Publication de Gemini Robotics 2.5
Google DeepMind a révélé Gemini Robotics 2.5, une mise à jour de sa plateforme d'IA physique. La plateforme comprend deux composants principaux : Gemini Embodied Reasoning, qui utilise des instructions et une vidéo en direct pour planifier une tâche, et Gemini Robotics, un modèle vision-langage-action (VLA) qui génère des actions telles que le déplacement d'un actionneur.
DeepMind indique que Gemini Robotics 2.5 offre de meilleures performances sur les tâches nécessitant de la dextérité. Il a été évalué sur plus de 200 activités, notamment servir de la nourriture avec des baguettes et utiliser une pipette. Le robot humanoïde Apollo 2 d'Apptronik, exécutant le modèle, peut faire un nœud papillon avec ses mains à cinq doigts, une tâche difficile car les robots ont du mal à manipuler des objets déformables tels que les rubans.
Lors de tests en laboratoire, Gemini Robotics 2.5 a affiché un taux de réussite 30 à 100 % supérieur à celui de la version précédente et était 20 à 30 % plus rapide. Lors de tests avec Apptronik et Mercedes-Benz, les robots Apollo 2 alimentés par Gemini ont effectué le kitage de pièces automobiles dans plusieurs usines européennes, atteignant un taux de réussite de 96 %. Kanishka Rao, directeur chez DeepMind, a déclaré que combler les 4 % restants serait une « route escarpée ».
DeepMind précise que le système est conçu pour effectuer une large gamme de tâches, contrairement aux robots programmés pour un petit nombre de tâches d'usine. « Nous pouvons être très bons dans une application particulière au détriment de la généralisation », a déclaré Carolina Parada, responsable de la robotique chez DeepMind. « Ou nous pouvons simplement pousser sur l'axe de la généralisation et peut-être ne pas atteindre 99,9 % dans chaque application. »