ロボット向けのモデルと、そのモデルを壊しにいくテストが同時に出た。発表の中で読み応えがあるのは、後者のほうだ。
Gemini Robotics 2.5はvision-language-action modelの最新版
Google DeepMindは2026年11月10日、Gemini Robotics 2.5を公開した。カメラの映像と指示を入力に取り、モーターの動きに変換するvision-language-action modelだ。同社は自社で最も能力の高いモデルと位置づける。
評価に使ったタスクは200を超える。トングで料理を盛る、贈り物の箱にリボンを結ぶ、液体をピペットで移す。工場の作業だけでなく、手先の細かい動きが要る料理や梱包まで含めたのが今回の特徴だ。
Gemini Robotics 2.5の30〜100%向上は自己評価だ
数字は発表資料に並んでいる。DeepMindの発表では、従来の基準と比べてタスクの成功率が30〜100%高い。完了までの時間は20〜30%短い。いずれも同社の評価環境での数字で、第三者の追試はまだない。
振れ幅が大きいことにも意味がある。30%と100%では現場での価値が違う。タスクの種類ごとに差が出るという前提で読み、平均の1つの数字として扱わないほうがいい。タスクの内訳は公表されているが、点数を付けたのは開発した側だ。
メルセデス・ベンツ工場で動いたApollo 2、96%は実証の数字
Apptronikとメルセデス・ベンツの実証では、ヒューマノイドの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で自動車部品のキッティングを担った。成功率は96%だ。
Apollo 2の手はSharpaWaveで、5本指・22自由度。Franka Duoと2本指のグリッパーでも動く。ただしDeepMindはこれを概念実証と呼ぶ。量産ラインに並んだ話ではない。投入台数も期間も公表されていない。
ASIMOV-Jailbreakはロボット向けのrobot safety benchmark
ASIMOV-Jailbreakは、危険な指示を別の場面に見せかけて通そうとするプロンプトを集めた公開ベンチマークだ。数十の場面にまたがる数百件のプロンプトで構成される。誰でも同じ条件で試せる形で出した点に意味がある。
モデル単体のテストと違い、狙いはロボットの指示理解だ。安全側に倒れるかどうかを、文章のやり取りとして測る作りになっている。プロンプトを見ると、ロボットに直接危険な動作を命じるのではなく、別の作業に見せかける手口が中心だ。
99.5%はGemini 4 Argonの数字だ
名前が近いので混同しやすいが、数字の主は別のモデルだ。このベンチマークで99.5%の耐性を示したのはGemini 4 Argonで、Gemini Robotics 2.5ではない。比較対象のGemini Robotics ER 2は82%だった。
Gemini 4 Argonは開発の道具としても使われた。練習用の走行を生成し、デジタルツインを作り、失敗した理由の分析に回している。ロボットを動かすモデルと、そのモデルを鍛える側のモデルが分かれている。
Gemini Robotics 2.5の安全性は指示の拒否と物理の余裕に分かれる
推論時にガイダンスを入れると、障害物の周りでの安全な完了が33%改善し、人の近くでは43%改善した。これもDeepMindの評価だ。
数字が測っているのは、危険な指示を断れるかどうかである。人に近づいた瞬間に物理的に止まれるかは、別の試験になる。ここを混ぜると、発表の数字を実際より大きく読んでしまう。
日本の工場がGemini Robotics 2.5を見るとき
ロボットは現在、DeepMindの提携先に順次配られている。価格も一般提供の予定も出ていない。日本の工場が自前で試せる段階にはない。
国内の現場では、協働ロボットを入れる前に安全距離や速度の基準を満たす必要がある。指示を断る力が高くても、その基準を置き換えるものではない。実証の数字と、自社工場で使えるかは分けて考えるべきだ。導入を決める前に、自社の工程で同じタスクを試せるか？そこが分岐点になる。
