Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

Gemini Robotics社は最近、ロボットの物理世界とのインタラクション能力とナビゲーション能力の向上において大きな進歩を遂げました。同社は、ロボットの認識、計画、タスク実行能力の向上を目指して設計された2つの新モデル、「Gemini Robotics 1.5」と「Gemini Robotics-ER 1.5」を発表しました。Gemini Robotics 1.5は、視覚的および言語的入力を実用的な運動コマンドに変換する能力に特に優れており、ロボットはより高度な理解と透明性をもってタスクを実行できます。また、このモデルは異なるロボットプラットフォーム間でスキルを学習できるため、スキル習得プロセスを加速できます。

開発者支援の一環として、Gemini Robotics-ER 1.5 はGoogle AI Studio の Gemini APIを通じて利用可能になりました。また、Gemini Robotics 1.5 は現在、一部のパートナー様にのみご利用いただけます。これらのモデルは Gemini Robotics ファミリーの一部であり、様々なデータセットを用いて微調整され、それぞれの機能において優れた性能を発揮します。これらを組み合わせることで、ロボットはより長時間のタスクや多様な環境への適応能力を高めることができます。

Gemini Robotics-ER 1.5モデルは、身体性推論に最適化された初の思考モデルとして際立っており、空間理解ベンチマークにおいてトップクラスの性能を発揮しています。15の学術ベンチマークでテストされ、ポインティング、画像質問応答、ビデオ質問応答などのタスクにおいて優れた結果を示しています。このモデルは高次の頭脳として機能し、ロボットの行動を調整し、物理空間内で論理的な判断を下します。また、自然言語で対話したり、 Google検索などのデジタルツールを利用して情報を収集したりすることも可能です。

一方、Gemini Robotics 1.5は、身体化された推論モデルからの指示を受け取り、特定のアクションを実行します。指示の翻訳にとどまらず、自然言語による内部推論と分析が可能で、意味的に複雑なタスクにも対応します。このモデルは行動前に考える能力を備えているため、長いタスクをより単純なセグメントに分割し、問題解決能力と環境変化への適応性を高めます。

Gemini Roboticsは、AIとロボティクスの責任ある発展にも注力しています。同社の責任・安全委員会と責任ある開発・イノベーションチームは、これらのモデルの開発を既存のAI原則に準拠させるべく連携しています。Gemini Robotics 1.5は、予防的な安全配慮、人間との丁寧なインタラクション、衝突回避などのタスクに対応する統合型低レベル安全システムなど、包括的な安全アプローチを採用しています。

Gemini Robotics 1.5の導入は、現実世界における汎用人工知能（AGI）の実現に向けた重要な一歩です。ロボットに推論、計画、そしてツールの効果的な使用能力を与えることで、Gemini Roboticsはロボットが日常生活にさらに溶け込み、役立つ存在となる道を切り開きます。同社は、より広範な研究コミュニティと連携し、最新モデルの活用から生まれる革新​​的なアプリケーションを楽しみにしています。