Google DeepMind annonce son nouveau modèle d'IA Gemini Robotics 2
Le nouveau modèle IA « Gemini Robotics 2 » de Google DeepMind est capable de contrôler l'ensemble du corps d'un robot et d'effectuer un éventail plus large d'actions, comme marcher et manipuler des objets
Google DeepMind souhaite qu’un seul cerveau IA pilote tous les robots, et vient d’apprendre à ce cerveau à utiliser l’ensemble de son corps. Google DeepMind a lancé Gemini Robotics 2, une famille de modèles capables de contrôler un humanoïde de la pointe des pieds jusqu'au bout des doigts, de coordonner plusieurs robots à la fois et de s'adapter à une nouvelle machine en quelques heures. Il s'agit d'un véritable pas en avant vers l'« IA physique », même si les propres chiffres de DeepMind montrent que les robots restent lents et maladroits face aux tâches les plus délicates.
Gemini Robotics est un modèle avancé combinant vision, langage et action, développé par Google DeepMind en partenariat avec Apptronik. Il s’appuie sur le grand modèle de langage Gemini 2.0. Conçu sur mesure pour les applications robotiques, il est capable de comprendre de nouvelles situations. Il existe une version dérivée appelée « Gemini Robotics–ER », acronyme de « embodied reasoning » (raisonnement incarné). Les deux modèles ont été lancés le 12 mars 2025. Le 24 juin 2025, Google DeepMind a publié « Gemini Robotics On-Device », une variante conçue et optimisée pour fonctionner localement sur des appareils robotiques.
Récemment, Google DeepMind a lancé Gemini Robotics 2, une famille de modèles capables de contrôler un humanoïde des pieds jusqu’au bout des doigts. Le système peut également coordonner plusieurs machines à la fois et s’adapter à un nouveau corps de robot en quelques heures. C’est le signe le plus clair à ce jour de ce que le secteur appelle l’« IA physique », un rapport le présentant comme un véritable pas en avant vers l’« IA générale physique ». Le principe est simple : le même type de modèle qui rédige vos e-mails apprend désormais à traverser une pièce encombrée et à la ranger.
Gemini Robotics 2 dote les robots d'une intelligence couvrant l'ensemble du corps
Le changement majeur réside dans le contrôle. Les précédents modèles de robots de DeepMind bougeaient principalement le haut du corps pour effectuer des tâches sur une table. Gemini Robotics 2 pilote l’ensemble de la machine. Il peut faire marcher, s’accroupir, s’étirer et garder l’équilibre un humanoïde tout en manipulant des objets dans des espaces restreints conçus pour les humains.
Ce lancement concerne en réalité trois modèles : Gemini Robotics 2, Gemini Robotics ER 2 et On-Device 2. Gemini Robotics 2 est le modèle « vision-langage-action » qui transforme ce qu’un robot voit et entend en commandes motrices. Il gère l’exécution physique des tâches.
Gemini Robotics ER 2 constitue la couche de raisonnement, un « cerveau » de haut niveau qui planifie des tâches en plusieurs étapes. Lors de sa présentation aux développeurs, Google a montré comment ce système suivait sa propre progression sur un flux vidéo en direct. Il peut faire appel à des outils tels que Google Search, et même diriger un robot Spot de Boston Dynamics pour aller chercher un en-cas. Il permet également à différents robots de travailler en équipe, par exemple en répartissant une tâche entre un robot à roues et un humanoïde. Il est d’ores et déjà disponible pour les développeurs via l’API Gemini et Google AI Studio.
Le troisième, On-Device 2, fonctionne localement sans connexion Internet. Il peut être intégré à un tout nouveau corps de robot à partir de moins de 200 exemples et de quelques heures d’entraînement. Ce dernier point est important, car le transfert d’une compétence acquise d’une machine à une autre a longtemps constitué l’un des problèmes les plus épineux de la robotique.
Lors d’une démonstration, le robot Apollo 2 d’Apptronik a reçu une seule instruction : « Place l’arrosoir dans le bac vert sur l’étagère du bas. » Il s’est dirigé vers une table, a pris l’arrosoir, s’est approché des étagères, s’est baissé et l’a posé. Cela peut sembler anodin. Mais coordonner les jambes, le torse, les bras et les mains à partir d’une seule commande ne l’est pas.
La dextérité s’est également améliorée. Le modèle peut piloter la main à cinq doigts et 22 articulations d’Apollo pour faire des nœuds et fermer un sachet zippé, et il peut actionner des pinces plus simples à deux doigts sur d’autres plateformes. « Notre objectif est d’introduire l’IA dans le monde physique, puis de construire la couche d’intelligence qui pourra être utilisée par tous les robots », a déclaré Carolina Parada, responsable de la robotique chez DeepMind.
Les limites du modèle : les robots restent lents et maladroits face aux tâches les plus délicates
À mesure que les robots acquièrent la capacité de se déplacer parmi les personnes, DeepMind accorde davantage d’importance à la sécurité. Le Gemini Robotics ER 2 est, selon l’entreprise, son modèle le plus sûr à ce jour : il détecte mieux la présence d’une personne à proximité et s’arrête jusqu’à ce que la zone soit dégagée. Il ne reprend son activité que lorsque l’espace est à nouveau libre.
L’entreprise a également publié un benchmark, ASIMOV-Agentic, qui teste si le modèle de raisonnement refusera une commande dangereuse émanant du modèle d’action, et s’il signale qu’une tâche est impossible ou demande de l’aide à un humain. Donner à un benchmark sur la sécurité des robots le nom d’Isaac Asimov est tout à fait pertinent. La crainte sous-jacente, à savoir que des machines agissent sur la base d’instructions erronées, ne l’est pas.
Malgré cela, DeepMind s’est montré inhabituellement franc quant à ses limites. Ses propres chiffres illustrent l’écart. Un rapport révèle que le système parvenait à dévisser une ampoule dans 92 % des cas, mais que les tâches plus délicates présentaient un retard important. Un autre rapport estime le taux de réussite à 44 % pour fermer un sac poubelle et à 40 % pour fermer une pochette zippée.
Les robots sont également lents. Ils marquent une pause pour réfléchir à des gestes qu’une personne effectue sans y penser à deux fois. Kanishka Rao, directeur de la robotique chez DeepMind, a déclaré que la véritable dextérité restait un objectif lointain, et que les robots apprenaient encore bien moins efficacement que les humains, qui s’adaptent après une ou deux erreurs.
C’est une tendance générale dans ce domaine. Les efforts concurrents des start-ups spécialisées dans les modèles de base en robotique, ainsi que les travaux sur la dextérité menés sur des humanoïdes concurrents, se heurtent sans cesse au même obstacle. Les démonstrations sont impressionnantes, mais les machines sont encore loin d’être prêtes pour un usage domestique.
Cette annonce intervient dans un contexte délicat. Google développe le logiciel, pas les robots, et l’approvisionnement en matériel prend une tournure politique. Les États-Unis viennent de prendre des mesures pour interdire à l’avenir la vente de robots fabriqués en Chine pour des raisons de sécurité. Bon nombre des châssis sur lesquels ce logiciel pourrait fonctionner sont construits en Chine.
Google travaille avec des partenaires occidentaux, notamment Apptronik, Boston Dynamics et Agile Robots, ainsi qu’avec plus de 100 testeurs de confiance. Ses concurrents lorgnent sur le même objectif. OpenAI et Nvidia développent tous deux des modèles de robots, et tout le monde poursuit la même idée : un seul modèle, n’importe quel châssis. DeepMind prend soin de qualifier cela d’étape importante, et non de ligne d’arrivée. Gemini Robotics 2 rend les robots plus polyvalents et plus utiles qu’auparavant. Cela montre également à quel point une machine est encore loin de la facilité avec laquelle un humain range une pièce.
Voici un extrait de l'annonce de Google DeepMind :
Gemini Robotics 2 dote les robots d’une intelligence corporelle globale
Depuis des décennies, nous rêvons de robots capables de s’intégrer naturellement à notre monde et de nous prêter main-forte. Aujourd’hui, cette vision fait un bond en avant considérable.
La plupart des robots sont préprogrammés ou télécommandés pour effectuer des séquences de tâches limitées et répétitives. Ils ne sont pas capables d’apprendre véritablement par eux-mêmes ni de s’adapter à des environnements imprévisibles. De plus, le transfert des compétences acquises d’un robot à un autre reste extrêmement difficile. Pour s’attaquer aux problèmes les plus complexes à grande échelle, les robots de toutes formes et de toutes tailles ont besoin de modèles d’IA leur permettant de penser, d’agir et d’interagir intelligemment afin d’accomplir leurs tâches en toute sécurité.
Nous avons démontré comment la compréhension multimodale de Gemini pouvait mener à des actions concrètes grâce à Gemini Robotics. Aujourd’hui, nous présentons Gemini Robotics 2 : la couche d’intelligence qui alimente la prochaine génération de robots véritablement adaptables. Alors qu’elle fait littéralement ses premiers pas, cette avancée majeure ouvre la voie au contrôle intelligent de l’ensemble du corps, à une dextérité avancée et à la collaboration entre plusieurs robots.
Gemini Robotics 2 permet aux robots de raisonner à chaque mouvement, ouvrant ainsi la voie à un large éventail de tâches. Par exemple, il peut permettre à un humanoïde de marcher, de s’accroupir, de s’étirer et de manipuler des objets pour ranger une pièce en désordre. Il peut même faire équipe avec d’autres robots pour terminer le travail plus rapidement. Et cette intelligence profonde peut également fonctionner localement sur l’appareil tout en s’adaptant de manière transparente à des corps robotiques entièrement nouveaux en seulement quelques heures.
Nous rendons cela possible grâce à trois modèles hautement performants :
- Gemini Robotics 2 : notre modèle vision-langage-action (VLA) le plus avancé, qui convertit les données visuelles et linguistiques en commandes motrices, permettant ainsi à un robot d’agir. Ce modèle est capable de contrôler des humanoïdes complets, des pieds au bout des doigts, ainsi que d’autres robots à deux bras. Il apporte également un nouveau niveau de dextérité dans la manipulation, tant au niveau des mains que des pinces.
- Gemini Robotics ER 2 : notre modèle de raisonnement incarné (ER) le plus performant. Il s’agit d’un modèle de vision-langage (VLM) qui fait office d’agent, permettant aux robots de communiquer avec les humains, de comprendre le monde physique et de planifier des tâches en plusieurs étapes pouvant durer plusieurs minutes. Nous introduisons également la capacité pour les robots de travailler ensemble en équipe.
- Gemini Robotics On-Device 2 : notre modèle « vision-langage-action » (VLA) le plus efficace, optimisé pour fonctionner localement sur des appareils robotiques. Ce modèle est désormais capable de s’adapter rapidement à des incarnations robotiques totalement nouvelles à partir de quelques heures de données.
Gemini Robotics ER 2, notre modèle de raisonnement, est désormais disponible sur Google AI Studio et en préversion privée sur la plateforme Gemini Enterprise Agent. Nos modèles VLA et On-Device sont accessibles aux partenaires bénéficiant d'un accès anticipé. Découvrez comment intégrer ces modèles à votre matériel sur notre blog des développeurs.
Source : Annonce de Googel DeepMind
Et vous ?
Pensez-vous que cette annonce est crédible ou pertinente ?
Voir aussi :
Répondre avec citation
Partager