Google Cloudは10月28日（現地時間）、Google DeepMindのロボット向け身体性推論モデル「Gemini Robotics Embodied Reasoning 2（ER 2）」を、Gemini platformでパブリックプレビューとして提供開始した。Model Garden経由で利用できる。
同モデルは、ロボットの高レベルな頭脳として機能するGeminiの特化型モデルだ。固定アームからヒューマノイドまで多様な形態のロボットに対応する。空間的・時間的な動画理解と長期的なプランニング、組み込みの安全ガードレールを備える。開発者はVision-Language-Action（VLA）モデルやナビゲーションAPIなどの低レベル制御インターフェースをツールとして宣言でき、動画・音声・テキストをモデルに直接ストリーミングできる。
タスクの進捗を動画から分類し、失敗したステップをワークフロー全体を再起動せずに調整できる。重要なイベントが起きたフレームを、91.3%の精度と平均絶対フレーム距離0.96秒で特定する。また、10種類以上の計器の値を読み取れる。複数ロボット間の作業分担や、自然言語による指示にも対応する。
Google Cloud上では、MuJoCo-WarpやNVIDIA Isaac Simでシミュレーションを実行できる。GKEなどを用いたカスタムVLAモデルの学習や、IAMを備えたワークフローのデプロイも可能だ。SLAMなど遅延に敏感な処理は、Google Distributed Cloudで工場現場へオフロードできる。
- 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
