RobotiqueMarkTechPost · 30 juil. 2026, 21:20· 2 min de lecture

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.

Dans nos dossiers

Gemini Google DeepMind Robots humanoïdes Hugging Face

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

Les 10 meilleurs modèles d'IA physique pour robots en 2026

En 2026, une nouvelle génération de modèles d'IA dits "physiques" s'impose comme la colonne vertébrale de la robotique industrielle et de recherche. Ces systèmes ne génèrent pas du texte, mais des commandes motrices : ils permettent à des robots réels d'exécuter des tâches complexes dans des usines, entrepôts et laboratoires. Dix modèles dominent ce paysage. NVIDIA a lancé sa série GR00T N dès mars 2025 au GTC, avec une première version ouverte et personnalisable. La version N1.7, publiée le 17 avril 2026 en accès anticipé, est un modèle de 3 milliards de paramètres, sous licence Apache 2.0, entraîné sur 20 854 heures de vidéo égocentrique humaine couvrant plus de 20 catégories de tâches. NVIDIA a également identifié la première loi d'échelle pour la dextérité robotique : passer de 1 000 à 20 000 heures de données humaines double les performances. Google DeepMind, de son côté, a dévoilé Gemini Robotics 1.5 en septembre 2025, un modèle vision-langage-action bâti sur Gemini 2.0, et a publié le 14 avril 2026 une version Gemini Robotics-ER 1.6 améliorant le raisonnement spatial, développée en collaboration avec Boston Dynamics. Ces avancées marquent un tournant concret pour l'industrie robotique. Des partenaires comme Agile Robots, Agility Robotics, Foxlink, NEURA Robotics et Lightwheel testent ou déploient déjà ces systèmes sur du matériel réel. Les modèles permettent désormais à des robots bimanuels d'accomplir des tâches en plusieurs étapes, de lire des instruments complexes, ou d'apprendre à partir de simples vidéos d'humains au travail, sans nécessiter des mois de génération de données synthétiques. NVIDIA a réduit ce délai à environ 36 heures grâce à son architecture GR00T-Dreams. Pour les opérateurs industriels, cela signifie des cycles de déploiement raccourcis et une polyvalence accrue des robots sans reprogrammation manuelle lourde. Ce bond technologique s'inscrit dans une convergence entre les grands modèles de langage et la robotique physique, amorcée depuis 18 mois environ. Des acteurs comme Physical Intelligence, avec ses modèles pi0 et pi0.5 basés sur le flow matching, Figure AI avec Helix, ou encore OpenVLA et le SmolVLA open-source d'HuggingFace LeRobot, enrichissent un écosystème désormais très dense. NVIDIA s'appuie également sur ses Cosmos World Foundation Models pour simuler des environnements d'entraînement réalistes. La compétition s'intensifie entre approches ouvertes, comme GR00T N1.7, et systèmes propriétaires à accès restreint comme Gemini Robotics 1.5, dont la disponibilité reste limitée à des partenaires sélectionnés. Les prochains mois verront probablement les premières mises en production à grande échelle dans les lignes d'assemblage et la logistique automatisée.

UEL'entreprise allemande NEURA Robotics figure parmi les partenaires industriels testant ces systèmes, et les opérateurs européens de la logistique et de l'assemblage pourraient bénéficier de cycles de déploiement robotique significativement raccourcis.

RobotiqueActu

1 source

2MarkTechPost

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

3NVIDIA AI Blog

NVIDIA lance des compétences agents pour l'IA physique : véhicules autonomes, robotique et vision

NVIDIA a profité de la conférence CVPR 2026 pour dévoiler une série de nouveaux outils d'IA physique destinés aux chercheurs travaillant sur les véhicules autonomes, la robotique et les systèmes de vision artificielle. Ces annonces s'appuient sur le lancement, quelques jours plus tôt, de NVIDIA Cosmos 3, présenté comme le premier modèle fondamental unifié de l'industrie combinant raisonnement visuel, génération de mondes et génération d'actions. Parmi les outils dévoilés figurent InstantNuRec, qui reconstruit des scènes routières en 3D à partir d'images sans optimisation par scène ; AlpaGym, un framework open source d'apprentissage par renforcement en boucle fermée capable de s'exécuter sur des milliers de GPU ; OmniDreams, un modèle génératif qui produit des rendus photoréalistes en temps réel en réponse aux actions d'une politique de conduite ; et Alpamayo 2 Super, un modèle VLA (vision-langage-action) de 32 milliards de paramètres conçu pour le développement de véhicules autonomes de niveau 4. Le problème central que cherche à résoudre NVIDIA est la fragmentation des workflows en IA physique. Aujourd'hui, reconstruire une scène réelle, générer des scénarios rares, entraîner une politique, évaluer son comportement et itérer rapidement implique de jongler entre des outils disparates, ce qui ralentit considérablement la recherche. Pour les véhicules autonomes en particulier, le défi est la « longue traîne » des situations de conduite : les interactions rares, les géométries routières inhabituelles, les variations d'éclairage qui sont difficiles à collecter en conditions réelles mais critiques pour la validation. Les nouveaux outils de NVIDIA permettent aux agents IA d'automatiser ces étapes, de la reconstruction de scènes à partir de données de flotte jusqu'à la génération de conditions synthétiques variées. Pour la vision industrielle, des compétences Metropolis permettent de générer des défauts visuels rares sur différentes surfaces, résolvant le problème chronique du manque de données pour la détection d'anomalies. Ces annonces s'inscrivent dans une stratégie cohérente de NVIDIA pour s'imposer comme infrastructure de référence de l'IA physique, un marché qu'elle considère comme la prochaine vague majeure après les grands modèles de langage. Cosmos 3, socle de l'ensemble de l'écosystème présenté, est positionné comme modèle ouvert dominant sur les benchmarks publics de l'IA physique. En combinant simulation haute fidélité, modèles fondateurs ouverts et frameworks d'entraînement scalables, NVIDIA tente de reproduire avec l'IA embarquée et robotique ce qu'elle a réussi dans le calcul haute performance : rendre son infrastructure si centrale que les chercheurs n'envisagent pas d'alternatives. Les prochaines étapes passeront par l'adoption de ces outils par les grands constructeurs automobiles et les laboratoires de robotique, qui testent actuellement leurs capacités sur des flottes réelles.

UELes constructeurs automobiles européens (Renault, Stellantis, BMW) et les laboratoires de recherche en robotique pourront utiliser ces outils open-source pour accélérer le développement de véhicules autonomes de niveau 4 et réduire leur dépendance à la collecte de données réelles.

RobotiqueOpinion

1 source

4AI Business

Nvidia lance Data Factory et des modèles robotiques dans son offensive pour l'IA physique

Nvidia franchit une nouvelle étape dans sa conquête de l'IA physique en dévoilant Data Factory, une plateforme dédiée à la génération et au traitement de données synthétiques pour la robotique, accompagnée de nouveaux modèles d'IA spécialisés dans ce domaine. Ces annonces confirment l'ambition du fabricant de puces de s'imposer bien au-delà du marché des GPU, en devenant un partenaire technologique de bout en bout pour les industriels et les développeurs de systèmes autonomes. L'enjeu est considérable : l'IA physique, qui englobe la robotique, les véhicules autonomes et les systèmes industriels intelligents, représente l'un des marchés à la croissance la plus rapide de la prochaine décennie. En proposant une infrastructure complète allant des données d'entraînement jusqu'aux modèles prêts à l'emploi, Nvidia cherche à reproduire dans la robotique le même effet de verrouillage écosystémique qu'il a réussi à imposer dans le calcul haute performance avec CUDA. Data Factory s'appuie sur les capacités de simulation de la plateforme Omniverse pour générer des environnements synthétiques réalistes, permettant d'entraîner des robots sans avoir recours à des millions d'heures de collecte de données réelles, un goulot d'étranglement majeur du secteur. Les nouveaux modèles robotiques annoncés s'intègrent dans l'écosystème Isaac, la suite robotique de Nvidia, et ciblent aussi bien la manipulation d'objets en entrepôt que la navigation autonome dans des environnements complexes. Cette offensive positionne Nvidia en concurrent direct d'acteurs comme Boston Dynamics, Figure AI ou encore 1X Technologies, mais surtout en fournisseur de l'infrastructure sur laquelle tous ces acteurs pourraient s'appuyer, une stratégie de plateforme qui rappelle celle d'Amazon Web Services dans le cloud.

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