Souhrn
Xpeng, čínská společnost známá elektromobily a autonomní jízdou, představila humanoidního robota Iron s biomimetickou páteří, rukama s 22 stupni svobody, zakřiveným 3D displejem na hlavě a stackem tří proprietárních Turing čipů dosahujícím špičkového výkonu 2250 tera operací za sekundu. Robot běží na druhé generaci vision language action systému, který integruje vnímání, dialog a pohyb. Firma plánuje vydat SDK pro vývojáře, aby umožnila tvorbu aplikací pro reálné úkoly v lidských prostředích.
Klíčové body
- Biomimetická konstrukce: Lidský tvar s přirozenou chůzí a rukama umožňuje sběr dat z interakcí s nábytkem, úchopy a povrchy v domácnostech a kancelářích.
- Hardware: Tři Turing čipy s celkovým výkonem 2250 TOPS pro zpracování vnímání, jazyka a akcí.
- Software stack: Druhá generace vision language action systému, který spojuje kamerové vstupy, přirozený jazyk a motorické ovládání.
- Vývojářské nástroje: Plánované SDK pro vytváření vlastních aplikací a sběr senzorimotorických dat.
- Strategie: Zaměření na morfologii před softwarem pro lepší generalizaci v reálném světě.
Podrobnosti
Xpeng Iron byl představen na jevišti jako humanoid s výškou přibližně lidské, schopný plynulé chůze díky biomimetické páteři, která napodobuje lidskou kinematiku. Ruce mají 22 stupňů svobody, což umožňuje jemné manipulace s objekty, jako jsou úchopy nástrojů nebo interakce s povrchy. Hlava obsahuje zakřivený 3D displej pro sociální interakci, například zobrazení výrazů nebo informací během dialogu. Klíčovým prvkem je hardware: tři proprietární Turing čipy, navržené interně Xpengem, dosahují souhrnného výkonu 2250 TOPS. Tyto čipy zpracovávají data z senzorů pro vision language action stack – systém, který kombinuje počítačové vidění pro detekci objektů, zpracování přirozeného jazyka pro porozumění příkazům a akční model pro generování pohybů. Například robot může rozpoznat předmět, pochopit verbální instrukci „vezmi sklenici“ a provést pohyb s ohledem na okolní prostředí.
Xpeng, který se dlouhodobě zaměřuje na autonomní systémy v autech, aplikuje zkušenosti z této oblasti na robotiku. Firma argumentuje, že humanoidní morfologie není kosmetická, ale zásadní pro učení: senzory umístěné jako u člověka zachycují edge cases, jako jsou nečekané kolize s nábytkem nebo variabilní úchopy, které nelidské roboty (např. s rameny nebo kolejemi) postrádají. Tato data jsou přenositelná mezi úkoly v domovech, kancelářích nebo veřejných prostorech. Plánované SDK umožní vývojářům integrovat vlastní modely AI, sbírat data z nasazení a trénovat specializované verze systému. To kontrastuje s přístupy jako u Boston Dynamics, kde se klade důraz na dynamiku pohybu, nebo Tesla Optimus, zaměřený na masovou produkci – Xpeng staví na kombinaci hardware, čipů a datového sběru.
Proč je to důležité
Tento krok posiluje konkurenci v humanoidní robotice, kde Čína rychle dohání Západ díky vertikální integraci (vlastní čipy snižují závislost na Nvidia). Výkon 2250 TOPS překonává mnoho současných robotických platforem a umožňuje edge computing bez cloudové závislosti, což je klíčové pro bezpečnost a latenci v reálném čase. Pro průmysl znamená otevřené SDK rozšíření ekosystému vývojářů, podobně jako u ROS (Robot Operating System), což urychlí aplikace v péči, logistice nebo službách. Kriticky: zatím jde o demonstraci, nikoliv komerční nasazení, a úspěch závisí na kvalitě datového sběru a generalizaci mimo kontrolované prostředí. V širším kontextu to urychluje přechod k AGI-systémům schopným pracovat mezi lidmi, kde morfologie hraje roli ekvivalentní datovému tréninku v LLM.
Zdroj: 📰 Bitrebels.com
