XPengのヒューマノイドロボット「IRON」が反応時間を1秒あたり5回の更新に短縮
XPengは、同社のヒューマノイドロボット「IRON」が0.2秒ごとに視覚入力を再評価し、握手、拳を合わせる挨拶、ハイタッチを切り替えるジェスチャー操作のテストを披露したが、同社はエンドツーエンドの応答遅延や成功率については明らかにしていない。

XPengの人型ロボット部門は、テスト動画を公開した。この動画では、同社のヒューマノイドロボット「IRON」が、0.2秒ごとに(1秒あたり5回の推論更新に相当する頻度で)視覚情報を再評価しながら、テスターが動作の途中でジェスチャーを切り替える中、握手、拳を合わせる挨拶、ハイタッチを切り替えていく様子が映し出されている。
2026年10月22日にCEOの何小鵬(He Xiaopeng)氏のアカウントを通じて投稿され、翌日、中国の産業オートメーション専門誌によって取り上げられたこの動画では、IRONが動く手を追跡し、それに合わせて自身のジェスチャーを調整し、対象が最初に使用していた腕の届かない場所へ移動した際に、もう一方の腕に切り替える様子が映し出されている。 XPengは、この更新レートを、同社の第2世代「Vision-Language-Action」モデル(VLA 2.0)が、音声コマンドなしでも変化する物理的な状況を読み取り、反応できることの証明だと説明している。同社はこの映像を、量産車の展示ではなく、研究開発用のテストビルドのデモンストレーションであると位置付けている。
反応速度が新たなベンチマークに
IRONは新しいロボットではない。 XPengは2025年11月に現行世代を発表し、2026年9月には広州に専用の生産ラインを稼働させた。同社は、自社の電気自動車を支えるのと同じ物理・AIスタックが汎用ロボット分野にも応用可能であるという広範な戦略の、このヒューマノイドを旗艦的な実証事例として位置付けている。 このジェスチャー操作の動画は、同生産ラインの稼働開始以来、製造スループットやバッテリーの化学組成ではなく、ロボットが人間をリアルタイムでどのように認識し、反応するかに特に焦点を当てた初めての更新情報である。そのため、XPengは正式なプレスリリースではなく、CEO自身のアカウントを通じて公開することを選択した。
2026年、ヒューマノイドロボットのマーケティングでは、歩行速度、積載量、稼働時間といった点が主に取り上げられてきた。XPengの「IRON」動画は、サービスや小売現場での導入において購入者が実際に直面する課題、すなわち「人間が考えを変えたことにロボットがどれだけ早く気づくか」という点に焦点を当て、競争の枠組みを再定義している。 このユースケースにおいて、1秒あたり5回の視覚推論処理は重要な数値である。なぜなら、
これは、モーター制御、バランス補正、グリッパーの作動による遅延が加わる前に、ロボットの計画層が新しいジェスチャーへの応答を開始できるまでの速度に上限を設けるものです。この区別が重要なのは、XPengが購入者が実際に必要とする数値、すなわち人間のジェスチャーの変化からロボットの物理的な反応に至るまでのエンドツーエンドの遅延を明らかにしていないためである。 0.2秒という知覚サイクルだけでは、調達チームにとって、顧客や同僚がIRONが「握手」から「拳を合わせる挨拶」に切り替わるまで、どれくらいの時間待たされることになるのかは分かりません。 また、XPengは成功率や、デモ動画の制作に要したテイク数、さらには照明条件、手の大きさ、肌の色調が異なってもモデルが安定した性能を発揮するかどうかについても公表していない。 IRONが人の次の動きを予測できるという同社の主張は、動画自体では検証されていない将来を見据えた主張である。動画で示されているのは、すでに変化したジェスチャーへの適応であり、まだ起きていないジェスチャーの予測ではない。
推論ループの高速化を牽引しているもの
XPengは、この高速化をサードパーティ製のアクセラレータではなく、自社開発のシリコンに起因するものとしている。 このデモンストレーションに関する中国の業界報道では、1秒あたり約2,250兆回の演算(TOPS)を行う車載チップが引用されている。同社は英語版の仕様書でこの数値を独自に確認していないが、XPengが自動車向けの「Vision-Language-Action」スタック向けに構築した演算能力とは概ね一致している。 同社の担当者は、反応ループを支えるハードウェアと知覚ソフトウェアの両方が社内で開発されたものであると説明し、これは単なるモデルの入れ替えではなく、数年にわたる取り組みの成果であると述べた。
この垂直統合という主張こそが、XPengがヒューマノイド市場に向けて打ち出す売り込みの核心である。同社はすでに、2026年9月に稼働を開始した「IRON」向けの広州生産ラインを運営しており、純粋なヒューマノイドスタートアップが頼らざるを得ない自動車グレードの演算能力、バッテリー、アクチュエータのサプライチェーンを活用することができる。
ゼロから構築された。IRON本体にはソリッドステートバッテリーパックが搭載されており、外部報道によると、片手あたりの自由度はおよそ22度とされるが、正確な数値は報道機関によってまちまちであり、XPengは英語で統一された仕様書を1枚も公表していない。 垂直統合が、競合他社よりも高速かつ低コストなインタラクション・スタックにつながるかどうかは、1本のデモ動画だけでは判断できないが、XPengが新世代のチップを待たずに1秒あたり5回の更新を実現した理由について、考えられる説明の幅を狭めることはできる。XPengを注視する調達チームにとって、純粋なヒューマノイドベンダーよりも、車からロボットへの演算処理の転送そのものが、より興味深い話題となっている。 XPengが自社の説明によれば、運転支援システムの店頭デモを10万回近く実施してきたのと同じVLAアーキテクチャファミリーが、今やIRONのジェスチャー推論を支えるソフトウェアの系譜となっている。 これにより、XPengはトレーニングデータと反復速度において、ヒューマノイド専門の競合他社では容易に再現できない規模の優位性を獲得している。もっとも、ロボットの機械的な信頼性がその知覚スタックに追いついているかどうかについては、ほとんど語られていない。
購入者が実際に注目すべきタイムライン
XPengは、2026年末までにIRONの量産を開始し、2027年から商用納入および店舗への導入を開始するという公的な目標を掲げている。これにより、ジェスチャー操作のデモンストレーションは、購入者が実際に本体を注文できるようになる時期よりもおよそ1~2四半期先行することになるが、これ自体が有用な文脈となる: 10月に研究開発用プロトタイプで示された機能は、納入開始までに、再現性のある量産機能として定着するか、あるいは今年業界全体で見られた他のヒューマノイド関連の主張と同様に、仕様書から静かに消え去るかのいずれかになる時間的余裕がある。
受付、小売、あるいは軽作業の役割でIRONの導入を検討している調達チームは、この「0.2秒」という数値を、実証段階の主張として捉えるべきであり、
「実運用対応」という主張については、動画で紹介されているテストビルドではなく、実際の生産用ハードウェアに基づくエンドツーエンドの応答遅延および再現性に関するデータを、XPengに直接問い合わせるべきだ。 デモで実証される内容と仕様書で保証される内容との間の乖離は、2026年を通じてヒューマノイド購入者にとって繰り返し発生する失敗要因となっており、XPengの動画ではまだその溝は埋まっていない。このギャップは単なる仮説ではない。中国と米国のヒューマノイドベンダー各社は2026年を通じて、商業契約の締結よりはるかに早い段階で、遠隔操作によるものかどうかを問わず、機能デモを公開してきた。しかし、今年前半に広く共有された複数の動画について、外部のエンジニアがフレーム単位で検証したところ、人間のオペレーターに依存していたり、大幅に編集された映像であったりすることが判明した。 XPengは、以前のデモでIRONの内部を公開し、シェルの中に人がいないことを示すことで、その懐疑論の一部を先回りして払拭した。しかし、ロボットが自律的であることを示すことと、その反応時間が量産モデルと同等であることを示すことは、別問題である。 今年、話題になった動画と実際に納入された製品との間に大きな隔たりがあることに失望した購入者たちは、XPengを含めすべてのベンダーに対して、同じ疑問を抱く理由がある。それは、「プレスリリースに記載された数値の根拠となるサンプル数はどれくらいか」ということだ。
ヒューマノイド分野全体における位置づけ
中国のヒューマノイドメーカー各社は今年、概ね同じ主張に集約されている。すなわち、自社のロボットは単なる移動能力だけでなく、器用さやインタラクションの面でも追いつきつつあるという主張だ。 XPengがこうした主張を説得力を持って展開できる強みは、既存の生産ラインと自動車用コンピューティング基盤にある。これにより、同社は、初めての受託製造業者との交渉に追われるスタートアップ企業よりも、デモから再現性のあるハードウェアへの移行を迅速に進めることができる。 その一方で、製品仕様ではなくテスト映像を公開する際、すべてのヒューマノイドメーカーが直面する同じ弱点もある。つまり、「1秒あたり5回の更新を行う推論ループ」というのは、確かに技術的な主張ではあるが、同時に最もアピールしやすい種類の主張でもあり、
独自に検証するのが最も難しい種類である。IRONの握手や挨拶のレパートリーが最も直接的に関連する受付や接客の現場では、ヒューマノイドロボットに対して、目に見える躊躇に対する許容度が最も低い傾向にある。 ジェスチャーの変化に対してどう反応すべきか判断する際に、たとえ1秒でも間を空けるロボットは、傍観者である人間には処理の遅れではなく「故障」として映ってしまう。まさにこの理由から、XPengは推論速度を実証するために、歩行や物持ち上げのデモではなく、ジェスチャーの切り替えデモを選んだのである。 このデモンストレーションの選択は、その数値そのものと同様に、XPengがIRONの最初の商用ユースケースをどこに想定しているかを如実に物語っている。
1秒間に5回、変化する手のジェスチャーに反応できるロボットであっても、工場現場で変化する指示に対して同等の信頼性で反応できることは、まだ実証されていない。
結論
XPengは、制御されたテスト環境において、IRONの知覚ループが人間のジェスチャーの切り替えにリアルタイムで追従できることを実証した。また、同社は、この結果を、ライセンス取得ではなく自社開発したと主張するハードウェアおよびソフトウェアに結びつけている。 これは、自社のヒューマノイドが単なる生産ラインでの写真撮影用以上の存在であることを証明しようと急ぐ同社にとって、正当な技術的マイルストーンであり、2026年9月の生産ライン開設から、同社が自ら設定した年末の量産目標までの間に、目に見える成果を示す必要があるタイミングで達成されたものである。 しかし、これまでに公開された証拠だけでは、実運用可能な対話システムの証明とは言い難い。この生産スケジュールを踏まえて「IRON」を評価する購入者は、毎秒5回の更新を行うデモと、正式な仕様書に記載された保証された応答時間との間のギャップを、価格に織り込むべきだろう。 次に実際に重要となる実証材料は、また別のジェスチャー動画ではなく、実験室のベンチではなく広州の生産ラインから出荷される実機に基づく、公開された遅延時間と再現性の数値である。
本分析は、同社の声明および公開されたデモ映像を総合的に検討したものである。
XPengの人型ロボットプログラムに関する映像や業界専門誌の報道。本記事は、執筆時点で公開されている情報に基づく参考情報であり、投資、調達、または法的助言を構成するものではありません。読者の皆様は、ビジネス上の意思決定を行う前に、すべての数値や主張について独自に確認を行う必要があります。












