← すべてのモデル

Gemini Robotics-ER

公開日 提供元 Google

モデルの位置づけ

Gemini Robotics-ER は、Google が Gemini 2.0 を基に発表した視覚言語モデルで、ER は「身体性推論」を意味する。ロボットに必要な空間理解に重点を置き、ロボットの既存の低レベルコントローラーと組み合わせて使用できる。物理的な動作を出力し、ロボットを直接制御するための Gemini Robotics とは異なる。(deepmind.google)

能力と用途

  • 物体検出、物体の部位の指示、複数視点間の対応付け、三次元物体検出などの空間理解タスクに対応する。
  • 知覚、状態推定、空間理解、計画、コード生成に使用できる。例えば、カップの画像から取っ手のつかみ方と接近経路を推論できる。
  • 少数の人間による実演を通じてコンテキスト内学習ができる。Google によると、同社のエンドツーエンドのロボット制御評価において、このモデルの成功率は Gemini 2.0 の 2–3 倍に達した。この結果をすべてのタスクに共通する性能と見なすべきではない。(deepmind.google)

制限と使用条件

  • 発表時、Google は Agile Robots、Agility Robots、Boston Dynamics、Enchanted Tools を含む少数の信頼できるテスターと協力していた。初代モデルの現在の具体的なアクセス条件は未確認である。(deepmind.google)
  • モデルが生成する推論、コード、動作の提案には誤りがある可能性がある。実体のあるロボットには、衝突回避、接触力の制限、動的安定性の確保を含む、個々のハードウェアに応じた低レベルの安全制御が引き続き必要である。(ai.google.dev)
  • その後、公式に Gemini Robotics-ER 1.5 などのバージョンが発表された。それらの機能、インターフェース、価格を本項目の初代モデルの属性と直接見なすことはできない。(deepmind.google)

価格

2026-11-19 時点で、初代 Gemini Robotics-ER の公式の入力または出力の課金価格、通貨、課金単位は未確認である。公式料金ページに掲載されている後続バージョンの価格を初代モデルに適用すべきではない。参照元:Google Gemini API 公式料金。(aistudio.google.com)

発表日と出典