Gemini Robotics 2.5 apprend au humanoïde Apollo 2 à assembler des pièces Mercedes avec 96 % de réussite

Un robot qui fonctionne parfaitement en laboratoire cale généralement à la première pièce glissante ou à la première caisse légèrement décalée en usine. C'est précisément cet écart entre la vidéo de démonstration et l'atelier réel que DeepMind tente de combler avec son nouveau modèle Gemini Robotics 2.5. Le plus intéressant dans cette sortie n'est pas les records sur banc d'essai, mais le pilote sur la chaîne de Mercedes-Benz et la façon dont le modèle a été entraîné.

Ce que sait faire le modèle

Gemini Robotics 2.5 est un modèle VLA (vision-language-action). Il reçoit l'image des caméras et une instruction textuelle, et produit en sortie des mouvements de bras et de doigts. DeepMind l'a testé sur plus de 200 tâches différentes : servir de la nourriture avec des pinces, nouer un ruban sur une boîte cadeau, prélever un liquide à la pipette.

Ces tâches sont difficiles non par la force, mais par la finesse. Il faut manipuler un outil, des objets souples et déformables comme le tissu et le ruban, ou des objets fragiles. Selon DeepMind, le nombre de tentatives réussies a augmenté de 30 à 100 % (selon le type de tâche), et l'exécution est 20 à 30 % plus rapide que celle des versions précédentes.

Le modèle n'est pas lié à un seul matériel. Il a été exécuté sur le humanoïde Apptronik Apollo 2 doté d'une main à cinq doigts SharpaWave (22 degrés de liberté) et sur la plateforme à deux bras Franka Duo avec de simples pinces parallèles.

L'usine plutôt que le laboratoire

La démonstration principale est un pilote sur les lignes de Mercedes-Benz à Kecskemét (Hongrie) et à Sindelfingen (Allemagne). Apollo 2 s'occupait du kitting : il sort des pièces de grandes caisses et les range dans des bacs, dans l'ordre où elles seront nécessaires pour une voiture donnée sur la ligne. Le travail est monotone et pénible, et une erreur d'ordre se répercute ensuite sur les monteurs.

L'architecture est ici à deux niveaux. Le modèle Gemini Robotics ER supervise le déroulement de l'ensemble du processus et décide de la suite. Gemini Robotics 2.5 contrôle les mains : il plonge dans la caisse, saisit des supports métalliques, les dépose dans le bac et se corrige si quelque chose ne va pas. Résultat : 96 % d'opérations réussies.

Ce chiffre doit être lu avec lucidité. Il s'agit d'une preuve de concept, pas d'une exploitation en série, et 4 % d'échecs sur une chaîne, c'est encore beaucoup. La vitesse n'est pas comparée à celle d'un humain. En revanche, le CEO d'Apptronik affirme que le modèle s'est nettement amélioré en quelques semaines de réentraînement et qu'il a été transféré à l'usine Mercedes avec une faible perte de qualité. Pour l'industrie, c'est plus important que le pourcentage lui-même : la transférabilité de l'apprentissage coûte moins cher qu'un réglage distinct pour chaque atelier.

Sécurité et rôle du simulateur

Pour les agents physiques, la sécurité est un chantier d'ingénierie à part entière. Gemini Robotics 2.5 intègre un raisonnement au moment de l'exécution (inference-time reasoning guidance) qui indique au robot comment contourner les zones dangereuses. D'après les mesures de DeepMind, l'achèvement sûr des tâches à proximité d'obstacles a progressé de 33 %, et à proximité de personnes de 43 %.

La résistance aux jailbreaks, lorsqu'une demande dangereuse est déguisée en demande inoffensive, a été testée séparément. Pour cela, DeepMind a publié le benchmark ASIMOV-Jailbreak : des centaines de prompts répartis dans des dizaines de scènes. Gemini 4 Argon repousse 99,5 % de ces tentatives, contre 82 % pour la base précédente, Gemini Robotics ER 2.

Gemini 4 Argon a aussi joué un rôle notable dans le développement lui-même. Il a servi de moteur de simulation : à partir d'une seule scène réelle filmée par une caméra, il construisait un jumeau numérique et générait des milliers de variantes d'essais d'entraînement. Il formulait en outre, à partir de la vidéo, des hypothèses sur les raisons de l'échec du robot, et aidait à vérifier les correctifs en simulation et sur de vrais robots. Démonstrations réelles et simulation combinées aident à généraliser plus vite à de nouvelles scènes et de nouveaux objets.

Que faire de tout cela

Le modèle n'est pour l'instant fourni qu'aux partenaires, il n'est donc pas possible de l'essayer directement. Quelques enseignements pratiques s'imposent néanmoins.

• Si vous construisez de la robotique, retenez la séparation des rôles : un « modèle planificateur » d'un côté, un « modèle exécutant » de l'autre. C'est plus simple à déboguer et à faire évoluer par morceaux.
• L'approche « filmer une scène réelle — générer des milliers de simulations » mérite d'être reprise là où les données réelles manquent.
• ASIMOV-Jailbreak est ouvert, et vous pouvez le faire tourner sur vos propres agents comme test supplémentaire.

Tous ces chiffres ont une même limite : ils sont publiés par DeepMind elle-même, il n'y a pas de vérification indépendante, et les versions de référence utilisées pour la comparaison sont décrites avec parcimonie. Mais la direction est claire : les humanoïdes sortent des laboratoires pour des opérations précises et étroites, et la question principale n'est plus « est-ce possible », mais « à quel point peut-on passer à l'échelle à bas coût et en toute sécurité ».