Gemini API、ロボティクス向け「Gemini Robotics ER 2」を公開プレビュー──Physical AIはAPIで試す段階へ

Google AI for DevelopersのGemini API変更履歴によると、Googleはロボティクス向けのEmbodied Reasoningモデル「Gemini Robotics ER 2」を公開プレビューとして追加した。説明では、空間推論、エージェント型コード実行、複数ステップのツール連携、動画内の瞬間検索、進捗分類、複数ロボット協調などが対象とされる。Physical AIは研究発表やデモ映像の段階から、開発者がAPIで試し、既存のロボット・シミュレーション・業務システムに組み込む段階へ近づいている。

Gemini Robotics ER 2は何を狙うのか

ロボティクスで難しいのは、言語だけでなく、空間、時間、物体、動作、失敗状態を同時に扱うことだ。Gemini Robotics ER 2の説明にある embodied reasoning は、身体を持つシステムが環境を理解し、次の行動を選ぶための推論を意味する。

変更履歴では、通常のプレビューに加え、ストリーミングプレビューのエンドポイントも示されている。動画やセンサー情報を扱うロボットでは、後からまとめて判断するだけでなく、進行中の状況変化を見ながら判断することが重要になる。

ビジネス読者にとっての意味

日本の製造、物流、建設、介護、店舗運営では、人手不足と現場の複雑さが同時に課題になっている。Physical AIのAPI化が進むと、ロボット本体を自社で一から作らなくても、既存設備やシミュレーターに高度な認識・判断モジュールを組み込む選択肢が広がる。

ただし、現場導入はチャットAIよりはるかに難しい。安全柵、緊急停止、責任分界、センサー品質、通信遅延、現場ごとの差異が結果を左右する。まずはデジタルツインや限定エリアの検証から始め、AI判断を人間が確認できるログと組み合わせるのが現実的だ。

注意点

公開プレビュー段階のモデルは、仕様、料金、性能、利用制限が変わる可能性がある。Physical AIでは誤判断が物理的な損害につながり得るため、本番ロボットへ直接接続する前に、シミュレーション、フェイルセーフ、人間承認の設計が必要だ。

参考：Google AI for Developers changelog