Google a présenté Gemini Robotics 1.5 et Gemini Robotics-ER 1.5, de nouveaux modèles d’IA conçus pour alimenter des robots capables de réfléchir, de planifier et d’agir de manière responsable. Cette sortie marque ce que l’entreprise appelle une « ère des agents physiques », dans laquelle les machines vont au-delà de la simple réaction aux commandes et commencent à raisonner sur leur environnement.
Selon une annonce de Google DeepMind, les modèles Gemini Robotics peuvent s’attaquer à des tâches complexes en plusieurs étapes en combinant vision, langage et raisonnement afin d’apporter une intelligence plus polyvalente à la robotique.
La quête de robots intelligents polyvalents
Google a déclaré que la sortie de Robotics 1.5 faisait suite à de précédents efforts visant à étendre l’intelligence multimodale de Gemini à la robotique, marquant ce qu’il a appelé « une nouvelle étape vers la conception de robots intelligents véritablement polyvalents ». L’entreprise a présenté ce lancement comme un volet d’un effort plus vaste visant à doter les machines de l’autonomie nécessaire pour évoluer dans des environnements complexes du monde réel.
Les deux modèles se répartissent le travail entre planification de haut niveau et action directe, offrant des capacités complémentaires conçues pour rendre les robots plus polyvalents et adaptables dans les environnements du monde réel.
Gemini Robotics 1.5
Google décrit Gemini Robotics 1.5 comme son modèle vision-langage-action le plus performant, conçu pour aider les robots à réfléchir avant de bouger plutôt qu’à simplement suivre des instructions. Au lieu de traduire directement une commande en mouvement, le modèle d’IA génère un processus de raisonnement en langage naturel, ce qui lui permet de définir chaque étape et de rendre ses actions plus transparentes.
Cette approche permet à un robot de traiter des demandes sémantiquement complexes, comme trier du linge ou organiser des objets, en les décomposant en étapes faciles à gérer et en déterminant la meilleure façon de les exécuter. Elle permet également au modèle de s’adapter en cours de tâche si l’environnement change ou si un utilisateur le réoriente.
Ses principaux atouts sont les suivants :
- Raisonnement à plusieurs niveaux : La capacité d’expliquer et d’affiner ses actions avant leur exécution.
- Interactivité : Répondre au langage courant et expliquer son approche au fil de son travail.
- Dextérité : Effectuer des tâches exigeant un contrôle moteur précis, comme plier du papier ou préparer une boîte-repas.
Gemini Robotics 1.5 peut également apprendre à travers différentes configurations physiques, en transférant des comportements d’une forme de robot à une autre, qu’il s’agisse d’une plateforme fixe à deux bras ou d’une machine humanoïde.
Gemini Robotics-ER 1.5
Gemini Robotics-ER 1.5, de son côté, est conçu pour anticiper. Google le qualifie de modèle de raisonnement incarné de pointe : en substance, un cerveau qui orchestre les activités d’un robot et décompose des instructions générales en plans détaillés.
Au lieu de simplement réagir à une commande comme « nettoyer la cuisine », ER 1.5 peut décomposer la tâche en plusieurs étapes — débarrasser les plans de travail, charger la vaisselle, essuyer les surfaces — puis demander à d’autres systèmes de les exécuter. Il communique en langage naturel, évalue les progrès et peut même faire appel à des outils comme Google Search pour combler ses lacunes.
Ses avancées comprennent :
- Orchestration : Coordonner des tâches complexes en planifiant et en attribuant les actions.
- Raisonnement spatial et temporel : Comprendre les environnements dans le détail et saisir les relations de cause à effet au fil du déroulement des tâches.
- Performances aux évaluations : Obtenir des résultats de premier plan dans 15 tests de raisonnement incarné, allant de la précision du pointage aux réponses à des questions sur des vidéos.
Google affirme que ER 1.5 constitue la couche stratégique du système, en fournissant le raisonnement et la capacité d’anticipation qui rendent les robots physiques plus adaptables et fiables dans des environnements imprévisibles du monde réel.
Le cerveau planificateur et les mains exécutantes
Google a conçu les deux modèles pour fonctionner de concert : Gemini Robotics-ER 1.5 se charge de la planification globale, tandis que Gemini Robotics 1.5 exécute les étapes physiques. L’entreprise affirme que cette configuration permet aux robots de recevoir une seule instruction, de la décomposer en objectifs plus petits, puis de les exécuter successivement.
Par exemple, ER 1.5 peut définir la marche à suivre pour ranger une pièce, tandis que Robotics 1.5 traduit ces plans en mouvements précis, comme ramasser des objets ou ouvrir des contenants. Selon Google, ER 1.5 peut diriger les tâches comme un cerveau de haut niveau, tandis que Robotics 1.5 peut jouer le rôle des mains et des yeux pour les mener à bien.
Le schéma montre comment Gemini Robotics-ER 1.5 et Gemini Robotics 1.5 collaborent activement pour effectuer des tâches complexes dans le monde physique. Source : Google DeepMind
Résoudre le problème de l’AGI dans le monde physique
Google a présenté Gemini Robotics 1.5 comme une étape majeure vers la résolution de l’intelligence artificielle générale (AGI) dans le monde physique, faisant passer les robots du statut d’exécutants de commandes à celui de systèmes capables de raisonner, de planifier et d’agir avec dextérité.
La sécurité reste au cœur de cette vision. Google affirme que les modèles sont alignés sur ses principes en matière d’IA, dotés d’un raisonnement sémantique pour évaluer les risques avant d’agir et appuyés par des benchmarks ASIMOV mis à jour pour tester leurs réponses dans des scénarios de sécurité.
Les ambitions de Google dans la robotique annoncent un avenir où des machines avancées sortiront des laboratoires de recherche pour s’intégrer au quotidien.
Les entreprises de robotique accélèrent l’innovation dans tous les secteurs, de l’industrie manufacturière aux soins de santé. Découvrez quelles entreprises façonnent la prochaine vague d’automatisation et d’IA.