DYNA-2: Robotten der lærte at gribe og dreje ved at se 1 million timers menneske-video

Før-træningskorpus: Virksomheden byggede fire indlejrede undergrupper af egocentrisk menneske-video – 1.000, 10.000, 100.000 og 1.000.000 timer – uden nogen robotdata under før-træning . Efter før-træning finjusteres modellen på en relativt lille mængde rigtig robotdata (timer eller endda minutter) for at overføre den indlærte fysiske intuition til specifik hardware .

Den Første Menneske-til-Robot Overførselsskaleringslov

Dyna Robotics rapporterede, hvad de kalder den første tvær-legeme-overførselsskaleringslov inden for manipulation . Resultatet er betydningsfuldt, fordi det viser, at skalering af menneske-video-data producerer forudsigelige, monotone forbedringer i robotpræstation – i lighed med de skaleringslove, der transformerede store sprogmodeller.

• Skaleringslov på menneskedata: På tværs af alle fire størrelsesordener (1K → 10K → 100K → 1M timer) forbedredes alle målinger af videoprædiktionskvalitet monotont, velbeskrevet af en potenslov uden observeret plateau .

• Loven overføres til usete robotdata: De samme checkpoint blev scoret zero-shot på 39 forskellige robotopgaver på to stationære to-armede platforme. Præstationen forbedredes monotont, i takt med at før-træningsdatasættet voksede, før nogen robotspecifik finjustering . En analyse viste, at når man holdt handlingsmærkede data fast på 50.000 timer og tilføjede videotimer, faldt zero-shot robot-action MSE fra 0,340 til 0,120 .

• Præstationsskalering efter finjustering: Efter finjustering steg den gennemsnitlige normaliserede score på tværs af 14 robotopgaver fra 20% → 28% → 45% → 53% af det opnåelige maksimum, efterhånden som før-træningsskalaen steg fra 1K til 1M timer .

Forbedringer i Opgavesuccesrate

DYNA-2's præstationsforbedringer er tydeligst på tre nøgleområder:

• Højpræcisionsfremstilling: DYNA-2 hævede succesraterne fra omkring 20% til 80–90% udelukkende gennem øget før-træningsskala, uden ændringer i efterbehandlingsdata . Dette er en 4x til 4,5x forbedring alene fra at se mere menneske-video.

• Zero-shot kundedrift: Hos rigtige kunder opnåede DYNA-2 en 87% kvalitetsgodkendelsesrate sammenlignet med 46% for forgængeren DYNA-1 – en forbedring på 41 procentpoint under samme forhold . I direkte fysiske sammenligninger under identiske træningsbetingelser udførte DYNA-2 opgaver 1,55 gange oftere end DYNA-1 og vandt 65% af hoved-til-hoved-sammenligningerne .

• Skrue en flaskehætte af (13 minutters data): Med kun 13 minutters robotspecifik demonstrationsdata blev DYNA-2 tilpasset til at styre et par femfingrede robot-hænder i at skrue en flaskehætte af . Virksomhedens tekniske rapport præciserer, at tallet var cirka 10 minutter robotdata, og at før-træningsskala løftede succesraten fra 10% ved mindre budgetter til 40–50% ved det fulde 1M-times budget .

Konsekvenser for Fremtidens Robotik

DYNA-2's resultater udfordrer den fremherskende antagelse om, at robotter har brug for store mængder opgavespecifikke robotdata. Ved at demonstrere en skaleringslov, der overfører fra menneske-video til robot-hardware, åbner Dyna Robotics en praktisk vej mod 10 millioner timers træningsdata – med potentiale til at gøre robotter i stand til at mestre nye fysiske opgaver med blot timers lokal finjustering . Modellen fungerer i øjeblikket som et leverandørstyret system; Dyna Robotics har ikke offentliggjort nogen offentlig tilgængelig checkpoint, API eller licens for DYNA-2 . Uafhængig replikation af robotforskningssamfundet vil være næste skridt i valideringen af disse resultater .