Les robots ont longtemps suivi des instructions. Désormais, Google veut qu’ils comprennent réellement ce qu’ils font.
L’entreprise a présenté Gemini Robotics-ER 1.6, un nouveau modèle d’IA conçu pour aider les machines à interpréter les environnements réels, à planifier des tâches et à déterminer quand une tâche est terminée.
Le système se concentre sur le « raisonnement incarné », qui permet aux robots de relier ce qu’ils voient à ce qu’ils doivent faire. Il améliore la manière dont les machines comprennent l’espace en combinant les données provenant de plusieurs caméras et les signaux du monde réel. Google a mis le modèle à disposition via son API Gemini et AI Studio pour les développeurs qui créent des systèmes robotiques et d’automatisation.
Un pas vers l’autonomie dans le monde réel
Google a déclaré que Gemini Robotics-ER 1.6 améliore la manière dont les robots traitent et comprennent leur environnement. Le modèle renforce le raisonnement spatial, permettant aux machines d’identifier les objets, de les compter et de comprendre les relations entre les éléments d’une scène.
Comme l’a relevé Interesting Engineering , il introduit également le raisonnement multi-vues, qui permet aux robots de combiner les données provenant de différentes caméras, comme des flux filmés depuis le plafond ou montés sur le poignet. Cette capacité est essentielle dans les environnements réels dynamiques, où la visibilité peut être limitée ou changer constamment.
Le modèle prend également en charge les interactions en langage naturel, permettant aux utilisateurs d’attribuer des tâches complexes en langage courant et de les décomposer en étapes plus petites, comme l’indique la documentation de Gemini API.
Selon le blog officiel de Google DeepMind, le modèle a été conçu comme un système « axé sur le raisonnement », qui aide les robots à combler le fossé entre l’intelligence numérique et l’action physique.
De nouvelles capacités élargissent les cas d’usage industriels
La mise à jour introduit plusieurs fonctionnalités pratiques destinées aux environnements d’entreprise. Interesting Engineering a indiqué que la lecture des instruments figurait parmi les capacités les plus remarquables : elle permet aux robots d’interpréter les jauges, les voyants et les affichages numériques couramment utilisés dans les installations industrielles.
Le blog de Google DeepMind a également cité Marco da Silva, vice-président et directeur général de Spot chez Boston Dynamics. « Des capacités comme la lecture des instruments et un raisonnement plus fiable lors des tâches permettront à Spot de voir, de comprendre et de réagir de manière totalement autonome aux défis du monde réel », a-t-il déclaré.
Interesting Engineering a expliqué que Google faisait état de progrès significatifs dans ce domaine : la précision de la lecture des instruments est passée de 23 % dans les modèles précédents à 93 % au maximum grâce à des capacités avancées de vision.
Le modèle améliore également la planification des tâches, la prise en compte de la sécurité et la manière dont les robots interagissent avec les objets, ce qui les aide à opérer plus fiablement dans des environnements réels.
Ce que cela signifie pour la robotique d’entreprise
Gemini Robotics-ER 1.6 met en lumière une évolution de la robotique. Les systèmes s’éloignent des instructions rigides et gagnent en flexibilité dans leur réponse aux conditions du monde réel.
Cette évolution pourrait avoir des répercussions sur des secteurs allant de l’industrie manufacturière et de la logistique à l’énergie et à la gestion des installations. Les robots dotés de capacités avancées de raisonnement pourraient effectuer des inspections, évoluer dans des environnements complexes et réagir aux changements de conditions avec davantage de flexibilité.
Google a rendu le modèle disponible pour les développeurs via son API et AI Studio afin de les aider à tester et à développer plus rapidement. L’entreprise encourage également la collaboration avec ses partenaires afin d’affiner le modèle pour des cas d’usage spécialisés.Pour en savoir plus sur les capacités de Gemini, consultez notre article consacré aux six fonctionnalités de Google Gemini que la plupart des utilisateurs n’ont pas encore découvertes.