Google DeepMindは2026年11月10日、ロボット向けAIモデルの最新版「Gemini Robotics 2.5」を発表しました*1。前モデル「Gemini Robotics 2」の発表は2026年7月30日で、そこから約3ヶ月半での更新です。作業の種類によって成功率が30〜100%高くなり、作業時間は20〜30%短くなったとしています*1*2。
私が一番注目したのは研究室の外での結果です。Apptronik社の人型ロボット「Apollo 2」が、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・ベンツの生産ラインで部品の仕分けを行いました。この概念実証で成功率96%を記録しています*1。
先に結論を言うと、Gemini Robotics 2.5本体は今のところロボット開発のパートナー向けで、一般企業がすぐ導入できるものではありません。ただし作業の段取りを考える「Gemini Robotics ER 2」はGemini APIで使えます*3*4。製造・物流の企業は今のうちに自社の作業で小さく試し、ロボット導入の判断材料をそろえておくのが現実的です。
この話題は、私もXで紹介しました。
今なら、生成AIの基礎知識から社内導入の6ステップ・定着のポイントまでを1冊にまとめた「はじめての生成AI社内導入ガイド」を無料で配布中!何から始めればいいか分からない方でも、これ1冊で導入の流れがつかめます。
目次
Google DeepMindとは|ロボットに「段取り」と「手の動き」を与えるAIを開発
Google DeepMindはGoogleのAI研究部門で、Geminiシリーズのモデル開発を担っています。文章や画像を扱うAIだけでなく、科学研究や歴史研究のためのAIも数多く手がけてきました。
古代ローマの碑文の欠けた部分を推定するAIも、Google DeepMindが開発したものです。こうした研究領域の広さは、以下の記事で解説しています。
Google DeepMindが開発した古代碑文復元AI「Aeneas」が歴史研究に大改革:失われた古代ローマの声を甦らせる最先端技術の全貌
ロボット分野では「Gemini Robotics」というモデル群を提供しています。7月のGemini Robotics 2からは、動作を生成するモデル・計画を立てるモデル・ロボット本体で動く軽量モデルの3つの構成になりました*2。今回の2.5は、このうち動作を生成するモデルの更新です*1。
| モデル | 役割 | 提供範囲 |
|---|---|---|
| Gemini Robotics 2.5 | カメラ映像と言葉の指示から腕や手の動きを生成するVLA(視覚・言語・行動)モデル | ロボティクスパートナーへ順次提供 |
| Gemini Robotics ER 2 | 作業を複数の手順に分けて計画し、人とやり取りし、複数のロボットを調整する推論モデル | Google AI Studioで利用可*2。Gemini APIでも利用可*3*4。Gemini Enterprise Agent Platformではプライベートプレビュー*2 |
| Gemini Robotics On-Device 2 | ネットにつながなくてもロボット本体で動く軽量なVLAモデル | 早期アクセスパートナー向け |
役割を人に例えると、ER 2が「段取りを考える現場リーダー」で、2.5が「実際に手を動かす作業者」です。メルセデス・ベンツでの実証でも、Gemini Robotics ERが工程全体を管理し、Gemini Robotics 2.5が腕と手の動きを受け持ちました*1。
7月のGemini Robotics 2では、人型ロボットが歩く・しゃがむ・手を伸ばすといった全身の動きを制御する仕組みや、種類の違うロボット同士の共同作業が打ち出されました*2。2.5はその土台の上で、指先の器用さと作業の速さを伸ばした更新と見られます。
対応するロボットの種類が広いことも特徴です。5本指で22自由度のSharpaWaveハンドを付けたApollo 2のような人型ロボットに加え、2本指のグリッパーを持つFranka Duoのような双腕ロボットでも動くとしています*1。特定の機体の専用品ではなく、さまざまなロボットの「頭脳」になることを狙ったモデルと見られます。
Gemini Robotics 2.5で何が変わったか|成功率・速度・安全性を比較
Google DeepMindはGemini Robotics 2.5を200種類の作業で評価しました*1。トングで食べ物を盛り付ける、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、指先の細かい動きが必要な作業も含まれています。
公式ブログに載っている作業別の成功率を、前モデルと並べると次の通りです*1。
| 作業 | Gemini Robotics 2 | Gemini Robotics 2.5 |
|---|---|---|
| トングで菓子パンを箱に詰める | 5% | 100% |
| 工具箱のふたを閉める | 0% | 93% |
| 掛けてあるマグカップを外して机に置く | 29% | 75% |
| リボンの結び目をほどく | 0% | 70% |
| カーディガンをハンガーに掛ける | 0% | 62% |
| ほうきでごみをちりとりに集める | 0% | 52% |
| ズボンを畳む | 0% | 40% |
| 炊飯器を箱に詰める | 0% | 40% |
前モデルでは0%だった作業ができるようになった例が多く、伸び幅はかなり大きいです。一方で、布を畳む作業や大きな物を箱に詰める作業は40%前後にとどまっています。こうした作業を仕事で任せるには、まだ人の確認や手直しが前提になる水準と見られます。
速度の面では、作業を20〜30%速く終えられるようになったとしています*1。工場では1台あたりの処理量がそのまま費用対効果に響くため、成功率と同じくらい大事な改善です。
人の近くで働くための安全性
工場や倉庫でロボットを使うときに一番気になるのは安全です。今回の発表では、推論の段階で安全に関する指示を与えて動きを調整する仕組みを強化し、次のような結果を示しています*1。
- 障害物の周り — 安全に作業を終えられた割合が33%向上
- 人の近く — 安全に作業を終えられた割合が43%向上
- 危険な指示への耐性 — 「Gemini 4 Argon」のジェイルブレイク耐性は99.5%で、前の基準だったGemini Robotics ER 2の82%を上回った
- 評価データの公開 — ロボット向けのジェイルブレイクを試す数百のプロンプトを集めたデータセット「ASIMOV-Jailbreak」をHugging Faceで公開
ロボットは言葉で指示できる分、悪意のある指示や紛らわしい指示への備えが欠かせません。危険な依頼を断る力を数字で示し、評価用のデータまで公開した点は、導入を検討する企業にとって安心材料の一つになります。
ここで出てくるGemini 4 Argonは、研究の中でシミュレーションの役割も担ったとされています*1。Gemini 4 Argonの性能や料金は、以下の記事で解説しています。
Gemini 4 Argonとは?出力100万トークンの新モデルの性能・料金・使える範囲
メルセデス・ベンツ工場での活用事例|Apollo 2が部品を仕分け
実証で扱ったのは「キッティング」と呼ばれる作業です*1。部品がまとめて入った箱から必要な部品を取り出し、車1台ごとに組み立てで使う順番に合わせてトレーへ並べます。
キッティングは自動車工場に欠かせない一方、部品の向きや重なり方が毎回違うため、決まった動きを繰り返す従来の産業用ロボットには任せにくい作業でした。目で見て判断しながらつかむAIが向いている典型的な業務と言えます。
この作業でApollo 2は成功率96%を記録しました*1。ApptronikのCEOであるジェフ・カーデナス氏は、数週間の追加学習でモデルが大きく改善し、メルセデス・ベンツの生産現場に移しても性能がほとんど落ちなかったと述べています*1。
ApptronikとメルセデスはApolloの工場での使い道を探る契約を2024年3月に結んでいます。当初から、部品をラインへ運ぶ作業や組み立てキットの配送を候補に挙げていました*5。今回の結果は、2年半ほど続いてきた取り組みが具体的な数字になった形です。
96%が何回の試行にもとづく数字なのかは公表されていないと報じられています*6。実証から通常のライン業務に移すかどうかも、現時点では示されていません。この数字は「実際の生産ラインで動いた」ことを示す材料として受け止め、そのまま自社の期待値にしないのが安全です。
私が「大きい」と考える理由
これまでの人型ロボットのデモは、整えられた研究室や展示会場でのものが中心でした。今回は稼働中の自動車工場で、実際の部品と実際の工程を相手にした結果です。研究用の評価と現場の結果の差がどこまで縮まったかを示すデータとして、意味があると私は見ています。
もう一つは、同じモデルを数週間の追加学習で特定の現場に合わせられたという点です。現場ごとに一からプログラムを書く手間が減れば、多品種少量の工程や人手不足が深刻な工程にもロボットを入れやすくなると見られます。
ロボットや画像認識AIを自社の現場業務に組み込みたい方へ。法人向けAIリスキリングサービスの導入社数No.1*の弊社デジライズが、AIコンサルティング&開発のサービス資料を無料でお送りしています。既製のAIサービスでは要件が満たせず、自社に合わせたシステム構築や環境の検討が必要な場合の進め方をまとめています。
※出典:株式会社東京商工リサーチ「法人向けリスキリングサービスに関する調査」(2026年5月/調査期間:2026年3月26日〜4月17日/調査方法:デスクリサーチおよびヒアリング/2026年3月末時点)
使い方と料金|今すぐ試せるのはGemini Robotics ER 2
Gemini Robotics 2.5本体はロボティクスパートナーへの順次提供で、一般向けの提供時期や料金は発表されていません*1。一方、計画役のGemini Robotics ER 2はGoogle AI Studioで公開されており*2、Gemini APIでも使えます*3*4。
ER 2の主な仕様と料金は次の通りです*3*4。料金は100万トークンあたりの金額です。
| 項目 | 内容 |
|---|---|
| モデルコード | gemini-robotics-er-2-preview(通常版)/gemini-robotics-er-2-streaming-preview(ストリーミング版) |
| 状態 | プレビュー |
| 入力 | テキスト・画像・動画・音声(最大131,072トークン) |
| 出力 | テキスト(最大65,536トークン) |
| 無料枠 | 入力・出力とも無料 |
| 有料枠(2026年12月31日まで) | 入力1.00ドル/出力5.00ドル |
| 有料枠(2027年1月1日から) | 入力2.00ドル/出力10.00ドル |
2027年1月から有料枠の単価が2倍になる点は、予算を組むときに見落とさないようにしてください*4。出力の料金には推論中の思考トークンも含まれるため、長く考えさせる使い方ほど費用が増えます。
通常版は関数呼び出し・コード実行・構造化出力・Google検索によるグラウンディングなどに対応し、ストリーミング版はLive APIに対応しています*3。前の版のGemini Robotics ER 1.6プレビューはすでに提供を終えています*3。プレビュー版は短い期間で入れ替わる前提で、モデル名を設定ファイルで差し替えられる作りにしておくのが無難です。
ロボットがなくても試せる手順
- モデルを選ぶ — Google AI Studioで
gemini-robotics-er-2-previewを選ぶ - 現場の素材を入れる — 棚や作業台の写真、作業の様子を撮った短い動画を入力する(人や機密情報が映らないものを選ぶ)
- 段取りを考えさせる — 「写っている部品を数え、組み立て順に取り出す手順を書いて」のように現場の言葉で指示する
- 結果を記録する — 正しく答えた割合、間違え方の傾向、1回あたりのトークン数を表にまとめる
- システムとつなぐ — 手応えがあれば、構造化出力や関数呼び出しで在庫システムや作業指示書とつなぐ検証に進む
ロボットを買う前でも、AIが自社の現場を「どこまで正しく見て段取りを組めるか」は確かめられます。ここで集めたデータは、将来ロボットメーカーと話すときの具体的な判断材料になります。
企業での使いどころと注意点|製造・物流・研究の現場で考える
使いどころ
公式に示された評価作業から見ると、次のような業務が当てはまりやすいと考えています。いずれも「毎回少しずつ条件が違うが、手順そのものは決まっている」作業です。
- 部品供給・キッティング — 今回の実証そのもの。自動車以外の電機や機械の組み立て工程にも応用が考えられる
- 物流の仕分け・梱包 — 形や大きさが違う物を箱に詰める作業。炊飯器の箱詰めのように成功率がまだ低い作業もあるため、品目を絞って始める
- 研究・検査の定型作業 — ピペットで液体を移すといったラボ作業が評価に含まれている
- 食品の盛り付け — トングで菓子パンを詰める作業は前モデルの5%から100%に伸びた
注意点
- 提供範囲 — 2.5本体はパートナー向けで、一般企業は対応するロボットメーカーを通じて使う形になると見られる
- 数字の読み方 — 成功率はGoogle DeepMind自身の発表で、試行回数や条件の詳細は限られている。自社の現場では必ず小さく検証する
- 人との安全 — 人の近くでの安全な作業完了が43%向上したとはいえ、ロボットが人と同じ空間で動く以上、設備としての安全対策やリスク評価は別に欠かせない
- 現場データの扱い — 動画や写真には従業員や図面が映りやすい。APIにどのデータを送ってよいか、社内ルールを先に決めておく
- 費用の変化 — ER 2はプレビューで、2027年1月に単価が上がる。本番運用の試算は改定後の料金で行う
導入までの進め方
私が企業の方に勧めているのは、次の順番です。いきなりロボットの購入を決めるのではなく、AIの判断力とロボットの動きを分けて確かめていくと、失敗したときの損失を小さくできます。
- 工程の洗い出し — 人手不足や負担が大きい工程を挙げ、作業の手順と例外の多さを整理する
- 判断部分の検証 — ER 2に現場の写真や動画を見せ、段取りの正確さと費用を測る
- メーカーとの相談 — Gemini Roboticsに対応するロボットメーカーに、対象工程での実証が可能か問い合わせる
- 小さな実証 — 1工程・1品目に絞り、成功率・処理時間・安全面を自社の基準で評価する
ロボットAIの性能は、発表元の数字だけでは比べにくいのが実情です。多数の実機で各社のロボットAIを同じ条件で評価する取り組みは、以下の記事で解説しています。
RoboColosseumとは?実機100台超で測るロボットAI評価基盤|使い方と比較結果
まとめ
- 性能 — Gemini Robotics 2.5は200種類の作業で評価され、成功率は作業により30〜100%向上し、作業時間は20〜30%短くなった
- 活用事例 — メルセデス・ベンツのドイツ・ハンガリーの工場でApollo 2が部品のキッティングを行い、概念実証で成功率96%を記録した
- 提供範囲と料金 — 2.5本体はパートナー向けで料金は未公表。計画役のER 2はGemini APIで使え、2027年1月から単価が上がる
- 企業の備え — ロボット導入前でも現場の写真や動画でER 2を試し、AIがどこまで段取りを組めるかのデータを集めておける
人型ロボットが実際の工場で働いた結果が出てきたことで、工場の自動化は「いつか」の話から「どの工程から試すか」の話に移りつつあると私は感じています。とはいえ、多くの企業にとって今すぐロボットを買う段階ではありません。
私のおすすめは、まずGoogle AI StudioでGemini Robotics ER 2に自社の作業台や棚の写真を見せてみることです。無料枠で始められ、AIが現場をどう理解するかを自分の目で確かめられます。その結果をもとにロボットに任せたい工程の候補を社内で話し合っておけば、本格的な提供が始まったときにすぐ動けるはずです。
参考資料
- *1 Google DeepMind「Gemini Robotics 2.5: Accelerating Physical Intelligence」
- *2 Google DeepMind「Gemini Robotics 2 brings whole body intelligence to robots」
- *3 Google AI Studio「Gemini Robotics ER 2 preview」
- *4 Google AI Studio「Gemini Developer API pricing」
- *5 Apptronik「Apptronik and Mercedes-Benz Enter Commercial Agreement」
- *6 Tech Times「Gemini Robotics 2.5 Reports 96% Success Sorting Mercedes Car Parts but Publishes No Trial Count」
