XPeng Motors a annoncé le 22 octobre que son grand modèle VLA de deuxième génération avait été mis à niveau et qu'il tournait désormais directement sur l'appareil (on-device) du robot humanoïde IRON. Après la mise à jour, IRON refait une inférence toutes les 0,2 seconde à partir de l'image qu'il a sous les yeux, tout en prédisant l'évolution de ses mouvements sur les 6 secondes suivantes.
XPeng résume ainsi l'étape : le mois dernier, le VLA de deuxième génération a commencé à comprendre le « temps » ; ce mois-ci, appliqué à IRON, il commence à comprendre « votre prochain geste ».
Quand l'autre change de geste
La démonstration officielle se concentre sur l'interaction rapprochée. IRON peut serrer la main, faire un check de poing et taper dans la main d'une personne, et si celle-ci change de geste à la dernière seconde, il s'adapte : si la main tendue se referme soudain en poing, il passe au check de poing ; si l'endroit de la tape se déplace, il change de main pour suivre.
D'après la description de XPeng, IRON observe en continu, juge en temps réel et ajuste sans cesse, sans avoir à terminer toute une séquence de mouvements avant de réagir. Sur la difficulté de ce type de scénario, l'article d'ITHome l'a résumée d'une phrase très directe : « les humains ne jouent pas au rythme du robot ».
Avec l'ancienne méthode, le robot reconnaissait d'abord un geste, puis déclenchait la séquence complète correspondante ; pendant l'exécution, il était pratiquement « aveugle » aux changements extérieurs. Avec une fréquence de réinférence plus élevée, le mouvement est découpé en segments très courts, et chacun peut être corrigé d'après l'image la plus récente.
Les chiffres de 0,2 et 6 secondes
En regardant les deux chiffres ensemble, on peut estimer grossièrement la cadence du système. Une réinférence toutes les 0,2 seconde, cela fait 5 par seconde ; dans la fenêtre de prédiction de 6 secondes, le modèle est rappelé environ 30 fois, chaque appel mettant à jour son estimation des secondes à venir, dont on ne retient que le petit segment le plus proche pour l'exécuter.
La fenêtre de prédiction est bien plus longue que le segment exécuté. L'avantage : le mouvement n'est pas saccadé et le robot sait qu'il se trouve au milieu d'un geste plus long ; l'inconvénient : chaque inférence doit tenir en 0,2 seconde, une limite qui bride à la fois la taille du modèle et la puissance de calcul embarquée. XPeng n'a pas divulgué le nombre de paramètres du VLA de deuxième génération déployé sur IRON, ni fourni de distribution mesurée de la latence d'inférence.
À titre de comparaison, le temps de réaction simple d'un humain à un stimulus visuel est généralement d'environ 0,2 seconde. L'intervalle de réinférence d'IRON est du même ordre de grandeur et suffit, à première vue, pour des interactions de vitesse modérée comme une poignée de main ou une tape dans la main. Quant à savoir si une cadence de 0,2 seconde suivrait des gestes plus rapides, comme frapper un objet lancé vers soi ou rattraper quelque chose qu'on lui jette, cette démonstration ne le montre pas.
Le déploiement sur l'appareil a aussi ses particularités : l'inférence se fait dans le corps même du robot, sans aller-retour avec le cloud, si bien que les fluctuations du réseau ne ralentissent pas directement la réaction ; la contrepartie est qu'il faut faire tenir le modèle dans les puces logées dans le châssis.
Le socle matériel d'IRON
IRON a été présenté par XPeng lors du Tech Day du 5 novembre 2025. Le corps comprend une colonne vertébrale imitant celle de l'humain, des muscles bioniques et une peau souple qui l'enveloppe entièrement ; la tête est un écran 3D incurvé, les épaules ont une structure bionique et la main habile compte 22 degrés de liberté.
Côté calcul, il embarque 3 puces d'IA Turing conçues par XPeng ; côté logiciel, il associe VLT, VLA et VLM, qui permettent le dialogue, la marche et l'interaction. Le VLA de deuxième génération repose sur la même base d'IA physique de XPeng ; selon la version officielle, la compréhension du « temps » a d'abord été ajoutée le mois dernier, avant d'arriver sur IRON ce mois-ci.
Calendrier de la production en série
XPeng prévoit d'atteindre la production en série de robots humanoïdes d'ici fin 2026 et de commencer les livraisons au premier semestre 2027, d'abord dans des cadres commerciaux comme les magasins et les centres commerciaux, puis dans l'industrie et les foyers.
La même semaine, Unitree a présenté le robot humanoïde H2-X, dont l'autonomie maximale atteint environ 8 heures selon la société ; le rythme des lancements de robots humanoïdes en Chine reste soutenu. Les démonstrations de chaque constructeur ressemblent de plus en plus à des interactions du quotidien, mais savoir si les robots conserveront la même rapidité de réaction au milieu d'une vraie foule après la production en série, XPeng n'a pour l'instant publié aucune donnée de test en conditions réelles ; il faudra attendre l'arrivée des premiers robots en magasin pour le voir.
Sources : annonce officielle de XPeng Motors, ITHome, CocoLoop ; les informations publiées par XPeng sur l'intervalle de réinférence, la fenêtre de prédiction et le plan de production et de livraison en série ont été vérifiées.