RobotAIGeek

Der humanoide Roboter „IRON“ von XPeng verkürzt die Reaktionszeit auf fünf Aktualisierungen pro Sekunde

XPeng führte einen Test zur Gesteninteraktion durch, bei dem sein Humanoid „IRON“ visuelle Eingaben alle 0,2 Sekunden neu auswertet und dabei zwischen Händedruck, Fauststoß und High-Five wechselt; das Unternehmen hat jedoch weder die End-to-End-Reaktionslatenz noch die Erfolgsraten bekannt gegeben.

martti
2 Min. LesezeitPosted: 24. Okt. 2026
Der humanoide Roboter „IRON“ von XPeng verkürzt die Reaktionszeit auf fünf Aktualisierungen pro Sekunde

Die Abteilung für humanoide Robotik von XPeng hat ein Testvideo veröffentlicht, in dem der humanoide Roboter „IRON“ alle 0,2 Sekunden das Gesehene neu auswertet – was fünf Aktualisierungen der Schlussfolgerungen pro Sekunde entspricht –, während er zwischen einem Händedruck, einem Faustgruß und einem High-Five wechselt, wenn ein Tester seine Gesten mitten in der Bewegung ändert.

Der Clip, der am 22. Oktober 2026 über den Account von Geschäftsführer He Xiaopeng veröffentlicht und am folgenden Tag von der chinesischen Fachpresse für Industrieautomation aufgegriffen wurde, zeigt, wie IRON eine sich bewegende Hand verfolgt, seine eigene Geste entsprechend anpasst und den Arm wechselt, wenn sich das Ziel außerhalb der Reichweite des ursprünglich verwendeten Arms bewegt. XPeng beschreibt die Aktualisierungsrate als Beweis dafür, dass sein „Vision-Language-Action“-Modell der zweiten Generation, kurz VLA 2.0, eine sich verändernde physische Umgebung ohne Sprachbefehle erkennen und darauf reagieren kann. Das Unternehmen bezeichnet das Filmmaterial als Demonstration eines Testmodells aus der Forschung und Entwicklung und nicht als Präsentation eines Serienmodells.

Reaktionsgeschwindigkeit wird zum neuen Maßstab

IRON ist kein neuer Roboter. XPeng stellte die aktuelle Generation im November 2025 vor und nahm im September 2026 in Guangzhou eine eigene Produktionslinie dafür in Betrieb. Damit positionierte das Unternehmen den Humanoiden als Flaggschiff für seine übergreifende Strategie, wonach derselbe physikalisch-KI-Stack, der auch seinen Elektrofahrzeugen zugrunde liegt, auf die allgemeine Robotik übertragen werden kann. Der Clip zur Gesteninteraktion ist das erste Update seit der Inbetriebnahme dieser Produktionslinie, das sich speziell darauf konzentriert, wie der Roboter einen Menschen in Echtzeit wahrnimmt und auf ihn reagiert – und nicht auf den Fertigungsdurchsatz oder die Batteriechemie. Aus diesem Grund entschied sich XPeng dafür, ihn über den eigenen Account des Vorstandsvorsitzenden zu veröffentlichen, anstatt eine formelle Pressemitteilung herauszugeben.

Im Bereich des humanoiden Marketings lag der Schwerpunkt im Jahr 2026 größtenteils auf Gehgeschwindigkeit, Nutzlast und Betriebsdauer. Der IRON-Clip von XPeng rückt einen Aspekt in den Mittelpunkt, mit dem Käufer bei Einsätzen im Dienstleistungs- und Einzelhandelsbereich tatsächlich konfrontiert sind: Wie schnell ein Roboter bemerkt, dass ein Mensch seine Meinung geändert hat. Fünf visuelle Schlussfolgerungen pro Sekunde sind für diesen Anwendungsfall eine aussagekräftige Zahl, denn

Dies legt eine Obergrenze dafür fest, wie schnell die Planungsebene des Roboters überhaupt damit beginnen kann, auf eine neue Geste zu reagieren, bevor die Motorsteuerung, die Gleichgewichtskorrektur und die Betätigung des Greifers ihre eigenen Verzögerungen hinzufügen.

Diese Unterscheidung ist von Bedeutung, da XPeng den Wert, den Käufer tatsächlich benötigen, nicht offengelegt hat: die End-to-End-Latenz von der Änderung der Geste eines Menschen bis zur physischen Reaktion des Roboters. Ein Wahrnehmungszyklus von 0,2 Sekunden allein sagt einem Beschaffungsteam noch nichts darüber aus, wie lange ein Kunde oder Kollege warten müsste, bis IRON von einem ausgestreckten Händedruck zu einem Faustgruß wechselt. XPeng hat zudem weder eine Erfolgsquote veröffentlicht, noch die Anzahl der Takes, die zur Erstellung des Demonstrationsclips benötigt wurden, noch Angaben dazu gemacht, ob das Modell bei unterschiedlichen Lichtverhältnissen, Handgrößen oder Hauttönen konsistent funktioniert. Die Darstellung des Unternehmens, dass IRON die nächste Bewegung einer Person vorhersagen kann, ist eine zukunftsgerichtete Behauptung, die das Video selbst nicht überprüft; was es zeigt, ist die Anpassung an eine Geste, die sich bereits geändert hat, nicht die Vorhersage einer Geste, die noch nicht stattgefunden hat.

Was den schnelleren Denkzyklus antreibt

XPeng führt die Beschleunigung auf hauseigene Chips zurück und nicht auf einen Beschleuniger eines Drittanbieters. Chinesische Fachberichte über die Demonstration zitieren einen integrierten Chip mit einer Leistung von fast 2.250 Billionen Operationen pro Sekunde (TOPS) – eine Zahl, die das Unternehmen in einem englischsprachigen Datenblatt nicht eigenständig bestätigt hat, die jedoch weitgehend mit der Rechenleistung übereinstimmt, die XPeng für seinen „Vision-Language-Action“-Stack im Automobilbereich entwickelt hat. Ein Unternehmensvertreter beschrieb sowohl die Hardware als auch die Wahrnehmungssoftware hinter dem Reaktionszyklus als intern entwickelt und bezeichnete dies als Ergebnis einer mehrjährigen Entwicklungsarbeit und nicht als bloßen Modellwechsel.

Dieses Argument der vertikalen Integration bildet den Kern von XPengs Angebot für den Humanoidenmarkt: Das Unternehmen betreibt bereits eine im September 2026 eröffnete Produktionslinie für IRON in Guangzhou und kann auf Lieferketten für Rechenleistung, Batterien und Aktuatoren in Automobilqualität zurückgreifen, die reine Humanoiden-Start-ups nicht zur Verfügung stehen.

Von Grund auf neu entwickeln. Der IRON selbst verfügt über einen Festkörper-Akku und ein Handdesign, das laut externen Berichten etwa 22 Freiheitsgrade pro Hand aufweist, wobei die genauen Zahlen je nach Quelle variieren und XPeng bislang kein einheitliches, abgestimmtes Datenblatt in englischer Sprache veröffentlicht hat. Ob die vertikale Integration zu einem schnelleren oder kostengünstigeren Interaktionsstack im Vergleich zur Konkurrenz führt, lässt sich nicht anhand eines einzigen Demonstrationsvideos klären; sie schränkt jedoch die plausiblen Erklärungen dafür ein, wie XPeng fünf Aktualisierungen pro Sekunde erreichen konnte, ohne auf eine neue Chipgeneration warten zu müssen.

Die Datenübertragung vom Fahrzeug zum Roboter ist für Beschaffungsteams, die XPeng im Blick haben, an sich schon die interessantere Entwicklung als ein reiner Humanoid-Anbieter. Dieselbe VLA-Architekturfamilie, mit der XPeng nach eigenen Angaben fast 100.000 Vorführungen seines Fahrerassistenzsystems in den Filialen durchgeführt hat, bildet nun die Softwaregrundlage für die Gestenerkennung von IRON. Dies verschafft XPeng einen Mengenvorteil bei den Trainingsdaten und der Iterationsgeschwindigkeit, den ein ausschließlich auf Humanoide spezialisierter Wettbewerber nicht ohne Weiteres nachbilden kann – auch wenn dies wenig darüber aussagt, ob die mechanische Zuverlässigkeit des Roboters bereits mit seinem Wahrnehmungs-Stack Schritt gehalten hat.

Der Zeitplan, den Käufer tatsächlich im Auge behalten sollten

XPeng hat öffentlich das Ziel gesetzt, die Serienproduktion von IRON bis Ende 2026 aufzunehmen, wobei die kommerziellen Auslieferungen und der Einsatz in Geschäften ab 2027 beginnen sollen. Damit liegt die Demonstration der Gesteninteraktion etwa ein bis zwei Quartale vor dem Zeitpunkt, zu dem ein Käufer realistischerweise ein Gerät bestellen könnte – was an sich schon einen nützlichen Kontext darstellt: Eine im Oktober in einem Forschungs- und Entwicklungsmodell gezeigte Funktion hat Zeit, sich entweder zu einem wiederholbaren Serienmerkmal zu entwickeln oder still und leise aus dem Datenblatt zu verschwinden, bevor die Auslieferungen beginnen – so wie es in diesem Jahr bereits bei anderen humanoiden Ankündigungen in der Branche geschehen ist.

Beschaffungsteams, die IRON für den Einsatz im Empfangsbereich, im Einzelhandel oder für leichte Montagearbeiten evaluieren, sollten den Wert von 0,2 Sekunden als eine Aussage auf der Wahrnehmungsebene betrachten und nicht als

Behauptung zur Einsatzbereitschaft und bitten Sie XPeng direkt um Daten zur End-to-End-Reaktionslatenz und Wiederholbarkeit, die sich auf die tatsächliche Serienhardware beziehen und nicht auf die im Clip gezeigte Testversion. Die Kluft zwischen dem, was eine Demo belegt, und dem, was ein Datenblatt garantiert, war im Jahr 2026 ein immer wiederkehrender Schwachpunkt für Käufer humanoider Roboter, und das Video von XPeng schließt diese Lücke noch nicht.

Diese Lücke ist nicht hypothetisch. Anbieter von Humanoiden sowohl in China als auch in den Vereinigten Staaten haben das Jahr 2026 damit verbracht, Leistungsdemonstrationen – ferngesteuert oder auf andere Weise – weit vor dem Abschluss kommerzieller Verträge zu veröffentlichen, und mehr als ein weit verbreiteter Clip aus dem früheren Verlauf des Jahres erwies sich, nachdem externe Ingenieure ihn Bild für Bild untersucht hatten, als auf menschliche Bediener oder stark bearbeitetes Filmmaterial zurückgreifend. XPeng ist dieser Skepsis teilweise zuvorgekommen, indem das Unternehmen in früheren Vorführungen das Innere von IRON offenlegte, um zu zeigen, dass sich keine Person im Inneren des Gehäuses befindet; doch zu zeigen, dass der Roboter autonom ist, ist eine andere Behauptung als zu zeigen, dass seine Reaktionszeit serienrepräsentativ ist. Käufer, die in diesem Jahr bereits schlechte Erfahrungen mit der Diskrepanz zwischen einem viralen Clip und einem ausgelieferten Gerät gemacht haben, haben allen Grund, jedem Anbieter – einschließlich XPeng – dieselbe Frage zu stellen: Auf welcher Stichprobengröße basiert die in der Pressemitteilung genannte Zahl?

Wo dies im breiteren Bereich der humanoiden Roboter einzuordnen ist

Chinas Hersteller humanoider Roboter haben sich in diesem Jahr auf dieselbe allgemeine Behauptung geeinigt: dass ihre Roboter nicht nur bei der Fortbewegung, sondern auch bei Geschicklichkeit und Interaktion aufholen. Der Vorteil von XPeng bei der glaubwürdigen Untermauerung dieser Behauptung liegt in seiner bestehenden Produktionslinie und der auf der Automobilindustrie basierenden Recheninfrastruktur, die dem Unternehmen einen schnelleren Weg von der Demonstration zur serienreifen Hardware ermöglicht als einem Start-up, das gerade seinen ersten Vertrag mit einem Auftragsfertiger aushandelt. Sein Nachteil ist derselbe, mit dem jeder Hersteller humanoider Roboter konfrontiert ist, wenn er einen Testclip anstelle einer Produktspezifikation veröffentlicht: Eine Schlussfolgerungsschleife mit fünf Aktualisierungen pro Sekunde ist zwar eine echte technische Behauptung, aber auch die Art von Behauptung, die sich am einfachsten präsentieren lässt, und die

die am schwierigsten unabhängig zu überprüfen sind.

Einsätze im Empfangs- und Gastgewerbe, in denen das Repertoire von IRON an Händeschütteln und Begrüßungen am unmittelbarsten relevant ist, gehören zudem tendenziell zu den humanoiden Aufgabenbereichen mit der geringsten Toleranz gegenüber sichtbaren Zögern. Ein Roboter, der auch nur eine Sekunde lang innehält, während er entscheidet, wie er auf eine veränderte Geste reagieren soll, wird von einem menschlichen Beobachter eher als Fehlfunktion denn als Verarbeitungsverzögerung wahrgenommen – genau aus diesem Grund hat sich XPeng für eine Demonstration zum Wechseln von Gesten entschieden und nicht für eine zum Gehen oder Heben, um die Geschwindigkeit seiner Schlussfolgerungen zu demonstrieren. Die Wahl der Demonstration sagt ebenso viel darüber aus, wo XPeng die ersten kommerziellen Anwendungsfälle für IRON erwartet, wie die zugrunde liegende Zahl selbst.

Ein Roboter, der fünfmal pro Sekunde auf eine sich ändernde Handgeste reagiert, hat noch nicht bewiesen, dass er mit derselben Zuverlässigkeit auf eine sich ändernde Anweisung in einer Fabrikhalle reagieren kann.

Das Fazit

XPeng hat in einer kontrollierten Testumgebung gezeigt, dass die Wahrnehmungsschleife von IRON in Echtzeit mit den wechselnden Gesten eines Menschen Schritt halten kann, und das Unternehmen hat dieses Ergebnis mit Hardware und Software verknüpft, die es nach eigenen Angaben selbst entwickelt und nicht lizenziert hat. Dies ist ein berechtigter technischer Meilenstein für ein Unternehmen, das darum wetteifert, zu beweisen, dass sein Humanoid mehr ist als nur ein Fotomotiv am Fließband, und er fällt in einen Moment, in dem XPeng sichtbare Belege zwischen der Inbetriebnahme der Produktionslinie im September 2026 und dem selbst gesetzten Ziel der Massenproduktion zum Jahresende benötigt. Nach den bislang veröffentlichten Erkenntnissen ist dies jedoch kein Beweis für ein einsatzbereites Interaktionssystem, und Käufer, die IRON im Hinblick auf diesen Produktionszeitplan bewerten, sollten die Lücke zwischen einer Demo mit fünf Aktualisierungen pro Sekunde und einer garantierten Reaktionszeit auf einem unterzeichneten Datenblatt einkalkulieren. Der nächste Beleg, der tatsächlich von Bedeutung sein wird, ist kein weiterer Gesten-Clip, sondern eine veröffentlichte Angabe zu Latenz und Wiederholbarkeit, die sich auf ein Gerät bezieht, das vom Produktionsband in Guangzhou stammt, und nicht auf ein Labormodell.

Diese Analyse fasst Unternehmensaussagen sowie veröffentlichte Demonstrationen zusammen

Bildmaterial sowie Fachberichte über das Humanoid-Programm von XPeng.

Dieser Artikel dient zu Informationszwecken und basiert auf zum Zeitpunkt der Erstellung öffentlich zugänglichen Informationen; er stellt keine Anlage-, Beschaffungs- oder Rechtsberatung dar. Leser sollten alle Zahlen und Angaben eigenständig überprüfen, bevor sie geschäftliche Entscheidungen treffen.