Google DeepMindは現地時間2026年11月10日、視覚認識と自然言語の指示をロボットの物理的な動作へと直接変換する最新のVision-Language-Action（VLA）モデル「Gemini Robotics 2.5」を正式発表しました。デジタル空間で培われたGeminiの高度なマルチモーダル推論を現実世界の物理環境へ展開し、人型ロボットを含む多様なロボットハードウェアを精密に制御します。
新モデルは、前世代のモデルと比較して200種類以上の実験タスクにおいて成功率が30パーセントから最大100パーセント向上し、動作の完了速度も20パーセントから30パーセント高速化されました。指先が22自由度を持つ多関節ロボットハンドの制御にも最適化されており、柔らかい布の取り扱いやトングを用いた小さな部品の把持、各種手工具の操作など、これまで困難とされていた繊細かつ複雑な手作業を高い信頼性でこなします。
実用性の検証として、米ロボット企業Apptronikの人型ロボット「Apollo 2」に本モデルを搭載し、独メルセデス・ベンツの実際の自動車組み立て工場ラインに配備する実証実験が行われました。上位の身体的推論を担うモデル「Gemini Robotics ER」が作業工程の全体計画を監視する中、散乱したバルク容器から指定の金属製ブラケットを識別して仕分け用コンテナへ正確に箱詰めする作業において、96パーセントという極めて高い成功率を記録しました。
本モデルは一般公開のAPIではなく、提携する主要ロボットメーカーや産業パートナー企業に向けて順次配備が進められます。Google DeepMindはあわせて、ロボットの安全基準を包括的に検証するためのオープンベンチマーク「ASIMOV-Jailbreak」も公開しました。デジタルな知能と物理的な身体性が融合するフィジカルAIの実用化が、製造業や物流の最前線で本格的な実働フェーズへと突入したことを示しています（一次ソース：Google DeepMind 公式発表（英文））。