Gemini Robotics 2

Google DeepMind · 2026-07

VLA2026年の新モデル非公開非公開

視覚・言語入力をつま先から指先までの全身モーター制御に変換するVLAである。

論文

バックボーンLLM: Geminiベース (サイズ非公開)
ビジョンエンコーダ: —
アクションヘッド: ER 2で計画 → VLAで実行 (非公開)
チャンク: 非公開
制御周期: 非公開
構造の原文要約: 非公開; Gemini Robotics ER 2(身体化推論VLM)がサブタスクに分割しVLAが実行する system 2/system 1 構造

事前学習アクセラレータ: 非公開
事前学習期間: 非公開
事前学習ステップ・バッチ: 非公開
GPU・TPU時間: 非公開
ファインチューニング: 非公開
データ種類: 非公開 (同系列のOn-Device 2カード: 画像・テキスト・ロボットセンサー・アクションデータ)
データ規模: 非公開
主要データセット: 非公開
タスク・評価: Apollo 2+Inspireハンド全身把持テーブル68.4%・床45.7%・棚76.3%; Apollo 2+SharpaWaveハンド電球外し92%・締め36%; Franka Duo ピック・アンド・プレース74.2%・工具キッティング78.9%・精密挿入89.6%; 人検知99%・安全姿勢への移行96%
ロボット: Apptronik Apollo 2(Inspireハンド、SharpaWave 22-DoFハンド)、Franka Duo/F3 Duo; シリーズ全体ではDexmate・SO101・Trossen、ER 2はBoston Dynamics Spot

強化学習: 非公開 · 学習方式の詳細は非公開
ベース制御: ヒューマノイド歩行 (全身関節・姿勢を直接出力) · VLAがApollo 2の全身をつま先から指先まで直接制御して歩行・しゃがみを実行 (別途の歩行制御器への言及なし); Franka Duoは固定双腕

主な特徴: 視覚・言語入力をつま先から指先までの全身モーター制御に変換するVLAである。ヒューマノイドの全身操作と双腕の器用な操作を一つの系列で扱う。
備考: 2026-07-30ブログ。技術レポートはなく安全性レポートのみ。ER 2(身体性推論VLM、VLAではない)は同日APIで公開: 進行分類57.4%、瞬間検索91.3%。全身制御で下位制御器を分離しているかは非公開。ASIMOV-Agentic安全ベンチマークを導入。アーリーアクセスパートナー限定。
検証: 確認