DeepMind dévoile Gemini Robotics ER 2 : la collaboration multi-robots propulsée par le raisonnement spatial vidéo en temps réel

Le gouffre de la collaboration en robotique : de la machine isolée à l'intelligence d'essaim

Dans les usines intelligentes et les entrepôts logistiques modernes, l'automatisation individuelle a franchi des étapes considérables. Cependant, les opérations industrielles les plus complexes et créatrices de valeur—telles que l'ajustage de structures aéronautiques imposantes, la pose de turbines de haute précision ou la palettisation dynamique sur convoyeurs—exigent une synchronisation physique absolue entre des machines aux architectures mécaniques variées. Jusqu'à présent, la coordination de flottes de robots industriels demeurait prisonnière d'une programmation rigide par automates programmables industriels (API). Le moindre décalage mécanique d'un millimètre, une vibration imprévue ou une micro-latence réseau suffisait à provoquer des blocages critiques ou des collisions mécaniques destructrices.

Afin de briser ces verrous technologiques, Google DeepMind a dévoilé Gemini Robotics ER 2 (Embodied Reasoning 2), son architecture de rupture dédiée à l'intelligence incarnée collective. Cette innovation marque la transition définitive de la robotique autonome : nous quittons l'époque des actions isolées et fermées pour entrer dans celle du raisonnement spatio-temporel continu et de l'émergence d'une collaboration physique intuitive entre machines hétérogènes.

Architecture technologique : raisonnement vidéo spatial 3D et coordination hiérarchique

L'avancée majeure de Gemini Robotics ER 2 réside dans une architecture de commande découplée en deux couches : un cerveau macroscopique de raisonnement spatial hébergé sur un serveur de périphérie, couplé à des cervelets locaux de contrôle dynamique exécutés directement au sein des contrôleurs robotiques.

Au niveau de la couche cognitive supérieure, le système exploite les modèles visuels spatiaux les plus récents de DeepMind. Capable de traiter à une fréquence de 60 Hz des flux vidéo continus provenant de caméras d'atelier, de visions stéréoscopiques embarquées sur des robots humanoïdes et de capteurs situés au poignet de manipulateurs mobiles, ER 2 synthétise un graphe de scène géométrique 4D dynamique. À l'inverse des approches conventionnelles limitées à des séries d'images statiques en deux dimensions, cette modélisation positionne chaque articulation mécanique, chaque vecteur d'effort et chaque pièce manufacturée au sein d'un repère tridimensionnel unifié, régi par les lois de la gravité et de la friction.

Au niveau de l'orchestration motrice, DeepMind abandonne les protocoles lourds d'échanges de messages au profit d'une synchronisation visuelle implicite. Lorsqu'un opérateur confie une tâche complexe en langage naturel—comme « Positionner le châssis principal sur le banc d'assemblage pendant que le bras auxiliaire verrouille les fixations »—le modèle spatial décompose l'instruction globale en primitives d'actions locales en quelques millisecondes. Les robots n'échangent pas de requêtes réseau pour se coordonner : ils perçoivent visuellement la posture, les déformations d'effort et la trajectoire de leurs partenaires robotiques, ajustant instantanément leurs couples moteurs pour compenser les déséquilibres de charge.

Validation en conditions industrielles : assemblage sans apprentissage et résilience dynamique

Lors des bancs d'essai industriels dévoilés par Google DeepMind, Gemini Robotics ER 2 a fait preuve d'une plasticité opérationnelle sans précédent. Sur une cellule de montage dépourvue de fichiers géométriques préétablis, une équipe composée d'un humanoïde bipède, de deux manipulateurs sur bases omnidirectionnelles et d'un bras articulé fixe a mené à bien l'assemblage complet d'un carter de transmission mécanique lourd.

Durant les essais, les ingénieurs ont délibérément introduit des perturbations majeures : déplacement aléatoire des pièces, occultation des caméras principales et bousculades physiques directes sur les bras en plein travail. Le système a démontré une formidable capacité d'autoréparation et de réévaluation spatiale. Un robot privé de vision directe a déduit la position de sa cible d'après la posture de son équipier, tandis qu'un bras déstabilisé a instantanément corrigé son inertie avant de reprendre son geste sans la moindre interruption de chaîne.

Un jalon décisif vers les usines entièrement autonomes

Le déploiement de Gemini Robotics ER 2 consacre le passage de l'IA incarnée du stade de démonstration académique à celui d'infrastructure de production industrielle à grande échelle. Les semaines fastidieuses de calibrage géométrique et de programmation séquentielle se trouvent ainsi réduites à quelques heures d'instructions visuelles et verbales.

En conférant aux machines une véritable intuition physique et une compréhension spatiale collaborative, cette technologie offre aux industries de pointe le socle indispensable pour concrétiser la vision d'usines autonomes et ultra-flexibles, capables d'adapter leur production en temps réel tout en éliminant les risques humains dans les environnements périlleux.