Aller au contenu principal
IA physiqueRobotics & Automation News 

Google DeepMind lance Gemini Robotics 2.5, avec une dextérité améliorée et des capacités industrielles

1 source couvre ce sujet·Source originale ↗·

Compilé et résumé par IA · sources vérifiables en un clic · publié sans lecture humaine préalable · méthodologie

Résumé IASource uniqueImpact UE

Google DeepMind a dévoilé Gemini Robotics 2.5, une nouvelle version de son modèle vision-langage-action (VLA), c'est-à-dire un modèle qui convertit directement perception visuelle et instructions en langage naturel en commandes motrices. Évalué sur plus de 200 tâches (manipulation d'objets fragiles, usage d'outils, matériaux souples, assemblage de précision), il affiche selon DeepMind des taux de réussite supérieurs de 30 à 100 % à ceux des versions précédentes, selon les tâches, et une exécution 20 à 30 % plus rapide. La démonstration la plus marquante a eu lieu avec le robot humanoïde Apollo 2 d'Apptronik, testé sur des lignes de production Mercedes-Benz à Kecskemét (Hongrie) et Sindelfingen (Allemagne). Il y réalisait du kitting automobile, soit le prélèvement de composants en bacs vrac pour les ranger dans des plateaux destinés à l'assemblage. Gemini Robotics 2.5 pilotait les bras et les mains, tandis que Gemini Robotics ER assurait la planification des tâches, pour un taux de réussite rapporté de 96 % lors de ce proof of concept. Côté sécurité, DeepMind annonce que de nouveaux contrôles fondés sur le raisonnement augmentent de 33 % la réussite sécurisée des tâches en présence d'obstacles et de 43 % lorsque des personnes se trouvent à proximité. Le laboratoire publie aussi ASIMOV-Jailbreak, un benchmark open source mesurant la résistance des IA robotiques à des instructions menant à des actions dangereuses : son modèle Gemini 4 Argon atteint 99,5 % de résistance contre 82 % pour la référence précédente. Le modèle est mis à disposition des partenaires robotiques de DeepMind.

Pour les intégrateurs et décideurs industriels, le point le plus intéressant n'est pas le chiffre de 96 %, mais l'affirmation d'Apptronik selon laquelle les performances ont progressé en quelques semaines de post-entraînement et se sont transférées vers les lignes Mercedes-Benz avec très peu de dégradation. Si cela se confirme, c'est un argument concret contre le fameux écart entre démonstration et réalité, et en faveur d'un modèle généraliste adaptable à un site plutôt que d'une programmation sur mesure par poste. L'usage de Gemini 4 Argon pour générer des scénarios simulés et des jumeaux numériques, qui réduirait selon DeepMind les données physiques nécessaires, va dans le même sens, celui d'un sim-to-real de plus en plus exploitable. Il faut cependant lire ces chiffres avec prudence : les résultats sont publiés par le fournisseur lui-même, la définition du succès, le nombre d'essais, les temps de cycle et le niveau d'intervention humaine ne sont pas précisés, et un proof of concept en kitting n'est ni un déploiement en production ni une preuve de rentabilité face à des opérateurs ou à des AMR existants. Le benchmark de sécurité, enfin, est conçu et évalué par l'entreprise qui l'a créé, et ne remplace pas une certification pour des robots évoluant près d'humains.

Ce lancement s'inscrit dans la course aux modèles de fondation pour la robotique, où DeepMind s'oppose notamment à Physical Intelligence (Pi-0), à NVIDIA (GR00T) et à Figure (Helix), qui intègrent plus verticalement modèle et matériel. La stratégie de Google est différente : fournir un « cerveau » multi-plateformes à des partenaires constructeurs, Apptronik étant le plus visible. Mercedes-Benz, de son côté, multiplie les essais d'humanoïdes en usine. Aucun calendrier de déploiement à grande échelle, volume ou prix n'a été communiqué : il s'agit donc d'une annonce de modèle accompagnée d'un pilote, et non d'un produit livré en série. Les prochains indicateurs à surveiller seront le passage du proof of concept à un pilote en production sur plusieurs postes, la publication de métriques indépendantes (taux d'interventions, cadence, disponibilité) et l'adoption du modèle par d'autres fabricants de robots, y compris européens.

Impact France/UE

Les essais de kitting sur les sites Mercedes-Benz de Sindelfingen (Allemagne) et Kecskemét (Hongrie) montrent une application directe à l'industrie automobile européenne, et le modèle pourrait être adopté par des fabricants de robots européens.

À lire aussi

Gemini Robotics 2.5 de Google atteint 96 % lors d'un essai en usine sur 200 tâches
Illustration générée par IA
1Interesting Engineering 

Gemini Robotics 2.5 de Google atteint 96 % lors d'un essai en usine sur 200 tâches

Google DeepMind a présenté Gemini Robotics 2.5, son dernier modèle vision-langage-action (VLA), c'est-à-dire un système qui convertit des entrées visuelles et des instructions en mouvements de robot. Lors d'une preuve de concept en usine, le modèle a atteint 96 % de réussite avec des humanoïdes Apollo 2 d'Apptronik sur des lignes de production Mercedes-Benz, à Kecskemét (Hongrie) et Sindelfingen (Allemagne). Les robots ont trié de façon autonome des pièces automobiles, notamment des supports métalliques, depuis des bacs en vrac vers des bacs de séquençage, dans l'ordre requis pour l'assemblage. Le modèle de raisonnement incarné Gemini Robotics ER suivait le déroulement de la tâche tandis que Gemini Robotics 2.5 pilotait bras et mains. Google l'a évalué sur plus de 200 tâches, du service d'aliments à la pince au nœud de ruban sur un coffret, en passant par le transfert de liquide à la pipette. Selon l'entreprise, le taux de réussite progresse de 30 % à 100 % selon la tâche par rapport aux références précédentes, avec une exécution 20 à 30 % plus rapide. Le modèle fonctionne sur plusieurs plateformes, dont l'Apollo 2 et le système bimanuel Franka Duo à pinces parallèles à deux doigts. Côté sécurité, le guidage par raisonnement à l'inférence augmente de 33 % les tâches menées à bien en présence d'obstacles et de 43 % près de personnes. Google publie aussi ASIMOV-Jailbreak, un benchmark open source de centaines de prompts répartis sur des dizaines de scènes, où Gemini 4 Argon résiste à 99,5 % des tentatives contre 82 % pour la base Gemini Robotics ER 2. Le modèle est en cours de déploiement auprès des partenaires robotiques de Google. Pour les intégrateurs et les décideurs industriels, le signal est double. D'une part, un VLA généraliste pilote des mains humanoïdes sur une tâche de logistique de pièces réelle, dans deux sites d'un grand constructeur, ce qui rapproche la manipulation généraliste des cas d'usage de kitting et de séquençage, aujourd'hui servis par des cellules spécialisées. D'autre part, l'approche s'appuie sur la simulation: Gemini 4 Argon génère des milliers d'essais simulés à partir de vidéos réelles, crée des jumeaux numériques et analyse les échecs pour proposer des corrections. Si cela se confirme hors des laboratoires de Google, c'est un argument en faveur d'un sim-to-real devenu industrialisable. Il faut toutefois lire les chiffres avec prudence. Le taux de 96 % est donné sans temps de cycle, sans durée de l'essai, sans volume de pièces ni comparaison avec un opérateur humain ou une cellule robotisée classique. Les gains de 30 à 100 % sont mesurés par Google sur ses propres références, et les résultats de sécurité proviennent d'évaluations internes. Google précise lui-même qu'il s'agit d'une preuve de concept et non d'un déploiement commercial à grande échelle. Ce lancement s'inscrit dans la course au modèle de fondation robotique, où Google DeepMind affronte notamment Physical Intelligence (Pi-0), Nvidia (GR00T), Figure (Helix) et Tesla (Optimus), tandis qu'Apptronik s'impose comme partenaire matériel privilégié de l'écosystème Gemini. Mercedes-Benz, déjà engagé auprès d'Apptronik, sert ici de vitrine industrielle. La suite dépendra de la publication de métriques opérationnelles (cadence, taux d'intervention humaine, disponibilité) et de la transformation de cette preuve de concept en pilote de production, ce que Google n'a pas daté. Le déploiement auprès des partenaires devrait fournir les premiers retours indépendants. Aucun acteur français ou européen n'est cité dans l'annonce, même si les essais se déroulent sur des sites européens.

UELes essais ont lieu sur deux sites européens de Mercedes-Benz (Kecskemét en Hongrie, Sindelfingen en Allemagne), ce qui rapproche la manipulation généraliste des usines automobiles de l'UE sans acteur français ou européen de la robotique impliqué.

IA physiqueActu
1 source
Gemini Robotics 2, selon Google DeepMind, permet un contrôle complet du corps
Illustration générée par IA
2The Robot Report 

Gemini Robotics 2, selon Google DeepMind, permet un contrôle complet du corps

DeepMind a dévoilé la semaine dernière Gemini Robotics 2, la nouvelle version de son modèle vision-langage-action (VLA), avec pour ajout principal le contrôle du corps entier des robots humanoïdes, là où la version précédente se limitait au haut du corps pour des tâches sur table. Sur le robot Apollo 2 d'Apptronik, le modèle traduit une instruction en langage naturel, comme « mettre l'arrosoir dans le bac vert de l'étagère du bas », en une séquence complète : le robot marche jusqu'à la table, saisit l'objet, se déplace vers l'étagère et le pose précisément à l'endroit demandé. Côté préhension fine, Gemini Robotics 2 pilote la main SharpaWave à cinq doigts et 22 degrés de liberté (DOF) montée sur Apollo 2, capable de nouer une corde ou de fermer un sachet zippé, ainsi que des pinces parallèles à deux doigts standard sur une plateforme Franka Duo pour des tâches d'emballage dense. DeepMind publie en parallèle deux modèles complémentaires : Gemini Robotics ER 2, un modèle de raisonnement incarné (VLM) qui sert de « cerveau » de haut niveau, communique avec les humains, observe l'environnement et coordonne des tâches multi-étapes de plusieurs minutes, y compris entre plusieurs robots ; et Gemini Robotics On-Device 2, une version optimisée pour tourner localement sur les robots et s'adapter à un nouveau corps robotique en quelques heures de données seulement, selon DeepMind. ER 2 est disponible sur Google AI Studio et en accès anticipé privé sur la plateforme Gemini Enterprise Agent, tandis que le VLA et la version on-device restent réservés à des partenaires triés sur le volet. Cette annonce marque une étape notable dans la course aux robots humanoïdes généralistes, dominée jusqu'ici par des démonstrations spectaculaires mais rarement suivies de déploiements réels. En unifiant navigation, manipulation bimanuelle et dextérité fine sous un seul modèle capable de s'adapter à différents corps robotiques (Apollo 2, Franka Duo) en quelques heures plutôt qu'en mois de réentraînement, DeepMind s'attaque directement à l'un des goulots d'étranglement du secteur : le fossé entre une démo réussie en labo et un système fiable en environnement réel. Le fait que Gemini Robotics ER 2 gère l'auto-correction en cas d'échec d'une étape et la généralisation à des situations nouvelles répond à une critique récurrente des VLA actuels, souvent fragiles dès qu'ils sortent de leur distribution d'entraînement. DeepMind reconnaît toutefois que la vitesse de mouvement reste un axe de progrès, une nuance qui tempère l'enthousiasme habituel des communiqués du secteur et rappelle que la robustesse à l'échelle industrielle n'est pas encore acquise. Le premier Gemini Robotics, lancé plus tôt dans l'année, avait déjà démontré la capacité du modèle multimodal de Google à piloter une action physique réelle, mais restait cantonné à des manipulations de table. Cette itération s'inscrit dans une compétition de plus en plus dense entre modèles VLA généralistes, face notamment à Figure avec Helix, Physical Intelligence avec Pi-0, ou NVIDIA avec GR00T N2, chacun cherchant à prouver qu'un seul modèle peut piloter des corps robotiques variés sans réentraînement spécifique par tâche. L'accès restreint aux early-access partners suggère que DeepMind privilégie pour l'instant une validation contrôlée avant une ouverture plus large, sans calendrier de déploiement commercial annoncé à ce stade.

IA physiqueOpinion
1 source
Gemini Robotics 2, le nouveau modèle de Google DeepMind
Illustration générée par IA
3IEEE Spectrum Robotics 

Gemini Robotics 2, le nouveau modèle de Google DeepMind

Le déploiement Google DeepMind vient de dévoiler Gemini Robotics 2, une couche d'intelligence destinée à piloter des robots plus adaptables, testée dès son annonce sur des démonstrations de premiers pas et de contrôle corporel complet. Le système ajoute une dextérité avancée et une capacité de collaboration entre plusieurs robots, mais sans chiffres précis de payload, DOF ou temps de cycle publiés à ce stade, il s'agit encore d'une démonstration technologique plutôt que d'un produit commercial daté. Cette édition de Video Friday, compilée par IEEE Spectrum, réunit aussi plusieurs autres publications de la semaine dans le secteur robotique : Agility Robotics a partagé une feuille de route, Unitree a montré de nouvelles capacités de ses robots, et Hello Robot a présenté Stretch 4.0, un robot à un bras et trois roues conçu pour naviguer dans un environnement domestique de façon sûre. Cette accumulation d'annonces reflète l'intensité de la course à l'humanoïde et aux robots polyvalents en 2026 : les grands laboratoires d'IA comme Google DeepMind cherchent à s'imposer comme fournisseurs de la couche cognitive générique pour une multitude de plateformes robotiques, plutôt que de se limiter à un seul matériel. Pour les intégrateurs et décideurs B2B, la multiplication de ces modèles de contrôle (à l'image de Pi-0 ou GR00T N2 chez d'autres acteurs) signale une bascule progressive vers des architectures VLA (vision-langage-action) mutualisées, capables en théorie d'équiper des robots aux morphologies variées. Reste que la démonstration de "premiers pas" par Gemini Robotics 2 est, comme souvent dans ce type d'annonces, une vitrine soigneusement sélectionnée : l'écart entre démonstration contrôlée et déploiement réel en usine ou à domicile demeure la question centrale que ces vidéos ne tranchent pas. Le reste de la sélection hebdomadaire illustre la diversité des approches actuelles : des chercheurs du General Robotics Lab ont développé une main robotique à 21 degrés de liberté capable d'exprimer des "ombres" dynamiques via une peau souple, tandis que Disney Research explore le transfert de mouvement d'humains vers des robots quadrupèdes. Le laboratoire RAD de l'USC travaille avec la NASA à l'entraînement de robots-chiens pour l'exploration planétaire, sur Mars et la Lune. IEEE Spectrum rappelle aussi les origines du secteur en évoquant WABOT-1, souvent considéré comme le premier robot humanoïde japonais, développé par le Takanishi Lab, marquant le chemin parcouru depuis jusqu'aux systèmes actuels comme celui de Sunday Robotics, montré ici pliant du linge à vitesse accélérée.

IA physiqueActu
1 source
Nouvelle main robotique soulève 25 kilos tout en manipulant des objets fragiles avec une dextérité proche de l'humain
Illustration générée par IA
4Interesting Engineering 

Nouvelle main robotique soulève 25 kilos tout en manipulant des objets fragiles avec une dextérité proche de l'humain

La startup suisse Mimic Robotics a dévoilé la Mimic Hand M1, une main robotique dexterous destinée à l'automatisation industrielle. Conçue et fabriquée en Suisse, elle repose sur une architecture à câbles tendineux (tendon-driven) inspirée de l'anatomie humaine : les actionneurs sont logés dans l'avant-bras plutôt que dans la paume ou les doigts, et entraînent les phalanges via des tendons passant sur des roulements et poulies plutôt que dans des gaines de guidage sujettes au frottement. La main compte 15 degrés de liberté actifs répartis sur 21 articulations, avec abduction des doigts et pouce opposable. Pour un poids d'environ 1,8 kg, elle peut maintenir une prise cylindrique stable sur des charges dépassant 25 kg, tout en détectant, selon Mimic Robotics, des forces aussi faibles que 0,1 newton (soit l'équivalent d'un objet d'environ 50 grammes) via le seul courant moteur. Des capteurs tactiles aux extrémités des doigts mesurent en complément la force normale, la force de cisaillement tangentielle et la localisation précise du contact. Ces chiffres proviennent des communications de l'entreprise et n'ont pas fait l'objet de validation indépendante à ce stade. Cette annonce s'inscrit dans un débat plus large sur la meilleure architecture de préhension pour les robots humanoïdes et l'automatisation industrielle. Plutôt que les pinces à deux doigts classiques, largement répandues mais limitées en polyvalence, Mimic mise sur une main à morphologie humaine pour faciliter le transfert de compétences apprises par démonstration humaine vers un système robotique, un enjeu central pour l'IA physique (Physical AI). L'entreprise présente la M1 non comme un simple effecteur terminal mais comme une plateforme sensorielle conçue pour rester identique entre la phase de collecte de données, l'entraînement des modèles d'IA et le déploiement final, dans le but de réduire ce qu'elle appelle le « fossé d'incarnation » (cross-embodiment gap), soit la perte de performance quand un modèle entraîné sur des mouvements humains doit s'adapter à une pince mécaniquement différente. Si cette approche tient ses promesses en conditions réelles d'usine, elle pourrait peser dans l'arbitrage entre pinces spécialisées et mains anthropomorphes pour les intégrateurs industriels. La M1 s'inscrit dans une plateforme robotique plus large développée par Mimic, incluant un gant portable destiné à la collecte de données de démonstration humaine, utilisé pour entraîner les modèles avant déploiement sur la main robotique. L'annonce intervient peu après que la firme norvégienne 1X a présenté ses propres mains à câbles tendineux à 25 degrés de liberté pour son robot NEO, avec des objectifs similaires de précision, de robustesse et de sécurité. La course à la main robotique dexterous s'accélère ainsi chez plusieurs acteurs du secteur humanoïde, chacun cherchant à résoudre le même problème : donner aux robots une préhension suffisamment fine et polyvalente pour remplacer, à terme, la main humaine sur les lignes de production.

UEDeveloppee par une startup suisse, cette main robotique pourrait influencer les choix technologiques des intégrateurs robotiques industriels européens, sans impact direct sur une entreprise ou une réglementation française a ce stade.

IA physiqueActu
1 source