بنية نموذج الفعل-العالمي: توقع الفيديو بدلاً من تقليد الفعل

تعتمد بنية DYNA-2 على توليد الفيديو بدلاً من محولات الرؤية-اللغة-الفعل (VLA) التي هيمنت على مجال الروبوتات . أثناء التدريب المسبق، يعمل النموذج بهدف مزدوج: فهو يتوقع كل من الإطار التالي للفيديو والفعل التالي من مجموعة فيديو البشر . يسمح هذا النهج للنموذج ببناء نموذج داخلي لفيزياء التلامس والتفكير المكاني - أي تعلم العلاقات السببية بين الأفعال وعواقبها الفيزيائية - التي تنتقل عبر الهياكل المختلفة دون رؤية أي روبوت أثناء التدريب المسبق .

مجموعة التدريب المسبق: بنت الشركة أربع مجموعات فرعية متداخلة من فيديو البشر من منظور الشخص الأول - 1,000 و10,000 و100,000 و1,000,000 ساعة - مع عدم استخدام أي بيانات عن أفعال الروبوتات أثناء التدريب المسبق . بعد التدريب المسبق، يتم ضبط النموذج بدقة على كمية صغيرة نسبياً من بيانات الروبوت الحقيقية (ساعات أو حتى دقائق) لنقل الحدس الفيزيائي المكتسب إلى أجهزة محددة .

أول قانون قياس للانتقال من الإنسان إلى الروبوت

أعلنت Dyna Robotics عن ما تصفه بأنه أول قانون قياس للانتقال عبر الهياكل المختلفة في مجال التلاعب . هذه النتيجة مهمة لأنها تثبت أن توسيع نطاق فيديو البشر ينتج تحسينات متوقعة ومطردة في أداء الروبوت - مما يعكس قوانين القياس التي غيرت نماذج اللغة الكبيرة.

• قانون القياس على بيانات البشر: عبر جميع المقاييس الأربعة (1,000 ← 10,000 ← 100,000 ← 1,000,000 ساعة)، تحسنت جميع مؤشرات جودة توقع الفيديو بشكل مطرد، ووصفت جيداً بقانون القوة مع عدم ملاحظة أي هضبة .

• ينتقل القانون إلى بيانات الروبوت غير المرئية: تم تقييم نفس النماذج بدون تدريب مسبق على 39 مهمة روبوتية مختلفة عبر منصتين ثنائيتي الذراع ثابتتين. تحسن الأداء بشكل مطرد مع زيادة حجم فيديو البشر للتدريب المسبق، قبل أي ضبط دقيق خاص بالروبوت . أظهر أحد التحليلات أن تثبيت البيانات المصنفة بالأفعال عند 50,000 ساعة وإضافة ساعات فيديو فقط أدى إلى انخفاض متوسط الخطأ التربيعي للفعل الصفري للروبوت من 0.340 إلى 0.120 .

• قياس الأداء بعد التدريب: بعد الضبط الدقيق، ارتفعت النتيجة الطبيعية المتوسطة عبر 14 مهمة روبوتية من 20% ← 28% ← 45% ← 53% من الحد الأقصى القابل للتحقيق مع زيادة حجم التدريب المسبق من 1,000 إلى 1,000,000 ساعة .

تحسينات معدل نجاح المهام

تكون تحسينات أداء DYNA-2 أكثر وضوحاً في ثلاثة مجالات رئيسية:

• التصنيع عالي الدقة: رفع DYNA-2 معدلات نجاح المهام من حوالي 20% إلى 80-90% فقط من خلال زيادة حجم التدريب المسبق، دون أي تغييرات في بيانات ما بعد التدريب . هذا تحسن بمقدار 4 إلى 4.5 أضعاف ناتج فقط عن مشاهدة المزيد من فيديو البشر.

• نشر العملاء بدون تدريب مسبق: في مواقع عملاء حقيقية، حقق DYNA-2 معدل جودة 87%، مقارنة بـ 46% لنموذجه السابق DYNA-1 القائم على VLA - أي تحسن بمقدار 41 نقطة مئوية في ظل ميزانيات متساوية للتدريب اللاحق . في التقييمات الفعلية وجهاً لوجه مع ظروف تدريب متطابقة، أكمل DYNA-2 المهام من DYNA-1 وفاز في .

• فتح غطاء الزجاجة (13 دقيقة من البيانات): باستخدام 13 دقيقة فقط من بيانات العرض التوضيحي الخاصة بالروبوت، تم تكييف DYNA-2 للتحكم بزوج من الأيدي البارعة ذات الأصابع الخمسة لفتح غطاء زجاجة . يوضح التقرير الفني للشركة أن الرقم كان حوالي من بيانات الروبوت، حيث رفع حجم التدريب المسبق النجاح من 10% في الميزانيات الأصغر إلى 40-50% في ميزانية المليون ساعة الكاملة .

الآثار المترتبة على مستقبل الروبوتات

تتحدى نتائج DYNA-2 الافتراض السائد بأن الروبوتات تتطلب كميات كبيرة من بيانات المهام الخاصة بها. من خلال إظهار قانون قياس ينتقل من فيديو البشر إلى أجهزة الروبوت، تفتح Dyna Robotics مساراً عملياً نحو 10 ملايين ساعة من بيانات التدريب - مع إمكانية تمكين الروبوتات من إتقان مهام فيزيائية جديدة بساعات قليلة فقط من الضبط الدقيق المحلي . يعمل النموذج حالياً كنظام يديره البائع؛ لم تعلن Dyna Robotics عن أي نقطة تفتيش عامة أو واجهة برمجة تطبيقات أو ترخيص لـ DYNA-2 . سيكون التحقق المستقل من قبل مجتمع أبحاث الروبوتات هو الخطوة التالية في المصادقة على هذه النتائج .

بنية نموذج الفعل-العالمي: توقع الفيديو بدلاً من تقليد الفعل

تعتمد بنية DYNA-2 على توليد الفيديو بدلاً من محولات الرؤية-اللغة-الفعل (VLA) التي هيمنت على مجال الروبوتات . أثناء التدريب المسبق، يعمل النموذج بهدف مزدوج: فهو يتوقع كل من الإطار التالي للفيديو والفعل التالي من مجموعة فيديو البشر . يسمح هذا النهج للنموذج ببناء نموذج داخلي لفيزياء التلامس والتفكير المكاني - أي تعلم العلاقات السببية بين الأفعال وعواقبها الفيزيائية - التي تنتقل عبر الهياكل المختلفة دون رؤية أي روبوت أثناء التدريب المسبق .

مجموعة التدريب المسبق: بنت الشركة أربع مجموعات فرعية متداخلة من فيديو البشر من منظور الشخص الأول - 1,000 و10,000 و100,000 و1,000,000 ساعة - مع عدم استخدام أي بيانات عن أفعال الروبوتات أثناء التدريب المسبق . بعد التدريب المسبق، يتم ضبط النموذج بدقة على كمية صغيرة نسبياً من بيانات الروبوت الحقيقية (ساعات أو حتى دقائق) لنقل الحدس الفيزيائي المكتسب إلى أجهزة محددة .

أول قانون قياس للانتقال من الإنسان إلى الروبوت

أعلنت Dyna Robotics عن ما تصفه بأنه أول قانون قياس للانتقال عبر الهياكل المختلفة في مجال التلاعب . هذه النتيجة مهمة لأنها تثبت أن توسيع نطاق فيديو البشر ينتج تحسينات متوقعة ومطردة في أداء الروبوت - مما يعكس قوانين القياس التي غيرت نماذج اللغة الكبيرة.

• قانون القياس على بيانات البشر: عبر جميع المقاييس الأربعة (1,000 ← 10,000 ← 100,000 ← 1,000,000 ساعة)، تحسنت جميع مؤشرات جودة توقع الفيديو بشكل مطرد، ووصفت جيداً بقانون القوة مع عدم ملاحظة أي هضبة .

• ينتقل القانون إلى بيانات الروبوت غير المرئية: تم تقييم نفس النماذج بدون تدريب مسبق على 39 مهمة روبوتية مختلفة عبر منصتين ثنائيتي الذراع ثابتتين. تحسن الأداء بشكل مطرد مع زيادة حجم فيديو البشر للتدريب المسبق، قبل أي ضبط دقيق خاص بالروبوت . أظهر أحد التحليلات أن تثبيت البيانات المصنفة بالأفعال عند 50,000 ساعة وإضافة ساعات فيديو فقط أدى إلى انخفاض متوسط الخطأ التربيعي للفعل الصفري للروبوت من 0.340 إلى 0.120 .

• قياس الأداء بعد التدريب: بعد الضبط الدقيق، ارتفعت النتيجة الطبيعية المتوسطة عبر 14 مهمة روبوتية من 20% ← 28% ← 45% ← 53% من الحد الأقصى القابل للتحقيق مع زيادة حجم التدريب المسبق من 1,000 إلى 1,000,000 ساعة .

تحسينات معدل نجاح المهام

تكون تحسينات أداء DYNA-2 أكثر وضوحاً في ثلاثة مجالات رئيسية:

• التصنيع عالي الدقة: رفع DYNA-2 معدلات نجاح المهام من حوالي 20% إلى 80-90% فقط من خلال زيادة حجم التدريب المسبق، دون أي تغييرات في بيانات ما بعد التدريب . هذا تحسن بمقدار 4 إلى 4.5 أضعاف ناتج فقط عن مشاهدة المزيد من فيديو البشر.

• نشر العملاء بدون تدريب مسبق: في مواقع عملاء حقيقية، حقق DYNA-2 معدل جودة 87%، مقارنة بـ 46% لنموذجه السابق DYNA-1 القائم على VLA - أي تحسن بمقدار 41 نقطة مئوية في ظل ميزانيات متساوية للتدريب اللاحق . في التقييمات الفعلية وجهاً لوجه مع ظروف تدريب متطابقة، أكمل DYNA-2 المهام من DYNA-1 وفاز في .

• فتح غطاء الزجاجة (13 دقيقة من البيانات): باستخدام 13 دقيقة فقط من بيانات العرض التوضيحي الخاصة بالروبوت، تم تكييف DYNA-2 للتحكم بزوج من الأيدي البارعة ذات الأصابع الخمسة لفتح غطاء زجاجة . يوضح التقرير الفني للشركة أن الرقم كان حوالي من بيانات الروبوت، حيث رفع حجم التدريب المسبق النجاح من 10% في الميزانيات الأصغر إلى 40-50% في ميزانية المليون ساعة الكاملة .

الآثار المترتبة على مستقبل الروبوتات

تتحدى نتائج DYNA-2 الافتراض السائد بأن الروبوتات تتطلب كميات كبيرة من بيانات المهام الخاصة بها. من خلال إظهار قانون قياس ينتقل من فيديو البشر إلى أجهزة الروبوت، تفتح Dyna Robotics مساراً عملياً نحو 10 ملايين ساعة من بيانات التدريب - مع إمكانية تمكين الروبوتات من إتقان مهام فيزيائية جديدة بساعات قليلة فقط من الضبط الدقيق المحلي . يعمل النموذج حالياً كنظام يديره البائع؛ لم تعلن Dyna Robotics عن أي نقطة تفتيش عامة أو واجهة برمجة تطبيقات أو ترخيص لـ DYNA-2 . سيكون التحقق المستقل من قبل مجتمع أبحاث الروبوتات هو الخطوة التالية في المصادقة على هذه النتائج .