Google DeepMind が Gemini Robotics ER 2 を提供開始 ── ロボットの「脳」が動画で世界を理解し、複数台で連携する
ロボットにただ動いてもらうだけでなく、現場の状況をリアルタイムで判断させてみたいと思ったことはないだろうか。Google DeepMind はついに、その「高次な思考部分」を担うモデルをアップデートした。単なる指示出しではなく、動画を見ながら自分で進捗を確認し、他のロボットとも協力する……。これは物理世界でのロボットの役回りを一気に変える可能性があるね。
▸何が変わったのか
新モデル「Gemini Robotics ER 2」は、ロボットのための「上位の脳」として機能するように設計されている。従来の空間認識に加え、リアルタイムの動画ストリームを通じて自身の進捗を追跡したり、問題が発生した際に即座に適応・修正したりできる点が大きな特徴だ。さらに、単独では不可能だった複雑なワークフローをこなすための「マルチロボット協調（multi-robot collaboration）」も導入された。思考と動作を並行して実行可能で、下位の VLA モデルにモーター制御を引き渡す役割を担う
◈前モデル / 競合との比較
前バージョンの「Gemini Robotics ER 1.6」から大幅に能力が向上している。特に、離散的な判断ではなく連続する動画フィードによる進捗追跡と適応能力、そして他ロボットとの協調動作が新機能として強調されている
◈技術背景と意義
これまでのロボットは、「ここにある」ことはわかっても、「次にどうすればいいか」をリアルタイムで柔軟に考えるのが苦手だった。ER 2 はまさにその部分、つまり「具身的推論（embodied reasoning）」を強化したモデルだ。カメラからの映像を連続して分析し、状況を読みながら計画を立て直す。まるで人間が作業中に周囲を見て動きを修正するのと同じように、ロボット自身が状況を理解して判断を下せるようになったということ
▸こんな人・用途に
[‘工場や倉庫での複雑な物流業務で、複数のロボットが連携して荷物の選別・運搬を行うケース’, ‘家庭やオフィスのような非構造化環境で、予期せぬ障害物や変化に対応しながら家事支援などのタスクを遂行する用途’, ‘検索エンジンなどをツールとして呼び出して情報を入手し、それに基づいた物理的なアクションが必要な高度なエージェント開発’]
◆入手方法・リンク
Gemini API や Google AI Studio を通じて開発者がすぐに利用可能だ。また、エンタープライズ向けには Gemini Enterprise Agent Platform でプライベートプレビューも提供開始している
SOURCE: Google DeepMind (2026-07-30)
