グーグル傘下ディープマインド、ロボット本体で動く「Gemini Robotics On-Device」を公開　実演50回で新作業を習得

米グーグル傘下のグーグル ディープマインドは2025年6月24日、ロボット本体で処理を完結させるロボット制御モデル「Gemini Robotics On-Device」を発表した。データセンターに依存してきたGeminiベースのロボット頭脳を、通信環境が不安定で遅延に厳しい工場や倉庫、家庭に持ち込む狙いがある。

ディープマインドはカロリーナ パラダ氏名義の公式ブログで、同モデルを双腕ロボット向けの基盤モデルと位置づけた。少ない計算資源で動き、ネットワークなしで低遅延の推論ができるよう設計したと説明している。さらに、同社が外部開発者による微調整（ファインチューニング）を認める初の視覚言語行動（VLA）モデルだとした。3カ月前にクラウド型のGemini Roboticsを発表した際には踏み込まなかった判断である。

同社によると、新たな作業には50〜100回の実演データで適応できる。難易度の異なる7種類の精密操作で検証し、弁当袋のファスナーを閉める、カードを1枚引く、サラダドレッシングを注ぐといった作業を例に挙げた。視覚条件や指示の言い回し、求める動作を変えた汎化試験では、従来の端末実行型VLAモデルを上回ったとしている。ただし具体的な数値は本文で示さず、図表のみで公表した。

学習には低価格の双腕研究用プラットフォーム「ALOHA」だけを用いた。そのうえで同じモデルを形状の大きく異なる2機種に移植したという。双腕構成のフランカFR3では衣服の折りたたみや精度を要する産業用ベルトの組み付けをこなし、アプトロニクのアポロでは自然言語の指示に従って初見の物体も扱った。一度学習した頭脳を複数のロボットの体に使い回せるかどうかは、ロボットメーカーが最も注目する点である。

ディープマインドはモデルとあわせて「Gemini Robotics SDK」も公開した。開発者は自社の作業でモデルを評価し、物理シミュレーター「MuJoCo」で試験し、新たな用途に合わせて調整できる。利用には同社の信頼できるテスター向けプログラムへの申請が必要となる。SDKのコードはGitHubでApache 2.0ライセンスにより公開したが、モデルの重みは公開していない。

今回の発表は2025年3月12日に始まった取り組みの延長線上にある。同社は当時、Gemini 2.0を土台とするGemini RoboticsとGemini Robotics-ERを発表し、アプトロニクを人型ロボットのパートナーに指名した。テスターには独アジャイル ロボッツ、米アジリティ ロボティクス、米ボストン ダイナミクス、仏エンチャンテッド ツールズを挙げた。アプトロニクは2025年2月にグーグルも参加した3億5000万ドルのシリーズAを実施し、3月に5300万ドルを追加調達したと発表している。

競争はすでに激しい。米フィギュアAIは2月、自社開発のVLA「Helix」がロボット1台に載せた低消費電力の組み込みGPU2基だけで動くと発表した。70億パラメーターの視覚言語モデルと8000万パラメーターの制御器を組み合わせ、35自由度を200ヘルツで制御する。米エヌビディアは3月にIsaac GR00T N1を公開し、Hugging Faceのモデルカードでは20億パラメーターと表記している。米ハギングフェイスはディープマインドの発表の3週間前となる6月3日、CPUでも動く4億5000万パラメーターの公開モデル「SmolVLA」を出した。米フィジカル インテリジェンスもopenpiリポジトリでπ0の重みを公開している。

日本の産業界にとっても示唆は大きい。ファナックや安川電機、川崎重工業といった産業用ロボット大手は、ハードウエアと制御技術で世界的な地位を築いてきた。人手不足で多品種少量の作業を自動化する需要が強まるなか、少ない実演で新作業を覚える汎用頭脳が外部から供給されれば、ティーチングの手間は大きく減る可能性がある。一方で、頭脳を米IT大手に委ねれば付加価値の源泉が移りかねず、各社は自前開発と外部モデル活用の線引きを迫られる。減速機やセンサーなど日本が強い部品分野にとっては、ロボットの種類が増えるほど需要が広がる追い風にもなりうる。

安全面では多層的な手法をとる。Gemini Live APIで意味的な安全性を管理し、ロボット側の低レベル安全制御と組み合わせるとし、導入前に安全性ベンチマークやレッドチーム試験を行うよう開発者に推奨した。パラメーター数、必要なハードウエア、遅延、商用条件は開示していない。