200を超える課題で評価し、ロボット企業へ展開します。Mercedes-Benzでの部品仕分け実証と、ロボットへの不正指示を測る新評価も説明しました。 工場の実証値を別の作業へ一般化しません。動作モデル、作業推論、安全制御を分けて現場条件を確認する必要があります。 実験室から作業現場へ評価の幅を広げる Google DeepMindは11月10日、視覚・言語・行動を扱うGemini Robotics 2.5を発表しました。多様な物体や道具を使う器用さに加え、作業の信頼性と安全性を改善したと説明しています。評価は200を超える異なる課題で行いました。柔らかい物体や壊れやすい物体への操作も対象です。従来のロボット向けモデルを基に、学習する技能の幅と習得の速さを広げる位置付けです。提供はロボティクスのパートナーへ展開する段階です。一般の利用者があらゆる機体で即座に使えるという発表ではありません。研究段階の評価に加え、実際に稼働する工場での概念実証を示したことが今回の特徴です。 Apollo 2で部品の準備工程を試す ApptronikとMercedes-Benzとの実証では、Apollo 2が部品を容器から取り出し、車両ごとの順番に合わせて並べます。場所はハンガリーのKecskemétとドイツのSindelfingenです。作業の進行把握にはGemini Robotics ER、腕と手の制御にはRobotics 2.5を使いました。この条件で成功率96%を報告しています。工場の担当者には、反復する準備作業をどこまで任せられるかを検討する材料になります。一方、安全性では、物理的な危険を避ける推論時の誘導を説明しています。さらに、危険な要求を言い換えて与えるASIMOV-Jailbreakを公開します。この不正指示の評価で報告した99.5%の耐性はArgonの結果です。動作モデル自体の工場成功率とは、対象も指標も異なります。 機体と環境を変えたときの条件を確認 実務では部品の形、容器の位置、人との距離が変わった場合の挙動が論点になります。成功率だけでは、失敗時の停止や復旧、ラインへの影響を説明できない可能性があります。元の実証に近い工程から試し、現場の担当者が介入する条件を決めることが判断材料になると見られます。原文は複数のロボット形式への対応を説明していますが、どの機体にも同じ品質が出ると保証していません。また、シミュレーションや学習の効率向上と、現場の安全性は個別に確認する必要があります。評価で使う不正指示の種類を理解し、音声や画像など実際の入力経路にも対応を検討します。展開先の条件、追加学習の負担、保守時の作業を確認することで、概念実証から継続運用へ進む範囲を決めやすくなると見られます。実証の失敗が生じた場面と、停止後に必要だった人の作業を調べることも有用と見られます。