Google élargit l’accès des entreprises à une IA qui aide les robots à planifier leurs tâches et à s’adapter lorsque les conditions changent. Le défi consiste à transformer ce raisonnement en travail physique fiable.
Google Cloud a annoncé le 27 octobre que Gemini Robotics Embodied Reasoning (ER) 2 était disponible en préversion publique via Model Garden, sur sa plateforme Gemini. Ce lancement élargit l’accès des entreprises au raisonnement robotique, avec des applications potentielles dans les entrepôts, la logistique et les laboratoires.
L’entreprise a présenté Gemini Robotics ER 2 le 30 juillet, le rendant accessible au public via l’API Gemini et Google AI Studio, et le proposant en préversion privée sur Gemini Enterprise Agent Platform. L’annonce d’octobre étend cette offre destinée aux entreprises à une préversion publique.
« Les modèles de raisonnement avancé pourraient aider les robots à interpréter des environnements complexes, à planifier leurs actions et à s’adapter à l’évolution des conditions, ouvrant ainsi de nouvelles possibilités pour l’IA physique. Le modèle Gemini Robotics ER 2 de Google représente une étape importante dans cette direction », a déclaré Barrie Mullins, Senior Director of Arm Total Design for Physical AI, chez Arm.
Google affiche jusqu’au 31 décembre 2026 des tarifs promotionnels de 1 dollar US par million de tokens d’entrée, 0,10 dollar US par million de tokens d’entrée mis en cache et 5 dollars US par million de tokens de sortie textuelle, raisonnement inclus. Google précise que la promotion prend la forme de crédits correspondant à 50 % des dépenses nettes. À partir du 1er janvier 2027, les tarifs affichés doubleront pour atteindre respectivement 2 dollars US, 0,20 dollar US et 10 dollars US.
Comment fonctionne Gemini Robotics ER 2
Gemini Robotics ER 2 est un modèle de vision et de langage qui interprète les informations visuelles et utilise le traitement du langage naturel pour comprendre les instructions.
Il utilise des flux vidéo pour suivre l’avancement des tâches et repérer les moments critiques. ER 2 assure le raisonnement et la planification de haut niveau, tandis que des modèles vision-langage-action de niveau inférieur ou des API de robotique prennent en charge l’exécution.
L’une des principales fonctionnalités apportées par ce modèle d’IA est la collaboration entre plusieurs robots dans un espace physique partagé. Selon Google, les robots utilisant le modèle peuvent se coordonner et se transmettre des tâches pour mener à bien un processus commun.
Pour les entreprises soucieuses de la compatibilité, l’un des principaux avantages de Gemini Robotics ER 2 est que le même modèle de raisonnement peut prendre en charge différents corps de robots. Cela signifie que les organisations pourraient réutiliser des capacités de raisonnement sur différents robots, plutôt que de développer des systèmes d’IA entièrement distincts pour chaque plateforme.
Cependant, la compatibilité avec différents corps ne signifie pas automatiquement que chaque robot peut effectuer toutes les tâches. Les systèmes physiques, comme les capteurs, les actionneurs et les contrôleurs, déterminent toujours l’éventail des capacités du robot.
Ce qu’a constaté eWeek : la sécurité dépend de davantage que du raisonnement du robot
L’examen par eWeek de l’annonce de Google et de son rapport technique sur la sécurité met en évidence une distinction importante : les capacités de raisonnement d’ER 2 ne constituent qu’un élément de la sécurité d’un robot. Le modèle peut aider à planifier les tâches et à reconnaître les échecs, mais les modèles d’action, les logiciels de contrôle et le matériel physique déterminent toujours la manière dont ces décisions sont exécutées.
Google rapporte une précision de 97,9 % sur son évaluation Safety Instruction Following et de 93,0 % sur son évaluation Human Proximity, avec un seuil fixé à un mètre. Ces scores mesurent les performances sur des tâches d’évaluation définies ; ils ne constituent pas des taux globaux de sécurité au travail.
Le rapport technique sur la sécurité de l’entreprise précise explicitement que les protections physiques, notamment les arrêts d’urgence, les barrières et les limites de vitesse ou de force, restent essentielles. Le rapport évalue également si un modèle de raisonnement peut rejeter des demandes dangereuses, reconnaître les tâches qui dépassent les capacités d’un modèle d’action et demander aux humains de clarifier les instructions incertaines.
Pour les entreprises, c’est donc le système complet qui doit faire l’objet de tests. Un déploiement dans un entrepôt devrait tenir compte des personnes qui entrent dans la trajectoire d’un robot et des objets qui se déplacent de manière inattendue. Dans un laboratoire, il faudrait prendre en compte les relevés d’instruments peu clairs, les équipements fragiles et les actions qui ne peuvent pas être répétées sans danger après une erreur.
Un pilote utile devrait donc définir quand le robot s’arrête, quand il demande l’aide d’un humain et comment les opérateurs interviennent après une erreur. Reconnaître l’échec d’une étape est utile, mais une nouvelle tentative n’est appropriée que si elle peut être effectuée sans danger — un défi également illustré par des robots humanoïdes tentant une mission simulée de lutte contre l’incendie.
L’importance plus générale de la préversion cloud tient à l’accès facilité à une couche de raisonnement capable de prendre en charge différentes machines. La conversion de cette capacité en automatisation utile dépendra de la manière dont chaque déploiement combine raisonnement, exécution physique, mesures de protection et supervision humaine.
En savoir plus : le déploiement cloud de Google s’inscrit dans son initiative plus large en robotique — découvrez comment Gemini Robotics 2 coordonne les mouvements humanoïdes, la planification des tâches et la collaboration.