Googleは、ロボットによるタスクの計画や、状況が変化した際の適応を支援するAIへの企業からのアクセスを拡大している。課題は、その推論を信頼性の高い物理的な作業へと転換することだ。
Google Cloudは10月27日、GeminiプラットフォームのModel Gardenを通じてGemini Robotics Embodied Reasoning（ER）2をパブリックプレビューで提供すると発表した。今回の展開により、ロボティクス推論への企業からのアクセスが拡大し、倉庫や物流、研究所などでの活用が見込まれる。
同社は7月30日にGemini Robotics ER 2を発表し、Gemini APIとGoogle AI Studioを通じて一般提供するとともに、Gemini Enterprise Agent Platformではプライベートプレビューとして提供していた。10月の発表は、この企業向け提供をパブリックプレビューへ拡大するものだ。
「高度な推論モデルは、ロボットが複雑な環境を解釈し、行動を計画し、変化する状況に適応するのを支援する可能性があります。これは、物理AIに新たな可能性を開くものです。GoogleのGemini Robotics ER 2モデルは、この方向における重要な一歩です」と、ArmのPhysical AI部門でArm Total Design担当シニアディレクターを務めるBarrie Mullins氏は述べた。
Googleは2026年12月31日までのプロモーション価格として、入力トークン100万個当たり1米ドル、キャッシュ済み入力トークン100万個当たり0.10米ドル、推論を含むテキスト出力トークン100万個当たり5米ドルを提示している。Googleによると、このプロモーションでは純支出額の50％をクレジットとして還元する。2027年1月1日からは、提示価格がそれぞれ2米ドル、0.20米ドル、10米ドルに倍増する。
Gemini Robotics ER 2の仕組み
Gemini Robotics ER 2は、視覚情報を解釈する視覚言語モデルで、 自然言語処理を使って指示を理解する。
動画フィードを使ってタスクの進行状況を追跡し、重要な瞬間を特定する。ER 2が高度な推論と計画を担う一方、実行は下位レベルの視覚・言語・行動モデルやロボティクスAPIが担う。
このAIモデルがもたらす重要な機能の1つが、共有された物理空間での複数ロボットによる協働だ。Googleによると、このモデルを利用するロボットは、共有ワークフローを完了するためにタスクを調整し、引き継ぐことができる。
企業の購入担当者にとって互換性が気になるところだが、Gemini Robotics ER 2の重要な差別化要因は、同じ推論モデルで異なるロボット本体に対応できる点だ。つまり組織は、プラットフォームごとにまったく別のAIシステムを開発するのではなく、異なるロボット間で推論機能を再利用できる可能性がある。
ただし、異なる本体に対応できるからといって、すべてのロボットがあらゆるタスクを実行できるわけではない。センサーやアクチュエーター、コントローラーといった物理システムが、ロボットの能力範囲を引き続き決定する。
eWeekが分かったこと：安全性はロボットの推論能力だけでは決まらない
eWeekがGoogleの発表と安全性に関する技術報告書を検証したところ、重要な違いが浮かび上がった。ER 2の推論能力は、ロボットの安全性を構成する一要素にすぎない。モデルはタスクの計画や失敗の認識を支援できるが、そうした判断がどのように実行されるかは、行動モデルや制御ソフトウェア、物理ハードウェアが引き続き決める。
Google は報告しており、1メートルのしきい値で実施したSafety Instruction Followingベンチマークで97.9％、Human Proximityベンチマークで93.0％の精度を達成した。これらのスコアは定義された評価タスクでの性能を測るものであり、職場全体の安全率を示すものではない。
同社の 安全性に関する技術報告書では、緊急停止装置やバリア、速度または力の制限など、物理的な保護策が不可欠であり続けると明記している。また、推論モデルが危険な要求を拒否できるか、行動モデルの能力を超えるタスクを認識できるか、不確かな指示について人間に確認を求められるかも評価している。
企業にとって、テストが必要な単位は完全なシステム全体ということになる。倉庫への導入では、人がロボットの進路に入ることや、物体が予期せず動くことを考慮する必要がある。研究所への導入では、不明確な計器の読み取りや壊れやすい装置、ミスの後に安全に繰り返せない作業を考慮しなければならない。
したがって有効なパイロットでは、ロボットが停止するタイミングや、人間の支援を求めるタイミング、エラー発生後にオペレーターが介入する方法を定める必要がある。ステップの失敗を認識することは有用だが、再試行が適切なのは、次の試行を安全に実施できる場合に限られる――これは、 消火活動のシミュレーションに挑むヒューマノイドロボットにも示されている課題だ。
クラウドでのプレビュー提供が持つより広い意義は、異なる機械を支援できる推論レイヤーに容易にアクセスできるようになることだ。それが有用な自動化につながるかどうかは、各導入環境で推論、物理的な実行、安全策、人間による監督をどれだけうまく組み合わせられるかにかかっている。
続きを読む：Googleのクラウド展開は、同社の幅広いロボティクス推進を基盤としている――詳しく見る： Gemini Robotics 2がヒューマノイドの動作、タスク計画、協働をどのように連携させるか。