Ep.1396 Google DeepMind「Gemini Robotics 2」発表──ヒューマノイドに“全身の知能”を与える次世代物理AI（2026年8月6日配信）

タイトル

Google DeepMind「Gemini Robotics 2」発表──ヒューマノイドに“全身の知能”を与える次世代物理AI

このエピソードで登場するキーワードを説明します。

Google DeepMind: Google傘下のAI研究組織。汎用人工知能（AGI）の実現を目指し、現在はAIの物理世界への実装であるロボティクス領域で業界を牽引している。

Gemini Robotics 2: 2026年7月30日に発表されたロボット向け次世代物理AIモデル群。ロボットに高度な全身制御と推論能力をもたらす。

VLA (Vision-Language-Action): 視覚（カメラ映像）と言語（テキスト指示）の入力を処理し、直接ロボットの物理的な動作（アクション）へと変換するAIアーキテクチャ。

ヒューマノイド: 人間型のロボット。汎用的な物理作業を代替するインフラとして、TeslaのOptimusやFigureなどの企業が激しい開発競争を繰り広げている。

それでは解説に入ります。

2026年7月30日、Google DeepMindはロボット向け次世代AIモデル群「Gemini Robotics 2」を発表しました。この技術は、AIの活動領域をデジタル空間から物理世界へと本格的に拡張する重要なマイルストーンとして市場の注目を集めています。

最大のブレイクスルーは、ヒューマノイドロボットに対する高度な全身制御（Whole-body intelligence）の実現です。従来のロボット制御は腕や手先など特定部位の限定的な動作にとどまるケースが多く見られましたが、最先端のVLAモデルを実装したGemini Robotics 2は、歩行や屈伸、重心の移動から指先を使った紐を結ぶような繊細な操作に至るまで、足先から指先までを一体的に連動させることが可能になりました。

さらに注目すべきは、推論に特化した「Gemini Robotics ER 2」とローカル環境向け「On-Device 2」の存在です。ER 2を活用することで、ロボットは数分間に及ぶ複数ステップの複雑なタスクを自律的に計画し、他の異なる機体と情報を共有しながら役割を分担して協働することができます。また、実用化の壁であった「未知のハードウェアへの適応」に関しても、On-Device 2はわずか200例未満の学習データと数時間の処理時間で、形状やセンサー構成が全く異なる新しいロボットボディにシームレスに適応できると報告されています。

現在、TeslaのOptimusや新興企業Figureなどがヒューマノイドのハードウェア開発を急ピッチで進めています。そうした中、Google DeepMindは自らハードウェアを製造するのではなく、「あらゆるロボットの脳」となる汎用的なソフトウェア基盤を提供することで、エコシステム全体の主導権を握る戦略を鮮明にしました。Boston Dynamicsなどの有力なロボットメーカーとの連携実績も踏まえると、工場や物流現場などの産業用途において、自律型汎用ロボットの導入が現実的なフェーズへと移行したことを意味しています。

今回のエピソードは以上で終了です。また次回お会いしましょう。