小鹏IRON 人形机器人迎来了它在能力方面的升级。这次升级主要是依托了第二代 VLA大模型。有了这个东西, 这个机器人可以预判人类在未来6秒之内的动作都会有什么样的变化。因为能够做出预判, 所以它在进行人机互动的时候, 灵活度方面是有了大为提升的。

很多人形机器人在交互的时候会存在一个问题, 这个问题是通病的, 就是需要人类用固定的节奏去和机器人配合, 如果人类突然改变行动的节奏, 机器人的反应就会跟不上。

至于小鹏, 它已经不再采用先识别手势、然后再去执行一套固定动作的那种老方法了, 它会对站在面前的人进行一个持续性的观察, 并且每隔零点二秒的时间点, 就会依据当时拍摄到的画面重新去做一次推理分析。

在演示场景里面，像握手啊、碰拳啊还有击掌之类的这些比较简单的动作, IRON这个都能够非常轻松地把它完成掉, 就算说人在中途的时候突然之间改变了原来的招式, 手掌猛地就握成了拳头, 或者是说击手那个地方临时发生了挪动, 那机器人这边也照样可以马上就调整自己的姿态来换一只手进行配合, 完全不会出现那种僵直在原地一动不动这样的情况。

这整套能够预测未来情况的本事, 是来源于小鹏那个以物理世界为基础的人工智能基本架构的。这一种技术和小鹏汽车在自动驾驶时所使用的那类预测能力, 有着相同的起源。它可以直接被部署在机器人这个本体上面。这种部署方式是不需要依靠云端远程操控的。

要把汽车领域中那个用来理解时间和空间上那些变化的能力, 移植到人形机器人这边去, 使得这个机器人不仅仅能够看懂眼下发生的那个画面, 还可以进一步去推演在接下来那短时间之内可能发生的状况。

在硬件方面, IRON搭载了3个自研的图灵AI芯片, 总算力是非常足够的, 这样是能够充分地支撑起高频次的实时推理工作的, 从而来保证动作响应这个方面的表现不会出现那种明显的延迟情况。

人形机器人想要在日常生活里真正走进去去, 不可以只是去表演那个固定好的脚本, 还必须要学会去看懂人的行为动作, 要去预判人的意图。

这次升级, 算得上是一个重要的一步, 机器人不再只是机械地去执行指令, 而是开始学着去理解人的行为逻辑。

在上一个月的时候, 何小鹏在说到有关机器人方面业务的话里透露过, 去做机器人的难度大约相当于去造车的20倍, “真的是非常困难。”。

何小鹏说了一下他的意思, 那个意思大概就是, 机器人的硬件这块, 还有软件这块, 以及设计这块, 包括供应链这块东西, 基本上全都是我们自己搞的。

他过去那段时间, 一直都不愿意把机器人这个东西拉出来展示, 主要原因, 就是因为还没法做到大规模生产, 而且, 市面上那些机器人所呈现出的能力表现, 其实大部分都是经过了剪辑处理之后才被放出来的视频内容。