RobotiqueArs Technica AI · 30 juil. 2026, 21:58· 2 min de lecture

Google dévoile Gemini Robotics 2.0, avec une dextérité et une sécurité améliorées

Google a dévoilé Gemini Robotics 2, la nouvelle génération de ses modèles d'intelligence artificielle destinés aux robots humanoïdes, dont un premier sous-modèle est désormais accessible aux développeurs. Cette version succède à Gemini Robotics ER 1.6 et introduit trois sous-modèles distincts, dont Gemini Robotics ER 2, un modèle de "raisonnement incarné" que les équipes de Google DeepMind présentent comme une avancée majeure par rapport à la version précédente. Ce nouveau modèle est intégré à l'API Gemini Live, ce qui permet aux développeurs de tester directement ses capacités. Selon Google, cette mise à jour permet de contrôler un robot humanoïde dans son intégralité avec une dextérité accrue, y compris pour des machines dotées de mains articulées complexes. L'ensemble constitue ce que l'entreprise appelle une "intelligence corps entier", capable d'analyser en continu un environnement changeant et de coordonner plusieurs robots entre eux.

Cette avancée marque une rupture avec les robots traditionnels, programmés pour exécuter des tâches très spécifiques comme courir, danser ou faire des backflips, des prouesses spectaculaires mais limitées à un seul type d'action préprogrammée. L'ambition de Google DeepMind est différente: créer un robot généraliste, capable d'accomplir n'importe quelle tâche qu'un humain pourrait réaliser, un concept que les chercheurs qualifient parfois d'"IA physique générale" (physical AGI). Concrètement, l'utilisateur donnerait une instruction en langage naturel, et le robot l'exécuterait sans programmation spécifique préalable. Pour l'industrie de la robotique, cela représenterait un changement d'échelle majeur: au lieu de développer des machines dédiées à une tâche unique, les fabricants pourraient s'appuyer sur un socle d'IA générique adaptable à de multiples usages et environnements.

Ce lancement s'inscrit dans la compétition croissante entre grands acteurs technologiques pour dominer l'IA appliquée à la robotique physique, un domaine longtemps resté en retrait par rapport aux progrès des modèles de langage. Google DeepMind mise sur l'amélioration continue de ses modèles de raisonnement incarné pour rapprocher ses robots d'une autonomie réelle en environnement non contrôlé, contrairement aux démonstrations scénarisées habituelles. La mise à disposition publique d'une partie de cette technologie aux développeurs dès aujourd'hui suggère que Google cherche à accélérer l'adoption de sa plateforme robotique face à des concurrents également actifs sur ce terrain, dans une course où la dextérité, la sécurité et la capacité de collaboration entre machines deviendront des critères déterminants pour les futures applications industrielles et domestiques.

Dans nos dossiers

Google DeepMind Gemini Robots humanoïdes

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1MarkTechPost

Google DeepMind publie Gemini Robotics-ER 1.6 : raisonnement incarné amélioré et lecture d'instruments pour l'IA physique

Google DeepMind a publié Gemini Robotics-ER 1.6, une mise à jour majeure de son modèle de raisonnement incarné destiné à servir de cerveau cognitif aux robots évoluant dans des environnements physiques réels. Ce modèle ne contrôle pas directement les membres d'un robot, c'est le rôle du modèle jumeau Gemini Robotics 1.5, dit VLA (vision-language-action), qui traduit les instructions en commandes motrices. Gemini Robotics-ER 1.6 joue plutôt le rôle du stratège : il analyse l'espace, planifie les tâches, détecte les succès et peut appeler des outils externes comme Google Search ou des fonctions définies par l'utilisateur. Par rapport à la version 1.5, la nouvelle itération améliore nettement les capacités de raisonnement spatial et physique, pointage précis au pixel près, comptage d'objets, raisonnement relationnel ("l'objet le plus petit", "déplacer X vers Y"), et introduit une fonctionnalité entièrement nouvelle : la lecture d'instruments analogiques. L'impact de ces améliorations est concret et mesurable. Dans les benchmarks internes, Gemini Robotics-ER 1.6 identifie correctement le nombre de marteaux, ciseaux, pinceaux, pinces et outils de jardin présents dans une scène, et refuse de pointer des objets absents de l'image, là où la version 1.5 hallucine une brouette inexistante et rate plusieurs objets. Cette fiabilité est critique : dans un pipeline robotique, une fausse détection d'objet provoque des erreurs en cascade, le robot tentant d'interagir avec du vide. La détection de succès multi-vues, savoir quand une tâche est réellement terminée en fusionnant plusieurs flux caméra simultanément, améliore également la capacité du système à décider entre relancer une tentative échouée ou passer à l'étape suivante. La lecture d'instruments, elle, permet pour la première fois à un robot de lire un cadran analogique, un thermomètre ou un manomètre sans avoir besoin que l'instrument soit numérique. Cette publication s'inscrit dans une course effrénée à l'IA physique, où Google DeepMind affronte des acteurs comme Figure AI, Physical Intelligence ou Boston Dynamics sur le terrain de la robotique généraliste. L'architecture duale stratège/exécuteur choisie par DeepMind tranche avec les approches bout-en-bout de certains concurrents, pari sur une meilleure modularité et une plus grande capacité à intégrer des outils tiers. La lecture d'instruments ouvre des perspectives industrielles immédiates : inspection d'équipements dans des usines ou des centrales, environnements où la numérisation complète des capteurs reste coûteuse. Gemini Robotics-ER 1.6 est disponible via Google AI Studio et l'API Gemini, et DeepMind a annoncé un programme d'accès anticipé pour les entreprises souhaitant l'intégrer dans leurs pipelines robotiques.

UELes capacités de lecture d'instruments analogiques et d'inspection visuelle ouvrent des débouchés immédiats pour les industriels européens (usines, centrales) souhaitant déployer des robots dans des environnements non numérisés.

RobotiqueOpinion

1 source

2Ars Technica AI

Des robots quadrupèdes lisent des jauges et thermomètres grâce à Google Gemini

Les chiens robots de Boston Dynamics, comme le quadrupède Spot, sont désormais capables de lire avec précision des thermomètres analogiques et des manomètres lors de leurs rondes dans les usines et entrepôts. Cette avancée repose sur le nouveau modèle d'IA robotique de Google DeepMind, baptisé Gemini Robotics-ER 1.6, annoncé le 14 avril 2026. Ce modèle agit comme un "moteur de raisonnement de haut niveau pour robot", capable de planifier et d'exécuter des tâches complexes impliquant une compréhension fine de l'environnement physique. Il permet notamment de déchiffrer des instruments de mesure comprenant plusieurs aiguilles, des niveaux de liquide, des graduations et du texte, ainsi que d'effectuer des inspections visuelles via des hublots transparents donnant accès à l'intérieur de cuves et de tuyauteries. Cette capacité de "raisonnement incarné" représente un saut qualitatif important pour l'automatisation industrielle. Jusqu'ici, lire un manomètre analogique ou interpréter un niveau dans un réservoir exigeait une intervention humaine ou des capteurs dédiés. Avec Gemini Robotics-ER 1.6, un robot comme Spot peut désormais effectuer des rondes d'inspection autonomes dans des environnements industriels complexes sans infrastructure supplémentaire, réduisant potentiellement les coûts de maintenance et les risques pour les opérateurs humains dans des zones dangereuses. Ce développement s'inscrit dans la collaboration continue entre Google DeepMind et Boston Dynamics, entreprise détenue par le constructeur automobile coréen Hyundai Motor Group. Hyundai teste activement des robots bipèdes et quadrupèdes dans ses usines d'assemblage automobile, faisant de ces environnements un terrain d'expérimentation privilégié. La course à l'IA robotique s'intensifie entre les grands acteurs technologiques, et l'intégration de modèles de vision multimodaux puissants comme Gemini dans des robots physiques ouvre la voie à des inspecteurs autonomes capables d'opérer dans n'importe quelle installation industrielle existante, sans modification matérielle.

UELes industriels européens pourraient adopter cette technologie pour automatiser les rondes d'inspection sans modifier leur infrastructure existante, mais aucune entreprise ou institution française/européenne n'est directement impliquée.

RobotiqueActu

1 source

3TechCrunch AI

Agile Robots devient la dernière entreprise de robotique à s'associer avec Google DeepMind

Agile Robots rejoint le cercle croissant des fabricants de robots humanoïdes qui s'appuient sur l'expertise de Google DeepMind en intelligence artificielle. La startup allemande spécialisée en robotique va intégrer les modèles de fondation robotique développés par le laboratoire de recherche d'Alphabet directement dans ses systèmes, tout en alimentant en retour la collecte de données nécessaire à l'entraînement de ces modèles. Ce partenariat s'inscrit dans une tendance de fond : Google DeepMind consolide sa position comme fournisseur d'IA de référence pour l'industrie robotique, en nouant des alliances stratégiques avec des constructeurs capables de déployer ses modèles à grande échelle dans le monde physique. Pour Agile Robots, accéder aux modèles de fondation de DeepMind représente un raccourci majeur vers des capacités de manipulation et de locomotion avancées, sans avoir à développer ces briques d'IA en interne. L'accord repose sur une logique d'échange mutuellement bénéfique : Agile Robots bénéficie de modèles d'IA de pointe pour améliorer les performances de ses robots, tandis que Google DeepMind récupère des données réelles issues du terrain, une ressource rare et précieuse pour affiner ses modèles dans des conditions d'utilisation concrètes. Ce type de données en environnement réel est considéré comme l'un des verrous principaux au développement de robots généralistes fiables. Agile Robots devient ainsi l'une des dernières entreprises en date à s'associer avec Google DeepMind, qui multiplie ce type de partenariats avec des acteurs de la robotique pour accélérer le déploiement de son programme RT (Robotics Transformer) et de ses successeurs. La course à la robotique incarnée, ou embodied AI, s'intensifie, et les alliances entre spécialistes du hardware et géants de l'IA s'imposent comme le modèle dominant du secteur.

UEAgile Robots, entreprise sino-allemande basée à Munich, renforce ses capacités IA via DeepMind, ce qui pourrait influencer la compétitivité de la robotique européenne face aux acteurs américains et asiatiques.

RobotiqueActu

1 source

4MarkTechPost

Google DeepMind lance trois modèles d'IA physique pour le contrôle corporel complet, la dextérité et la collaboration multi-robots

Google DeepMind a annoncé le déploiement de Gemini Robotics 2, la nouvelle couche d'intelligence artificielle destinée à sa prochaine génération de robots. Cette version se compose de trois modèles distincts, chacun avec un niveau d'accès différent. Le premier, Gemini Robotics 2, est un modèle vision langage action qui convertit les entrées visuelles et textuelles en commandes motrices ; il peut piloter des humanoïdes complets, des pieds jusqu'aux doigts, ainsi que d'autres robots à deux bras. Le deuxième, Gemini Robotics ER 2, agit comme le cerveau de haut niveau : basé sur Gemini 3.5 Flash, il comprend l'environnement physique, communique avec les humains et planifie des tâches en plusieurs étapes pouvant durer plusieurs minutes, avec une fenêtre de contexte allant jusqu'à 128 000 tokens et une sortie de 64 000 tokens ; ce modèle est disponible en preview publique, contrairement aux deux autres, réservés à un accès restreint. Le troisième, Gemini Robotics On-Device 2, s'appuie sur la technologie de Gemini Robotics 1.5 et les modèles Gemma de Google pour fonctionner directement sur le robot. Un seul point de contrôle pilote simultanément trois configurations physiques différentes : l'humanoïde Apollo 2 d'Apptronik équipé de la main à cinq doigts et 22 degrés de liberté SharpaWave, le même Apollo 2 avec des mains Inspire, et un bras Franka Duo muni d'une pince Robotiq. Cette avancée marque une étape importante car elle dépasse pour la première fois la simple manipulation sur table pour intégrer le contrôle du corps entier, la dextérité fine et la coordination entre plusieurs robots. Dans une démonstration, Apollo 2 reçoit l'instruction de déposer un arrosoir dans un bac vert situé sur une étagère basse : le robot marche jusqu'à la table, saisit l'objet, se déplace vers l'étagère et le range au bon endroit. Les taux de réussite rapportés varient fortement selon les tâches, entre 76,3% pour attraper un objet sur une étagère et seulement 45,7% depuis le sol, tandis que la dextérité multi-doigts oscille entre 92% pour dévisser une ampoule et à peine 40% pour fermer un sac ziplock, illustrant que cet axe reste le point faible du système. Ce lancement s'inscrit dans la course entre grands laboratoires d'IA pour doter les robots humanoïdes d'une intelligence générale capable de s'adapter à des environnements imprévisibles, plutôt que de dépendre de programmes figés ou de téléopération. Google DeepMind reconnaît lui-même que la vitesse de mouvement reste à améliorer. Parallèlement, l'entreprise publie ASIMOV-Agentic, un nouveau benchmark de sécurité mis à disposition sur Hugging Face sous licence CC-BY-4.0, signe que les questions de fiabilité et de sécurité deviennent centrales à mesure que ces robots gagnent en autonomie physique.

RobotiqueActu

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic