Google DeepMind、全身制御と多機連携の物理 AI モデル 3 つを公開

記事の3ポイント

1. 1

   3 つの専用モデル構成

   ビジョン・言語・行動（VLA）モデル、高次脳機能としての具現化推論（ER）モデル、およびローカル実行用のオンデバイス VLA モデルという 3 つの役割分担されたモデルが提供される。

2. 2

   全体制御と多関節操作への対応

   従来のテーブルトップ作業から脱却し、人間型ロボットの足先から指先までの全体制御や、五本指の手および並列グリッパーによる器用な操作を可能にする。

3. 3

   Gemini Robotics ER 2 の機能

   Gemini 3.5 Flash を基盤とし、テキスト・画像・動画・音声の複合入力に対応して最大 128k のコンテキストウィンドウで数分間の多段階タスク計画を行う高次脳機能モデルである。