Google Cloud ouvre Gemini Robotics ER 2 aux développeurs : un nouveau cerveau pour les robots

Google Cloud a mis à disposition du public, via la plateforme Gemini, une pré‑version de Gemini Robotics Embodied Reasoning 2 (ER 2). Ce modèle, spécialement conçu pour le raisonnement de haut niveau des systèmes robotisés, se propose comme une couche d’orchestration capable d’interpréter des flux vidéo, audio ou texte, de planifier des actions et d’appeler des outils plus spécialisés, tout en vérifiant la réussite de chaque étape.

Comment fonctionne Gemini ER 2

Contrairement à un contrôleur moteur, ER 2 ne pilote pas directement les actionneurs. Il reçoit une instruction en langage naturel, analyse le contexte (par exemple une vidéo d’une chaîne de montage), puis déclenche des sous‑modèles – vision‑langage‑action, API de navigation ou fonctions propriétaires – pour exécuter les tâches concrètes. Le modèle agit comme un superviseur : il suit en continu la vidéo pour détecter les écarts, confirme que chaque sous‑action s’est terminée correctement et, le cas échéant, ajuste la séquence sans réécrire le code.

Performances annoncées

Google indique que le modèle identifie l’image exacte d’un événement critique avec une précision de 91,3 % et une marge d’erreur temporelle moyenne de 0,96 seconde. Ces chiffres proviennent d’évaluations internes et restent à tester dans des environnements industriels variés. En plus de la reconnaissance d’images, ER 2 sait lire des cadrans, des afficheurs numériques, des niveaux ou des thermomètres, ce qui ouvre la porte à la robotisation d’équipements legacy dépourvus d’interface logicielle.

De la simulation au robot sur site

La plateforme intègre des environnements de simulation comme MuJoCo‑Warp et NVIDIA Isaac Sim. Les équipes peuvent ainsi créer des scénarios synthétiques, annoter des images de cellules de travail et entraîner les modèles d’action dans l’infrastructure cloud avant de les déployer sur les robots réels. Les mécanismes d’identité, de contrôle d’accès et d’appel de fonctionsFunction CallingMécanisme permettant à un modèle de produire un appel structuré à une fonction avec les paramètres nécessaires. de Google Cloud permettent de garder les tâches sensibles à la latenceLatenceDélai entre l'envoi d'une requête à un système et l'obtention d'une réponse ou du début de celle-ci. (cartographie, planification locale) sur site, tout en centralisant les données de flotte dans BigQuery.

Partenariats et premiers cas d’usage

Parmi les partenaires cités, Boston Dynamics voit son robot quadrupède Spot enrichi par l’analyse vidéo d’ER 2, facilitant les inspections autonomes. Le groupe singapourien A*STAR mentionne des robots de laboratoire capables de lire des écrans anciens, de charger des centrifugeuses ou de manipuler des échantillons, grâce à la capacité du modèle à interpréter des instruments analogiques.

Disponibilité et limites

Depuis le 27 octobre, ER 2 est accessible via Model Garden, avec documentation et tarification claire. Cette mise à disposition ne rend pas les robots autonomes ; les intégrateurs restent responsables du développement des contrôleurs, des garde‑fous de sécurité et des procédures de reprise. L’ouverture du modèle réduit cependant la barrière d’accès à un raisonnement physique avancé, permettant aux entreprises de comparer concrètement performances, coûts et latence sur leurs propres machines.

L’accès public à Gemini Robotics ER 2 marque une étape importante vers des systèmes robotisés plus intelligents, où la prise de décision se fait dans le cloud tout en conservant la réactivité nécessaire sur le terrain. Cette combinaison pourrait accélérer l’adoption de la robotique dans des secteurs où les interfaces logicielles sont encore rares, comme la maintenance d’équipements industriels anciens ou les laboratoires de recherche.