メルセデス・ベンツの工場で人型ロボットが部品整理に成功、成功率96%
2026年11月14日 · 読了 1 分
Google DeepMindは11月10日にGemini Robotics 2.5を発表し、Mercedes-Benzのドイツ・ジンデルフィンゲンとハンガリー・ケチェメートの工場での実証実験の結果を明らかにした。Apptronik製の人型ロボットApollo 2が自動車部品を整理する作業で、96%の成功率を達成したとメーカーが報告している。
この実験は稼働中の生産ラインで行われたが、依然としてパイロットプロジェクトの段階にとどまっている。Googleは試行の総回数、時間あたりの生産性、またはコストについては公表していない。研究段階の成果と、信頼性や投資収益率が測定可能な工業的ソリューションとの間には、こうしたデータが欠けているという明確な境界線がある。
Mercedesが選んだ作業はキットリングであり、混在した容器から金属ブラケットを取り出し、車両組み立てに必要な順序で整理された箱に配置することである。これは反復的だが変化の多い作業であり、物体の形状、位置、向き、および予期しない事象により、一度だけプログラムされた硬直的なシステムの適用が困難になる。
BMWは車体部品での長期的な運用を測定済みであり、RenaultはCalvinに重いタイヤの取り扱いを任せている。一方、HyundaiはAtlasを訓練し、産業物流への段階的な導入を進めている。これらのプロジェクトは、ロボットが限定的な業務を学習していることを示しており、まだ自動車を自律的に製造しているわけではない。
Gemini Robotics 2.5は、状況の解釈と作業計画を行う部分と、計画を動きに変換する部分を区別している。Embodied Reasoningは視覚情報と指示に基づいて操作を追跡し、Vision-Language-ActionモデルはApollo 2の手や腕を制御し、部品の実際の位置に合わせてグリップを調整する。このプラットフォームは特定のロボットに限定されず、Franka Duoなどの異なる本体や工具に適応可能である。
MercedesとApptronikの協力関係は今回の発表以前から存在し、2024年3月に物流とキット準備における人型ロボットの活用評価に関する合意が締結されていた。今回の新要素は、ソフトウェアがこれらの操作をより自律的に処理する能力であり、Apolloが自動車工場に初めて導入されたわけではない。
96%という成功率は、1000回の取り出しのうち40回が修正を必要とする可能性を示唆する単純な算術例に過ぎず、統計的な予測ではない。生産現場では、エラーの分布、解決にかかる時間、および下流工程への影響が重要となる。DeepMindのKanishka Raoは、残りのギャップを縮小することは困難であると認めており、目標は実験室での劇的な動作ではなく、部品や環境条件の変動がある中で、シフト全体にわたってそれを繰り返すことである。