Google DeepMind lance Gemini Robotics 2.5, qui double le taux de réussite des missions par rapport aux benchmarks précédents. Le robot humanoïde Apollo 2 équipé du modèle a également atteint un taux de réussite de 96 % aux tests de tri de pièces sur les lignes de production Mercedes-Benz. (Résumé précédent : Google DeepMind a publié Gemini Robotics 2 ! Donner aux robots une « intelligence du corps entier » et s'orienter vers une AGI physique) (Supplément de fond : Google a publié Gemini 4 Argon ! Une grande évolution du raisonnement spatial, pilotant le robot humanoïde Apollo, prix de l'API publié) Google DeepMind a annoncé le lancement de Gemini Robotics le 10 novembre 2.5, ce modèle vision-langage-action (VLA) permet au robot de convertir l'environnement qu'il voit et les instructions il entre dans les opérations réelles. Cette mise à jour se concentre sur l'élargissement de la gamme de compétences et l'amélioration des mouvements fins, de la fiabilité et de la sécurité sur le terrain. La publication officielle sur X répertorie des utilisations telles que plier des vêtements, livrer des gâteaux et trier des pièces d'usine. Des tâches ménagères quotidiennes aux chaînes de production automobile, ce que Google DeepMind veut promouvoir, c'est si les robots peuvent apprendre plus rapidement et faire les choses de manière plus stable lorsqu'ils sont confrontés à différents objets. Testé sur 200 tâches, le taux de réussite relatif le plus élevé a été doublé. Google DeepMind a évalué le nouveau modèle sur 200 tâches différentes, notamment tenir des aliments avec des pinces, attacher un nœud sur un coffret cadeau et transférer des liquides avec une pipette. Ces actions couvrent l'utilisation d'outils, la manipulation d'objets mous et la manipulation d'objets fragiles, et le test ne consiste pas seulement à saisir des objets. Les résultats annoncés par l'entreprise montrent que, selon le type de tâche, le taux de réussite de Gemini Robotics 2.5 est augmenté de 30 à 100 % par rapport au test de référence précédent, jusqu'au double, et la vitesse d'exécution des tâches est également augmentée de 20 à 30 %. Des modèles sont disponibles pour différents matériels robotiques, notamment le robot humanoïde Apptronik Apollo 2 avec un manipulateur à cinq doigts et le Franka Duo utilisant une pince parallèle à deux doigts. In other words, this improvement is not just for the display of a single robot. Apollo 2 entered the Mercedes-Benz production line, and the parts sorting test success rate reached 96%. Le test est plus direct qu'une opération en laboratoire et provient de la chaîne de production automobile réelle de Mercedes-Benz. Google DeepMind a collaboré avec Apptronik et Mercedes-Benz pour réaliser une validation de principe dans les usines de Kecskemét, en Hongrie, et de Sindelfingen en Allemagne, où Apollo 2 gère la préparation des pièces automobiles. Le robot doit retirer les supports métalliques de la caisse de matériaux en vrac, les placer dans les conteneurs disposés dans l'ordre requis pour chaque assemblage du véhicule et corriger tout défaut du processus. L’essai de tri des pièces et de palettisation a atteint un taux de réussite de 96 %. Parmi eux, le modèle de raisonnement incarné Gemini Robotics ER est responsable du suivi du flux de travail, et le modèle d'action Gemini Robotics 2.5 contrôle les mains et les bras. Cette division du travail relie le jugement en plusieurs étapes aux opérations réelles, permettant aux robots d'entreprendre une préparation répétée des matériaux, tandis que les techniciens peuvent consacrer du temps à des travaux d'assemblage plus complexes. Argon utilise la simulation pour accélérer l'apprentissage et les conseils de sécurité s'améliorent au fur et à mesure des mouvements. Another key to this upgrade is Gemini 4 Argon’s participation in robot research. Il peut créer des avatars numériques à partir de scènes capturées par de vraies caméras, générer des milliers d'exercices de simulation différents et les combiner avec des démonstrations d'opérations réelles pour aider le modèle à s'adapter à de nouvelles scènes et objets. Argon peut également analyser des vidéos d'opérations ayant échoué pour aider les chercheurs à trouver les raisons de l'échec et des hypothèses d'amélioration, puis à les tester dans des environnements simulés et des robots réels. Par conséquent, la formation ne doit pas nécessairement s’appuyer uniquement sur des machines physiques pour répéter des essais et des erreurs à chaque fois, mais elle s’appuie néanmoins sur de véritables démonstrations et vérifications sur site. In terms of safety, Gemini Robotics 2.5 adds reasoning guidance when performing actions to avoid physical dangers. L'équipe a également lancé le benchmark de test open source ASIMOV-Jailbreak, qui utilise des exigences dangereuses déguisées en tâches générales pour tester la résistance au jailbreak des agents liés aux robots. Gemini Robotics 2.5 is becoming available to robotics partners. De la pratique répétée dans un environnement simulé à la sélection et au placement séquentiels des pièces sur la chaîne de production, cette mise à jour relie la vitesse d'apprentissage aux opérations sur site, évoluant vers des utilisations pratiques qui réduisent la charge de préparation répétée des matériaux et améliorent la stabilité opérationnelle. Related stories Google shows off 5 Gemini 4 Argon implementations! Create a 3D game with just one tip, and outperform GPT-6 Astra. Din Tai Fung in the United States has begun to introduce robots. The most profitable Chinese restaurant in the United States welcomes tired employees in the backcourt. Robot industry vision: the integration and evolution of automation, artificial intelligence and Web3. The world's first housekeeping robot "Neo" is on sale. It can sweep the floor and make coffee, but does it still need remote human help? 〈Google lance Gemini Robotics 2.5 ! Conduire le robot humanoïde Apollo 2 dans la chaîne de production Mercedes-Benz « Le taux de réussite du tri est de 96 % » Cet article a été publié pour la première fois dans BlockTempo « Dongqu Trend - le média d'information blockchain le plus influent ».