ロボットに全身の知性を：Gemini Robotics 2が示す次なる一歩

「ロボット」という言葉は、チェコ語の『ロボタ（強制労働）』に由来するそうです。

機械に人間の労働を肩代わりさせる。

そんな原初の願いから、いま私たちは、機械が自ら考え、全身をしなやかに動かす時代を迎えようとしています。

Google DeepMindが発表した「Gemini Robotics 2」は、まさにその象徴。

頭からつま先まで、さらには複数台のチームワークまでをも視野に入れた、ロボットの「全身知能」が注目を集めています。

さて、今回のアップデートで何が変わったのでしょう。

従来のロボット制御モデルの多くは、上半身だけ、あるいは特定の作業に最適化されていました。

ところがGemini Robotics 2は、人型ロボットの全身、足の動きから指先の微細な操作までを、ひとつのモデルで扱おうとしています。

これによって、散らかった部屋を歩き回り、かがみ、手を伸ばして片付ける、といった一連の動作が可能になるのです。

全身を動かす、とはどういうことか

人間が何気なく行っている「立つ」「歩く」「しゃがむ」といった動作の裏には、膨大なバランス制御と環境認識が隠れています。

ロボットがこれを行うには、視覚と言語の入力から直接モーター指令を生み出す必要があり、まさに「身体性」を伴った知能が求められます。

Gemini Robotics 2の中核となるのは、視覚・言語・行動を結ぶVLA（Vision-Language-Action）モデルです。

カメラで捉えた風景と言葉による指示を同時に理解し、リアルタイムで全身の動きに変換する。

これが、従来の「腕だけ」「ハンドだけ」の制御を大きく超える点です。

このモデルは、ApptronikのApollo 2のような人型ロボットから、Franka Duoのような双腕ロボットまで、異なる身体を持つ機体に同じ仕組みで対応できる柔軟さも備えています。

実はGemini Robotics 2は単一のモデルではなく、役割の異なる三つの頭脳が連携しています。

まず、前述のVLAモデル「Gemini Robotics 2」は、全身制御と両腕・両手の器用な操作を担当。

次に「Gemini Robotics ER 2」は、身体化された推論（Embodied Reasoning）に特化したモデルで、数分にわたるマルチステップの計画や、人とのコミュニケーションを担います。

そして「Gemini Robotics On-Device 2」は、ロボット本体の限られた計算資源でも動く軽量版VLAで、たった数時間のデータで新しい機体に適応できる柔軟さを持っています。

これらの分担により、重い処理はクラウドで、即応性が求められる制御はエッジで、と賢く棲み分けているのです。

もう一つの大きな進歩が、複数ロボットの連携です。

同じモデルを共有しながら、異なる役割を分担して一つのタスクを効率的にこなす。

たとえば片方が散らばった物を拾い集め、もう片方が棚にしまう。

そんな分業が、人の細かな指示なしに成立するようになりました。

これは、単に作業速度が上がるだけでなく、一台では物理的に難しい作業を、チームとして実現する道を拓きます。

工場や倉庫、はては家庭の中で、ロボットたちが阿吽の呼吸で動き回る光景が、想像の枠を超え始めています。

まだ器用さの面では課題が残り、多指操作の成功率はこれからという段階ですが、モデルが様々な機体に適応できる設計は、まさに「汎用ロボット脳」への布石でしょう。

私たちの働き方や暮らしに、そっと寄り添うロボットの姿が、少しだけ近づいたように思います。