KDDI・AVITA、国産ヒューマノイドにGemini搭載し低遅延応答（FrontJournal解説）

ニュース紹介

「KDDIとAVITA、共同開発のヒューマノイドのGemini連携を開始」

KDDI株式会社とAVITA株式会社は、両社が共同開発した国産ヒューマノイドロボットに、GoogleのAIモデル「Gemini 3.1 Flash Live Preview」を統合する連携を開始したと発表した。従来はAPI間の中継により応答まで数秒程度のタイムラグが発生していたが、直列処理による超低遅延応答が可能になった。Geminiはユーザーの声のトーン・スピード・抑揚や感情のニュアンスをリアルタイムに検知する能力を備えており、より自然で温かみのある非言語コミュニケーションの実現を目指す。労働力不足など社会課題の解決に向け、小売、医療・福祉、エンターテインメント、文化・芸術などの分野における接客・案内業務への活用を想定している。

出典：KDDI株式会社 2026年7月30日プレスリリース
https://prtimes.jp/main/html/rd/p/000000101.000085375.html

FrontJournalの解説

この研究分野について

人型ロボット（ヒューマノイド）に生成AIを組み込む取り組みは、単に受け答えができるだけでなく、人間らしい間合いや感情表現を伴う対話をロボットに持たせる方向へ進んでいる。従来はロボットの音声認識・応答生成・音声合成をそれぞれ別のAPIで処理する構成が一般的で、その中継のたびに遅延が積み重なり、会話のテンポが不自然になりやすいという課題があった。

①低遅延化で会話の「間」を実現

今回の連携では、複数のAPIを経由する従来方式に対し、Geminiの音声理解から応答までを直列処理でつなぐことで超低遅延応答を実現したとされる。人間同士の会話では、声のトーンや間の取り方そのものが感情を伝える手がかりになるため、応答速度の改善は単なる利便性向上にとどまらず、ロボットとの対話が「機械的」から「自然」に近づく上で重要な要素となる。

②人手不足対応の現場実装へ

2026年はヒューマノイド市場が本格的に立ち上がる年とされ、日本はコアコンポーネント技術の深化と介護・接客など特定用途への適応を重視する方向で開発が進んでいる。小売・医療福祉・エンターテインメントといった労働力不足が深刻な分野での接客・案内業務は、まさにこうした国産ヒューマノイドの実装先として位置づけられており、今回の低遅延化はその実用性を左右する要素の一つといえる。

編集部からひとこと

ロボットの「賢さ」だけでなく「間の良さ」に踏み込んだ改良という点が興味深い発表です。接客の現場でどこまで自然な対話が実現できるか、実際の導入事例を追っていきたいと思います。