Gemini Robotics ER 2(ジェミニ・ロボティクスER 2)とは【動画理解・複数ロボット連携の新機能】
動画を見て作業の進み具合を捉え、複数のロボットへ役割を割り振れると、現場の検証は一歩進みます。
ただし安全をAI任せにしない設計も、今のうちに押さえておきませんか？
Gemini Robotics ER 2とは、ロボットが見聞きした状況を理解し、次に何をするか計画する「上位の頭脳」です。このモデルが動画から作業の進み具合を捉え、異なるロボットへ役割を振り分ける様子も公式デモで示されました。
ただし、このモデルだけで関節やモーターを直接動かすわけではありません。
考える層と、動かす層、安全に止める層は分けて設計する必要があります。
Gemini Robotics ER 2とは：ロボットの「上位の頭脳」
このモデルは、Google DeepMindが2026年7月30日に発表した具身推論(Embodied Reasoning)向けのAIです。具身推論とは、文章だけでなく、物体の位置、動き、時間経過を物理世界と結びつけて考えることを指します。
入力できるのはテキスト、画像、動画、音声で、出力はテキストです。
その出力をロボットAPIや動作モデルへ渡すことで、作業を分解し、進捗を見ながら次の手を選ぶ構成になります。
要点上位モデルが担うのは高レベルの判断
状況理解、複数段階の計画、ツール呼び出し、進捗確認、やり直し判断が中心です。サーボ制御、関節トルク、非常停止などは別の仕組みが担います。
出典: Google公式「Introducing Gemini Robotics ER 2」(英語)
Gemini Robotics ER 2とは何が違う？3モデルの役割
Gemini Robotics 2ファミリーは、同じ名前でも担当が異なります。
自社で必要なものが「工程を考えるAI」なのか、「身体を動かすAI」なのかを先に分けると、製品名に振り回されません。
役割を比較すると混同しにくい
| モデル | 主な役割 | 実務上の位置 |
|---|---|---|
| Gemini Robotics ER 2 | 理解、計画、監視、ツール編成 | 上位の頭脳 |
| Gemini Robotics 2 | 視覚と言語からロボット動作へつなぐ | 動作を実行するVLA |
| Gemini Robotics On-Device 2 | ロボット側で動作を実行する | 端末内の動作層 |
VLAはVision-Language-Actionの略で、見た状況と言葉の指示をロボット動作へつなぐモデルです。
上位モデルをVLAと同じものとして選ぶと、実機接続に必要な下位制御が抜けます。
判断の順番は、工程全体を考えたいなら上位モデル、動作生成が必要ならVLA、通信に頼らずロボット側で動かしたいならOn-Device 2です。複数の層を組み合わせる前提で、責任範囲を分けてください。
新機能1：動画から作業進捗を捉える
新機能の一つは、連続した動画を見ながら「今どこまで進んだか」「重要な瞬間はいつか」を捉える能力です。静止画を一枚ずつ判定するだけでなく、作業の時間的な流れを扱います。
Googleの評価では、作業進捗を0〜20%から80〜100%までの5段階に分ける分類精度が57.4%でした。
重要な瞬間を探すmoment findingは91.3%、正解時刻との平均的なずれは0.96秒です。
注意評価値は現場の成功率ではない
これらはGoogleの評価条件で得られた数値です。自社の照明、カメラ位置、作業速度、対象物で同じ精度になる保証はありません。
企業での最初の使い方は、自律制御よりも録画動画から進捗、完了、やり直し箇所を判定する上位監視が現実的です。人が付けた正解ラベルと照合すれば、自社工程で役立つかを実機接続前に確認できます。
出典: Google公式「Introducing Gemini Robotics ER 2」(英語)
新機能2：複数ロボットを工程へ編成する
このモデルは、1台を万能にするより、得意分野の違うロボットを工程単位で組み合わせる方向に価値があります。Googleの公式デモでは、Apptronik Apollo 2とFranka F3 Duoが役割を分担しました。
観測
映像と状態データから工程を把握する。
分担
移動や把持など得意な役割へ割り振る。
確認
完了、失敗、受け渡しを見て次を決める。
ここで重要なのは、ロボットの台数ではなく受け渡し条件を明文化することです。
「どの状態なら次へ渡すか」「片方が失敗したら誰が止めるか」を定義できなければ、複数ロボット連携は不安定になります。
なお、この例はGoogleが公開したデモであり、第三者企業の本番導入成功例ではありません。自社設備での可用性、速度、安全性は別の検証対象として扱います。
新機能3：ロボットAPIを呼び分ける
このモデルは、ロボットごとの操作機能をツールとして呼び分けられます。
公式のSpotデモでは、ナビゲーションやマニピュレーター用APIを編成し、自然言語の依頼を複数の動作へ分解しました。
既存ロボットの上に、言葉の理解と工程判断を加えると考えると位置づけが明確です。ただし、APIへ与える権限、実行前の承認、タイムアウト、再試行、異常時の停止は自社側で設計します。
標準モデルは構造化出力やコード実行などを含む複雑な編成向けで、ストリーミングモデルはLive APIを使った低遅延の対話向けです。
2026年8月2日時点で両者はpreviewのため、機能差を公式ガイドで確認してから設計してください。
出典: Google AI for Developers公式ガイド(英語)
Gemini Robotics ER 2を企業で活かせる業務
活用候補は、単純な「ロボット化」ではなく、観測、判断、実行、確認、例外対応が連続する工程です。製造、物流、保守点検、施設バックヤードのように、複数工程と状態変化がある業務と相性を見極めます。
観測
動画・計器・音声
→
判断
計画・役割分担
→
実行
VLA・ロボットAPI
→
確認
完了・失敗・再計画
例外が起きたら人へ戻し、工程と判断条件を更新する
例えば、保守点検なら計器を読むだけでなく、巡回、読み取り、異常判定、人への確認までを一つの工程として扱えます。製造や物流なら、移動と把持を異なる機体へ分け、受け渡しの成否を動画で確認する構成が候補です。
実機へつなぐ前に物理環境を検証する考え方は、OmniverseのAIエージェントで物理演算やセンサーを試す方法でも整理しています。現場停止の影響が大きいほど、仮想環境と録画データを先に使うのが安全です。
Gemini Robotics ER 2の実機利用前に必要な安全設計
物理ロボットでは、AIの誤りが文章の誤答で終わらず、人や設備への損害につながるため、Googleも生成AIが誤る可能性を明記しており、安全な周辺環境の維持は利用者側の責任としています。
重要AIの安全判断を最後の防護にしない
上位モデルが人の接近や危険な指示を理解できても、非常停止、安全柵、速度制限、離隔監視などの機能安全は別系統で維持します。医療や交通など、故障が死亡・傷害・物的損害へ直結する安全重要用途には使わないでください。
実機接続前に決めるのは、許可する操作、承認が必要な操作、即時停止する条件、ログ保存、復旧責任者です。AIエージェントの停止と承認の考え方は、AISIのAIエージェント評価観点にもつながります。
モデル更新後も同じ判断をするとは限らないため、代表タスクを固定して再評価します。
生成AIのモデル更新前後を同じ業務で比べる品質テストを使い、精度だけでなく、遅延、誤停止、見逃し、復旧時間も記録してください。
出典: Google DeepMind公式Model Card(英語)
Gemini Robotics ER 2を小さく試す3段階
プレビュー評価は、録画動画、シミュレーション、隔離した実機の順に進めます。最初から人と同じ空間で長時間の自律運転を目指す必要はありません。
- 録画動画で確認する
正常、遅延、失敗の動画へ人が正解ラベルを付け、進捗と重要瞬間の判定を比べる - シミュレーションで接続する
ロボットAPI、権限、タイムアウト、再試行、停止条件を仮想環境で試す - 隔離した実機で検証する
安全柵内の短い1工程に絞り、人が即時停止できる状態で合格基準を測る
合格基準は接続後ではなく、接続前に決めます。
進捗判定の一致率、見逃してはいけない異常、許容遅延、手動介入回数、復旧時間を並べ、基準未達なら次段階へ進めません。
previewの変更や停止に備え、モデルコード、利用箇所、通知先、代替手段も台帳へ残すと、AIモデルの退役を台帳で管理する方法と併せて、試作が業務停止の原因になるのを防げます。
御社向けの実装へ公式デモを自社工程へ翻訳する
この公式デモはAI活用の一例で、御社の業務を観測・判断・実行・確認へ分解し、既存APIとの接続やPoC評価を設計する実装も可能です。運営会社ノーサイドはAI×マーケティングと業務設計の視点から整理しますので、自社工程への当てはめをご相談ください。
Gemini Robotics ER 2に関するよくある質問
QGemini Robotics ER 2とは何ですか？
Aロボットが見聞きした物理世界を理解し、複数段階の計画、進捗監視、ツール呼び出し、複数ロボットへの役割分担を行う上位の推論モデルです。
QGemini Robotics 2とGemini Robotics ER 2の違いは何ですか？
A上位モデルは高レベルの理解と計画を担い、Gemini Robotics 2は視覚と言語からロボット動作へつなぐVLAとして実行を担います。
QGemini Robotics ER 2はロボットを直接制御しますか？
A上位モデル単体が関節やモーターを直接制御するわけではありません。計画をVLAやロボットAPIへ渡し、実行結果を見て次の判断を行います。
QGemini Robotics ER 2で何ができるようになりましたか？
A公式には、動画からの進捗・重要瞬間の把握、複数ロボットの役割分担、ロボットAPIの編成、失敗を踏まえた再計画などが示されています。
QGemini Robotics ER 2を実機で試す前に何が必要ですか？
A録画動画とシミュレーションで精度と接続を確認し、非常停止、安全柵、速度制限、承認、ログ、復旧手順をAIとは別系統で用意します。
Gemini Robotics ER 2とは「工程を考えるAI」
Gemini Robotics ER 2とは、映像や音声から物理世界を理解し、複数の作業主体を計画・監視する上位推論モデルです。価値はロボット1台の器用さだけでなく、工程全体を見て役割と次の手を決める点にあります。
自社で検討するなら、最初に「どの機体を買うか」ではなく、どの判断をAIへ任せ、どの停止判断を人と安全装置へ残すかを決めてください。録画動画の小さな評価から始めれば、期待と安全性を同じ土台で比べられます。
