Gemini Robotics 2.5 trie des pièces à 96 % sur des lignes Mercedes-Benz, Gemini 4 Argon restant à l'écart du robot

Google DeepMind a présenté le 10 novembre Gemini Robotics 2.5, un modèle vision-langage-action en cours de déploiement chez ses partenaires robotiques, et l'a ouvert sur un résultat d'usine. Lors d'une preuve de concept sur des lignes de production Mercedes-Benz en activité, à Kecskemét (Hongrie) et Sindelfingen (Allemagne), les humanoïdes Apollo 2 d'Apptronik ont sorti des supports métalliques de bacs en vrac pour les placer dans des conteneurs de séquençage, dans l'ordre requis par chaque véhicule. DeepMind annonce un taux de réussite de 96 %.

L'annonce montre l'architecture à deux vitesses de Google en marche sur une vraie ligne. Le décryptage d'octobre de Robrief avait conclu que Gemini 4 Argon était bien trop lent pour guider un bras robotique en temps réel. Dans la version 2.5, il ne touche plus le robot. Selon DeepMind, Argon a servi de « moteur de simulation » : il a généré des milliers d'essais et un jumeau numérique à partir d'une scène filmée, et aidé les chercheurs à comprendre, vidéo à l'appui, pourquoi des tâches échouaient. Sur les lignes Mercedes, le modèle de raisonnement incarné Gemini Robotics ER suivait le déroulement du travail et Gemini Robotics 2.5 commandait les mains et les bras.

Des gains mesurés face aux références de DeepMind

DeepMind dit avoir évalué le modèle sur 200 tâches distinctes, comme servir des aliments avec une pince, nouer un ruban sur un paquet cadeau ou pipeter un liquide. Par rapport à ses références précédentes, il annonce des taux de réussite supérieurs de 30 % à 100 % selon le type de tâche, et des tâches achevées 20 % à 30 % plus vite. Apollo 2 exécute le modèle avec la main SharpaWave à cinq doigts et 22 degrés de liberté, la plateforme Franka Duo avec des pinces parallèles à deux doigts.

La sécurité a été évaluée de la même manière. Un guidage par raisonnement appliqué à l'inférence a augmenté l'exécution sûre des tâches de 33 % près d'obstacles et de 43 % près de personnes, selon les tests de DeepMind. Le laboratoire publie aussi ASIMOV-Jailbreak, un banc d'essai ouvert de plusieurs centaines de requêtes dangereuses déguisées, réparties sur des dizaines de scènes. Argon y atteint 99,5 % de résistance, contre 82 % pour Gemini Robotics ER 2.

Le kitting pardonne peu

Le kitting est la préparation qui précède l'assemblage : répartir des pièces une à une dans des plateaux, dans l'ordre exact où la ligne les utilisera. DeepMind précise qu'Apollo comblait les vides en cours de route. Si les 96 % se comptent par prise, cela fait quatre ratés sur 100, autant de supports hors séquence si personne ne les rattrape en aval. DeepMind n'a pas donné le score de la même tâche avant le post-entraînement : le chiffre dit où Apollo est arrivé, pas le chemin parcouru.

Apptronik, elle, est confiante. « Nous avons vu les modèles progresser de façon spectaculaire en quelques semaines de post-entraînement et passer à la production de Mercedes-Benz presque sans perte », a déclaré Jeff Cardenas, cofondateur et directeur général.