Google DeepMind「Gemini Robotics 2」、ロボット制御を卓上から全身へ

Google DeepMindは3つのモデルをリリースした。Apptronikの「Apollo 2」に搭載され22自由度の5本指ハンドを含む歩行や操作を行う視覚・言語・行動モデル、数分間にわたるタスクを計画し複数のロボットを連携させる身体的推論モデル、そして数時間で新しいロボットの身体に適応するオンデバイスモデルである。上半身による卓上タスクから全身運動への飛躍こそが真の進歩であり、200件未満の事例で新しいハードウェアに適応できるようになったことで、ロボット工学において希少なリソースとなるのはデモデータではなくハードウェアへのアクセスとなった。パートナー企業にはApptronik、Boston Dynamics、Agile Robotsが名を連ねる。ER 2はGoogle AI Studioおよびプライベートプレビューで提供され、アクションモデルは引き続き申請制の早期アクセスとなっている。

出典： deepmind.google ↗

初めて、我々のmodelがhumanoid robots全体を制御できるようになり、intentをintelligent whole-body controlに変換している。

Google DeepMind

なぜ重要か

→ ロボットは、卓上アームだけでなく、全身（歩行、到達、操作）を動かせるようになった。
→ わずかなデータで数時間のうちに新しいrobot designsに適応する。制約となるのはtraining dataではなく、hardware accessだ。
→ Multi-step reasoningとmulti-robot coordinationにより、単一のrobotでは単独で達成できなかったcomplex workflowsが可能になる。

ロボットが歩き方を学ぶ