Google DeepMind pousse les robots vers le contrôle du corps entier

DeepMind élargit sa proposition en robotique

Google DeepMind a présenté Gemini Robotics 2 comme une étape au-delà des systèmes robotiques limités aux bras ou à la manipulation sur table, vers une autonomie plus large du corps entier. Selon The Robot Report, ce modèle vision-langage-action mis à jour ajoute un contrôle intelligent de tout le corps, davantage de dextérité et une prise en charge de plusieurs robots travaillant ensemble.

L’annonce compte parce qu’elle vise une lacune persistante en robotique. Beaucoup de systèmes peuvent accomplir des tâches de manipulation soigneusement orchestrées dans des environnements contraints, mais bien moins peuvent combiner perception, compréhension du langage et mouvement coordonné sur l’ensemble d’un corps humanoïde. L’affirmation de DeepMind est que Gemini Robotics 2 s’approche davantage de ce seuil en permettant aux robots de raisonner sur des mouvements comme marcher, s’accroupir, s’étirer et manipuler des objets dans le cadre d’une même tâche.

Cela ne veut pas dire que les humanoïdes polyvalents sont arrivés. Le rapport précise prudemment que la vitesse de mouvement doit encore être améliorée. Mais il présente cette sortie comme une étape importante pour faire passer l’IA multimodale d’une couche de démonstration sur table à un contrôleur pour un travail physique plus réaliste.

Des démonstrations du haut du corps à l’action de tout le corps

Les modèles précédents de DeepMind se concentraient sur le contrôle du haut du corps pour les tâches de table. Gemini Robotics 2, à l’inverse, est décrit comme gérant l’ensemble du corps du robot. The Robot Report indique que le système peut transformer l’intention de l’utilisateur en mouvement coordonné du corps entier, permettant à un humanoïde de se déplacer dans l’espace et de réaliser des tâches impliquant à la fois la locomotion et la manipulation.

Un exemple du rapport utilise le robot humanoïde Apollo 2 d’Apptronik. Lorsqu’on lui demande de placer un arrosoir dans une caisse verte sur une étagère basse, le robot est décrit comme capable d’interpréter la demande, de marcher jusqu’à une table, de saisir l’objet, de traverser la pièce puis de le placer à l’endroit demandé. Cette séquence est notable non parce qu’une étape isolée serait inédite, mais parce qu’elle combine instruction en langage naturel, manipulation d’objet, marche et placement précis en un comportement continu.

Si ces capacités se révèlent robustes hors des démonstrations contrôlées, elles marqueraient une expansion pratique de ce que les plates-formes humanoïdes peuvent tenter. Les entrepôts, laboratoires et environnements de services exigent souvent précisément ce mélange de mobilité et de manipulation, plutôt que des gestes de bras isolés à un poste fixe.

La dextérité et la collaboration sont les autres éléments mis en avant

DeepMind insiste aussi sur un contrôle moteur plus fin. The Robot Report indique que Gemini Robotics 2 peut contrôler la main SharpaWave à cinq doigts et 22 degrés de liberté sur Apollo 2. Cela suggère que l’entreprise travaille non seulement sur les mouvements globaux, mais aussi sur les comportements plus délicats des doigts et de la main nécessaires à une préhension et à un placement utiles.

La dextérité reste l’une des parties les plus difficiles de la robotique réelle. Un robot capable de traverser une pièce conserve une valeur limitée s’il ne peut pas saisir de manière fiable des objets variés, les orienter correctement et interagir avec des environnements encombrés. En mettant en avant le contrôle avancé de la main, DeepMind signale qu’elle veut que sa pile robotique couvre davantage le problème de la manipulation, et pas seulement la navigation et l’interprétation du langage.

L’entreprise introduit aussi la collaboration entre plusieurs robots. Le rapport indique que Gemini Robotics ER 2, un modèle de raisonnement incarné conçu comme un agent de modèle vision-langage, doit aider les robots à communiquer avec les humains, comprendre le monde physique et planifier des tâches en plusieurs étapes durant plusieurs minutes. DeepMind présente cette couche de raisonnement comme la base d’équipes de robots travaillant ensemble sur une tâche plutôt que comme des machines isolées.

Ce point est stratégiquement important. Dans l’automatisation industrielle, la valeur d’un système robotique dépend souvent de l’orchestration entre plusieurs machines et flux de travail. Si des modèles d’IA peuvent coordonner des transferts ou répartir le travail entre robots, l’économie du déploiement pourrait évoluer en faveur d’une automatisation plus flexible.

L’exécution sur l’appareil pourrait élargir le déploiement

Un autre élément notable est l’exécution locale. The Robot Report indique que Gemini Robotics 2 peut fonctionner sur l’appareil et s’adapter à des corps robotiques entièrement nouveaux en quelques heures. DeepMind a par ailleurs présenté Gemini Robotics On-Device 2, qu’elle dit optimisé pour fonctionner localement sur le matériel robotique et capable de s’adapter à de nouvelles incarnations avec quelques heures de données.

Cette affirmation répond à deux contraintes réelles du déploiement en robotique. Premièrement, la dépendance au cloud peut ajouter de la latence, des problèmes de fiabilité et de la complexité opérationnelle. Deuxièmement, les développeurs en robotique ne veulent pas réentraîner un système de zéro pour chaque nouvelle plate-forme. Un modèle qui peut être rapidement redirigé vers différentes incarnations serait plus attractif pour les fabricants de matériel et les clients professionnels qui cherchent à réduire les cycles d’intégration.

La disponibilité reste toutefois limitée. The Robot Report indique que Gemini Robotics ER 2 est disponible sur Google AI Studio et en aperçu privé sur la Gemini Enterprise Agent Platform, tandis que les modèles VLA et on-device sont proposés à des partenaires en accès anticipé. L’annonce ressemble donc encore davantage à un déploiement contrôlé qu’à une sortie produit à grande échelle.

Ce que cette sortie signale pour l’IA physique

Le message général est que les grandes entreprises d’IA s’engagent plus fortement dans les systèmes physiques, pas seulement dans les assistants numériques. La manière dont DeepMind présente les choses laisse entendre qu’elle voit la robotique comme le prochain terrain où les modèles multimodaux doivent prouver qu’ils peuvent relier compréhension et action. Le langage, la vision et la planification sont utiles, mais en robotique ils ne comptent que s’ils produisent un mouvement fiable dans des espaces réels et complexes.

Gemini Robotics 2 ne tranche pas la question de savoir si les humanoïdes sont le format gagnant, et ne prouve pas non plus que le contrôle de type modèle fondamental a résolu le problème de fiabilité. Mais il indique la direction du secteur: des modèles capables de généraliser entre différents corps robotiques, d’exécuter localement, d’utiliser à la fois la locomotion et la dextérité, et de se coordonner avec d’autres robots sur des tâches en plusieurs étapes.

Pourquoi c’est important

• La sortie étend le contrôle de l’IA de la manipulation sur table au mouvement de tout le corps.
• DeepMind combine locomotion et contrôle dextre des mains, une exigence clé pour un travail pratique.
• L’exécution sur l’appareil et l’adaptation plus rapide pourraient réduire les barrières d’intégration pour le nouveau matériel.
• La collaboration entre plusieurs robots pointe vers des systèmes d’automatisation plus larges, et non des machines à usage unique.

Le test immédiat sera de voir si les partenaires en accès anticipé peuvent reproduire ces capacités en dehors des scénarios de démonstration. Si c’est le cas, Gemini Robotics 2 pourrait devenir un jalon important dans la transition des démonstrations d’IA multimodale vers une automatisation physique plus capable.

Cet article s’appuie sur le reportage de The Robot Report. Lire l’article original.