Le fait
Le 30 juillet 2026, Google DeepMind annonce Gemini Robotics 2, présenté comme la couche d’intelligence qui fait passer la robotique Gemini du haut du corps / tabletop au contrôle whole-body : jambes, torse, bras et mains, « from feet to fingertips ». Le modèle est un vision-language-action (VLA) : il convertit vision + langage en commandes motrices. La démonstration centrale utilise l’humanoïde Apptronik Apollo 2 — marcher jusqu’à une table, saisir un arrosoir, se déplacer vers une étagère basse, déposer l’objet dans un bac vert — sur instruction en langage naturel.
Le même checkpoint de modèle pilote trois embodiments distincts : Apollo 2 avec mains SharpaWave (cinq doigts, ~22 DoF), Apollo 2 avec mains Inspire, et un Franka Duo équipé d’un gripper Robotiq. DeepMind publie des taux de succès moyens par catégorie de skills (manipulation whole-body, dextérité gripper, tâches multi-doigts) et assume clairement que la dextérité multi-doigts reste le point dur, tandis que whole-body et gripper atteignent déjà des scores moyens à élevés. Les tâches montraient aussi sceller un sachet zip, nouer un sac, dévisser une ampoule — la fine motorique entre dans le périmètre, sans prétendre à la dextérité humaine.
Autour du VLA, DeepMind livre une suite de trois modèles : Gemini Robotics 2 (action), Gemini Robotics ER 2 (embodied reasoning : agent VLM qui planifie des tâches multi-étapes de plusieurs minutes, dialogue humain, collaboration multi-robots), et Gemini Robotics On-Device 2 (VLA compact pour edge, adaptation à un nouveau bi-bras en quelques heures / typiquement <200 exemples). ER 2 est annoncé disponible sur Google AI Studio et en preview privée sur Gemini Enterprise Agent Platform ; les VLA et On-Device restent en early access partenaires.
DeepMind note encore que la vitesse de mouvement doit progresser, mais revendique un jalon : pour la première fois, le stack Gemini Robotics contrôle un humanoïde entier, pas seulement un torse au-dessus d’une table. Côté sécurité, la release introduit le benchmark ASIMOV-Agentic (refus d’appels d’outils dangereux, demande d’intervention humaine sous incertitude) et insiste sur la détection de proximité humaine / arrêt sûr — prérequis des normes de collaboration.
Contexte
De Gemini Robotics 1.x au corps entier. Les versions antérieures avaient déjà montré qu’un modèle multimodal Gemini pouvait piloter des bras et un haut de corps humanoïde pour des tâches de table. Le goulot restait structurel : le monde réel n’est pas un plan de travail. Il faut s’accroupir, marcher, basculer le centre de masse, synchroniser locomotion et préhension. Gemini Robotics 2 attaque précisément ce couplage — intention linguistique → coordination jambes/torse/bras/mains.
Apollo 2 comme banc d’essai stratégique. Le partenariat DeepMind / Apptronik n’est pas nouveau : Robot Park Austin (fin juin 2026) positionnait déjà Apollo 2 comme workhorse de collecte de data pour Gemini Robotics. La démo du 30 juillet est la face modèle de la même alliance : Apptronik fournit le corps et les heures de terrain ; DeepMind fournit le cerveau VLA/ER. Pour le marché, cela signifie que « Gemini Robotics 2 » n’est pas un papier abstrait : c’est un modèle déjà câblé sur un humanoïde commercialisable (Apollo 2) avant Apollo 3.
Multi-embodiment = promesse d’industrialisation. Piloter le même checkpoint sur SharpaWave, Inspire et Franka+Robotiq répond à l’obsession 2025–2026 des intégrateurs : un modèle par robot est un cauchemar de maintenance. L’adaptation On-Device 2 « en quelques heures » sur Dexmate, SO101 ou Trossen vise les labos et OEM qui veulent brancher un bras existant sans reconstruire un data center. C’est aussi un signal concurrentiel face aux stacks captifs (Tesla Optimus) et aux fondationnels open/semi-open (LeRobot, Cosmos, etc.).
Agentique et multi-robots. ER 2 n’est pas un simple planificateur : DeepMind met en avant des séquences de plusieurs minutes, des centaines de décisions, de la compréhension de début/fin de tâche, de l’auto-correction, et surtout la collaboration entre robots hétérogènes (ex. Apollo qui orchestre un bi-bras Google pour ranger des outils dans un garage). Le narrative Physical AI passe du skill isolé au workflow multi-agents incarnés.
Sécurité comme produit. ASIMOV-Agentic et le safety technical report ne sont pas des annexes : dès qu’un VLA commande des jambes, le risque de chute, de collision et d’outil dangereux change d’ordre de grandeur. DeepMind anticipe les acheteurs EU/US qui exigeront preuves de refus d’action, de proximité humaine et d’arrêt sûr avant tout pilote shopfloor.
Pourquoi ça compte
1. Le whole-body devient le nouveau minimum viable des fondationnels robotics. Contrôler uniquement le torse ne suffit plus pour les briefs 2026–2027 (logistique, retail, ménage, cellules mixtes). Quiconque vend un VLA « general-purpose » devra répondre à la question Apollo 2 : marches-tu jusqu’à l’objet et le déposes-tu en bas ?
2. Jambes + mains = double front technique. DeepMind assume des scores plus faibles sur multi-doigts : le marché doit lire les bar charts, pas seulement les vidéos. Pour un acheteur, cela oriente les PoC vers des tâches gripper / whole-body d’abord, et réserve la fine dextérité à des stacks spécialisés.
3. Alliance Apptronik / DeepMind = data + modèle + corps. Robot Park + Gemini Robotics 2 formalisent une intégration verticale soft : qui possède les trajectoires Apollo 2 nourrit le modèle ; qui possède le modèle rend Apollo 2 plus autonome. Pression sur Figure, Agility, NEURA, Unitree, Tesla : montrer le pipeline data → skills → whole-body, pas seulement des teaser de marche.
4. On-Device 2 change le brief edge. Latence, air-gapped plants, usines sans cloud : un VLA local adaptable en heures est un argument d’intégration autant que de perf. Les OEM FR/EU avec parc de bras existants (Franka, etc.) peuvent tester sans attendre un humanoïde maison.
5. Multi-robot collaboration = nouveau langage RFP. Au-delà du cobot unique, les workflows « un marcheur + un bi-bras fixe » entrent dans les scénarios crédibles. Les intégrateurs doivent modéliser orchestration ER (qui décide, qui exécute, qui s’arrête) dans leurs architectures.
6. Signal régulation et assurance. Dès qu’un modèle commande la locomotion, les questions de responsabilité produit, de certification et d’assurance basculent. ASIMOV-Agentic et les métriques de proximité humaine deviennent des items de due diligence pour DSI / HSE / risk managers.
Lecture Neurone21
Thèse courte : le 30 juillet 2026, DeepMind fait basculer Gemini Robotics du tabletop au corps entier — VLA Gemini Robotics 2 pilotant Apollo 2 (jambes → doigts), plus ER 2 agentique et On-Device 2 edge. Ce n’est pas une démo gadget : c’est l’alignement public d’un fondationnel multi-embodiment avec un humanoïde partenaire (Apptronik) déjà en data factory Austin.
Pour une équipe FR/EU (OEM, intégrateur, fonds, labo) : (1) exiger les taux de succès par skill et le détail vitesse/stabilité locomotion, pas seulement la vidéo arrosoir ; (2) tester On-Device 2 sur un bi-bras déjà en parc avant d’acheter un humanoïde ; (3) cartographier le rôle d’ER 2 dans les workflows multi-robots (qui orchestre ?) ; (4) intégrer les critères ASIMOV-Agentic / proximité humaine dans les grilles d’achat. À suivre : early-access partenaires, métriques terrain hors labo, et transfert Apollo 2 → Apollo 3 commercial.
Sources : Google DeepMind — Gemini Robotics 2 whole-body (30/07/2026) · The Verge — DeepMind model controls entire robot body · Interesting Engineering — Gemini Robotics 2 full-body control.