Xpeng zufolge kann der IRON-Roboter menschliche Bewegungen bis zu sechs Sekunden im Voraus vorhersehen

Ein Händedruck, der sich ändert, bevor der Roboter seine Bewegung beendet

Xpeng zufolge kann sein humanoider Roboter IRON Veränderungen menschlicher Bewegungen inzwischen bis zu sechs Sekunden im Voraus vorhersehen. Während er die Person vor sich beobachtet, aktualisiert er seine Einschätzung alle 0,2 Sekunden. Die Verbesserung soll es der Maschine ermöglichen, sich anzupassen, wenn jemand plötzlich eine offene Hand zur Faust ballt oder die Hand für ein High Five anders positioniert.

Der chinesische Elektroautohersteller führt diese Fähigkeit auf sein VLA-Modell der zweiten Generation zurück, ein System künstlicher Intelligenz, das visuelle Informationen mit körperlichen Aktionen verknüpft. Nach Angaben des Unternehmens läuft das Vorhersagesystem im Roboter selbst und ist nicht auf eine Verbindung zu Cloud-Computern angewiesen.

IRON ist mit drei Turing-KI-Chips von Xpeng ausgestattet, die zusammen eine Rechenleistung von 2.250 TOPS bieten. Seine neue Interaktionsfähigkeit nutzt dieselbe grundlegende Physical-AI-Technologie, mit der Xpeng Veränderungen im Umfeld seiner Fahrzeuge vorhersehen will.

Die unmittelbaren Beispiele sind vertraute Gesten: Händeschütteln, Faustgruß und High Five. Die Schwierigkeit liegt im Timing. Eine Person kann mitten in einer Bewegung die Richtung ändern. Dann muss der Roboter seinen Arm, seine Hand und seine Haltung anpassen, während die Interaktion noch läuft.

Xpengs kommerzielle Pläne machen diese Reaktionsfähigkeit auch über Vorführungen hinaus relevant. IRON soll zunächst in Geschäften, Einkaufszentren und anderen gewerblichen Umgebungen arbeiten, in denen sich Besucher in ihrem eigenen Tempo bewegen und verhalten. Das offizielle Ziel des Unternehmens ist es, bis Ende 2026 die Massenproduktion fortschrittlicher humanoider Roboter zu erreichen. Die Auslieferungen sollen in der ersten Hälfte des Jahres 2027 beginnen.

Wie fünf Aktualisierungen pro Sekunde die Interaktion verändern

IRON bewertet seine Beobachtungen alle 0,2 Sekunden neu, also fünfmal pro Sekunde. Über einen Zeitraum von sechs Sekunden wären so etwa 30 neue Einschätzungen möglich. Der Roboter passt seine Erwartungen daher laufend an, statt sich nach dem Erkennen einer einzelnen Geste auf eine Bewegung festzulegen.

Ein Händedruck veranschaulicht den Unterschied. Eine festgelegte Abfolge könnte den Roboter anweisen, die Hand auszustrecken, sobald er eine sich nähernde Handfläche erkennt. Ballt die Person dann die Hand zum Faustgruß, muss die Maschine die Änderung erkennen und ihre Reaktion anpassen, bevor sich die Hände treffen.

Xpeng zufolge tut IRON genau das während der Interaktion. Außerdem passt er seine Haltung an und wechselt die Hand, wenn jemand die Position für ein High Five verändert. Der Prozess bildet eine wiederkehrende Schleife: die Person beobachten, den nächsten Schritt einschätzen, sich bewegen und erneut beobachten.

Xpeng bezeichnet sechs Sekunden als Vorhersagehorizont des Systems. Das Unternehmen hat weder eine Vorhersagegenauigkeit noch detaillierte Testbedingungen oder eine gemessene Erfolgsquote für diese Interaktionen veröffentlicht. Solche Messwerte würden potenziellen Nutzern helfen einzuschätzen, wie zuverlässig die Fähigkeit bei unterschiedlichen Menschen und in verschiedenen Umgebungen funktioniert.

Die KI-Verbindung zwischen Auto und humanoidem Roboter

Xpeng stellte sein VLA-Modell der zweiten Generation am 5. November 2025 auf seinem Technologietag in Guangzhou vor. In der am 17. November veröffentlichten Ankündigung zum Technologietag beschrieb das Unternehmen ein Modell, das Handlungsanweisungen direkt aus visuellen Signalen ableitet und dabei einen Zwischenschritt der sprachlichen Übersetzung auslässt.

VLA steht für Vision, Language and Action, also Sehen, Sprache und Handeln. Vereinfacht gesagt verknüpfen solche Systeme, was eine Maschine sieht und versteht, mit dem, was sie tun soll. Xpeng zufolge führt die überarbeitete Architektur direkter von visuellen Eingaben zu Bewegungen und ermöglicht es dem Modell zugleich, Schlussfolgerungen darüber zu ziehen, wie sich eine Situation entwickeln könnte.

Ein Fahrzeug, das sich einer veränderlichen Verkehrssituation nähert, und ein Roboter, der einer bewegten Hand gegenübersteht, haben ein praktisches Problem gemeinsam: Beide müssen darauf reagieren, wohin sich etwas bewegt, und nicht nur darauf, wo es sich gerade befindet. Xpeng zufolge ermöglicht die Grundlage seiner Physical AI, Bewegungen über einen Zeitraum hinweg zu interpretieren.

In der Ankündigung vom November beschrieb das Unternehmen IRONs Intelligenz als Zusammenspiel von VLT-, VLA- und VLM-Modellen. Xpeng bezeichnete VLT als ein speziell für Schlussfolgerungen und autonome Entscheidungen von Robotern entwickeltes Modell. VLM, kurz für Vision Language Model, verknüpft visuelle Informationen mit Sprache. Im Mittelpunkt der neuen Interaktionsverbesserung steht die Fähigkeit des VLA-Modells der zweiten Generation, Abläufe zu verstehen und Bewegungen vorherzusehen.

Die Funktion der Chips in IRON

Die drei Turing-Chips von IRON liefern die Rechenleistung für wiederholte Einschätzungen und die Erzeugung von Handlungen im Roboter selbst. TOPS steht für Billionen Operationen pro Sekunde und gibt an, wie viele Rechenoperationen eine Hardware ausführen kann. Die angegebene Leistung von 2.250 TOPS entspricht 2.250 Billionen Operationen pro Sekunde.

Wenn das Interaktionsmodell lokal ausgeführt wird, kann der Roboter Beobachtungen verarbeiten und Reaktionen erzeugen, ohne jede Entscheidung an einen entfernten Server zu senden. Das ist nützlich, wenn sich eine Hand bereits auf ihn zubewegt und die Reaktion schnell erfolgen muss.

Xpeng nutzt für die Entwicklung seiner KI außerdem umfangreiche Cloud-Rechenressourcen. In der Ankündigung vom November beschrieb das Unternehmen einen Cluster mit 30.000 Rechenkarten, ein Basismodell mit 72 Milliarden Parametern und ein Training mit fast 100 Millionen Videoclips aus dem Straßenverkehr. Parameter sind die anpassbaren Werte, über die ein KI-Modell Muster erlernt.

Die Cloud-Infrastruktur unterstützt die Modellentwicklung, während die in IRON verbauten Chips das im Einsatz befindliche Interaktionssystem ausführen. Xpengs Strategie verbindet beide Phasen: Modelle werden mit umfangreichen Rechenressourcen trainiert und anschließend so angepasst, dass sie innerhalb der Energie- und Hardwaregrenzen einer physischen Maschine arbeiten können.

Ein Körper, der mehr kann als eine einzelne Geste

Die am 5. November 2025 vorgestellte neue Generation von IRON hat Xpeng zufolge 82 Freiheitsgrade im Körper und 22 in der Handkonstruktion. Ein Freiheitsgrad ist eine unabhängige Bewegungsmöglichkeit, etwa das Beugen oder Drehen eines Gelenks. Mehr solcher Bewegungsmöglichkeiten geben den Ingenieuren mehr Spielraum, den Körper zu positionieren und Gesten auszuführen.

Xpeng nennt eine der menschlichen Anatomie nachempfundene Wirbelsäule, muskelähnliche Strukturen, eine den Körper bedeckende flexible Haut, für menschenähnliche Bewegungen ausgelegte Schultern und ein gebogenes dreidimensionales Display am Kopf. Kleine harmonische Gelenke, eine Art kompakter Präzisionsmechanismus, helfen dabei, die Hände an menschliche Proportionen anzunähern.

Der Zusammenhang zwischen Körper und Vorhersagesystem ist praktischer Natur. Wenn der Roboter erkennt, dass jemand seine Hand bewegt hat, ergibt sich ein neues Ziel. Anschließend müssen die Gelenke und die Steuerungssoftware die eigene Hand an die richtige Stelle bringen und zugleich das Gleichgewicht halten.

Xpeng zufolge verwendet IRON außerdem eine Festkörperbatterie. Solche Batterien verfügen über einen festen Elektrolyten, also ein Material, durch das sich geladene Teilchen im Inneren der Batterie bewegen. Das Unternehmen zufolge ermöglicht die Konstruktion ein geringeres Gewicht, eine hohe Energiedichte und Sicherheit. Wie lange die verbesserte Interaktionsfunktion im Betrieb genutzt werden kann, hat Xpeng nicht angegeben.

Zuerst Geschäfte, außerdem industrielle Anwendungen

Zu den offiziell geplanten ersten Aufgaben von IRON gehören Besucher zu führen, Kunden beim Einkaufen zu unterstützen und Patrouillen durchzuführen. Xpengs kommerzielle Pläne sehen zunächst Geschäfte und Einkaufszentren vor. Anschließend soll der Einsatz schrittweise auf industrielle und private Umgebungen ausgeweitet werden.

Bei diesen Aufgaben steht die Interaktion mit Menschen im Mittelpunkt. Ein Einkaufsassistent muss sich möglicherweise einem Besucher zuwenden, einer zeigenden Geste folgen oder reagieren, wenn sich jemand aus einer unerwarteten Richtung nähert. Die jüngste Verbesserung betrifft einen kleinen, aber konkreten Teil dieser Herausforderung: Eine körperliche Interaktion soll flüssig bleiben, wenn die Person ihre Bewegung ändert.

Baosteel ist ein angekündigter Partner des IRON-Programms. Laut der Stellungnahme von Xpeng vom November wollen die Unternehmen mögliche Anwendungen erkunden, darunter Inspektionen in komplexen Industrieumgebungen. Baosteel-Vorstandsvorsitzender Zou Jixin skizzierte den Plan, IRON in den Anlagen des Unternehmens einzusetzen und durch praktische Nutzung weiterzuentwickeln.

Xpeng hat außerdem angekündigt, ein SDK, also ein Software Development Kit, für IRON bereitzustellen. Ein SDK gibt externen Entwicklern Werkzeuge an die Hand, um Anwendungen für eine Plattform zu entwickeln. Beim Roboterprogramm soll es Partnern ermöglichen, Anwendungen zu entwickeln, die über die vom Xpeng-Team selbst vorgesehenen Einsatzzwecke hinausgehen.

Um den Mangel an Trainingsdaten für Roboter zu beheben, hat das Unternehmen in Guangzhou eine Fabrik für Daten zu verkörperter Intelligenz eingerichtet. Verkörperte Intelligenz bezeichnet KI, die über einen physischen Körper handelt und bei der eine Entscheidung zu einer Bewegung werden muss, die Gewicht, Kontakt und Gleichgewicht einbezieht.

Die Herausforderung der Fertigung hinter den Vorführungen

He Xiaopeng, Vorstandsvorsitzender und CEO von Xpeng, hat den Schwierigkeitsgrad des Robotikgeschäfts als ungefähr 20-mal höher als den der Autoherstellung beschrieben. Er sagte, das Unternehmen entwickle den Großteil der Hardware, Software, Konstruktion und Lieferkette des Roboters selbst.

Er sagte auch, seine frühere Zurückhaltung, die Roboter öffentlich zu zeigen, habe vor allem daran gelegen, dass sie noch nicht in Massenproduktion gefertigt werden konnten. Die branchenweit üblichen, geschnittenen Vorführungen der Fähigkeiten kritisierte er. Seine Aussagen verdeutlichen, dass für das Programm neben der sichtbaren Leistung auch eine wiederholbare Fertigung und ein zuverlässiger Betrieb entscheidend sind.

In seiner Stellungnahme vom November bezeichnete Xpeng eine unausgereifte Hardware- und Softwarelieferkette als eines der Probleme der Branche. Aus einem für eine Vorführung zusammengesetzten Entwurf muss letztlich ein Produkt werden, das wiederholt gefertigt, gewartet und an vielen Standorten eingesetzt werden kann.

Der von Xpeng bekannt gegebene ET1-Prototyp-Meilenstein markierte bis zum 20. Januar 2026 einen weiteren Schritt in Richtung dieses Ziels. He sagte, Xpeng habe seinen ersten nach Automobilstandards entwickelten humanoiden ET1-Prototyp fertiggestellt. Zunächst lag der Fokus des Programms weiterhin auf Besucherführung, Einkaufsassistenz und Empfangsdiensten. Industrielle Anwendungen wurden ebenfalls entwickelt.

Xpeng kann auf Fertigungsprozesse und Komponentenkompetenz aus der Fahrzeugproduktion zurückgreifen. He Xiaopengs Einschätzung zum Schwierigkeitsgrad spiegelt auch den noch erforderlichen Entwicklungsaufwand wider, um KI, mechanische Bewegung und Produktion in einem humanoiden Produkt zusammenzubringen.

Ein öffentlicher Sturz und der weitere Zeitplan

Der Sturz von IRON in einem Einkaufszentrum in Shenzhen am Wochenende vor dem 4. Februar 2026 zeigte eine weitere Seite dieser Arbeit. Nachdem der Roboter über eine Bühne im Einkaufszentrum MixC gelaufen war, verlor er im Stand das Gleichgewicht und wurde weggetragen. Ein Ersatzroboter setzte die Vorführungen fort. Am nächsten Tag führte IRON Interaktionen durch, während er an einem Stützgestell befestigt war.

Der Vorfall ist relevant, weil Einkaufszentren zu den von Xpeng vorgesehenen ersten Einsatzorten gehören. Ein Interaktionssystem muss dort zuverlässig mit Gleichgewicht und körperlicher Steuerung zusammenarbeiten, wenn Besucher in der Nähe sind. Ingenieure müssen daher Vorausschau, Bewegung und Stabilität als Bestandteile derselben Maschine entwickeln.

Die Meilensteine und Pläne des Programms erstrecken sich über mehrere Zeitpunkte:

• 2024: Xpeng stellte die erste Generation von IRON vor.
• 5. November 2025: Xpeng präsentierte die neue Generation auf seinem Technologietag in Guangzhou.
• Januar 2026: He Xiaopeng gab die Fertigstellung des nach Automobilstandards entwickelten ET1-Prototyps bekannt.
• Wochenende vor dem 4. Februar 2026: IRON stürzte während einer öffentlichen Vorführung im Einkaufszentrum MixC in Shenzhen.
• 22. Oktober, ohne Jahresangabe in den Berichten zur Verbesserung: Xpeng kündigte die Fähigkeit zur Vorhersage von Bewegungen an.
• Ende 2026: Xpeng will die Massenproduktion fortschrittlicher humanoider Roboter aufnehmen.
• Erste Hälfte des Jahres 2027: Die Auslieferungen sind zunächst für gewerbliche Einsatzorte geplant.

Für Unternehmen, die IRON in Betracht ziehen, besteht der nächste praktische Schritt darin, von Entwicklungsmeilensteinen zu Produktion und Auslieferung überzugehen. Der Vorhersagehorizont von sechs Sekunden beschreibt einen Teil des vorgesehenen Produkts: einen Roboter, der sich an Menschen anpassen und zugleich nützliche Aufgaben an Orten übernehmen soll, die sie bereits nutzen.

Die wichtigsten Punkte

• Xpeng zufolge sagt IRON Veränderungen menschlicher Bewegungen bis zu sechs Sekunden im Voraus voraus und bewertet visuelle Informationen fünfmal pro Sekunde neu.
• Das Interaktionssystem läuft lokal auf dem Roboter. Dieser verfügt über drei Turing-KI-Chips mit einer Rechenleistung von 2.250 TOPS.
• Die neue Generation hat Xpeng zufolge 82 Freiheitsgrade im Körper und 22 in der Handkonstruktion.
• Zu den zunächst geplanten Aufgaben gehören Besucherführung, Einkaufsassistenz und Patrouillen. Baosteel beteiligt sich an der Erkundung industrieller Anwendungen.
• Xpeng will die Massenproduktion bis Ende 2026 aufnehmen und die Auslieferungen in der ersten Hälfte des Jahres 2027 beginnen.
• Das Unternehmen hat keine detaillierten Messwerte zur Genauigkeit oder Erfolgsquote der verbesserten Bewegungsvorhersage veröffentlicht.