VLA ギャラリー / モデル一覧 / 産業界モデル

Gemini Robotics-ER 1.5

Google DeepMind · 2025-09

기타産業界モデル非公開その他

ロボットの活動を調整する上位の「頭脳」で、GR 1.5に段階的な自然言語指示を出す。

論文

Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced Embodied Reasoning, Thinking, and Motion TransferarXiv 2510.03342

概要

分類

産業界モデル

タイプ

기타

発表

2025-09

機関

Google DeepMind

重み公開

なし

パラメータ

非公開

構造

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

行動の代わりにポイント・bbox・軌跡・ツール呼び出し (その他)

チャンク

非公開

制御周期

非公開

構造の原文要約

Geminiベースのthinking VLM(Geminiの機能をすべて保持); 行動の直接出力なし(2Dポイント・bbox・軌跡、ツール呼び出し)

学習

事前学習アクセラレータ

TPU v4、v5p、v6e(チップ数は非公開; GR 1.5と共通のモデルカード)

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

画像・テキスト・ロボットセンサ・行動データ(GR 1.5と共通のモデルカード記述)

データ規模

非公開

主要データセット

非公開

タスク・評価

学術ベンチマーク15個(ERQA、Point-Bench、BLINK、CV-Bench、RoboSpatial、PointArena、Where2Place、RefSpatialなど); ALOHA・bi-arm Frankaの長期8タスク

ロボット

ALOHA、bi-arm Franka(長期課題でGR 1.5を統括)

推論

推論デバイス・速度

Gemini API「gemini-robotics-er-1.5-preview」(Google AI Studio、2025-09-25); thinking budgetで遅延と精度を調整; 遅延の数値は非公開

推論メモリ

非公開

重み bf16(計算)

非公開

実行場所

クラウド (Gemini API)

強化学習・ベース

強化学習

非公開 · 技術レポートにRLの言及なし

強化学習の根拠

https://arxiv.org/html/2510.03342

ベース制御

固定 · 行動出力なし (オーケストレーターとしてテキスト・座標・ツール呼び出しのみ出力)

備考

主な特徴

ロボットの活動を調整する上位の「頭脳」で、GR 1.5に段階的な自然言語指示を出す。Google Search・VLA・ユーザー関数呼び出しとthinking budgetの調整に対応する。

備考

行動を直接出力しないVLM(ER)のため種別はその他。ブログ2025-09-25、arXiv v1 2025-10-02。モデルカードのTraining Data行がER 1.5とGR 1.5を併せて記述。2026年のAPIドキュメントはER 1.6/ER 2基準。

検証

確認