基盤モデル主要企業の発表

Google、ロボット開発向けに「Gemini 4 Argon」の使い方を公開 動画から仮想環境を作り、動きを改善する例を紹介

Googleは2026年10月13日、開発者向けブログで「Gemini 4 Argon for Robotics」を公開しました。物理世界の理解、コード生成、画像と意味を結びつける推論が大きく進んだとする推論モデルで、ロボットの制御、仮想環境の作成、動画への注釈づけなどに使う例が並んでいます。

要点

  • モデル名(API上の識別子)は「gemini-4-argon」で、AI StudioとGeminiのAPI(有料枠)から使えるとしている
  • 物理の推論を測るERQAという試験で87%を記録し、他の最先端モデルを上回るとしている
  • 1枚の写真から仮想環境を作って4,500回以上の試行を集めると、実機の成功率が56%から75%に上がった例を紹介している

何が公開されたのか

Gemini 4 Argonは、文章や画像だけでなく「物がどう動くか」「どこに力がかかるか」といった物理の理解を強みとするGoogleの推論モデルです。今回の記事は、このモデルを「ロボット開発の全工程」で使うという位置づけで、具体例をまとめて紹介したものです。ロボットAIの入門としては、モデルが画像を見て作業を考える部分と、実機を動かす部分を分けて考えると理解しやすくなります。

使い方は、Google AI Studio、Gemini APIの有料枠、開発環境のGoogle Antigravityの3つが挙げられています。AI StudioとAntigravityはGoogle AI Ultraの契約者向け、APIはAI Studioの有料枠からInteractions API経由で呼びます。公開時点で、価格や無料での使い方についての記述は、確認した記事の範囲には見つかりませんでした。

記事で示された使い方

使い方記事の例
ロボットを動かす四足ロボットのSpotで、足で踏むペダル式のごみ箱を開ける動作。先にMuJoCoという物理シミュレーター上のデジタルツインで練習してから動かす
実機から仮想環境を作る遠隔操作の記録から、見た目と接触が合うMuJoCoの双子を作る
人の動画から学ぶ人の目線の動画を、76の自由度の両腕ヒューマノイドと、1本22の自由度の手の動きに置き換える
スケッチから仮想環境手描きスケッチの写真から投てきの場面を作り、6回中6回の的倒しに成功したとする
動画に注釈をつける136秒の折り紙の動画を、1つの目標、6つの小さな目標、17の基本動作に自動で分ける
機体の動きを改善する1枚の卓上の写真から9種類の小物の仮想環境を作り、4,500回以上の試行を集める。実機の成功率は56%から75%、所要時間は35秒から24秒に

最後の例は、仮想環境で集めた経験を実機の動きの改善につなげたという点が特徴です。記事は、SO-101というロボットアームでの試行も示し、1回ごとの所要時間が58.9秒、22.9秒、17.4秒と縮んだ例を載せています。

数字をどう受け取るか

ERQAの87%は、記事が「純粋な推論」で得た数字として示したものです。記事は他のモデルを上回るとしていますが、比べた相手と条件の一覧は、確認した記事の範囲では示されていませんでした。また、記事自身が、示した例は代表的な指示と実演であり、あらゆる作業で測った実績ではないという前提で書かれています。

56%から75%への改善も、1つの作業の1つの設定での結果です。小物を並べる作業の成功率が上がったことは分かりますが、別の物や別の環境で同じ上がり方をするかは、記事からは判断できません。フィジカルAIにできること・できないことで整理しているように、デモで見えた動きと、毎日同じ精度で動く現場の運用は別のものです。

日本の現場にとっての意味

ロボットを動かす頭脳として、会社ごとに個別のモデルを作る方法だけでなく、汎用の推論モデルをAPIで呼んで、仮想環境づくりやデータへの注釈づけに使う方法が現実味を帯びてきた、という変化が読み取れます。ロボットの専門家が少ない会社でも、動画を渡して仮想環境を作らせ、そこで試してから実機に移す、という流れを組みやすくなる可能性があります。

ただし、実際の現場に入れるには、モデルが出した動作を人が確かめる仕組み、止める条件、データの扱いが欠かせません。カメラの映像を外部のAPIに送る場合は、セキュリティと安全性の観点で、送ってよい範囲と保存期間を先に決める必要があります。この発表は、そうした運用面の答えを示すものではなく、開発の道具が増えたことを示すものです。

その後(2026年11月10日の発表):Gemini Robotics 2.5の開発にArgonを使用

Google DeepMindは2026年11月10日、ロボット向けのVLA「Gemini Robotics 2.5」を発表し、協力企業へ順に提供を始めたとしています。開発の途中でGemini 4 Argonをシミュレーションの道具として使い、研究を早めたと説明しています。試した作業は200種類を超え、以前のモデルより成功率が作業により30%から100%高く、時間は20%から30%短いとしています。Mercedes-Benzの工場での部品キッティングの試験では成功率96%、安全の制限を外させようとする指示(ジェイルブレイク)への耐性ではArgonが99.5%(Gemini Robotics ER 2は82%)だったとしています。いずれも会社自身の測定です。

出典:Google DeepMind『Gemini Robotics 2.5 accelerates real-world general dexterity』(2026年11月17日確認)

料金と提供先(2026年10月13日のGoogleの一般向け発表)

同じ日の一般向けの発表で、Googleは料金を示しました。入力100万トークンあたり2ドル、出力10ドルの導入価格を2026年11月30日まで適用し、その後は入力4ドル、出力20ドルとしています。API料金表では無料枠の対象に入っていません。最初の公表は2026年9月30日で、限られた相手から段階的に広げる形でした。

出典:Google『Gemini 4 Argon: Built to solve your hardest problems』、Google『Gemini Developer API pricing』、Google『Gemini 4 Argon: our next era of frontier intelligence』(2026年11月17日確認)

この記事で確認できていないこと

発表の時点で公表されていない、または出典で確かめられなかった点です。

  • 日本の事業者が使うときの契約条件
  • ERQAで比べた他のモデルの一覧と、試験の条件
  • 紹介された例の成功率が、別の作業や別の環境でどうなるか
  • 実際の工場や倉庫で、このモデルの出した動作をどう確認しながら使うか

出典

このページは、上の出典をもとに編集部が整理したものです。発表元の公式ページではありません。会社や機関の言い分は「〜としている」と書き、書かれていない内容は足していません。投資や導入の判断は、出典の原文と専門家の確認を前提にしてください。

この発表に関係する解説

ほかの新しいニュース

ニュースの一覧を見る