Google DeepMindは7月30日（現地時間）、物理世界でのロボット活用を推進する新モデル「Gemini Robotics ER 2」をリリースした。同モデルは、ロボットの「高次の頭脳」として機能し、これまで困難だったリアルタイム空間認識や複数ロボット協調、マルチステップタスクの計画・進行管理を実現するという。
Gemini Robotics ER 2は、映像フィードを用いてロボット自身の作業進捗を細かく確認し、状況の変化や失敗にも即時対応できる。これにより、タスクの途中での問題発生にも再実行や適切な手順切り替えが可能となった。進捗管理は0～100％の5段階で評価し、リアルタイムで状況把握や行動修正を行える。進捗分類タスクでは57.4％の精度、重要フレーム抽出「モーメントファインディング」では91.3％の高精度を達成している。
また、操作APIやAIモデルと連携する新しい「ツールオーケストレーション」機構により、遠隔操作や物理ロボットとの統合が容易となった。複数ロボットによる空間共有や連携もサポートし、従来機では難しかった複雑なタスクの協働実行が可能となった。安全面では「Safety Instruction Following」や「Human Proximity」ベンチマークで高評価を獲得し、人間の近接時に動作停止し、離れた際のみ動作再開する制御も可能だ。
同モデルはGemini API、Google AI Studio、Gemini Enterprise Agent Platformから利用できる。開発者はマルチモーダル入力を活用し、より高度かつ安全な物理AIエージェントの開発が可能となる。
- 関連リンク
この記事は参考になりましたか？
- この記事の著者
-
CodeZine編集部（コードジンヘンシュウブ）
CodeZineは、株式会社翔泳社が運営する開発者のための情報メディアです。日々の開発に取り組むエンジニアやテクノロジーを学びたい方に向けて、プログラミングやAI活用、開発ツール、エンジニアの学びとキャリアに関する記事をお届けしています。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
この記事は参考になりましたか？
この記事をシェア
