Le robot quadrupède Spot de Boston Dynamics pourrait effectuer des inspections d’installations industrielles nécessitant la lecture d’instruments analogiques complexes, tels que des jauges. Crédit : Boston Dynamics

Des robots comme Spot, le quadrupède de Boston Dynamics, peuvent désormais lire avec précision les thermomètres et manomètres analogiques tout en se déplaçant dans les usines et les entrepôts. Ces progrès sont rendus possibles grâce au tout nouveau modèle d’IA robotique de Google DeepMind, qui vise à améliorer les capacités de raisonnement incarné des robots lors de leurs interactions avec l’environnement physique.

Le nouveau modèle Gemini Robotics-ER 1.6 , annoncé le 14 avril, fonctionne comme un « modèle de raisonnement de haut niveau pour robot » capable de planifier et d’exécuter des tâches, selon Google DeepMind. Ce modèle permet également de lire avec précision des instruments tels que des jauges complexes et d’effectuer des inspections visuelles grâce à des hublots transparents permettant d’observer l’intérieur des réservoirs et des canalisations ; une amélioration des performances rendue possible par la collaboration continue entre Google DeepMind et la société de robotique Boston Dynamics.

Boston Dynamics s’intéresse de près à l’expérimentation de robots quadrupèdes et humanoïdes dans un large éventail d’installations industrielles, notamment les usines automobiles de son propriétaire, le groupe Hyundai Motor. Spot, le robot-chien de l’entreprise, est testé comme inspecteur robotisé parcourant les installations industrielles pour effectuer des contrôles approfondis. Ces inspections requièrent un raisonnement visuel complexe pour interpréter les multiples aiguilles, niveaux de liquide, limites des conteneurs et graduations, ainsi que les informations textuelles, figurant sur divers instruments.

Le modèle qui le pilote

Pour accomplir ces tâches, le modèle Gemini Robotics-ER 1.6 dote les robots d’une « vision agentique » qui combine le raisonnement visuel et la capacité d’exécuter du code afin de créer un « bloc-notes visuel » permettant d’inspecter et de manipuler des images. Cette vision agentique a été introduite dans le modèle Gemini 3.0 Flash de Google en janvier 2026.

La capacité de vision assistée permettrait d’améliorer les performances des robots pour les tâches de lecture d’instruments, passant de 23 % pour l’ancien modèle Gemini Robotics-ER 1.5 à 98 % pour le nouveau modèle Gemini Robotics-ER 1.6. À titre de comparaison, le Gemini 3.0 Flash n’atteignait qu’une précision de 67 %.

Le modèle de base Gemini Robotics-ER 1.6 atteint une précision de 86 % dans la lecture d’instruments, même sans vision assistée. Ce résultat s’explique par le fait que le modèle utilise un processus de pointage des différents éléments d’une image pour traiter des tâches complexes, comme le comptage d’objets ou l’identification des caractéristiques les plus importantes. Il offre également une capacité de « raisonnement multivue » améliorée, permettant au système robotique d’exploiter plusieurs flux vidéo de caméras pour une meilleure compréhension de son environnement.

Spot de Boston Dynamics utilisant Google Gemini.

Un exemple de performance fourni par Google DeepMind illustre comment Gemini Robotics-ER 1.6 a pu identifier correctement le nombre de marteaux, de ciseaux, de pinceaux, de pinces et de divers outils de jardinage dans une image complexe. À titre de comparaison, l’ancien modèle Gemini Robotics-ER 1.5 n’a pas réussi à compter correctement les marteaux ni les pinceaux, a complètement ignoré les ciseaux et a identifié à tort une brouette inexistante, car celle-ci figurait parmi les objets demandés lors de la tâche d’identification. Cela suggère que le nouveau modèle souffre moins d’« hallucinations » que l’ancien, même s’il est encore loin d’atteindre une compréhension de son environnement comparable à celle d’un humain.

Google décrit également Gemini Robotics-ER 1.6 comme son « modèle de robot le plus sûr à ce jour », doté d’une « capacité considérablement améliorée à respecter les contraintes de sécurité physique ». Il permet aux robots de suivre les consignes de sécurité et de prendre des décisions plus sûres lors de la manipulation de liquides ou de matériaux. Ce nouveau modèle peut également percevoir avec plus de précision le risque de blessure pour les humains dans différents scénarios, comme par exemple un jeune enfant insérant un objet dans une prise électrique.

Application future

La véritable utilité de ce modèle sera mise à l’épreuve lorsque les entreprises de robotique et les chercheurs auront davantage l’occasion de tester ses capacités. Jusqu’à présent, les robots se sont montrés plus efficaces et productifs lorsqu’ils fonctionnent comme des machines hautement spécialisées, effectuant les mêmes tâches spécifiques de manière répétitive sur des chaînes de montage ou en réalisant des mouvements très coordonnés et chorégraphiés dans les allées d’entrepôts.

Des entreprises comme Google misent sur le fait que les modèles d’IA les plus récents peuvent permettre aux robots de devenir des travailleurs plus autonomes, capables d’évoluer dans des environnements réels complexes et moins contrôlés – une perspective qui comporte également un risque accru de dommages ou de blessures pour les humains en cas de dysfonctionnement.

À tout le moins, ce dernier modèle pourrait nous rapprocher un peu plus d’un avenir où un robot Mark 4 de General Atomics International pourra scanner la pièce et s’exclamer correctement : « Il n’y a pas de tricherie ici ! »

https://arstechnica.com/ai/2026/04/robot-dogs-now-read-gauges-and-thermometers-using-google-gemini