Gemini Robotics 2.5、メルセデス・ベンツのラインで部品仕分け成功率96%　Gemini 4 Argonはロボットを直接動かさず

Google DeepMindは11月10日、視覚・言語・行動（VLA）モデル「Gemini Robotics 2.5」を発表し、ロボティクス分野のパートナーへの提供を始めた。発表の冒頭に置かれたのは工場での結果だ。ハンガリーのケチケメートとドイツのジンデルフィンゲンにあるメルセデス・ベンツの稼働中の生産ラインで、ApptronikのヒューマノイドApollo 2が概念実証を行い、ばら積みの箱から金属ブラケットを取り出して、車両ごとに必要な順番で順立て容器に入れた。DeepMindによると成功率は**96%**だった。

今回の発表は、グーグルの「遅い層と速い層」に分かれたロボット構成が実際のラインで動いたことを示している。Robriefの10月の分析では、Gemini 4 Argonはロボットアームをリアルタイムで操るには遅すぎた。2.5ではArgonはロボットに触れない。DeepMindによると、Argonは「シミュレーションエンジン」として、実際のカメラ映像から数千回分の練習とデジタルツインを生成し、研究者が映像からタスク失敗の原因を探る手助けもした。メルセデスのラインでは、身体性推論モデルGemini Robotics ERが作業の流れを追い、Gemini Robotics 2.5が手と腕を動かした。

比較対象はDeepMind自身のベースライン

DeepMindは、トングで料理を取り分ける、ギフトボックスにリボンを結ぶ、ピペットで液体を移すといった200種類のタスクでモデルを評価したという。従来のベースラインと比べ、タスクの種類に応じて成功率は**30〜100%高く、作業時間は20〜30%**短くなった。Apollo 2は5本指・22自由度のSharpaWaveハンドで、Franka Duoプラットフォームは2本指の平行グリッパーでこのモデルを動かす。

安全性も同じように評価された。推論時に安全誘導をかけることで、障害物の近くでの安全なタスク完了は33%、人の近くでは**43%向上したとDeepMindは自社評価で述べる。危険な依頼を偽装した数百のプロンプトを数十の場面で試すオープンなベンチマーク「ASIMOV-Jailbreak」も公開した。Argonのジェイルブレイク耐性は99.5%で、前世代のGemini Robotics ER 2は82%**だった。

キッティングはミスを許さない

キッティングとは、ラインが使う順番どおりに部品をトレイへ仕分ける組立前の準備作業で、Apolloは作業中に空きを自分で補ったという。96%がピッキング1回ごとの数字なら、100回に4回はミスが出る計算で、そのたびに順番の狂ったブラケットが一つ生まれる。下流で誰かが拾わなければそのまま流れる。DeepMindは同じタスクのポストトレーニング前の成績を示していないため、この数字はApolloの到達点を示しても、伸び幅はわからない。

Apptronikは手応えを語る。「わずか数週間のポストトレーニングでモデルは大きく向上し、メルセデス・ベンツの生産現場に移しても性能はほとんど落ちなかった」と、共同創業者で最高経営責任者のジェフ・カーデナス氏は述べた。