Google DeepMind dévoile Gemini Robotics 2

Près d'un an s'est écoulé depuis la sortie de la version 1.5, ce qui constitue une pause relativement longue aux standards actuels. Examinons les progrès réalisés par Google durant cette période.

L'aspect le plus crucial réside dans le modèle VLA (Vision-Language-Action), qui contrôle désormais l'ensemble du corps humanoïde, des orteils jusqu'aux extrémités des doigts, et non plus seulement le haut du corps. Les mains disposent d'une motricité fine avec 22 degrés de liberté. Bien que le robot ne puisse pas encore être qualifié de super-agile (le taux de réussite sur les tâches multi-doigts se situe autour de 30 à 40 %), il s'agit indéniablement d'un progrès significatif.

Au-dessus du modèle VLA se trouve l'orchestrateur Gemini Robotics ER 2. Il s'agit d'un modèle génératif distinct, fonctionnant ici comme un VLM (Vision-Language Model). Là où le VLA produit des commandes motrices prêtes à l'emploi, l'ER opère à un niveau supérieur : il effectue le raisonnement, décompose les tâches en sous-tâches, reconnaît les objets et leurs coordonnées, ainsi que d'autres fonctions « intelligentes ».

Ce modèle a également été considérablement amélioré et intègre une fonctionnalité clé : la coordination de plusieurs types de robots différents pour accomplir une tâche unique. De plus, l'ER peut désormais intervenir dans les actions du VLA à n'importe quel stade de l'exécution, une capacité critique pour l'auto-correction.

Un autre modèle introduit dans cette génération est Gemini Robotics On-Device 2 – un VLA léger destiné à l'inférence locale.

La principale distinction de Gemini Robotics réside dans sa polyvalence. Les modèles sont entraînés sur des données hétérogènes multi-incarnations (multi-embodiment), leur permettant de fonctionner sur divers types de robots sans ajustement spécifique. Le GR2 On-Device porte cette propriété à un niveau pratique : vous pouvez prendre ce modèle et, en quelques heures seulement et avec environ 200 démonstrations, le faire fonctionner efficacement sur tout nouveau corps physique (avec des capteurs, des degrés de liberté et une cinématique personnalisés, etc.).

Enfin, dans une touche ludique mais stratégique, Google a créé le premier benchmark pour évaluer la sécurité des robots, nommé ASIMOV-Agentic. Naturellement, l'entreprise a revendiqué son modèle comme étant « le plus sûr au monde » selon ce test.