Le chiffre qui compte est 22 : les degres de liberte de la main SharpaWave a cinq doigts que le nouveau modele robotique de Google peut desormais piloter sur un corps humanoide complet. Dans deux billets publies le 30 juillet, Google DeepMind a presente Gemini Robotics 2, son premier modele vision-langage-action controlant un humanoide entier, 'des pieds jusqu'aux bouts des doigts' selon ses mots, la ou les versions precedentes se limitaient a des taches de table avec le haut du corps. Demontre sur l'Apollo 2 d'Apptronik, le robot marche jusqu'a une table, saisit un arrosoir, le transporte dans la piece et le range, puis fait des noeuds et ferme un sac ziplock avec la main articulee ; une plateforme Franka Duo fait de l'emballage compact avec des pinces a deux doigts.
Le deuxieme modele est celui que les builders peuvent reellement toucher. Gemini Robotics ER 2 est le cerveau de planification : il enchaine des taches en plusieurs etapes durant plusieurs minutes et impliquant ce que Google appelle des centaines de decisions, corrige lui-meme les etapes ratees, appelle nativement des outils comme Google Search, et se branche sur l'API Gemini Live pour le streaming bidirectionnel. Il est disponible publiquement des aujourd'hui via l'API Gemini et Google AI Studio, avec un apercu prive sur la Gemini Enterprise Agent Platform. Les evaluations propres de Google revendiquent 57,4 % de precision en classification de progression, 91,3 % en reperage de moments avec 0,96 seconde d'ecart absolu moyen, a quatre fois la vitesse d'execution de modeles bien plus gros, et il lit des instruments de 10 types, des affichages numeriques aux thermometres a liquide.
Un troisieme modele, Gemini Robotics On-Device 2, tourne localement et s'adapte a ce que Google appelle des corps de robot completement nouveaux en quelques heures, typiquement avec moins de 200 exemples, demontre sur les materiels Dexmate, SO101 et Trossen. Les demos multi-robots associent Apollo 2 a un Franka F3 Duo, et une autre montre ER 2 orchestrant les API du Spot de Boston Dynamics pour aller chercher une collation sur commande vocale, avec le code sur GitHub. Les partenaires nommes sont Apptronik, Boston Dynamics et Agile Robots. Cote securite, Google a publie un nouveau benchmark ASIMOV-Agentic pour les appels d'outils dangereux et la demande d'intervention humaine, et dit qu'ER 2 arrete un humanoide quand une personne s'approche et reprend quand la voie est libre.
Les reserves sont structurelles. Chaque benchmark cite plus haut est une evaluation menee par Google, et les demonstrations montrees aux journalistes, WIRED compris, etaient des videos preenregistrees, pas des executions en direct. La repartition des disponibilites reduit aussi l'annonce a sa juste taille : des trois modeles, seul ER 2 est accessible au public, Robotics 2 et On-Device 2 restant limites aux partenaires en acces anticipe. Carolina Parada, cheffe de la robotique chez DeepMind, presente la sortie comme une etape vers 'l'AGI physique'. La lecture plus discree est plus utile aux builders : le controle des robots devient une ligne de la meme facture d'API que la generation de texte, et la question ouverte glisse de 'le modele peut-il bouger le bras' vers 'qui est autorise a l'executer, et sous quel dossier de securite'.