Ngày 22/10, XPeng Motors cho biết mô hình lớn VLA thế hệ hai đã được nâng cấp và triển khai ngay trên thiết bị (on-device) của robot hình người IRON. Sau nâng cấp, cứ mỗi 0,2 giây IRON lại suy luận lại một lần dựa trên hình ảnh trước mắt, đồng thời dự đoán sự thay đổi chuyển động trong 6 giây tiếp theo.
Cách XPeng mô tả đợt nâng cấp này là: tháng trước, VLA thế hệ hai bắt đầu hiểu “thời gian”; tháng này, nó được dùng trên IRON và bắt đầu hiểu “bước tiếp theo của bạn”.
Khi đối phương đổi chiêu giữa chừng
Phần demo chính thức tập trung vào tương tác ở cự ly gần. IRON có thể bắt tay, chạm nắm đấm và đập tay với con người, và khi người đối diện đổi ý giữa chừng thì nó điều chỉnh theo: bàn tay đang đưa ra bất ngờ nắm lại thành nắm đấm, nó chuyển sang chạm nắm đấm; vị trí đập tay bị dịch đi, nó đổi sang tay kia để phối hợp.
Theo mô tả của XPeng, IRON liên tục quan sát, phán đoán theo thời gian thực và điều chỉnh không ngừng, không cần đợi làm xong cả một chuỗi động tác rồi mới phản ứng. Về độ khó của loại tình huống này, bài viết của ITHome tóm gọn bằng một câu rất thẳng: “con người không ra chiêu theo nhịp của robot”.
Với cách làm cũ, robot nhận diện một cử chỉ trước, rồi gọi ra nguyên một chuỗi động tác tương ứng để thực thi; trong lúc thực thi, nó gần như “mù” trước những thay đổi bên ngoài. Khi tần suất suy luận lại được nâng lên, động tác bị cắt thành các đoạn rất ngắn, và mỗi đoạn đều có thể được hiệu chỉnh theo hình ảnh mới nhất.
Hai con số: 0,2 giây và 6 giây
Đặt hai con số cạnh nhau là có thể ước lượng nhịp hoạt động của hệ thống. Suy luận lại sau mỗi 0,2 giây nghĩa là 5 lần mỗi giây; trong cửa sổ dự đoán 6 giây, mô hình bị gọi lại khoảng 30 lần, mỗi lần đều cập nhật nhận định về vài giây tới, rồi lấy một đoạn ngắn gần nhất trong đó để thực thi.
Cửa sổ dự đoán dài hơn nhiều so với đoạn thực thi, cái lợi là động tác không bị giật cục và robot biết mình đang ở giữa một chuyển động dài hơn; cái hại là mỗi lần suy luận đều phải hoàn tất trong vòng 0,2 giây, khiến quy mô mô hình và sức mạnh tính toán trên thiết bị bị giới hạn bởi mốc thời gian này. XPeng không công bố số tham số của VLA thế hệ hai khi triển khai lên IRON, cũng không đưa ra phân bố độ trễ suy luận đo thực tế.
Để so sánh với con người: thời gian phản ứng đơn giản của người trước kích thích thị giác thường vào khoảng 0,2 giây. Khoảng cách suy luận lại của IRON nằm cùng bậc độ lớn đó, nhìn sơ qua thì đủ để ứng phó những tương tác tốc độ không cao như bắt tay, đập tay. Còn với những động tác nhanh hơn như vỗ một vật đang bay tới hay chụp món đồ được ném sang, nhịp 0,2 giây có theo kịp hay không thì phần trình diễn lần này không cho thấy.
Triển khai trên thiết bị cũng có điểm đáng chú ý: việc suy luận hoàn tất ngay trên thân robot, không phụ thuộc vòng đi về với đám mây, nên mạng chập chờn không trực tiếp làm chậm phản ứng; cái giá phải trả là phải nhét mô hình vào con chip bên trong thân máy.
Nền tảng phần cứng của IRON
IRON được XPeng giới thiệu tại Ngày Công nghệ (Tech Day) ngày 5/11/2025. Thân máy dùng cột sống mô phỏng người, cơ bắp mô phỏng sinh học và lớp da mềm bao phủ toàn thân; phần đầu là màn hình cong 3D, hai vai có cấu trúc mô phỏng sinh học, bàn tay khéo léo có 22 bậc tự do.
Về tính toán, máy trang bị 3 chip AI Turing do XPeng tự phát triển; về phần mềm là sự kết hợp của VLT, VLA và VLM, hỗ trợ đối thoại, đi lại và tương tác. VLA thế hệ hai được xây trên cùng một nền tảng AI vật lý của XPeng; theo cách nói chính thức, tháng trước nó mới bổ sung khả năng hiểu “thời gian”, đến tháng này mới được đưa lên IRON.
Lộ trình sản xuất hàng loạt
Kế hoạch của XPeng là sản xuất hàng loạt robot hình người vào cuối năm 2026, bắt đầu giao hàng từ nửa đầu năm 2027, ưu tiên các bối cảnh thương mại như cửa hàng, trung tâm mua sắm, sau đó mở rộng sang công nghiệp và gia đình.
Trong cùng tuần, Unitree vừa ra mắt robot hình người H2-X, được hãng cho biết thời lượng pin tối đa khoảng 8 giờ; nhịp ra mắt robot hình người trong nước vẫn rất dày. Các màn trình diễn của từng hãng ngày càng giống tương tác thường ngày, nhưng sau khi sản xuất hàng loạt, giữa dòng người thật liệu robot có giữ được tốc độ phản ứng như vậy hay không thì XPeng hiện chưa công bố bất kỳ dữ liệu thử nghiệm ngoài hiện trường nào; điều này phải đợi đến khi những robot đầu tiên vào cửa hàng mới thấy được.
Nguồn tham khảo: thông báo chính thức của XPeng Motors, ITHome, CocoLoop; các nội dung do XPeng công bố đã được đối chiếu về khoảng cách suy luận lại, cửa sổ dự đoán và kế hoạch sản xuất, giao hàng hàng loạt.