Google DeepMind a dévoilé Gemini Robotics 2.5 le 10 nov. 2026. Cette mise à niveau est un modèle vision-langage-action (VLA) qui transforme des vidéos en direct et des commandes textuelles en mouvements de robot. Selon DeepMind, la nouvelle version peut accomplir des tâches plus délicates, fonctionne plus vite et intègre un système de sécurité qui arrête le robot lorsque des obstacles apparaissent. Lors d’un projet pilote mené avec le robot humanoïde Apollo 2 d’Apptronik, le système a trié des pièces automobiles sur des lignes de production Mercedes‑Benz en Hongrie et en Allemagne, avec un taux de réussite de 96 %.
Quoi de neuf dans Gemini Robotics 2.5 ?
Le modèle a été testé sur plus de 200 tâches distinctes, allant du service d’aliments avec des pinces au nouage d’un ruban et au pipetage de liquides. DeepMind fait état d’un taux de réussite supérieur de 30 % à 100 % à celui de la version précédente, ainsi que d’un gain de vitesse de 20 % à 30 % en laboratoire. Une démonstration notable a montré le robot Apollo 2 en train de nouer un ruban avec sa main à cinq doigts — un geste délicat, car les rubans se déforment facilement. Les améliorations de sécurité reposent sur un raisonnement au moment de l’inférence, qui aide le robot à contourner les dangers. L’entreprise a mesuré une hausse de 33 % des tâches accomplies sans risque en présence d’obstacles et de 43 % lorsque des personnes se trouvaient à proximité.
Benchmark de sécurité ouvert
Pour faire progresser les normes du secteur, DeepMind a publié ASIMOV‑Jailbreak, un jeu de données open source composé de 1 500 requêtes conçues pour inciter les robots à effectuer des actions dangereuses. Lors de tests internes, le benchmark a attribué à Gemini 2.5 un score de résistance de 98,8 %, bien supérieur aux 73,5 % obtenus par le précédent modèle Gemini ER 2. Le jeu de données complet est hébergé sur Hugging Face et accessible à tous ceux qui travaillent sur l’IA incarnée.
Pourquoi c'est important
Pour les usines, une meilleure fiabilité pourrait permettre aux robots de prendre en charge des tâches répétitives et physiquement exigeantes, laissant aux techniciens humains les missions plus complexes. Le benchmark de sécurité ouvert donne aux développeurs un moyen de mesurer et d’améliorer la capacité des robots à éviter les actions dangereuses, une étape essentielle avant leur sortie des laboratoires contrôlés et leur déploiement dans les espaces du quotidien.
