小鵬-W(9868.HK) 發布小鵬機械人擬人實驗室交互實測視頻,展示人形械械人IRON在無語音指令情況下,隨測試者手勢變化調整動作的能力。
對IRON而言,人類的語言能夠提供交互意圖的線索,而視覺則幫助他進一步判斷手部姿態、運動方向及雙方的相對位置。通過這些信息的輸入,IRON便能在交互時,準確識別對方發起的是哪種互動,還能據此確定回應動作。
語言與視覺讓IRON讀懂眼前的交互,而理解動作的前後關係,則決定他能否跟上人的臨時變化。VLA 2.0的長時序建模能力,讓IRON能夠通過KV Cache覆用歷史計算結果,並結合流式自回歸推理,將最新的視覺信息與此前的交互狀態聯繫起來。