Xpeng का कहना है कि IRON रोबोट इंसानी गतिविधियों का छह सेकंड पहले अनुमान लगा सकता है

रोबोट की हरकत पूरी होने से पहले बदल जाता है हाथ मिलाने का तरीका

Xpeng का कहना है कि उसका IRON ह्यूमनॉइड रोबोट अब इंसानी गतिविधियों में होने वाले बदलावों का छह सेकंड पहले तक अनुमान लगा सकता है। सामने मौजूद व्यक्ति को देखते हुए यह हर 0.2 सेकंड में अपने आकलन को अपडेट करता है। इस अपग्रेड का मकसद रोबोट को उस समय अपनी प्रतिक्रिया बदलने देना है, जब कोई अचानक खुली हथेली को मुट्ठी में बदल दे या हाई-फाइव के लिए हाथ की जगह बदल दे।

चीनी इलेक्ट्रिक वाहन निर्माता इस क्षमता का श्रेय अपने दूसरी पीढ़ी के VLA मॉडल को देता है। यह कृत्रिम बुद्धिमत्ता प्रणाली दृश्य जानकारी को शारीरिक क्रियाओं से जोड़ती है। कंपनी के मुताबिक, अनुमान लगाने वाली यह प्रणाली क्लाउड कंप्यूटरों से जुड़ने पर निर्भर रहने के बजाय रोबोट के भीतर चलती है।

IRON में Xpeng के तीन Turing AI चिप लगे हैं, जिनकी संयुक्त कंप्यूटिंग क्षमता 2,250 TOPS है। इसकी नई संवाद क्षमता उसी बुनियादी फिजिकल AI तकनीक पर आधारित है, जिसका इस्तेमाल Xpeng अपने वाहनों के आसपास बदलती परिस्थितियों का अनुमान लगाने के लिए करता है।

इसके तात्कालिक उदाहरण जाने-पहचाने इशारे हैं: हाथ मिलाना, मुट्ठी टकराना और हाई-फाइव करना। इनकी चुनौती सही समय पर प्रतिक्रिया देने में है। कोई व्यक्ति हरकत के बीच में अपनी दिशा बदल सकता है। ऐसे में बातचीत जारी रहते हुए रोबोट को अपनी बांह, हाथ और मुद्रा में बदलाव करना पड़ता है।

Xpeng की व्यावसायिक योजनाओं के चलते यह फुर्ती सिर्फ प्रदर्शन तक सीमित नहीं रहती। कंपनी चाहती है कि IRON सबसे पहले दुकानों, शॉपिंग सेंटरों और अन्य व्यावसायिक जगहों पर काम करे, जहां आने-जाने वाले लोग अपनी गति से चलते और व्यवहार करते हैं। कंपनी का आधिकारिक लक्ष्य 2026 के अंत तक उन्नत ह्यूमनॉइड रोबोटों का बड़े पैमाने पर उत्पादन शुरू करना है। डिलीवरी 2027 की पहली छमाही में करने की योजना है।

हर सेकंड पांच बार अपडेट से कैसे बदलता है संवाद

IRON हर 0.2 सेकंड में देखी गई जानकारी का फिर से आकलन करता है, यानी हर सेकंड पांच बार। छह सेकंड की अवधि में इस दर से करीब 30 नए आकलन किए जा सकते हैं। इस तरह रोबोट किसी एक इशारे को पहचानने के बाद उसी के मुताबिक हरकत करने का फैसला करने के बजाय अपनी अपेक्षाओं को लगातार संशोधित करता रहता है।

हाथ मिलाने का उदाहरण इस फर्क को दिखाता है। एक तय क्रम में रोबोट को पास आती हथेली दिखने पर अपना हाथ आगे बढ़ाने का निर्देश दिया जा सकता है। लेकिन अगर व्यक्ति इसके बाद मुट्ठी टकराने के लिए हाथ बंद कर ले, तो रोबोट को बदलाव पहचानकर दोनों हाथ मिलने से पहले अपनी प्रतिक्रिया बदलनी होगी।

Xpeng का कहना है कि IRON बातचीत के दौरान ऐसा कर सकता है। कोई व्यक्ति हाई-फाइव के लिए हाथ की जगह बदलता है, तो रोबोट अपनी मुद्रा समायोजित करने के साथ हाथ भी बदल सकता है। यह प्रक्रिया एक दोहराते चक्र की तरह है: व्यक्ति को देखना, अगली हरकत का अनुमान लगाना, चलना और फिर से देखना।

कंपनी छह सेकंड को प्रणाली की अनुमान अवधि बताती है। उसने इन बातचीतों के लिए अनुमान की सटीकता, परीक्षण की विस्तृत परिस्थितियां या सफलता की मापी गई दर प्रकाशित नहीं की है। ऐसे आंकड़ों से संभावित उपयोगकर्ताओं को यह समझने में मदद मिलेगी कि अलग-अलग लोगों और परिवेशों में यह क्षमता कितनी नियमितता से काम करती है।

कार और ह्यूमनॉइड को जोड़ने वाली AI

Xpeng ने 5 नवंबर, 2025 को ग्वांगझू में अपने टेक्नोलॉजी डे पर दूसरी पीढ़ी का VLA पेश किया। 17 नवंबर को प्रकाशित अपनी टेक्नोलॉजी डे की घोषणा में कंपनी ने ऐसे मॉडल का वर्णन किया, जो दृश्य संकेतों से सीधे क्रिया के निर्देश तैयार करता है और बीच में भाषा में अनुवाद के चरण को हटा देता है।

VLA का मतलब है विज़न, लैंग्वेज और एक्शन। आसान शब्दों में, ये प्रणालियां मशीन जो देखती और समझती है, उसे इस बात से जोड़ती हैं कि उसे क्या करना चाहिए। Xpeng का कहना है कि उसका संशोधित आर्किटेक्चर दृश्य इनपुट से गति तक का रास्ता अधिक सीधा बनाता है और मॉडल को यह तर्क करने की सुविधा भी देता है कि कोई दृश्य आगे कैसे बदल सकता है।

बदलती सड़क की स्थिति की ओर बढ़ते वाहन और किसी हिलते हुए हाथ का सामना करते रोबोट के सामने एक व्यावहारिक समस्या समान है: दोनों को सिर्फ यह नहीं, बल्कि यह भी देखना होता है कि कोई चीज अभी कहां है और आगे किस दिशा में जा रही है। Xpeng का कहना है कि उसकी फिजिकल AI की बुनियाद समय के साथ होने वाली गतिविधियों को समझने की यह साझा क्षमता देती है।

नवंबर की घोषणा में IRON की बुद्धिमत्ता को VLT, VLA और VLM मॉडलों का मेल बताया गया था। Xpeng ने VLT को रोबोट के तर्क और स्वायत्त फैसलों के लिए खास तौर पर विकसित मॉडल बताया। VLM यानी विज़न लैंग्वेज मॉडल दृश्य जानकारी को भाषा से जोड़ता है। नया संवाद अपग्रेड दूसरी पीढ़ी के VLA की घटनाओं के क्रम को समझने और गतिविधि का अनुमान लगाने की क्षमता पर केंद्रित है।

IRON के भीतर चिप क्या करते हैं

IRON के तीन Turing चिप उसके शरीर के भीतर बार-बार आकलन करने और क्रिया तैयार करने के लिए कंप्यूटिंग संसाधन देते हैं। TOPS का अर्थ है प्रति सेकंड खरबों ऑपरेशन। यह बताने का एक पैमाना है कि हार्डवेयर एक सेकंड में कितने कंप्यूटिंग ऑपरेशन कर सकता है। 2,250 TOPS का मतलब है प्रति सेकंड 2,250 खरब ऑपरेशन की बताई गई क्षमता।

संवाद मॉडल को स्थानीय रूप से चलाने का मतलब है कि हर फैसला दूर के सर्वर पर भेजे बिना रोबोट देखी गई जानकारी को प्रोसेस कर सकता है और प्रतिक्रिया तैयार कर सकता है। जब कोई हाथ पहले से उसकी ओर बढ़ रहा हो और जवाब जल्दी देना जरूरी हो, तब यह उपयोगी है।

Xpeng अपने AI के विकास के लिए क्लाउड कंप्यूटिंग के बड़े संसाधनों का भी इस्तेमाल करता है। नवंबर की उसकी घोषणा में 30,000 कंप्यूटिंग कार्ड वाले क्लस्टर, 72 अरब पैरामीटर वाले फाउंडेशन मॉडल और करीब 10 करोड़ ड्राइविंग वीडियो क्लिप से प्रशिक्षण का ज़िक्र था। पैरामीटर वे समायोज्य मान होते हैं जिनके जरिए AI मॉडल पैटर्न सीखता है।

क्लाउड इन्फ्रास्ट्रक्चर मॉडल विकसित करने में मदद करता है, जबकि IRON में लगे चिप इस्तेमाल के लिए तैयार संवाद प्रणाली को चलाते हैं। Xpeng की रणनीति इन दोनों चरणों को जोड़ती है: बड़े कंप्यूटिंग संसाधनों से मॉडल को प्रशिक्षित करना, फिर उन्हें किसी भौतिक मशीन की बिजली और हार्डवेयर सीमाओं के भीतर काम करने लायक बनाना।

एक इशारे से कहीं ज्यादा के लिए बना शरीर

Xpeng के मुताबिक, 5 नवंबर, 2025 को पेश की गई नई पीढ़ी के IRON के पूरे शरीर में 82 और हाथों के डिजाइन में 22 डिग्री ऑफ फ्रीडम हैं। डिग्री ऑफ फ्रीडम से आशय स्वतंत्र गति से है, जैसे किसी जोड़ का मुड़ना या घूमना। ऐसी ज्यादा गतियां इंजीनियरों को शरीर की स्थिति तय करने और इशारा बनाने के अधिक तरीके देती हैं।

Xpeng की सूची में मानव शरीर-रचना पर आधारित रीढ़, मांसपेशियों जैसी संरचनाएं, शरीर को ढकने वाली लचीली त्वचा, इंसानों जैसी गति के लिए बनाए गए कंधे और सिर पर घुमावदार त्रि-आयामी डिस्प्ले शामिल हैं। छोटे हार्मोनिक जोड़, जो एक तरह की सघन और सटीक यांत्रिक प्रणाली हैं, हाथों को इंसानी अनुपात के करीब लाने में मदद करते हैं।

शरीर और अनुमान प्रणाली का आपसी संबंध व्यावहारिक है। जब रोबोट पहचानता है कि किसी व्यक्ति ने हाथ हिलाया है, तो उसके सामने एक नया लक्ष्य आ जाता है। इसके बाद रोबोट के जोड़ों और नियंत्रण सॉफ्टवेयर को संतुलन बनाए रखते हुए उसका अपना हाथ सही जगह पर रखना होता है।

Xpeng का यह भी कहना है कि IRON में ऑल-सॉलिड-स्टेट बैटरी का इस्तेमाल किया गया है। ऐसी बैटरियों में ठोस इलेक्ट्रोलाइट होता है, जिससे बैटरी के भीतर आवेशित कण गुजरते हैं। कंपनी के मुताबिक, इस डिजाइन से वजन कम रखने, ऊर्जा घनत्व बढ़ाने और सुरक्षा बेहतर करने में मदद मिलती है। अपग्रेड की गई संवाद क्षमता कितनी देर तक काम करेगी, इसकी जानकारी कंपनी ने नहीं दी है।

पहले दुकानें, औद्योगिक काम की भी योजना

Xpeng की आधिकारिक योजना में IRON की शुरुआती भूमिकाओं में आगंतुकों को रास्ता दिखाना, खरीदारी में मदद करना और गश्त करना शामिल है। कंपनी की व्यावसायिक योजनाओं में पहले दुकानें और शॉपिंग सेंटर हैं, फिर धीरे-धीरे औद्योगिक और घरेलू जगहों तक विस्तार करना है।

इन भूमिकाओं में लोगों से बातचीत उत्पाद का अहम हिस्सा है। किसी शॉपिंग असिस्टेंट को आगंतुक की ओर मुड़ना, इशारे से बताई गई दिशा में जाना या किसी के अनपेक्षित दिशा से पास आने पर प्रतिक्रिया देनी पड़ सकती है। नया अपग्रेड इस चुनौती के एक छोटे लेकिन ठोस हिस्से से जुड़ा है: व्यक्ति की गतिविधि बदलने पर शारीरिक बातचीत के दौरान फुर्ती से प्रतिक्रिया देना।

IRON कार्यक्रम के घोषित साझेदारों में Baosteel शामिल है। Xpeng के नवंबर के बयान में कहा गया था कि दोनों कंपनियां जटिल औद्योगिक जगहों पर निरीक्षण समेत कई संभावित उपयोगों पर काम करेंगी। Baosteel के अध्यक्ष Zou Jixin ने कंपनी की सुविधाओं में IRON को लाने और व्यावहारिक उपयोग के जरिए उसे विकसित करने की योजना बताई थी।

Xpeng ने IRON के लिए SDK यानी सॉफ्टवेयर डेवलपमेंट किट जारी करने की योजना भी घोषित की है। SDK बाहरी डेवलपरों को किसी प्लेटफॉर्म के लिए ऐप बनाने के औजार देती है। रोबोट कार्यक्रम में इसका उद्देश्य साझेदारों को Xpeng की अपनी टीम के बनाए उपयोगों से आगे के ऐप बनाने देना है।

रोबोट प्रशिक्षण डेटा की कमी को दूर करने के लिए कंपनी ने ग्वांगझू में एक एम्बॉडिड इंटेलिजेंस डेटा फैक्टरी स्थापित की है। एम्बॉडिड इंटेलिजेंस का मतलब है भौतिक शरीर के जरिए काम करने वाला AI, जहां किसी फैसले को वजन, संपर्क और संतुलन से जुड़ी गति में बदलना पड़ता है।

प्रदर्शनों के पीछे उत्पादन की चुनौती

Xpeng के अध्यक्ष और मुख्य कार्यकारी He Xiaopeng ने रोबोटिक्स कारोबार की कठिनाई को कार बनाने से करीब 20 गुना बताया है। उनका कहना है कि कंपनी रोबोट के ज्यादातर हार्डवेयर, सॉफ्टवेयर, डिजाइन और सप्लाई चेन का विकास खुद करती है।

उन्होंने यह भी कहा कि पहले सार्वजनिक रूप से रोबोट दिखाने में उनकी हिचकिचाहट की मुख्य वजह यह थी कि उनका बड़े पैमाने पर उत्पादन अभी संभव नहीं था। उन्होंने व्यापक उद्योग में क्षमता दिखाने के लिए संपादित प्रदर्शनों की आलोचना की। उनकी टिप्पणियां बताती हैं कि इस कार्यक्रम के लिए बार-बार एक जैसी गुणवत्ता से उत्पादन करना और भरोसेमंद ढंग से काम करना, दृश्य प्रदर्शन जितना ही अहम है।

Xpeng के नवंबर के बयान में हार्डवेयर और सॉफ्टवेयर की अपरिपक्व सप्लाई चेन को उद्योग की समस्याओं में से एक बताया गया है। किसी प्रदर्शन के लिए तैयार किए गए डिजाइन को आखिरकार ऐसे उत्पाद में बदलना होगा, जिसे बार-बार बनाया जा सके, जिसकी सर्विस हो सके और जो कई जगहों पर काम कर सके।

कंपनी का ET1 प्रोटोटाइप का पड़ाव, जिसकी घोषणा 20 जनवरी, 2026 तक कर दी गई थी, इस लक्ष्य की ओर एक और कदम था। He ने कहा कि Xpeng ने ऑटोमोटिव मानकों के अनुरूप विकसित अपना पहला ET1 ह्यूमनॉइड प्रोटोटाइप पूरा कर लिया है। कार्यक्रम का शुरुआती जोर गाइड, शॉपिंग असिस्टेंट और रिसेप्शन के काम पर बना रहा, जबकि औद्योगिक उपयोग भी विकसित किए जा रहे थे।

वाहन बनाने का Xpeng का अनुभव उसे उत्पादन प्रक्रियाओं और पुर्जों की विशेषज्ञता का लाभ देता है। He Xiaopeng का कठिनाई को लेकर आकलन यह भी दिखाता है कि ह्यूमनॉइड उत्पाद में AI, यांत्रिक गति और उत्पादन को एक साथ जोड़ने के लिए अभी कितना इंजीनियरिंग काम बाकी है।

सार्वजनिक प्रदर्शन में गिरना और आगे की समय-सारिणी

4 फरवरी, 2026 से पहले वाले सप्ताहांत में IRON का शेनझेन के शॉपिंग मॉल में गिरना इस काम का दूसरा पहलू दिखाता है। MixC शॉपिंग सेंटर के मंच पर चलने के बाद रोबोट स्थिर खड़े रहने के दौरान संतुलन खो बैठा और उसे वहां से ले जाया गया। दूसरे रोबोट ने प्रदर्शन जारी रखा और अगले दिन IRON ने सहारा देने वाले फ्रेम से जुड़े हुए संवाद किए।

यह घटना इसलिए अहम है क्योंकि शॉपिंग सेंटर उन जगहों में हैं जहां Xpeng सबसे पहले रोबोट तैनात करना चाहता है। आगंतुकों के आसपास संवाद प्रणाली को भरोसेमंद संतुलन और शारीरिक नियंत्रण के साथ काम करना होगा। इसलिए इंजीनियरों को अनुमान लगाने, गति और स्थिरता को एक ही मशीन के हिस्सों के रूप में विकसित करना होगा।

कार्यक्रम के पड़ाव और योजनाएं कई तारीखों में फैली हैं:

• 2024: Xpeng ने पहली पीढ़ी का IRON पेश किया।
• 5 नवंबर, 2025: Xpeng ने ग्वांगझू में अपने टेक्नोलॉजी डे पर नई पीढ़ी का अनावरण किया।
• जनवरी 2026: He Xiaopeng ने ऑटोमोटिव मानकों के अनुरूप विकसित ET1 प्रोटोटाइप के पूरा होने की घोषणा की।
• 4 फरवरी, 2026 से पहले वाला सप्ताहांत: शेनझेन के MixC मॉल में सार्वजनिक प्रदर्शन के दौरान IRON गिर गया।
• 22 अक्टूबर, अपग्रेड की खबरों में साल का उल्लेख नहीं: Xpeng ने गतिविधियों का अनुमान लगाने की क्षमता की घोषणा की।
• 2026 का अंत: Xpeng का लक्ष्य उन्नत ह्यूमनॉइड रोबोटों का बड़े पैमाने पर उत्पादन शुरू करना है।
• 2027 की पहली छमाही: शुरुआत में व्यावसायिक जगहों के लिए डिलीवरी की योजना है।

IRON पर विचार कर रहे कारोबारों के लिए अगला व्यावहारिक कदम विकास के पड़ावों से उत्पादन और डिलीवरी तक पहुंचना है। छह सेकंड की अनुमान अवधि प्रस्तावित उत्पाद का एक पहलू बताती है: ऐसा रोबोट, जिसे उन जगहों पर उपयोगी काम करते हुए लोगों के मुताबिक ढलना है जहां वे पहले से आते-जाते हैं।

मुख्य बातें

• Xpeng का कहना है कि IRON इंसानी गतिविधियों में बदलाव का छह सेकंड पहले तक अनुमान लगाता है और दृश्य जानकारी का हर सेकंड पांच बार फिर से आकलन करता है।
• संवाद प्रणाली रोबोट पर ही चलती है। इसमें तीन Turing AI चिप लगे हैं, जो 2,250 TOPS की क्षमता देते हैं।
• Xpeng के मुताबिक, नई पीढ़ी के रोबोट के पूरे शरीर में 82 और हाथों के डिजाइन में 22 डिग्री ऑफ फ्रीडम हैं।
• शुरुआती योजनाबद्ध भूमिकाओं में आगंतुकों को रास्ता दिखाना, खरीदारी में मदद करना और गश्त शामिल है। औद्योगिक उपयोग तलाशने में Baosteel भी शामिल है।
• Xpeng का लक्ष्य 2026 के अंत तक बड़े पैमाने पर उत्पादन और 2027 की पहली छमाही में डिलीवरी शुरू करना है।
• गतिविधियों का अनुमान लगाने वाले अपग्रेड की सटीकता या सफलता के विस्तृत आंकड़े कंपनी ने प्रकाशित नहीं किए हैं।