Gemini Robotics ER 2: DeepMindがビデオネイティブなマルチロボットオーケストレーションに賭ける

DeepMindのER 2アップデートが具現化された推論を動画理解と艦隊レベルの調整に押し進める — 具現化された基盤モデルレースにGoogleブランドのマイルストーンが加わった。

簡単に言えば。Google DeepMindは、Gemini Robotics ER 2をリリースし、ビデオ理解、タスクオーケストレーション、マルチロボットコラボレーションを組み込みスタックに追加しました。シングルアームデモからフリートレベルの推論へのステップが本当のニュースであり、Alphabetが明確に「組み込み基盤レース」に再参入したことを示しています。

位置付け

組み込み基盤の流れはこれまで、NVIDIA GR00T、中国Xiaomi Robotics-U0（38B、オープンソース）、X-Square Robotのバックボーンベットという3つのアクターによって牽引されてきました。AlphabetのERラインは「寝た子を起こす」存在でした。ER 2はDeepMindがまだ走り続けていることを再主張しています。

中身

発表によると、ER 2は3つの具体的な要素を強調しています：

• ビデオ理解 - 単一フレームではなく、シーケンスに対する推論。これが長期操作に実際に必要なものです。
• タスクオーケストレーション - 自然言語のゴールを、コントローラーが実行できるサブゴールに分解すること。
• マルチロボットコラボレーション - 複数のプラットフォームにわたる協調動作。

最初の2つは2025年以降、分野の公開方向性に沿ったものです。3つ目が差別化ポイントです。1台のロボット上の2本のアームを調整するのは制御問題ですが、1つの作業に2台のロボットを調整するのはシステム問題です（共有ワールドモデル、通信、競合解決）。

まだ不明な点

発表では、GR00TやRT-2と同じタスクに対するヘッドトゥヘッドベンチマークが公開されておらず、「コラボレーション」の定量化（レイテンシ、調整ホライゾン、障害モード）も行われていません。第三者による再現が行われるまでは、実証された能力ではなく、発表された能力として扱ってください。

結論

意思決定者へ：これは組み込みスタックがLLMパターンに従っている強力なシグナルです。1つのバックボーンで、フォームファクター間で適応可能。ミドルウェア層がモデルコールに収束する市場に予算を組みましょう。開発者へ：APIサーフェスに注目してください。ER 2がAlphabetの内部ロボティクスチーム外からアクセス可能であれば、物理オートメーションの統合ポイントは18か月以内にシフトする可能性があります。この流れにとって：現在はGoogleのクローズドソース推進（上位）とXiaomiの38Bオープンウェイトベット（Robotics-U0、下位）という明確な分裂が見られます。その分裂が拡大し、中国のラボがXiaomiのようにオープンウェイト路線を選択するかどうかが、2026年後半までの注目ストーリーです。