ONE-BOARD SUMMARY
1枚で見る Gemini Robotics 2
Gemini Robotics 2 — Whole-Body Intelligence
From feet to fingertips · fine dexterity · multi-robot teamwork · video-progress reasoning
WHAT SHIPPED
Gemini Robotics 2（VLA）・ER 2（高位脳）・On-Device 2（ローカル VLA）の三点セットを 7/30 に同時公開。
WHY IT MATTERS
「上半身でテーブルをいじる」段階から、歩行・しゃがみ・伸展を伴う全身タスクへ。Physical AI のデモ品質が一段上がった。
BRAIN + BODY
ER 2 が計画・進行追跡・ツール呼出、VLA がモータ実行。考えながら動く設計で長時間タスクを自律完遂。
SO WHAT
VisionHub 直球の Physical AI 新発表。Apollo 実機映像が「未来感」を一発で伝える。
公式のキャッチは明確だ——「From feet to fingertips」。人間型ロボットに、歩く・しゃがむ・伸ばす・指先で結ぶまでの全身知能を教え、単機では無理な作業を複数ロボットのチームで解く。
- 発表日：2026-07-30（DeepMind Blog 同時公開）
- ER 2：Google AI Studio / Gemini API（public preview）・Enterprise は private preview
- VLA 2 / On-Device 2：early-access partners 向け
THREE-LAYER STACK
脳・身体・エッジ——3モデルの役割分担
ER が「何をいつやるか」· VLA が「どう動くか」· On-Device が「現場で速く合わせる」
HIGH-LEVEL BRAINGemini Robotics ER 2
- 人とチャットし、物理世界を理解
- 数分単位のマルチステップ計画
- 動画進行追跡・瞬間検出
- Google Search 等のツール呼出
- 異種ロボットの協働オーケストレーション
ACTION BODYGemini Robotics 2（VLA）
- Vision + Language → motor control
- humanoid 全身（足先〜指先）
- 二腕ロボット・各種グリッパ
- 結び・ジップロック・密充填など器用作業
EDGEOn-Device 2
- ネットワーク制約向け軽量 VLA
- 新実施形態へ <200 例で適応
- 適応時間：数時間オーダー
- Dexmate / SO101 / Trossen 等で実証
UPPER BODY → WHOLE BODY
「上半身→全身」進化比較——feet to fingertips
前世代はテーブルトップの上半身操作が主戦場だった。今回の VLA は 歩行・しゃがみ・伸展・精密配置まで含めた全身モーションに踏み込み、人間型の作業空間を一気に広げた。
BEFORE · 1.x 系上半身・テーブルトップ中心
- 固定ベース／上半身操作が主
- 卓上の把持・配置が主タスク
- 長時間・移動込み作業は弱い
- 単機完結が前提
NOW · Robotics 2足先から指先まで
- 歩行・しゃがみ・伸展を含む全身制御
- 棚への移動→精密配置の一連化
- 結び・ジップロック・電球など器用作業
- 異種ロボットのマルチ協働
| 観点 | 前世代イメージ | Gemini Robotics 2 |
|---|---|---|
| 制御範囲 | 上半身・固定ベース中心 | feet to fingertips 全身 |
| 器用作業 | 把持・配置が中心 | 結び・密封・締付・密充填 |
| 時間軸 | 短い操作シーケンス | 数分単位の長時間タスク |
| 進行把握 | 成功/失敗の粗い検出 | 動画進行分類 + 瞬間検出 |
| 協働 | 単機前提 | Apollo × Franka 等の異種チーム |
| 適応 | 実施形態ごとに重い再学習 | <200 例・数時間（On-Device 2） |
VIDEO-PROGRESS REASONING
ER 2——「考えながら動く」長時間タスク自律
ER 2 の本質はスペック表ではなく 連続動画で自分の進捗を見続ける能力だ。フレームごとに進行度を分類し、失敗（こぼし・滑り・ズレ）を途中検知し、「次のステップへ進む瞬間」をミリ秒〜秒単位で特定する。
PROGRESS TRACKING動画進行追跡
- 進行分類 5段階（0–20% … 80–100%）
- 分類精度 57.4%（ベンチ報告）
- moment-finding 精度 91.3%
- 平均誤差 0.96 秒
- moment-finding は 4× 高速・低コスト化
ORCHESTRATION行動しながらの思考
- Gemini Live API で双方向ストリーム
- stop-and-think 待ちを削減
- VLA / ナビ API をツールとして宣言
- Google Search 等のネイティブ呼出
- 失敗ステップのリトライ（全体再起動不要）
MULTI-ROBOTマルチロボット協働
車輪ローバーと humanoid など異種機体が共有セマンティクスでハンドオフ。単機では解けないワークフローをチームで完遂。Apptronik Apollo 2 × Franka F3 Duo のデモが象徴。
SAFETY安全・不確実性
ASIMOV-Agentic ベンチで危険ツール拒否・人間介入要求を評価。「人が近づいたら停止→離れたら再開」。ER 2 は「最も安全なモデル」と公式が位置づけ。
- Think-while-acting——動作中に次ステップを並行推論
- Progress before advance——仕様どおり完了したか確認してから次へ
- Tool-first body——低レベル制御はツールとして差し替え可能
- Based on Gemini 3.5 Flash——ER 2 の基盤（Model Card）
HARDWARE DEMOS
Apptronik Apollo ほか——実機が語る未来感
スライド映えの中核はデモ映像だ。公式は humanoid から固定二腕、四脚まで幅広く見せ、「どの体にも同じ知能レイヤを載せられる」メッセージを視覚化した。
HUMANOIDApptronik Apollo 2
- 全身制御＋繊細マニピュレーション
- SharpaWave（5指 22-DoF）/ Inspire hands
- ジップロック密封・じょうろ把持など
- Franka F3 Duo との協働デモ
OTHER BODIES多様な実施形態
- Franka 二腕 + Robotiq グリッパ
- Boston Dynamics Spot — ER 2 が Spot API をオーケストレーション（物取り）
- On-Device：Dexmate / SO101 / Trossen
- パートナー：Apptronik · Boston Dynamics · Agile Robots 等
スライド映えの使い方：「上半身→全身」比較の左右対比＋Apollo 連続カット＋協働シーンの3点セットが強い。テキストは短く、映像／連続画像を主役に。
AVAILABILITYいま誰が触れるか
- ER 2：AI Studio / Gemini API public preview
- ER 2：Gemini Enterprise Agent Platform private preview
- VLA / On-Device：early-access partners
- Live API サンプル：GitHub
robotics-samples
WHY #3 TODAY優先3位の根拠
- VisionHub にドンピシャの Physical AI
- デモビジュアルが強く未来感が一気に伝わる
- 7/30 当日の新発表（鮮度最大）
- 脳（ER）公開で開発者ストーリーも立つ
CAVEATS & OPEN QUESTIONS
盛りすぎない——デモと製品化のあいだ
公式デモは強力だが、Physical AI は常に ラボ成功率 ≠ 現場稼働率 のギャップを抱える。次の論点を分けて読む。
LIMITSいま見えている制約
- 多指器用操作は依然として難しい領域
- VLA / On-Device はパートナー限定
- 進行分類 57.4% は「完璧」ではなく改善途上
- 異種協働の現場オペレーション設計は未成熟
- 安全ベンチと実環境のギャップは要監視
STILL POWERFULそれでも動かした針
- 「全身」が公式プロダクトメッセージになった
- ER 脳が API 経由で触れる（開発者参入）
- 動画進行追跡が長時間自律の鍵を明示
- multi-robot を第1級機能として位置づけ
- 200 例適応は導入コストのゲームチェンジ候補
読みのコツは「人間型が完成した」ではなく 「全身＋協働＋進捗脳という設計図が公開された」と捉えること。ハードは各社、知能レイヤは Gemini——プラットフォーム戦争のフィジカル版が本格化した。
THE BOTTOM LINE
これは「ロボットが少し上手くなった」ニュースではない。足先から指先までの全身知能と、動画で進捗を見る脳が、同じスタックとして解禁されたニュースである。
2026-07-30 — AI Intelligence Hub / Day Slide