを聞く: 途中で止まったとき、人がどこから引き継ぐのか。全身制御ができるほど、失敗時に動く範囲も広がります
3つとも技術者でなくても聞けます。1つ目に「数時間です」としか返ってこない提案は、まだ立ち上げの話しかしていません
2つ目は特に効きます。DeepMind は100社以上の限定テスターと組んで実環境での検証を進めており、参加には申し込みが必要です。つまり現時点で誰でも自社の機体に載せて試せる状態ではありません。提案書に「Gemini Robotics を使います」と書いてあったら、どのモデルをどの立場で使うのかを確認してください。
協調と全身制御は、責任範囲を広げます
能力の中で実務に効くのは、複数ロボットの協調と全身制御です。
単腕のロボットが作業台の上で失敗しても、被害はその範囲に留まります。ヒューマノイドが全身を使い、2台が分担して動く現場では、失敗の届く先が変わります。この線引きはAIエージェント導入は2つの路線に分かれますで「失敗の届く先」として整理したものと同じ構造です。
ロボットの場合はそこに物理的な安全が乗ります。DeepMind も安全性への取り組みを別立てで示しており、扱いの難しさは提供側も認識している領域です。導入検討では、性能の議論と同じ量だけ、停止条件と人の介入点の議論が要ります。
汎用性は、検証を不要にしません
どんな機体でも動く方向へ技術が進んでいるのは確かです。機体ごとの作り込みが減れば、ロボット導入の費用構造は変わります。
ただし汎用モデルが増えるほど、差がつくのは自社の現場で何回成功するかになります。基盤が共通化するほど使い方が差になる構図はロボットの開発基盤は共有される方向ですで扱いました。
成功率をどう読むかについては、実際に長時間タスクの成功率を公開した研究があります。工程の95%まで進んでもタスクとしては失敗ですで、その数字を扱っています。汎用性の主張を受け取ったあと、性能をどの単位で見るかの参考になります。
自社の現場にフィジカルAIをどう当てるか整理したい段階でしたら、お問い合わせからご相談ください。検証できる範囲の切り分けから始めます。