ロボティクス / Robotics

人型ロボットが自動車工場で部品を並べた。Gemini Robotics 2.5の「成功率96%」をどう読むか

Google DeepMindは2026年11月10日、ロボット用AI「Gemini Robotics 2.5」を発表し、Mercedes-Benzの工場で人型ロボットが部品仕分けを成功率96%でこなしたと公表しました。仕組み、数字の読み方、残る課題、日本への影響を一次情報から整理します。

暗い工場の作業台で、白い人型ロボットが5本の指を伸ばし、格子状のトレーに並んだ小さな金属部品をつまもうとしているイメージ図。背景にはぼんやりと金色の照明が並ぶ
記事のために生成したイメージ図(実際の製品・工場の写真ではありません)。
目次
  1. 導入:人型ロボットが「本物の工場」で働き始めた
  2. 背景:「ロボットの頭脳」にも生成AIの波が来た
  3. 現状:Gemini Robotics 2.5は何ができるようになったのか
  4. 重要性:「96%」は高いのか、低いのか
  5. 産業・企業・社会への影響
  6. 今後の展望:注目したい3つのポイント
  7. まとめ
  8. 参考資料・出典

Key Points / 3分でわかる要点

  • Google DeepMindは2026年11月10日、ロボットを動かすAI「Gemini Robotics 2.5」を発表した。従来の基準モデルと比べ、作業の種類によって成功率が30〜100%高く、20〜30%速いとしている。
  • Apptronikの人型ロボット「Apollo 2」が、ハンガリーとドイツにあるMercedes-Benzの稼働中の生産ラインで、部品を車ごとの順番でトレーに並べる作業を成功率96%でこなした。ただし実証(PoC)であり、台数・期間・作業速度は公表されていない。
  • 現時点では一般公開されておらず、提携企業向けの提供にとどまる。報道によればモデルはロボット本体ではなくクラウドで動いており、遅延と通信への依存が残る。
  • 同じ週には、Runwayがロボット用AI「Praxis-1」を商用利用可のオープンウェイトで公開するなど、「ロボットの頭脳」をめぐる競争が加速している。
  • 編集部の見方:96%は汎用AIとしては大きな前進だが、工場の基準では「100回に4回の失敗」。人と組み合わせて失敗を吸収する運用設計が、普及の鍵になる。

この記事の読み方

  • 事実出典で確認できる事実。企業の発表や公開資料の内容です。
  • 予測これから起きると見込まれること。計画や見通しであり、確定ではありません。
  • 考察編集部の分析や意見。出典の主張とは区別しています。

文中の [1] は、末尾の「参考資料・出典」の番号に対応しています。

導入:人型ロボットが「本物の工場」で働き始めた

人型ロボットのデモ動画は、ここ数年で見慣れたものになりました。洗濯物をたたむ、コーヒーを入れる。けれども多くは研究室の中で、何度も撮り直した「うまくいった1回」です。今回の発表が注目されるのは、舞台が稼働中の自動車工場だったからです。

Google DeepMindは2026年11月10日、ロボットを動かすAIモデル「Gemini Robotics 2.5」を発表しました。[1] 同社によると、米Apptronikの人型ロボット「Apollo 2」がこのモデルを使い、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にあるMercedes-Benzの生産ラインで、部品の仕分け作業を成功率96%でこなしたといいます。[1]

本稿では、Gemini Robotics 2.5の仕組みと、「96%」という数字の正しい読み方、そして日本の製造業にとっての意味を、事実・予測・編集部の見解に分けて整理します。

96%工場実証での部品仕分けの成功率(DeepMind発表)
200種類評価に使った作業の数
30〜100%従来比の成功率の向上幅(作業により異なる)
20〜30%作業完了までの時間短縮

背景:「ロボットの頭脳」にも生成AIの波が来た

工場のロボットは「決められた動き」しかできなかった

工場の産業用ロボット自体は、何十年も前から使われています。国際ロボット連盟(IFR)が2026年11月12日に公表したデータでは、製造業の従業員1万人あたりのロボット台数(ロボット密度)は世界平均で152台と過去最高になり、日本は452台で世界4位でした。[7] 首位は韓国の1,066台、2位はシンガポールの873台、3位はドイツの469台です。[7]

ただし、こうしたロボットの多くは、技術者が動きを1つずつ教え込んだ「決まった作業」を繰り返すものです。部品の置き場所が少しずれたり、袋がしわになっていたりすると、対応が難しくなります。Ars Technicaも、手作業でプログラムしたロボットに工場の少数の作業をさせることは何十年も前から当たり前で、Gemini Roboticsが目指すのはそれとは違う「ほぼ何でもこなせる汎用ロボット」だと説明しています。[2]

言葉と映像から動きをつくる「VLA」

そこで登場したのが、VLA(Vision-Language-Action:視覚・言語・行動)モデルです。カメラの映像と人の言葉による指示を受け取り、ロボットの腕や指の動きを直接出力します。チャットAIが文章を出力するように、ロボット用AIは「動き」を出力するわけです。

Google DeepMindは2025年3月12日、大規模言語モデル「Gemini 2.0」をもとにした初代のGemini Roboticsと、空間の理解に強いGemini Robotics-ERを発表しました。[3] このときすでに、Apptronikと組んで次世代の人型ロボットをつくると表明しています。[3] 2025年9月25日には、行動する前に「考える」機能を加えたGemini Robotics 1.5を発表しました。[4] 今回の2.5は、その延長線上にあります。

AIが画面の中で人の代わりに動く「AIエージェント」については、ChatGPT Walletの解説記事で、支払いを任せる仕組みと「人がどこで確認するか」を取り上げました。ロボットは、その「代わりに動く」が物理の世界に出てきたものだと言えます。

現状:Gemini Robotics 2.5は何ができるようになったのか

2つの層で「考えて、動く」

Gemini Roboticsは、大きく2つの層で動きます。作業の流れを把握して手順を計画する「考える層」(Gemini Robotics ER)と、実際に腕や指を動かす「動かす層」(Gemini Robotics 2.5、VLA)です。[1,2]

Gemini Robotics 2.5 の2層構成1. 人の指示と現場のカメラ映像が入力される。2. 考える層のGemini Robotics ERが作業の流れを把握して手順を計画する。3. 動かす層のGemini Robotics 2.5(視覚・言語・行動モデル、VLA)が腕と指の動きを生成する。4. Apollo 2やFranka Duoなど複数のロボットが動く。推論時の安全ガイダンスが、障害物や人の近くでの動きを監視する。2026年11月時点では、モデルはロボット本体ではなくクラウド上で動いていると報じられている。1指示・カメラ映像「部品を順番どおりトレーに並べて」+現場のライブ映像2Gemini Robotics ER(考える層)作業の流れを把握し、手順を計画。抜けや変化に気づく3Gemini Robotics 2.5(動かす層=VLA)映像と言葉から、腕と指の動きを直接つくる4ロボット本体Apollo 2(5本指)やFranka Duo(2本指)など複数の機種安全ガイダンス:障害物や人に近づくと止まる・待つ※現行の2.5はクラウド上で動作(Ars Technica報道)
FIG.1Google DeepMind公式ブログとArs Technicaの説明をもとに作図。

DeepMindが例に挙げた作業は、トングで料理を取り分ける、プレゼントの箱にリボンを結ぶ、ピペットで液体を吸う、などです。[1] リボンや布のように形が変わるものは、ロボットにとって特に扱いが難しいとされてきました。[2] モデルは機種を問わず使えるように設計されており、5本指で22の自由度を持つハンドを備えたApollo 2と、2本指のグリッパーを持つFranka Duoの両方で動きます。[1]

工場実証:部品を「車ごとの順番」にトレーへ並べる

工場で任されたのはキッティングと呼ばれる作業です。大きな箱にまとめて入っている部品を、組み立てラインを流れる車1台ごとに必要な順番で、トレーに並べていきます。[1] 単調で体への負担も大きい作業です。

Apollo 2は、供給箱から金属製のブラケット(取り付け金具)を取り出して仕分け容器に置き、抜けがあれば補いながら作業を進めました。[1] このとき、考える層のGemini Robotics ERが作業の流れを追い、動かす層のGemini Robotics 2.5が手と腕を制御しています。[1]

Apptronikの共同創業者でCEOのジェフ・カルデナス氏は、後学習(ポストトレーニング)の数週間でモデルが劇的に向上し、Mercedes-Benzの生産現場に移しても性能の低下はごくわずかだったとコメントしています。[1]

開発を速めた「AIがAIを鍛える」仕組み

ロボット用AIの最大の壁は、学習データの不足です。チャットAIはインターネット上の膨大な文章で学べますが、ロボットの「動き」のデータは、人が遠隔操作してお手本を見せるなどして集めるしかなく、量が限られます。[2]

DeepMindは、同社の最先端モデル「Gemini 4 Argon」をシミュレーションの道具として使いました。現実のカメラ映像から、何千通りもの練習場面をつくり出し、現実に近い「デジタルツイン」を構築したといいます。[1] これを実際のお手本データと組み合わせることで、新しい場面や物にも早く対応できるようになったとしています。[1] 失敗した場面の映像から原因の仮説を立て、改善策をシミュレーションと実機で試すことにも使ったと説明しています。[1]

安全機能:人や障害物の近くで「止まる・待つ」

DeepMindは、推論時に安全面の指針を与えて危険を避ける仕組みを強化したとしています。社内評価では、障害物の周りで安全に作業を終えられた割合が33%、人の近くでは43%向上したと発表しました。[1] Ars Technicaによると、何かが進路をふさぐと、ロボットは完全に止まるか、安全になるまで待つといいます。[2]

また、ロボットをだまして危険な行動をさせようとする指示(ジェイルブレイク)への強さを測る評価データ「ASIMOV-Jailbreak」をオープンソースで公開しました。[1] DeepMindは、Gemini 4 Argonがこの評価で99.5%の耐性を示し、従来の基準(Gemini Robotics ER 2)の82%から大きく改善したとしています。[1] なお、Ars Technicaは同じ評価について98.8%と73.5%という異なる数値を伝えており、測り方の違いなのかは公式発表からは分かりません。[2]

重要性:「96%」は高いのか、低いのか

研究としては大きな前進

汎用のAIが、学習していない工場の現場に持ち込まれて、ほぼ実用に近い精度で動いた。これは、ロボット用AIの研究として大きな一歩です。従来の産業用ロボットは、作業が変わるたびに専門の技術者が動きを教え直す必要がありました。数週間の追加学習で新しい現場に移れるなら、自動化できる作業の範囲は大きく広がります。

工場の基準では「100回に4回の失敗」

一方で、工場の目線では話が変わります。96%の成功率とは、100回に4回、1,000回なら40回の失敗があるということです。Ars Technicaは、同じ反復作業を人が行えばほぼ毎回正しくこなせると指摘し、DeepMindのロボティクス部門ディレクターのカニシュカ・ラオ氏も、残り4%を埋める道のりは「険しい」と述べています。[2]

DeepMindのロボティクス責任者キャロライナ・パラダ氏は、特定の用途に特化して精度を極めるか、汎用性を追求して全用途で99.9%には届かないことを受け入れるか、というトレードオフがあると語っています。[2]

産業・企業・社会への影響

「ロボットの頭脳」をめぐる競争が一気に加速

Gemini Robotics 2.5の発表と同じ週、ロボット用AIの発表が相次ぎました。

  • Runway(米国):2026年11月11日、ロボット用の「ワールド・アクション・モデル」Praxis-1を、商用利用も可能なApache 2.0ライセンスのオープンウェイトで公開した。[5] 270億パラメーターのモデルで、NVIDIAのRoboLab-120という評価で、1,200回の試行で成功率46.2%を記録したとしている。[5]
  • Robbyant(中国、Ant Group傘下):ロボットに「触覚」を与える基盤モデルLingBot-Touchをオープンソースで公開したと報じられた。約5,000時間の触覚データで事前学習し、4種類の行動モデルに組み込むと、触覚なしと比べて平均成功率が約14〜26ポイント上がったとしている。[6]

Googleは自社モデルを提携企業に限って提供し、Runwayは誰でも使えるオープンウェイトで公開する。ロボット用AIでも、チャットAIと同じように「閉じたモデル」と「開いたモデル」の路線が並び立ち始めています。Ars Technicaによると、Gemini Robotics 2.5の提携企業にはAgile Robots、Apptronik、Boston Dynamicsが含まれます。[2]

日本の製造業にとっての意味

日本はロボット密度で世界4位の「ロボット大国」です。[7] ただ、その強みは主に、決まった動きを高速・高精度で繰り返す産業用ロボットにあります。部品の仕分けや多品種の組み付けなど、人手に頼ってきた「ばらつきのある作業」を汎用AIがこなせるようになれば、人手不足に悩む工場にとっては新しい選択肢になります。

働く人にとって

DeepMindは、単調な準備作業をロボットに任せることで、技術者はより複雑な組み立て作業に集中できると説明しています。[1] これは企業側の見立てであり、実際にどんな仕事が置き換わり、どんな仕事が生まれるかは、導入の規模と進め方次第です。

今後の展望:注目したい3つのポイント

まとめ

  • 何が発表されたか:Google DeepMindは2026年11月10日、ロボット用AI「Gemini Robotics 2.5」を発表した。従来比で成功率が作業により30〜100%高く、20〜30%速いとしている。[1]
  • 工場での実証:Apptronikの人型ロボットApollo 2が、Mercedes-Benzの工場で部品仕分けを成功率96%でこなした。ただし台数・期間・速度・コストは非公表で、実証段階にとどまる。[1,2]
  • 読み方:96%は汎用AIとしては大きな前進だが、工場の基準では「100回に4回の失敗」。残り4%と、失敗を吸収する運用が普及の鍵になる。[2]
  • 競争の構図:同じ週にRunwayのPraxis-1やRobbyantのLingBot-Touchが公開され、ロボットの「頭脳」をめぐる競争が加速している。[5,6]

人型ロボットが「研究室のデモ」から「工場の戦力」になるまでには、まだいくつもの壁があります。それでも、本物の生産ラインで汎用AIが働いたという事実は、その距離が確実に縮まっていることを示しています。NEXT HORIZONでは、ロボットとフィジカルAIの動きをロボティクスカテゴリーで、AIモデルの進化をAI・生成AIカテゴリーで、引き続き追いかけます。事実・予測・編集部の見解の区別については編集方針をご覧ください。

参考資料・出典

  1. Gemini Robotics 2.5 accelerates real-world general dexterityGoogle DeepMind(公式ブログ)|2026年11月10日|一次情報。性能・工場実証・安全機能の主な根拠
  2. DeepMind reveals Gemini Robotics 2.5 and open safety benchmark "ASIMOV-jailbreak"Ars Technica(Ryan Whitwam)|2026年11月10日|クラウド動作、動画の倍速、提携企業、DeepMind幹部の発言
  3. Gemini Robotics brings AI into the physical worldGoogle DeepMind(公式ブログ)|2025年3月12日|初代Gemini Robotics / Gemini Robotics-ER の発表
  4. Gemini Robotics 1.5 brings AI agents into the physical worldGoogle DeepMind(公式ブログ)|2025年9月25日
  5. Praxis-1 Is Now AvailableRunway(公式発表)|2026年11月11日|一次情報。オープンウェイト公開・ベンチマーク
  6. Robbyant launches LingBot-Touch to give robots a sense of touchRobotics & Automation News|2026年11月15日|Ant Group傘下Robbyantの触覚基盤モデルの公開
  7. Robot Density Highest in South Korea, Singapore and Germany国際ロボット連盟(IFR、プレスリリース)|2026年11月12日|一次情報。製造業のロボット密度(2025年)

本記事は、上記の公開情報にもとづいて作成しています。数値や日付は掲載時点のものです。誤りや更新の必要がある点にお気づきの場合は、訂正・ご意見の窓口からお知らせください。確認できた点は訂正し、更新日を明記します。投資・購入などの判断材料としてではなく、技術理解の参考としてお読みください。

訂正・ご意見はこちら

コメント

0 件
0 / 1000

メールアドレスは収集しません。投稿内容は公開されます。個人情報や、誹謗中傷・宣伝・URLの連続投稿はお控えください。不適切なコメントは予告なく非表示にします(プライバシーポリシー)。