Google DeepMindは、ヒューマノイドロボットに実装されたビジョン・ランゲージ・アクションモデルの最新版「Gemini Robotics 2」をリリースした。

同社はブログ記事において、今回のリリースは「物理的AGI」に向けた重要な一歩であると述べた。物理的AGIとは、ロボットなどの物理的システムを通じて現実世界と相互作用し操作することができる汎用人工知能であり、本質的にロボットが人間が実行できるあらゆる物理的タスクを行えるようにするものである。

複数のAIモデルを組み合わせることで、このシステムはDeepMindが「インテリジェントな全身制御」と呼ぶ機能を実現している。同社によると、これによりロボットは周囲の環境を認識し、マルチステップのタスクを推論し、全身にわたる動作を協調させる能力を備える。このシステムを統合したロボットは他のロボットと協調することもでき、ロボティクスシステムが単一タスクの自動化ではなく協調性を中心に据えて構築されるようになっていることを示している。

DeepMindのロボティクス部門責任者であるCarolina Paradaは、長期的な目標を「ロボットが人間ができるあらゆるタスクを実行できるようにすること」と表現している。

先週公開されたデモ動画では、ApptronikのApollo 2ロボットとSharpaのロボットハンドが、ゴミ袋を結んだり電球をねじ込んだりといった家庭内および産業用タスクを自律的に完了する様子が示された。これらのシステムは、遠隔操作、動画デモ、シミュレーションを組み合わせて訓練された。

ForresterのアナリストPaul Millerは、今回のリリースはロボット間の協調を改善し、機械が失敗したアクションから回復できるようにし、アームやグリッパーなどの個々のコンポーネントのみに焦点を当てるのではなくロボット全体をより深く理解できるようにした点で、Googleの以前のロボティクスの取り組みを発展させたものだと述べた。

それでも、ロボットの脳と身体のギャップを埋めるこの飛躍には重大なリスクが伴うとMillerは指摘した。

「ロボットは物理的な機械です」と彼は述べた。「それらは強力であったり、重かったりする可能性があります。これらの機械で作業する人々や、世界でそれらに遭遇する人々は、これらの機械が安全であると確信できる必要があります。」

彼は、センサーや電源システムが故障した場合にロボットが安全にフェイルセーフになることの確保など、いくつかの課題を指摘し、人間と並んでの広範な展開は堅牢な安全対策に依存すると主張した。

「ロボットが人々と並んで実際に展開される前に、安全性のケースが説得力を持って信頼に足る形で証明されなければなりません」と彼は述べた。

Googleの物理的AGI到達という目標について、Millerは今のところその約束は「志向的なもの」にとどまっていると述べた。

「最終的にあらゆる環境で人間ができることは何でもできるロボットは、妥当な研究目標かもしれませんが、私たちはそこにはほど遠い状態です」と彼は述べた。

現時点では、物理的AIは工場や倉庫などの制御された環境で価値をもたらすと彼は期待している。そこでは、より厳密なレイアウトとより予測可能なタスクにより、リスクと不確実性を制限しやすくなっている。

「物理的AIは適応力があり、以前の形態の自動化よりも柔軟かもしれませんが、リスクを最小限に抑え、不確実性を最小限に抑え、利用率を最大化できる環境に自動化を展開する方が依然として簡単で費用も低く抑えられます」と彼は述べた。「工場や倉庫は騒がしく、汚く、混乱しているかもしれませんが、ロボットにとっては家庭環境よりもはるかにシンプルです。」