Google DeepMind a présenté Gemini Robotics 2 le 30 juillet. Dans la démonstration, l'humanoïde Apollo 2 d'Apptronik se penche, marche vers une étagère, saisit un arrosoir et le place à l'endroit demandé.
Trois modèles pour une même pile
Gemini Robotics 2 transforme vision et langage en contrôle moteur. Gemini Robotics ER 2 comprend la scène, dialogue avec l'humain et planifie des tâches en plusieurs étapes. Gemini Robotics On-Device 2 fonctionne localement sur le robot.
Carolina Parada a déclaré à WIRED : “It's another milestone in our path towards really getting towards what we call like physical AGI, which means we get a robot to do anything that a human can.” Les progrès vérifiables sont plus précis : contrôle du corps entier, manipulation à deux mains, coordination multi-robots, exécution locale et arrêt sûr.
La main reste le point dur
Les graphiques de Google indiquent qu'Apollo 2 avec Inspire hands réussit 68,4% des prises sur table, 45,7% au sol et 76,3% sur étagère. Avec la main à cinq doigts SharpaWave, dévisser une ampoule atteint 92%, la visser 36%, nouer un sac-poubelle 44%, utiliser une pelle 32% et fermer un ziplock 40%.
La démonstration montre une avancée, les chiffres rappellent la limite : plus la tâche ressemble à une main humaine, moins le résultat est stable.
La suite dépendra de la reproduction
Google affirme qu'On-Device 2 peut s'adapter à de nouveaux robots à deux bras en quelques heures, généralement avec moins de 200 exemples. La carte du modèle indique que SO101 passe de 6,7% à 53,3% et Dexmate de 24,4% à 75,6%. Ce sont des résultats dans ce cadre d'évaluation.
Les prochains repères seront la reproduction sur matériel tiers, la progression des tâches multi-doigts au-dessus de 50% et la fiabilité des arrêts de sécurité lorsque des personnes approchent dans des environnements complexes.
Sources : annonce de Google DeepMind, cartes de modèle Gemini Robotics ER 2 et On-Device 2, Google AI for Developers, CocoLoop, WIRED, The Verge, Sina Finance ; vérification du périmètre des modèles, de la pile à trois modèles, des évaluations Apollo 2/SharpaWave/Inspire hands, des paramètres 128k/64K, de l'adaptation avec moins de 200 exemples et des canaux de disponibilité.