家や店で動くAIに近づく発表です
Google DeepMindは2026年7月30日、Gemini Robotics ER 2を発表しました。ロボット向けのGemini Roboticsモデルです。
このニュースを一言で言うと、AIが画面の外へ出る準備が進んだという話です。
チャットAIは、文章や画像を扱います。ロボットAIは、物が落ちる、手が届かない、人が近づくという現実の変化を扱います。
Gemini Robotics ER 2は、その現実の変化を動画で見ます。人と話し、物理世界を理解し、複数段階の作業を計画します。
専門的には、embodied reasoning（身体を持つAIの判断）モデルと呼ばれます。体を持つ機械が、周囲を見て判断するためのAIです。
作業の最後を見分けるのが難しい
たとえば、ロボットが飲み物を注ぐ場面を考えます。いつ止めるかを間違えると、こぼれます。
この「ちょうどよい瞬間」を見分ける力が重要です。Gemini Robotics ER 2は、moment-finding（重要な瞬間を見つける能力）で91.3%の精度を示しました。
平均絶対距離は0.96秒です。発表では、物理ロボットに必要なサブ秒の遅延に触れています。
もう一つの評価は、作業の進み具合を見る力です。progress classification（進捗の分類）では、動画を5段階の進捗に分けます。
Gemini Robotics ER 2は、この評価で57.4%の精度を示しました。失敗した手順をやり直すための土台になります。
開発者には公開、料金は未記載です
Gemini Robotics ER 2は、開発者向けに公開されています。利用経路はGemini APIとGoogle AI Studioです。
Gemini Enterprise Agent Platformでは、private preview（限られた相手向けの正式前公開）です。料金は発表本文に書かれていません。
| 項目 | 発表で確認できる内容 |
|---|---|
| 発表日 | 2026年7月30日 |
| 開発者向け提供 | Gemini APIとGoogle AI Studio |
| 企業向け提供 | Gemini Enterprise Agent Platformでprivate preview |
| 料金 | 発表に書かれていない |
| 日本語対応 | 発表に書かれていない |
ここは期待を膨らませすぎないほうが読みやすい部分です。家庭用ロボットがすぐ店頭に並ぶ発表ではありません。
ただし、開発者が試せる入口があることは大きな事実です。物理世界で働くAIの開発競争が、研究だけでなく実装側へ寄っています。
一台の万能ロボットより、チームの発想です
Gemini Robotics ER 2は、multi-robot collaboration（複数ロボットの協力）を扱います。Google DeepMindは、Apollo 2とFranka F3 Duoの協力例にも触れています。
人型ロボット、四足歩行ロボット、アーム型ロボットでは得意なことが違います。一台ですべてをこなすより、役割分担のほうが自然です。
この時に必要なのは、共通の意味理解です。どのロボットが何を終え、どこから引き継ぐかを共有します。
Gemini Robotics ER 2は、tool orchestration（複数の道具やAPIを使い分ける制御）も担います。Google Searchやユーザー定義の関数を呼び出せる設計です。
つまりロボットは、体だけで働く存在ではなくなります。情報を調べ、APIを使い、別のロボットへ渡す存在になります。
人の近くで働くなら、安全が中心になる
物理世界のAIでは、安全性が文章AIより重くなります。間違った一文より、間違った一動作のほうが危険だからです。
発表では、Safety Instruction FollowingとHuman Proximity benchmarkに触れています。人が近くにいる時にヒューマノイドを止める例も説明されています。
一般的な空間知能の評価では、成功と失敗の検出、計器の読み取り、空間VQAが扱われています。計器読み取りでは、デジタル表示や定規など10種類の計器でテストしたとされています。
非エンジニアにとって、この発表は専門家だけのロボットニュースではありません。将来の店、病院、倉庫、家庭でAIがどんな働き方をするかを示す手がかりです。
ロボットは、命令を待つ機械から、状況を見て動く同僚へ近づいています。まだ途中ですが、向かう先はかなりはっきりしてきました。