Google DeepMind、Gemini Robotics 2.5 を発表：ベンツ工場で仕分け成功率 96%

無菌室のような研究所を出て、現実の自動車工場にロボットを持ち込むと、大抵のシステムは立ち往生します。照明の反射や部品のわずかなズレ、周囲を行き交う作業員など、予測不能な要素に耐えられないからです。

Google DeepMind が発表した最新の身体知能モデル「Gemini Robotics 2.5」は、そのギャップを埋めるための大きな一歩です。同社は Apptronik の人型ロボット「Apollo 2」にこのシステムを搭載し、メルセデス・ベンツの工場ラインで実証実験を実施。自動車部品の仕分け作業で 96% の成功率を達成しました。

計画を立てる脳と、手足を動かす運動神経

DeepMind の物理 AI は役割をきれいに分担しています。上位の「Gemini Embodied Reasoning」がカメラ映像と作業指示を解釈して手順を組み立て、今回の主役である VLA モデル「Gemini Robotics 2.5」が関節や指先の具体的な動きに落とし込みます。

学習には「Gemini 4 Argon」がシミュレーションエンジンとして活用されました。現実の映像からデジタルトインを生成し、何千回もの試行錯誤を仮想空間で実行することで、実機での試行回数を大幅に省いています。

200 種類以上のタスク評価において、Gemini Robotics 2.5 の成功率は従来比で 30% から 100% 向上し、動作速度も 20% から 30% 高速化しました。Apollo 2 の 5 本指ハンドを使ったギフトリボン結びのような柔らかい物体の操作や、スポイトによる液体採取、トングを使った配膳までこなします。

ベンツの工場では、バラ積みのカゴから金属製ブラケットを取り出し、指定のトレイへ組み立て順に並べる「キッティング」作業を自律実行し、96% の成功率を記録しました。

現場での安全性と「ジェイルブレイク対策」

人と同じ空間で働く以上、安全性は避けて通れません。

Gemini Robotics 2.5 は推論時の安全ガイダンスを備え、障害物周辺での安全完了率を 33%、人の近くでの安全完了率を 43% 引き上げました。

さらに今回、オープンソースの安全評価ベンチマーク「ASIMOV-Jailbreak」も公開されました。無害に見せかけて危険な動作を誘発する指示にロボットがどう対処するかをテストするもので、Argon を用いた環境では 99.5% の耐性を記録しています（前世代のベースラインは 82%）。

なぜ重要か

工場の実ラインで 96% という数字は立派ですが、現場で人間をそのまま置き換えるにはまだ課題が残ります。DeepMind のディレクターである Kanishka Rao 氏が指摘するように、熟練の作業員ならほぼ 100% 間違えずにこなす作業であり、残りの 4% を埋める道のりは極めて険しいはずです。

しかし、Google の立ち回りは非常に巧みです。自社でロボット本体を量産するのではなく、Apptronik や Agile Robots と組み、頭脳と運動制御の基盤モデルを一手に引き受けるプラットフォーム路線を明確にしました。ハードウェア企業は機構やサプライチェーンに専念でき、Google は身体知能のデファクトスタンダードを狙えます。

また、ASIMOV-Jailbreak を無償公開したことで、産業用ロボットの安全基準づくりの主導権も握りました。物理 AI の導入を検討する企業や規制当局に対して、安全性テストの物差しを提供した意味は小さくありません。