小鹏 IRON 演示无语音交互:每 0.2 秒重推断预判人的动作

CyberRobooo · x · 2026-10-23

小鹏在门店场景让 IRON 人形机器人完成握手、碰拳、击掌,全程无语音指令。其背后是 VLA 2.0 视觉感知:每约 0.2 秒根据面前人的动作重新推断,在手势完成前就提前调整机械手,属于"看人怎么动"而非"听人说什么"的交互能力。

博主分析认为这类能力在嘈杂、拥挤的汽车门店尤其实用——机器人若能提前捕捉到顾客的驻足、注视、伸手等信号,就能在顾客开口问价前先行动。但目前仅限短促、结构化的社交手势;真实门店中动作更长更松散、意图更模糊,落地仍具挑战。