Dyna Robotics 宣布推出旗舰世界动作模型 (WAM) DYNA-2。
公司 说 DYNA-2 代表了第一个接受超过 100 万小时数据训练的机器人基础模型，相当于 170 年的连续清醒经验。
Dyna Robotics 将自己描述为一家通用机器人公司，由专有体现的 人工智能 基础模型，可在不同环境中泛化并自我改进，并具有商业级性能。
人类视频为 Dyna 的 AI 提供动力
该公司表示 DYNA-2 完全由人类以第一视角人类视频提供支持 研究 这展示了机器人技术的首个人类到机器人扩展定律，证明机器人性能随着人类数据每增加一小时而平稳且可预测地提高，而不会达到停滞状态。 Dyna 表示，这是机器人基础模型的范式转变；经过 训练 仅依靠视频数据而不是稀缺的动作数据或手动远程操作，它发现了物理人工智能的新扩展轴，表明机器人可以通过使用视频数据集来可预测地扩展功能，从而绕过其最大的瓶颈 - 稀缺的、手工收集的远程操作数据。
Dyna Robotics 表示，其机器人由之前的 DYNA-1 型号提供动力，已经 已部署 在酒店等高要求环境的生产中， 餐馆 和自助洗衣店。该公司表示，DYNA-2 是在生产级自主机器人商业化方面向前迈出的重要一步。
在高-精确 制造业 Dyna Robotics 表示，DYNA-2 纯粹通过预训练规模将任务成功率从 20% 提高到 80-90%，无需对训练后数据进行任何更改。
Dyna Robotics 联合创始人 Jason Ma 表示：“多年来，通用机器人技术一直受到数据瓶颈的困扰：手动收集物理远程操作数据根本无法扩展到通用智能。” “动作数据稀缺，但视频无处不在，通过 DYNA-2，我们证明物理直觉不需要在机器人手臂上进行数百万小时的训练 - 它可以直接从人类视频中学习。通过构建一个在采取行动之前想象物理世界如何移动的世界动作模型，我们为机器人提供了传统视觉语言模型所缺乏的空间推理和接触物理学，并表明物理人工智能可以平滑且可预测地扩展，以比以前想象的更快的速度解锁商业级自动化。”
妈妈是一个 Actuate 26 演讲者，Foxglove 在旧金山举行的年度机器人开发者大会。
数小时内达到生产级性能
该公司表示，DYNA-2 可以快速适应在许多不同的机器人平台上执行任务，只需几个小时的本地微调：
- 汇总了超过 15 个基准任务，使用更多人类数据进行预训练的 DYNA-2 策略始终表现得更好
- 在一个案例中，只需 13 分钟的数据，DYNA-2 就可以命令一对五指机器人手拧开瓶盖
Dyna Robotics 表示，DYNA-2 将基础模型架构从视觉-语言-动作 (VLA) 适应转变为基于视频生成的本机 WAM。在与 Dyna Robotics 的 VLA 模型 DYNA-1 进行的头对头物理评估中，在匹配的训练步骤和数据集下，该公司表示 DYNA-2 表现出了决定性的控制和任务弹性优势：
- 在实际评估中，DYNA-2 完成的任务是 DYNA-1 的 1.55 倍。在客户部署中，DYNA-2 的通过率达到 87%，而 DYNA-1 的通过率仅为 46%。
- 与 VLA 基线相比，DYNA-2 在完成需要灵巧操作的任务（如切碎食物和清理工作空间）时，无需人为干预即可从物理干扰中恢复，VLA 基线在单循环中失败，需要手动干预才能恢复。
- DYNA-2 的视频协同训练算法将机器人必须根据用户提供的命令执行不同动作的指令跟踪任务的分数提高了 133%。