Un humanoïde trie des pièces automobiles sur une vraie ligne de production. Google DeepMind pilote les mains d’Apollo 2 avec Gemini Robotics 2.5. Cette annonce change l’échelle des tests industriels.
Google DeepMind a lancé Gemini Robotics 2.5, son modèle vision-langage-action le plus performant hors du laboratoire. Apptronik l’a testé avec Apollo 2 chez Mercedes-Benz. Les entreprises industrielles y voient donc un signal sur la maturité de l’IA physique.
Apollo 2 travaille sur les lignes Mercedes-Benz
Deux modèles se partagent le travail sur Apollo 2. Gemini Robotics ER suit le flux de tâches. Gemini Robotics 2.5 contrôle les mains et les bras. Le déploiement a eu lieu à Kecskemét, en Hongrie, et à Sindelfingen, en Allemagne. Apptronik affirme avoir conçu Apollo pour travailler aux côtés des humains dans des environnements industriels réels.
Apollo 2 a trié des pièces en vrac dans des plateaux, selon l’ordre exact de chaque véhicule. Il ne s’agissait pas d’une démonstration de laboratoire. Lors de la validation de concept, le robot a atteint 96 % de réussite, selon Google DeepMind. Les techniciens peuvent ainsi se concentrer sur des opérations complexes. La connectivité des flottes progresse aussi, comme le montre l’eSIM mondiale Semtech SGP.32.
Des performances supérieures sur tous les matériels
Gemini Robotics 2.5 affiche un taux de réussite supérieur de 30 à 100 %, selon Google. Le gain varie selon le type de tâche demandée. Le modèle exécute aussi les évaluations 20 à 30 % plus vite, d’après Google. Google affirme aussi que le modèle accélère les apprentissages en robotique et automatisation. Google signale également une précision accrue dans l’exécution des tâches.
Les tests ont porté sur la dextérité, la fiabilité et la sécurité. Google DeepMind a évalué 200 tâches distinctes. La main SharpaWave d’Apollo 2 offre 22 degrés de liberté. Le même logiciel tourne aussi sur la plateforme Franka Duo, équipée de pinces parallèles. Le modèle ne dépend donc pas d’une conception de robot particulière.
Gemini 4 Argon accélère la formation par simulation
Google attribue à Gemini 4 Argon l’accélération de la recherche fondamentale. Ce système fonctionne comme un moteur de simulation. Il génère des essais à partir de scènes capturées par les caméras. Il crée ainsi un jumeau numérique de chaque tâche.
Les ingénieurs testent ainsi les causes d’un échec avant de modifier les vrais robots. Cette méthode limite les essais sur les machines réelles. Elle illustre l’intérêt croissant des entreprises pour les modèles du monde. Apptronik constate une amélioration nette des modèles quelques semaines après leur formation. Les industriels peuvent-ils ignorer ces essais virtuels ?
Sécurité des robots : le test ASIMOV-Jailbreak
Le raisonnement en temps réel aide les robots à éviter les dangers physiques. Ils évoluent désormais dans des environnements quotidiens. Le test ASIMOV-Jailbreak mesure la résistance aux requêtes dangereuses dissimulées dans diverses situations.
Gemini 4 Argon atteint 99,5 % de résistance au jailbreak sur ce test, selon Google. L’entreprise y voit une amélioration substantielle face à Gemini Robotics ER. Google présente ce résultat comme le meilleur jamais enregistré. Les industriels devront cependant vérifier ces résultats en conditions réelles.
- Partager l'article :
