Google、Gemini Robotics 2.0を発表、器用さと安全性の向上を約束

Googleは、ロボットがより複雑なタスクを実行し、変化する環境を分析し、他のロボットと協力することを可能にするモデル群であるGemini Robotics 2.0を発表しました。その中心となるのが、前バージョンの1.6から大幅に改良された、embodied reasoning（身体化推論）モデル「Gemini Robotics ER 2」です。このモデルはGemini Live APIと統合されており、開発者はその機能を活用できます。ER 2はvision language model（VLM、視覚言語モデル）であり、ロボットのカメラからのライブ映像ストリームを処理して進捗状況を追跡できます。Googleは、ER 2がビデオクリップの完全性をほぼ60%の精度で分類できると主張しており、これは競合するAIモデルよりも優れています。このプロジェクトの目標は、人間のあらゆる行動を実行できる汎用ロボット、いわゆる「物理的AGI（汎用人工知能）」を構築することです。