XPeng pada 22 Oktober mengumumkan bahwa model besar VLA generasi kedua mereka telah selesai ditingkatkan dan sudah dipasang langsung di perangkat (on-device) pada robot humanoid IRON. Setelah peningkatan, IRON bernalar ulang setiap 0,2 detik berdasarkan gambar di depannya, sekaligus memprediksi perubahan gerakan selama 6 detik berikutnya.
XPeng menggambarkan peningkatan ini begini: bulan lalu, VLA generasi kedua mulai memahami "waktu"; bulan ini, setelah diterapkan pada IRON, ia mulai memahami "langkah Anda berikutnya".
Menanggapi saat lawan mengubah gerakan
Demo resmi berpusat pada interaksi jarak dekat. IRON bisa berjabat tangan, mengadu kepalan, dan bertos dengan manusia, dan ia ikut menyesuaikan ketika orang mengubah gerakan secara mendadak: telapak tangan yang terulur tiba-tiba mengepal, maka ia beralih ke adu kepalan; posisi tos bergeser, maka ia memakai tangan yang lain untuk menyesuaikan.
Menurut XPeng, IRON terus mengamati, menilai secara waktu nyata, dan menyesuaikan diri tanpa henti, tidak perlu menunggu satu rangkaian gerakan selesai baru bereaksi. Kesulitan skenario seperti ini dirangkum laporan ITHome dengan kalimat lugas: "manusia tidak bergerak mengikuti irama robot".
Dengan cara lama, robot lebih dulu mengenali satu gestur, lalu memanggil seluruh rangkaian gerakan yang sesuai untuk dijalankan, dan selama eksekusi ia pada dasarnya "buta" terhadap perubahan di sekitarnya. Setelah frekuensi penalaran ulang dinaikkan, gerakan dipecah menjadi segmen yang sangat pendek, dan setiap segmen bisa dikoreksi sesuai gambar terbaru.
Dua angka: 0,2 detik dan 6 detik
Jika dua angka ini dilihat bersama, kira-kira terlihat ritme sistemnya. Penalaran ulang tiap 0,2 detik berarti 5 kali per detik; dalam jendela prediksi 6 detik, model dipanggil sekitar 30 kali, setiap kali memperbarui penilaian untuk beberapa detik ke depan, lalu mengambil potongan terdekat yang pendek untuk dieksekusi.
Jendela prediksi yang jauh lebih panjang daripada segmen eksekusi punya keuntungan: gerakan tidak tersendat, dan robot tahu bahwa ia sedang berada di tengah gerakan yang lebih panjang. Kerugiannya, setiap inferensi harus selesai dalam 0,2 detik, sehingga ukuran model dan daya komputasi on-device sama-sama terkunci oleh batas waktu itu. XPeng tidak mengungkap jumlah parameter VLA generasi kedua yang dipasang di IRON, dan tidak memberikan distribusi latensi inferensi hasil pengukuran.
Sebagai pembanding, waktu reaksi sederhana manusia terhadap rangsangan visual umumnya sekitar 0,2 detik. Interval penalaran ulang IRON berada di orde yang sama, sehingga sekilas cukup untuk interaksi yang tidak terlalu cepat seperti jabat tangan dan tos. Apakah ritme 0,2 detik sanggup mengikuti gerakan yang lebih cepat, seperti menepis benda yang melayang atau menangkap barang yang dilempar, tidak muncul dalam demo kali ini.
Penerapan on-device juga ada konsekuensinya: inferensi selesai di tubuh robot sendiri tanpa bolak-balik ke cloud, sehingga jaringan yang tidak stabil tidak langsung memperlambat reaksi, dengan konsekuensi model harus dimuat ke dalam chip di badan robot.
Perangkat keras IRON
IRON diperkenalkan XPeng pada acara Tech Day 5 November 2025. Tubuhnya memakai tulang belakang menyerupai manusia, otot biomimetik, dan kulit lentur yang membungkus penuh; kepalanya berupa layar lengkung 3D, kedua bahunya berstruktur biomimetik, dan tangan terampilnya memiliki 22 derajat kebebasan.
Untuk komputasi, ia membawa 3 chip Turing AI rancangan sendiri XPeng, dan dari sisi perangkat lunak berupa kombinasi VLT, VLA, dan VLM yang menopang percakapan, berjalan, dan interaksi. VLA generasi kedua dibangun di atas fondasi AI fisik yang sama milik XPeng; menurut keterangan resmi, bulan lalu pemahaman akan "waktu" ditambahkan lebih dulu, dan baru bulan ini diterapkan pada IRON.
Jadwal produksi massal
Rencana XPeng adalah mencapai produksi massal robot humanoid pada akhir 2026 dan mulai mengirim pada paruh pertama 2027, lebih dulu ke gerai dan pusat perbelanjaan sebagai skenario komersial, lalu meluas ke industri dan rumah tangga.
Pada pekan yang sama, Unitree baru merilis robot humanoid H2-X, yang menurut klaim resminya memiliki daya tahan baterai hingga sekitar 8 jam; tempo peluncuran robot humanoid di Tiongkok tetap padat. Demo tiap perusahaan makin menyerupai interaksi sehari-hari, tetapi apakah kecepatan reaksi yang sama bisa dipertahankan di tengah keramaian nyata setelah produksi massal, XPeng sejauh ini belum merilis data uji lapangan apa pun. Hal itu baru bisa terlihat setelah robot gelombang pertama masuk gerai.
Sumber: pengumuman resmi XPeng, ITHome, CocoLoop; konten pengumuman XPeng diperiksa untuk interval penalaran ulang, jendela prediksi, serta rencana produksi massal dan pengiriman.