AIロボットは家事のどこまで来た？ 「片づける」を動作にする仕組み

物を見分け、指示に沿って運ぶ研究は進んでいます。ただし、実演の成功だけでは自宅の家事を任せられるとは判断できません。 面白いのは、腕を動かすこと以上に、途中で世界が変わっても「次に何をするか」を組み直すところです。 まず研究モデル・実演機・販売される完成品を分け、それから「片づける」の中身を見てみましょう。

動画を見たら、まず三つに分ける

床の物を拾う人型ロボットを見て、「うちにも一台」と思う。その前に、紹介されているものを確認します。

• 研究モデル：画像や指示を処理し、判断や動作を出すソフトウェア。手足そのものではありません
• 実演システム：モデルと特定のロボット、制御装置、試験環境を組み合わせたもの
• 家庭向け完成品：購入条件に加え、設置、保守、止め方、使える作業の範囲まで確かめる対象

2026年7月30日のGoogle DeepMindの発表では、Gemini Robotics 2による全身動作や器用な操作を紹介する一方、動作モデルと端末内モデルの提供先は早期アクセスのパートナーとしています。この記事では、この日付の研究例を読み解きます。日本で買える家事ロボットの一覧や、分野全体の最新製品案内ではありません。

「あのカップを片づけて」は、何を含んでいる？

ここからは説明用の架空の場面です。食卓にカップ、本、小皿があり、カップを流し台へ移すとします。

まず対象と置き場所を見つけます。同じ色のカップが二つあれば、どちらかを特定する必要があります。次に、つかむ場所、持ち上げ方、運ぶ経路を決める。取っ手に手を入れられるか、本にぶつからないか、持ったまま移動できるかも関係します。

「カップ」という名前が分かることと、持ち上げられることは別です。画像を見て答える能力を物理的な操作へつなぐため、ロボット研究では視覚・言語・動作を扱うVLAというモデルを使います。2025年の基礎論文では、物の種類や位置、指示、環境を変えた条件で能力を調べています。ここでいう「一般化」は、覚えた場面以外にも対応できるかという問いです。どんな家でも動くという意味ではありません。

図を拡大して読む

図の中を横にスクロールできます（キーボードの左右キーにも対応）

図を原寸で開く

図：家事を理解するためのオリジナル模式図。四つの箱は役割の整理で、実在モデルの内部構造や一定の処理順を再現したものではありません。

動かした後に、もう一度見る

カップをつかむ途中で少しずれたら、最初に決めた動きを最後まで再生してよいでしょうか。持てていなければ、次の「運ぶ」は始められません。逆に置き終えたのに動作を続ければ、余計な接触を起こします。結果を見て次へ進む判断が必要です。

GoogleはGemini Robotics ER 2の解説で、映像を使って進行や失敗を捉え、複数段階の作業を調整する仕組みを示しています。ERは状況を解釈する側、VLAなどは動作を実行する側、という役割分担の一例です。全ロボットがこの構成とは限りません。

ここで「考えるモデルがあるなら、あとは腕を付けるだけ」とはなりません。ER 2のモデルカードでは、Google AI StudioとGemini APIでの提供、およびGemini Enterprise Agent Platformの非公開プレビューを案内しています。APIにも利用条件があり、安全上重要な用途への使用は禁止されています。出力はテキストです。実際に動くには、その出力を使う制御系とハードウェアが必要になります。チャットで正しい手順を説明できることは、手先の力加減の保証ではないのです。

家が変わると、成功の条件も変わる

自宅に置き換えるなら、机の高さだけでなく、物の重なり、取っ手の形、通路、置き場所のルールまで考えます。「片づける」が食器棚へ戻す意味なのか、洗うために流しへ運ぶ意味なのかも、家庭で違うでしょう。これは特定機種の失敗報告ではなく、映像の条件を見直すための例です。

On-Device 2のモデルカードでは、出力は数値で表すロボット動作、提供先はTrusted Testersに限るとしています。学習範囲から外れる課題への一般化や、多くの自由度を持つロボットの制御にも限界があります。また安全評価の中心は、立ち位置を保った両腕での操作です。同じモデル名の系列でも、移動や全身制御に関する評価範囲まで同じとは読めません。

端末内で処理できることも、万能さとは別の軸です。通信待ちを減らせても、見えない対象が見えるようになったり、未知の作業が必ず成功したりするわけではありません。見るべきなのは計算する場所に加え、何を学び、どこで試したかです。

うまく止まることも、家事能力のうち

家事を任せたい人にとって、途中で毎回助けを求められるのは手間です。それでも、分からないまま壊れやすい物を動かすより、確かめる方がよい場面があります。「助けを呼ばずに完走する回数」と「必要なときに止まれるか」は、両方見たい指標です。

Googleの安全技術報告は、危険な指示の拒否、人への確認、保護停止などを評価しています。ただし、保存済みの入力や動作ツールの模擬応答を使うベンチマークと、実機での停止試験を含む報告です。すべてが一般家庭での実作業の成績ではありません。同時に、認証されたハードウェアや冗長性など、実機全体の機能安全はこの報告の評価対象外だと述べています。安全に関する成績を、家庭内で無監督運転してよい証明に置き換えないことが大切です。

遠隔操作は、その時点の動きを人が指示することです。学習用の実演を人が行ったことと、評価中に人が操縦したことも分けて読みます。動画だけで操作方式を決めつけず、論文や実演の説明に、どこまで自律で、どの介入があったかを探しましょう。

次のデモで、見たい五つのこと

• 対象は何か：硬い箱か、柔らかい衣類か。映っていない作業まで広げない
• 環境は何か：初めての部屋か、配置を整えた試験場か
• 人の助けは何か：遠隔操作、事前の準備、やり直し、途中の指示があるか
• 成功の数え方は何か：一動作か、家事全体か。全試行数と失敗も分かるか
• 終わり方は何か：完了を確かめたか、失敗から戻れたか、安全に止まれたか

公開資料に書かれていなければ「不明」と置きます。編集された動画だから無価値なのでも、一度成功したから実用化済みなのでもありません。今の驚きは、言葉が現実の動作へつながり始めていること。その次の問いは、知らない家で変化に対応しながら、どこまで任せられるかです。

資料再確認：2026年10月11日（UTC）。7月30日の発表、各モデルカード、安全報告、2025年論文v1を再取得し、公式モデルカード一覧のRobotics欄とも照合しました。メーカーの研究報告に基づく解説で、実機試験・家庭内の長期評価は未実施です。成功率、価格、日本向け発売日は推定していません。公開前に研究・提供条件を再確認してください。