Google DeepMind, une entreprise d'intelligence artificielle, a intégré une version de son modèle de langage de grande capacité (LLM) le plus avancé, appelé Gemini, dans des robots. Ce modèle permet aux machines d'exécuter diverses tâches — comme "accrocher" un petit basketball à travers un cerceau de bureau — sans avoir jamais observé un autre robot réaliser l'action, selon l'entreprise. La société fait partie d'un mouvement plus large visant à tirer parti des avancées de l'IA qui alimentent les chatbots pour développer des robots polyvalents. Cependant, cette approche soulève des préoccupations en matière de sécurité en raison du potentiel de ces modèles à générer des résultats inexactes et nuisibles. L'objectif est de concevoir des machines faciles à utiliser et capables d'effectuer une variété de tâches physiques sans avoir besoin d'une supervision humaine ou d'une programmation préalable.

En se connectant aux modèles robotiques de Gemini, les développeurs peuvent améliorer leurs robots, leur permettant de comprendre “le langage naturel et de percevoir le monde physique avec beaucoup plus de détails, ” explique Carolina Parada, responsable de l'équipe de robotique de Google DeepMind basée à Boulder, Colorado. Le modèle appelé Gemini Robotics, qui a été dévoilé le 12 mars par le biais d'un article de blog et d'un document technique, est décrit comme “un petit mais tangible pas” vers la réalisation de cette vision, selon Alexander Khazatsky, un chercheur en IA et cofondateur de CollectedAI à Berkeley, Californie, axé sur la création de jeux de données pour des robots alimentés par l'IA. **Conscience Spatiale** Basée à Londres, une équipe de Google DeepMind a commencé avec Gemini 2. 0, le modèle de vision et de langage le plus sophistiqué de l'entreprise, qui a été formé en analysant d'énormes quantités de données pour la reconnaissance de motifs. Ils ont développé une version spécialisée du modèle adaptée aux tâches de raisonnement nécessitant une compréhension physique et spatiale en 3D — comme prédire la trajectoire des objets ou reconnaître la même partie d'un objet dans des images capturées sous différents angles. Par la suite, ils ont encore entraîné le modèle en utilisant des données provenant de milliers d'heures de démonstrations de robots réels, télécommandés. Cela a permis au 'cerveau' robotique d'effectuer de réelles actions, parallèle à la manière dont les LLM génèrent des mots suivants en fonction des associations apprises. L'équipe a évalué Gemini Robotics sur des robots humanoïdes et des bras robotiques, en évaluant à la fois des tâches entraînées et des activités nouvelles. Selon leurs résultats, les robots utilisant le modèle ont systématiquement surpassé les principaux concurrents dans des tests impliquant à la fois des tâches familières avec des détails modifiés et des défis entièrement nouveaux. **Pliage d'Origami**