Gemini Robotics 2.5 améliore la dextérité et la sécurité dans les tâches du monde réel
DeepMind a dévoilé Gemini Robotics 2.5 , son modèle le plus avancé de vision-langage-action (VLA) à ce jour, conçu pour améliorer significativement la dextérité, la fiabilité et la sécurité des robots dans des environnements réels. Le modèle permet aux robots d'apprendre et d'exécuter une gamme plus large de tâches plus rapidement, marquant une étape vers des applications industrielles et quotidiennes généralisées.
Avancées dans la dextérité et la performance des tâches
Gemini Robotics 2.5 a été testé sur plus de 200 tâches distinctes, y compris des activités complexes telles que l'utilisation de pinces pour servir de la nourriture, le nouage de rubans sur des boîtes cadeaux, et le pipetage de liquides. Ces tâches nécessitaient une utilisation avancée des outils, la manipulation d'objets déformables et la gestion de matériaux délicats. Le modèle a atteint un taux de réussite 30% à 100% plus élevé par rapport aux références précédentes et a complété les tâches 20% à 30% plus rapidement. Il est compatible avec diverses plateformes robotiques, y compris le robot humanoïde Apollo 2 d'Apptronik et la plateforme Franka Duo.
Succès dans le monde réel dans des environnements industriels
En collaboration avec Apptronik et Mercedes-Benz, Gemini Robotics 2.5 a été déployé dans des lignes de production automobile actives en Hongrie et en Allemagne. Le robot humanoïde Apollo 2 , propulsé par Gemini Robotics 2.5 , a réalisé de manière autonome des tâches de fourniture automobile, atteignant un taux de réussite de 96% . Ces tâches impliquaient le tri et l'organisation de pièces provenant de conteneurs en vrac dans des plateaux, contribuant à rationaliser les chaînes d'assemblage et permettant aux techniciens de se concentrer sur des tâches plus complexes.
Avancées en matière de sécurité et de manœuvrabilité
La sécurité reste un enjeu crucial alors que les robots naviguent dans des environnements non structurés. Gemini Robotics 2.5 intègre un guidage de raisonnement en temps d'inférence pour naviguer en temps réel dans des dangers physiques. Cette fonctionnalité a amélioré les taux d'achèvement des tâches en toute sécurité de 33% autour des obstacles et 43% à proximité des humains. De plus, DeepMind a introduit le benchmark ASIMOV-Jailbreak pour tester et améliorer la résistance du modèle aux incitations adversariales, atteignant un taux de résistance aux jailbreak de 99.5% .
Développement accéléré avec Gemini 4 Argon
Le développement de Gemini Robotics 2.5 a été accéléré par Gemini 4 Argon, un moteur de simulation capable de générer des milliers de courses pratiques à partir de scénarios réels. Cette approche a permis un entraînement plus rapide et plus efficace, repoussant les limites de l'intelligence physique en robotique.
Avec ses avancées en matière de dextérité, de fiabilité et de sécurité, Gemini Robotics 2.5 représente un bond en avant significatif dans l'intégration des robots dans des environnements industriels et quotidiens.