Google DeepMind a présenté Gemini Robotics 2.5, la dernière itération de sa famille de modèles vision-langage-action (VLA) conçus pour piloter des robots physiques. Ce modèle s'appuie sur les capacités de raisonnement multimodal de Gemini et vise à traduire la perception visuelle et les instructions en langage naturel en commandes motrices précises, permettant à des bras robotiques ou des systèmes mobiles d'exécuter des tâches de manipulation complexes.
Selon l'entreprise, cette version se distingue par des progrès sur trois axes : une dextérité accrue pour manipuler des objets variés dans des environnements non structurés, une meilleure fiabilité d'exécution sur des séquences de tâches longues, et des mécanismes de sécurité renforcés pour limiter les comportements imprévisibles lors de l'interaction avec le monde physique. Ces trois dimensions sont considérées comme des verrous majeurs freinant le déploiement à grande échelle de robots généralistes capables d'opérer hors des chaînes industrielles contrôlées.
Le lancement s'inscrit dans la continuité des versions précédentes de Gemini Robotics, que DeepMind a progressivement enrichies pour couvrir davantage de morphologies robotiques et de scénarios d'usage, de la logistique à l'assistance domestique. L'approche de l'entreprise consiste à mutualiser un socle de raisonnement général, hérité des modèles Gemini grand public, avec des couches spécialisées entraînées sur des données d'interaction physique.
Cette annonce confirme l'intérêt croissant des grands laboratoires d'IA pour la robotique comme terrain d'application de l'intelligence générale, après les investissements similaires d'acteurs comme Physical Intelligence ou Figure AI. Reste à voir dans quelle mesure ces gains se traduisent par des déploiements commerciaux concrets au-delà des démonstrations contrôlées, un enjeu que DeepMind ne détaille pas précisément dans son annonce.