Google DeepMind lance Gemini Robotics 2.5, testé sur les chaînes de Mercedes-Benz avec 96 % de réussite

Google DeepMind veut sortir les robots du laboratoire. Le laboratoire a présenté le 10 novembre Gemini Robotics 2.5, qu’il décrit comme son modèle vision-langage-action (VLA) le plus capable : un modèle qui regarde la scène, comprend une consigne et commande directement les bras et les mains d’un robot. Le modèle est en cours de déploiement auprès des partenaires robotiques de Google, sans accès public annoncé.

Plus de tâches, plus vite

Google DeepMind dit avoir évalué Gemini Robotics 2.5 sur plus de 200 tâches distinctes, choisies pour combiner usage d’outils, manipulation d’objets souples et gestes délicats : servir de la nourriture avec des pinces, nouer un ruban sur un paquet cadeau, pipeter un liquide. Par rapport à ses références précédentes, le laboratoire annonce un taux de réussite de 30 % à 100 % plus élevé selon le type de tâche, et des tâches exécutées 20 % à 30 % plus vite.

Comme les versions précédentes, le modèle n’est pas lié à un robot précis. Google DeepMind le montre sur l’humanoïde Apollo 2 d’Apptronik, équipé d’une main SharpaWave à cinq doigts et 22 degrés de liberté, et sur la plateforme à deux bras Franka Duo, qui n’a que des pinces parallèles.

Un essai en usine chez Mercedes-Benz

Le résultat le plus concret vient d’une preuve de concept avec Apptronik et Mercedes-Benz, sur des lignes de production actives à Kecskemét, en Hongrie, et à Sindelfingen, en Allemagne. Apollo 2 y fait du kitting : il prend des supports métalliques dans des bacs en vrac et les range dans des bacs de séquençage, dans l’ordre exact où chaque voiture en aura besoin. Un modèle de raisonnement, Gemini Robotics ER, suit le déroulé de la tâche ; Gemini Robotics 2.5 pilote les mains et les bras. Selon Google DeepMind, le robot y atteint 96 % de réussite. Le PDG d’Apptronik, Jeff Cardenas, affirme que les modèles ont « progressé de façon spectaculaire en quelques semaines » d’ajustement et se sont transposés en usine « avec très peu de perte ».

La sécurité, mesurée par un nouveau test ouvert

Le modèle utilise un guidage par raisonnement au moment de l’exécution pour contourner les dangers physiques en temps réel. Dans les évaluations du laboratoire, la réalisation sûre des tâches progresse de 33 % autour d’obstacles et de 43 % près de personnes. Google DeepMind publie aussi en open source ASIMOV-Jailbreak, un banc d’essai de plusieurs centaines de requêtes qui déguisent des demandes dangereuses dans des dizaines de scènes. Le chiffre mis en avant concerne toutefois Gemini 4 Argon, son modèle généraliste, qui résiste à 99,5 % de ces tentatives, contre 82 % pour l’ancien Gemini Robotics ER 2.

Un modèle de langage pour fabriquer les données

Gemini 4 Argon a aussi servi d’accélérateur. À partir d’une seule vue de caméra réelle, il génère un jumeau numérique et des milliers de répétitions simulées, mêlées ensuite aux démonstrations réelles. Il aide aussi les chercheurs à formuler des hypothèses sur les échecs à partir des vidéos, puis à tester des corrections en simulation et sur les robots.

Ce qui reste à vérifier

Tous les chiffres viennent de Google DeepMind et de ses partenaires : aucune évaluation indépendante n’est publiée. Le billet ne précise pas la durée de l’essai chez Mercedes-Benz, le volume de pièces traitées ni la cadence par rapport à un opérateur. Il ne donne ni prix, ni API publique, ni calendrier d’ouverture, et rien n’indique que les poids seront publiés.