モデルの位置付け
Gemini Robotics は Gemini 2.0 を基盤として構築された視覚・言語・行動(VLA)モデルで、物理的な動作を出力モダリティとし、ロボットを直接制御することを目的としている。同時期に発表された、身体性を伴う推論に重点を置く Gemini Robotics-ER とは異なる。(deepmind.google)
能力と用途
- **汎化とインタラクション:**新しい物体、さまざまな指示、新しい環境に対応でき、複数の言語による日常的な指示を理解し、環境や指示の変化に応じて動作を調整できる。
- **巧緻な操作:**公式には、折り紙やスナックを密封袋に入れるなど、精密な操作を要する複数段階のタスクが実演された。
- **ロボットへの適応:**モデルは主に双腕の ALOHA 2 プラットフォームのデータを用いて訓練されており、Franka ロボットアームを基にした双腕プラットフォームの制御も実演された。公式によると、モデルは Apptronik の人型ロボット Apollo 向けに専用の適応を行うことができる。
- **応用分野:**ロボット研究および将来の家庭や職場におけるロボットによる補助タスクを対象とする。(deepmind.google)
制限と安全性
公式の実演やベンチマーク結果は、あらゆるロボット、環境、タスクにおいてモデルが信頼できることを保証するものではない。実際の運用には、衝突の回避、接触力の制限、動的安定性の維持など、ロボット本体の安全対策と組み合わせる必要がある。当初の発表における招待テスターに関する取り決めは Gemini Robotics-ER を対象としたものであり、これを根拠に本モデルの API が公開済みであるとは判断できない。(deepmind.google)
料金
本項目で述べた Gemini Robotics を対象とする公式の入力・出力の課金料金は確認できておらず、通貨および課金単位もいずれも未確認である。公式料金ページに掲載されている Gemini Robotics ER 版は別のモデルであり、その料金を直接適用することはできない。調査日:2026-11-19。(ai.google.dev)
発表日と公式情報源
- **発表日:**2025-03-12。(deepmind.google)
- 公式発表:Gemini Robotics が AI を物理世界にもたらす
- 公式料金ページ:Gemini Developer API の料金