何が起きたか

Google DeepMindは2026年11月9日、視覚・言語・行動モデル「Gemini Robotics 2.5」を発表した。Mercedes-Benzの生産ラインで実施した概念実証では、Apptronikのヒューマノイド「Apollo 2」が自動車部品をピック・アンド・パックする作業で96％の成功率を記録したという。

本紙の見方

この発表で注目すべきなのは、モデルのタスク評価と、工場ライン上の概念実証が同じ発表に含まれる点だ。200超の異なるタスクで能力を評価したという説明は汎用性の検証範囲を示す一方、Mercedes-Benzの生産ラインにおける96％は、ApptronikのApollo 2による特定作業の概念実証の結果である。前者を後者の稼働実績に読み替えたり、96％を工場全体の自動化率と解釈したりすることはできない。成功率の分母や試行条件、作業の継続時間は、提示された情報からは確認できない。 本紙の関連記事では、同じ2026年11月9日にhumanoid.guide、ロボットモデル利用の報告を掲載として、Gemini Robotics 2.5の自動車生産ラインでの利用に関する報告が紹介された。今回の発表は、モデル提供元による説明と、ロボット機体を用いた概念実証の数値を含む点で、モデルの能力評価と実作業の接点を示している。ただし、二つの情報を同じ作業条件での独立した検証とみなす根拠はない。 製造現場への適用を考えるうえでは、モデル単体の技能だけでなく、機体の動作、部品の形状や配置、作業の失敗時に人が介入する手順を合わせて見る必要がある。今回示されたのは、Apollo 2が部品を扱う概念実証であり、他の機体への移植可能性や、量産ラインでの長期運用を裏づけるものではない。Mercedes-Benzを含む製造業の側にとっては、成功率の数値だけでなく、対象工程の限定性や安全確認、人との役割分担が評価の焦点になる。 また、同社は技能の習得速度も改善点として掲げるが、発表文の提示範囲には、習得に要した時間や学習データの量、更新後の性能維持についての数値はない。次に確認すべきなのは、96％の算出条件、試行回数、失敗時の復旧方法、実証が扱った部品と工程の範囲である。これらが分からない限り、今回の数値から生産性や導入コストを評価することはできない。詳細は原典を参照されたい。

なぜ重要か

Google DeepMindの説明では、ApptronikのApollo 2がMercedes-Benzの生産ラインで自動車部品のピック・アンド・パックを行い、概念実証で96％の成功率を記録した。製造業でロボットを工程に組み込む際、モデルのタスク評価だけでなく、実際の機体と特定作業を組み合わせた結果を評価対象にできる一方、この数値の適用範囲は概念実証の作業に限って捉える必要がある。