Google DeepMind a testé Gemini 4 Argon pour apprendre une tâche physique au robot humanoïde Apollo d’Apptronik à partir d’une vidéo. L’entreprise annonce sept tirs consécutifs réussis et une réduction du temps de préparation des simulations.
Présentée lors du lancement de Gemini 4 Argon, cette démonstration illustre une nouvelle approche de l’entraînement robotique. Le modèle d’intelligence artificielle de Google combine raisonnement visuel, compréhension physique et génération autonome de code pour transformer une vidéo en comportement exécutable par un robot. L’objectif industriel est de réduire le travail d’ingénierie nécessaire à l’apprentissage de nouvelles compétences physiques.
Une vidéo de cornhole transformée en mouvements pour Apollo
Pour cette expérimentation interne, Google DeepMind a soumis à Gemini 4 Argon une vidéo brute montrant une personne jouer au cornhole, un jeu consistant à lancer des sacs vers une plateforme percée d’un trou.
Le modèle a analysé l’environnement, établi des coordonnées spatiales et calculé les mouvements articulaires du corps nécessaires à la réalisation de la tâche. Il a ensuite généré de manière autonome le code d’une simulation permettant de préparer le comportement du robot.
Ce comportement a été transféré sur Apollo, le robot humanoïde développé par Apptronik. Lors de l’essai physique, Apollo a réussi sept tirs consécutifs, selon Google DeepMind. Ce résultat correspond à la démonstration annoncée par l’entreprise.
Google DeepMind annonce un entraînement ramené de plusieurs semaines à quelques heures
Google DeepMind appelle cette méthode « Video-to-Sim-to-Real », soit un processus allant de la vidéo à la simulation, puis à l’exécution dans le monde réel.
Selon l’entreprise, cette approche permet de ramener à quelques heures un travail de modélisation de simulation robotique qui nécessiterait normalement plusieurs semaines de préparation manuelle.
Le principe consiste à utiliser des vidéos ordinaires comme matériau d’entraînement, plutôt que de construire manuellement chaque environnement simulé et chaque comportement. Google DeepMind présente cette méthode comme un moyen de multiplier les situations d’apprentissage tout en réduisant les interventions des ingénieurs.
Pour les acteurs de la robotique humanoïde, cette démonstration met en avant une possibilité industrielle : accélérer la création de compétences physiques en s’appuyant sur des modèles d’IA généralistes capables de produire eux-mêmes du code de simulation.
Gemini 4 Argon atteint 87 % au test de raisonnement spatial ERQA
Google DeepMind a également évalué Gemini 4 Argon sur le référence Embodied Reasoning, ou ERQA, conçu pour mesurer les capacités de raisonnement physique et spatial dans des environnements tridimensionnels.
Selon Google DeepMind, Gemini 4 Argon a obtenu un score de 87 % sur cette évaluation. Ce chiffre mesure la performance du modèle sur le référence ERQA et non le taux de réussite du robot Apollo dans une tâche physique.
Cette évaluation accompagne le positionnement de Gemini 4 Argon comme modèle destiné aux problèmes complexes d’ingénierie, de programmation, de recherche scientifique et aux applications professionnelles.
Google étend Gemini 4 Argon à la robotique et aux applications industrielles
Au-delà de sa collaboration avec Apptronik, Google présente Gemini 4 Argon comme une technologie utilisable dans plusieurs domaines de recherche et d’ingénierie.
L’entreprise indique avoir déjà employé le modèle dans des projets d’optimisation de grandes bases de code informatique, ainsi que dans des travaux liés à l’informatique quantique, à la fusion nucléaire et aux sciences de la vie.
Gemini 4 Argon est désormais proposé à travers les produits d’intelligence artificielle de Google et l’API Gemini. Cette mise à disposition étend les possibilités d’utilisation du modèle au-delà de la démonstration robotique réalisée avec Apollo.
Pour Google DeepMind et Apptronik, l’expérience illustre l’application du raisonnement avancé de l’IA à des systèmes physiques, avec une chaîne d’entraînement reliant directement l’analyse vidéo, la simulation et l’exécution sur un robot humanoïde.