電球を外せても付けられない？Gemini Robotics 2の意外な弱点

Google DeepMindが2026年7月30日、ロボット向けのAI「Gemini Robotics 2」を発表しました。人型ロボットの全身を、足元から指先まで動かせるのが特徴です。公開されたデモでは、指示を受けた機体が机まで歩きました。そしてじょうろを持ち上げ、棚の緑の箱にしまうところまでを一続きでこなしています。
ただし同時に公開された数字を見ると、意外な弱点が見えてきます。電球を外す作業は92%成功するのに、取り付ける作業は36%しか成功しません。同じものを相手にしているのに、なぜここまで差が出るのでしょうか。

この記事の成功率は、すべてGoogle DeepMindの公式ブログが公開した数値です。進み具合の判定は上のカードのER 2の発表で、外すと付けるの差の分析はThe Batchによります。

机の上から、部屋の中へ

これまでのモデルが得意にしていたのは、机の上に置かれた物を両手で扱う仕事で、身体は固定されている前提でした。ところが今回のモデルは初めて人型ロボットの全身を制御します。歩く、しゃがむ、身体を伸ばす、物を運ぶといった動作がつながりました。

Gemini Robotics 2 を構成するのは、役割の違う3つのモデルです。

• Gemini Robotics 2：見た物と聞いた言葉を動作に変える
• Gemini Robotics ER 2：状況を理解して段取りを組む
• Gemini Robotics On-Device 2：ロボット本体で動く軽量版

段取りを組むER 2は数分間にわたる手順も計画でき、その間に必要な判断は数百回に及びます。

電球を外すのは92%、付けるのは36%

Google DeepMindは、5本指のハンドを付けた人型ロボット「Apollo 2」での作業別の成功率を公開しました。並べてみると、得意と不得意の差がはっきりします。

作業	成功率
電球を外す	92%
ごみ袋を縛る	44%
ジッパー付き袋を閉じる	40%
電球を取り付ける	36%
ちり取りを使う	32%

いちばん上といちばん下で数字は3倍近く開き、その両端はどちらも電球でした。

器用な手のほうが、かえって苦手だった

さらに、2本の指ではさむだけのグリッパーを付けたロボットは、部品を正確に差し込む課題で89.6%を出しました。指の数も関節も少ないほうが、精密さでは上回ったわけです。

ただし、この89.6%は「Franka Duo」という別の機体で測った数字です。5本指の人型ロボットとは機体が違います。それでも、指を増やせば器用になるとは限らないという事実は変わりません。

人間の手に近い5本指のハンドは、関節が22自由度あります。動かせる方向が多いほど器用に見えますが、取り付けの成功率は36%にとどまりました。Google DeepMindも「多指ハンドによる器用な操作は依然として難しい」と明記しています。

付けるほうが難しいのは、位置合わせと終わりの見極めがあるから

AIの技術ニュースを伝えるThe Batchは、この差をこう分析しました。外すときは、ソケットに収まった状態から始まるので、つかんで回すだけで済みます。ところが付けるときは、握ったまま、まずソケットとの位置を合わせなければなりません。

さらにGoogleは、ロボットにとって最も難しいことの1つは、やり終えたと知ることだと書いています。その例に挙げたのが、電球を締めることと、ごみ袋を縛ることでした。表で数字が低い側に並んだ2つです。

そこで段取りを組むER 2は、カメラの映像を1コマずつ見て、進み具合を5段階で見分けます。この判定の正解率は57.4%で、決定的な瞬間を見つける課題では91.3%でした。手を動かすモデルとは別に、終わりを見極める目を用意したわけです。

まとめ

• Google DeepMindが2026年7月30日、ロボット向けAI「Gemini Robotics 2」を発表した
• 人型ロボットの全身を制御できるようになり、歩く、しゃがむ、運ぶがつながった
• 外すのは92%成功する一方、取り付けるのは36%にとどまる
• 付けるには、握ったままの位置合わせと、締め終わりの見極めが要る
• 段取り役のER 2は、映像から進み具合を5段階で判定する（正解率57.4%）
• 指の少ないグリッパーは、精密な差し込みで89.6%と好成績だった

外すより付けるほうが難しいのは、先に位置を合わせ、締め終わりを見極める必要があるからでした。Gemini Robotics 2はそこを2段構えで詰めようとしています。手を動かす仕組みと、映像で進み具合を判定するER 2です。