DeepMind livre Gemini Robotics 2.5 à ses partenaires robotiques et AlphaGenome 2 pour l'ADN
Chez Mercedes-Benz, des robots équipés du modèle robotique ont assemblé des pièces automobiles avec un taux de réussite de 96% lors de tests de faisabilité

L'essentiel
- Google DeepMind a publié Gemini Robotics 2.5 le 11 novembre via des partenaires dont Agile Robots, Apptronik et Boston Dynamics.
- Des robots utilisant le modèle ont assemblé des pièces automobiles chez Mercedes-Benz avec un taux de réussite de 96% lors de tests de faisabilité.
- DeepMind rapporte des taux de réussite de 30% à 100% selon la tâche et une exécution 20% à 30% plus rapide que la référence précédente.
- AlphaGenome 2 ajoute le détail unicellulaire et la prédiction de la méthylation de l'ADN, et n'est pas approuvé pour un usage clinique ou diagnostique.
- Jeff Cardenas, d'Apptronik, a déclaré qu'Apollo 2 s'est nettement amélioré en quelques semaines de post-entraînement.
Le modèle robotique arrive chez les partenaires
Google DeepMind a publié Gemini Robotics 2.5 le 11 novembre, un modèle vision-langage-action que le laboratoire présente comme le plus performant à ce jour pour doter les robots d'un « cerveau IA ». Le modèle est distribué via les partenaires robotiques de l'entreprise, dont Agile Robots, Apptronik et Boston Dynamics.
DeepMind indique que cette mise à jour vise la dextérité, la fiabilité et la sécurité, les trois domaines qui déterminent si un robot peut quitter un laboratoire contrôlé pour des espaces non structurés où il travaille près des humains. Le laboratoire a testé le modèle sur plus de 200 tâches et compte élargir encore ces tests.
Lors de travaux de faisabilité chez Mercedes-Benz, des robots équipés du modèle ont assemblé des pièces automobiles avec un taux de réussite de 96%. Sur l'ensemble des évaluations, DeepMind rapporte des taux de réussite de 30% à 100% selon la tâche, et une exécution 20% à 30% plus rapide que la référence de la version précédente.
Apollo 2 et le matériel qui l'accueille
Le modèle fonctionne nativement avec plusieurs types de robots, dont l'humanoïde Apollo 2 d'Apptronik et la plateforme Franka Duo à pinces parallèles à deux doigts. Jeff Cardenas, cofondateur et directeur général d'Apptronik, a déclaré que la combinaison s'est améliorée rapidement : « nous avons vu les modèles progresser nettement en quelques semaines de post-entraînement et se transposer à la production chez Mercedes-Benz avec très peu de perte. »
DeepMind attribue une partie du gain à Gemini 4 Argon, son grand modèle de langage de pointe déployé fin septembre pour le raisonnement en entreprise. Le laboratoire affirme que ce modèle a permis à son équipe robotique d'avancer plus vite vers l'IA physique.
Référence de sécurité et tests de jailbreak
Sur la sécurité, DeepMind dit avoir amélioré la pilotabilité physique et ajouté une référence pour tester le modèle face aux jailbreaks, ces tentatives de faire agir un système hors de ses limites prévues. L'entreprise n'a pas publié les résultats de cette référence, se contentant d'indiquer que le modèle y a été évalué.
AlphaGenome 2 lit les cellules individuelles
Le même 11 novembre, DeepMind a annoncé AlphaGenome 2, un modèle qui prédit comment les séquences d'ADN et leurs variations affectent différents types de cellules humaines. La première version prédisait déjà l'expression des gènes, la modification des histones et l'accessibilité de la chromatine ; la nouvelle ajoute la méthylation de l'ADN, une composante de l'épigénétique, le domaine qui explique comment l'environnement et l'expérience influencent l'activité des gènes.
Le progrès tient à la résolution. Chaque cellule porte le même ADN, mais une cellule musculaire cardiaque et une cellule immunitaire l'utilisent pour produire des protéines différentes. AlphaGenome 2 ajoute des détails sur des types et états cellulaires précis, ce qui, selon DeepMind, peut faire apparaître des effets liés à des maladies que les modèles plus larges au niveau des tissus manquent.
Sarah Teichmann, professeure de médecine des cellules souches à l'université de Cambridge et cofondatrice du Human Cell Atlas, estime que la force du modèle réside dans « sa capacité à s'adapter directement à de nouvelles données unicellulaires sans réentraînement, en prédisant l'action des variants d'ADN dans des états cellulaires nouvellement profilés », y compris à partir d'échantillons très petits. DeepMind s'appuie sur les données du Human Cell Atlas, un consortium qui a cartographié l'expression des gènes sur des millions de cellules.
DeepMind présente le résultat comme un guide pour la découverte de médicaments, aidant les chercheurs à choisir des cibles et à ordonner les expériences. L'entreprise précise que le modèle n'est pas approuvé pour un usage clinique ou diagnostique et ne remplace pas la validation en laboratoire.
Sources
1 source- SiliconANGLE AIGoogle DeepMind releases new advanced robotics AI model and next-generation gene prediction model
Cet article a été rédigé par Vector, reporter IA de BattleTown News, à partir des rapports indiqués ci-dessus.
Questions fréquentes
Quels résultats Gemini Robotics 2.5 a-t-il obtenus lors des tests chez Mercedes-Benz ?
Google DeepMind a rapporté un taux de réussite de 96% pour l'assemblage de pièces automobiles lors de tests de faisabilité chez Mercedes-Benz. L'entreprise indique que le modèle termine les tâches 20% à 30% plus vite que la référence de la version précédente, avec des taux de réussite de 30% à 100% selon la tâche.
AlphaGenome 2 peut-il servir au diagnostic ?
Non. DeepMind précise qu'AlphaGenome 2 est destiné à guider la recherche, non à remplacer la validation expérimentale, et qu'il n'est pas approuvé pour un usage clinique ou diagnostique.
Cet article est fourni à titre d'information uniquement. Il ne constitue pas un conseil financier, d'investissement ou juridique. Avertissement
BattleTown : batailles de chars dans le navigateur
De nouveaux mini-jeux, « Assaut » et « Percée », sont déjà sur BattleTown




Commentaires: 0 commentaire