Google DeepMind dévoile Gemini Robotics 2, doté d'une « intelligence corps entier »

L'un des obstacles techniques les plus difficiles pour les robots humanoïdes a longtemps été la coordination : tendre le bras vers un objet tout en maintenant l'équilibre et en orientant correctement le torse nécessite de gérer des dizaines d'articulations simultanément. De nombreux systèmes robotiques ont historiquement géré cela en décomposant la tâche — se stabiliser d'abord, puis bouger le bras — ce qui tend à rendre les mouvements lents et mécaniques.

Google DeepMind a annoncé Gemini Robotics 2 le 30 juillet, une famille de modèles d'IA visant directement ce problème. Selon l'entreprise, le système donne aux robots la capacité de planifier et d'ajuster l'ensemble de leur corps, du torse aux jambes, comme une unité coordonnée unique — permettant à une machine de se tourner, se pencher et tendre le bras en même temps.

En pratique, cela signifie un système de mouvement intégré unique permettant à un robot humanoïde de marcher, s'accroupir, s'étirer et manipuler des objets pour ranger une pièce en désordre. Les images de démonstration diffusées par l'entreprise montrent des robots insérant une cassette dans un lecteur, vissant une ampoule, et même nouant un sac poubelle.

Le système repose sur trois modèles spécialisés : un modèle Vision-Langage-Action, un modèle de Raisonnement Incarné, et un contrôleur embarqué. Cette structure en trois parties sépare la planification de haut niveau des tâches — comprendre quoi faire — du contrôle moteur de bas niveau — déterminer comment le faire physiquement —, une approche architecturale que les chercheurs en robotique poursuivent depuis longtemps.

Les résultats de performance varient considérablement selon la tâche. Le système a atteint un taux de réussite de 92 % pour une tâche exigeant un contrôle précis du corps entier : dévisser une ampoule, démontrant que la motricité fine et la coordination corporelle plus large étaient combinées efficacement.

Mais les tests menés avec une plateforme robotique appelée Apollo 2 ont produit des résultats plus mitigés : un taux de réussite de 68,4 % pour ramasser des objets sur une table, 45,7 % au sol, et 76,3 % sur une étagère.

Le taux de réussite plus faible pour ramasser des objets au sol illustre un défi concret auquel le domaine est encore confronté : se pencher nécessite de déplacer le centre de gravité du corps tout en maintenant l'équilibre, de percevoir la scène sous un angle visuel différent, et d'appliquer une prise précise dans un espace souvent plus restreint pour la manœuvre de la main — autant de variables devant être gérées simultanément et en temps réel.

Néanmoins, les chercheurs soulignent que cet écart de performance entre les tâches est attendu, chaque tâche exigeant une combinaison différente d'équilibre, de perception et de manipulation. L'objectif n'est pas la perfection sur une seule tâche, mais une compétence générale raisonnablement fiable sur un large éventail de tâches physiques.

Gemini Robotics 2 s'inscrit dans une poussée plus large de Google vers des systèmes d'IA opérant dans le monde physique, un domaine jugé particulièrement difficile car, contrairement aux modèles d'IA conversationnels, il nécessite de composer directement avec l'incertitude et les contraintes physiques du monde réel.

Les experts estiment que des robots humanoïdes fiables et polyvalents pour un usage domestique ou industriel restent probablement à des années de l'usage quotidien, mais les progrès de ce type de coordination corps entier sont perçus comme le signe que l'une des barrières techniques les plus fondamentales du domaine — un contrôle du mouvement fragmenté et séquentiel — commence à être surmontée.