Gemini Robotics ER 2 : Google DeepMind apprend aux robots à raisonner et à travailler en équipe

Google DeepMind a présenté Gemini Robotics ER 2, un modèle de nouvelle génération pour piloter des robots dans le monde réel. Ses principales capacités : la compréhension d'un flux vidéo, l'orchestration de tâches en plusieurs étapes et le travail coordonné de plusieurs robots en simultané.

Ce que sait faire Gemini Robotics ER 2

Gemini Robotics ER 2 repose sur trois axes. Google DeepMind présente chacun d'eux comme une avancée de principe pour les applications robotiques.

Compréhension vidéo — le modèle analyse le contexte visuel à partir d'un simple flux vidéo en temps réel : il reconnaît les objets, suit les mouvements et prend ses décisions à la volée. Le robot n'a plus besoin d'une cartographie rigide de son environnement, définie à l'avance, ni d'un ensemble de capteurs spécialisés.

Orchestration de tâches — le système planifie des scénarios en plusieurs étapes en mobilisant plusieurs outils dans le bon ordre. On passe de la commande isolée à une planification orientée vers l'objectif : le robot embrasse la tâche dans son ensemble et construit lui-même la séquence d'actions.

Collaboration entre robots — plusieurs machines agissent de concert : elles se répartissent les sous-tâches, accordent leurs actions et s'adaptent en temps réel aux changements. Selon DeepMind, c'est précisément ce qui manquait pour passer des démonstrations contrôlées à de vrais scénarios de production et de logistique.

• 3 axes de principe : compréhension vidéo, orchestration de tâches, collaboration multi-robots
• Développeur : Google DeepMind
• Positionnement : des tâches réelles, et pas seulement des tests de laboratoire
• Lignée : évolution de la génération précédente, Gemini Robotics ER

Pourquoi la collaboration entre robots reste un problème non résolu

Les robots industriels traditionnels travaillent de façon isolée : chacun exécute une opération strictement définie, selon un algorithme rigide. Coordonner plusieurs machines en temps réel demande davantage : une compréhension partagée du contexte, la capacité de redistribuer les tâches quand les conditions changent et la prise en compte des actions du partenaire.

C'est là que les modèles d'IA changent la donne. Au lieu de scénarios écrits à la main, ils permettent aux robots de raisonner sur la tâche et de s'adapter en cours de route, sans reprogrammation pour chaque nouveau cas.

« Gemini Robotics ER 2 aide les robots à raisonner, à interagir et à résoudre des problèmes du monde réel.

C'est un pas en avant dans la compréhension vidéo, l'orchestration d'outils et le travail collaboratif de plusieurs robots », indique le blog officiel de Google DeepMind.

D'après l'entreprise, le modèle vise précisément des applications réelles, et non des démonstrations en environnement contrôlé. L'enjeu est de taille : la plupart des systèmes robotiques n'atteignent encore aujourd'hui pas le niveau de fiabilité requis hors du laboratoire.

La place d'ER 2 dans la course à l'IA physique

Google DeepMind construit Gemini Robotics comme une gamme couvrant toute la chaîne de pilotage d'un robot, de la perception à la planification et à la coopération. Gemini Robotics ER 2 progresse sur trois fronts à la fois, ce qui le distingue des mises à jour ponctuelles.

L'IA physique figure parmi les terrains de compétition qui progressent le plus vite entre les grands laboratoires. L'accent se déplace des machines industrielles spécialisées vers des systèmes polyvalents, capables de s'adapter à de nouvelles tâches sans être reconfigurés de fond en comble pour chaque scénario.

Ce que cela signifie

Gemini Robotics ER 2 signale le passage de Google DeepMind des systèmes d'IA linguistiques et visuels à l'intelligence physique : des robots capables de raisonner, de se coordonner et de travailler dans le monde réel, et non en laboratoire. Si les capacités annoncées se confirment en pratique, elles élargiront nettement le champ d'application des robots dans l'industrie, la logistique et les secteurs voisins.