Gemini Robotics 2 fait monter les robots en gamme, sans tout régler

Google DeepMind a présenté Gemini Robotics 2, une famille de trois modèles pensée pour donner un cerveau plus général aux robots, du calcul d’une action à son exécution. L’annonce, faite le 30 juillet 2026 selon les sources fournies, étend le contrôle au corps entier, à la dextérité fine et au travail à plusieurs machines. Le sujet compte pour l’industrie robotique, car il touche à la fois la performance, la sécurité et la dépendance à un fournisseur de modèle. Et les chiffres publiés rappellent que les robots savent encore mieux promettre que ramasser une pelle.

Trois modèles, trois rôles dans la chaîne de commande

Gemini Robotics 2 regroupe un modèle VLA, pour vision-language-action, un modèle de raisonnement incarné nommé Gemini Robotics ER 2, et une version embarquée, Gemini Robotics On-Device 2. Le premier convertit vision et langage en actions motrices, le deuxième planifie et suit des tâches en plusieurs étapes, tandis que le troisième tourne localement sur le robot quand la latence réseau ou la connectivité posent problème.

Cette séparation des tâches n’est pas qu’un détail d’architecture. ER 2 sert de couche haute, puis délègue l’exécution à un VLA appelé comme un outil, ce qui rapproche la robotique d’une logique d’orchestration déjà familière dans les assistants d’IA. Dans ce contexte, le robot ne “réfléchit” pas et n’“agit” pas de façon monolithique : il découpe, exécute, vérifie, corrige.

Marcher, se baisser, attraper : le corps entier entre en jeu

La démonstration la plus parlante met en scène Apollo 2 d’Apptronik, un humanoïde capable, selon Google DeepMind, d’aller chercher un arrosoir sur une table puis de le déposer dans un bac vert sur une étagère basse. La nouveauté, ici, est le passage du plan de travail à la mobilité complète : le modèle pilote désormais marche, flexion, équilibre et préhension.

Google reconnaît toutefois que la vitesse de déplacement reste un point faible. Les vidéos diffusées montrent un robot prudent, presque appliqué. Autrement dit, la machine avance, mais elle ne court pas encore au rayon outillage.

La main à cinq doigts progresse, mais reste capricieuse

La dextérité fine reste le chantier le plus sensible. Gemini Robotics 2 peut contrôler la main SharpaWave à 22 degrés de liberté sur Apollo 2, avec des tâches comme nouer un sac, fermer un sachet zip ou visser une ampoule. Le même modèle fonctionne aussi avec des pinces plus classiques, comme sur Franka Duo et son préhenseur Robotiq.

Les résultats publiés nuancent clairement le discours. Sur Apollo 2 avec mains Inspire, Google DeepMind affiche 76,3 % de réussite pour une prise sur étagère, 68,4 % sur table et 45,7 % au sol. Avec la main cinq doigts, les scores vont de 92 % pour dévisser une ampoule à 32 % pour utiliser une pelle à poussière, avec 40 % pour fermer un ziplock et 44 % pour nouer un sac poubelle. La pince à deux doigts s’en sort mieux sur les gestes de précision, à 89,6 % pour l’insertion fine et 78,9 % pour le tri d’outils.

Des robots qui se coordonnent, enfin sans télécommande humaine partout

Gemini Robotics ER 2 ne sert pas seulement à décrire une scène ou à planifier une action. Le modèle sait aussi organiser plusieurs robots pendant plusieurs minutes, avec des centaines de décisions enchaînées selon Google DeepMind, et piloter des outils externes via le Gemini Live API. Cela inclut Google Search ou des fonctions définies par l’utilisateur, ce qui ouvre la porte à des scénarios de flotte plus que de simple bras automatisé.

La collaboration multi-robots repose sur une idée simple : aucun robot n’est bon partout. Un rover à roues peut mieux circuler en intérieur, tandis qu’un humanoïde gère mieux les terrains irréguliers. Dans les démos, Google cite aussi une coordination entre Apollo 2 et un Franka F3 Duo. La partition du travail devient donc un argument technique, mais aussi un argument économique pour les sites qui cherchent à répartir les tâches plutôt qu’à acheter une machine “magique”.

Une avancée utile, mais encore loin du robot autonome “général”

Le mérite de Google DeepMind est de publier ses taux de réussite, ce que beaucoup d’acteurs préfèrent éviter. Ces données montrent un progrès réel sur le raisonnement, la coordination et certaines manipulations, mais aussi un plafond très net sur les gestes complexes et les environnements imprévisibles. Le vrai basculement dépendra moins de la démo la plus photogénique que de la répétabilité en usine, en entrepôt ou sur des flottes hétérogènes.

Pour les industriels, l’intérêt est immédiat : un même socle logiciel peut, en théorie, parler à plusieurs corps de robots. Pour les constructeurs, la question devient plus délicate, car confier le “cerveau” à un tiers crée une dépendance technique qu’ils ne regarderont pas tous avec le même enthousiasme.