Cómo se entrenó DYNA-2

Tamaño y fuente del conjunto de datos

El conjunto de datos de entrenamiento consistió en más de 1.000.000 de horas de video humano egocéntrico (en primera persona), el equivalente a aproximadamente 170 años de experiencia continua despierta . Los videos capturaban tareas de manipulación cotidianas como cocinar, doblar ropa, ensamblar objetos y limpiar . No se utilizaron datos de acción de robots durante el preentrenamiento; los datos de robot solo se introdujeron durante una pequeña etapa de post-entrenamiento o ajuste fino, típicamente 10 horas o menos por tarea .

Objetivos de entrenamiento

Durante el preentrenamiento, DYNA-2 utilizó un objetivo de predicción de video —aprender a predecir fotogramas de video futuros a partir de observaciones pasadas— combinado con un algoritmo de coentrenamiento de video que aprende conjuntamente representaciones visuales y predicción de acciones . Este enfoque contrasta con la arquitectura VLA de DYNA-1, que mapea directamente la percepción a acciones del robot sin predicción intermedia de video .

La compañía demostró el escalado a través de cuatro órdenes de magnitud, desde 1.000 horas hasta 1.000.000 de horas de datos de preentrenamiento .

Mejoras de rendimiento frente a DYNA-1

La empresa realizó comparaciones directas entre DYNA-2 y DYNA-1 en condiciones de entrenamiento equiparables y en despliegues reales.

Pruebas comparativas (7 tareas)

• DYNA-2 completó tareas 1.55 veces más a menudo que DYNA-1 basado en VLA .
• En comparaciones por pares, DYNA-2 ganó el 65% de los ensayos frente al 29% de DYNA-1 .

Resultados agregados (14–15 tareas en 3 tipos de robot)

El rendimiento normalizado medio aumentó de forma monótona con la escala de preentrenamiento: 20% → 28% → 45% → 53% del máximo alcanzable a medida que los datos escalaban de 1.000 → 10.000 → 100.000 → 1.000.000 de horas . En la escala de 1 millón de horas, DYNA-2 logró el mejor rendimiento en el mundo real en 9 de 14 tareas . Las mejoras clave por tarea incluyeron:

• Apertura de caja de seguridad con llave: del 0% de éxito (hasta 100.000 horas) al 90% de éxito con 1 millón de horas .
• Destapar botellas: del 10% de éxito al 40–50% con 1 millón de horas, usando solo ~10 minutos de datos de post-entrenamiento del robot .
• Recogida selectiva de bebidas (siguiendo instrucciones de lenguaje): mejoró del 58% al 83% .

Despliegue real en fabricación y clientes

• Tareas de fabricación de alta precisión: las tasas de éxito saltaron de aproximadamente 20% a 80–90% únicamente gracias al aumento de la escala de preentrenamiento, sin cambios en los datos de post-entrenamiento .
• Despliegue 'zero-shot' en un sitio de cliente: DYNA-2 registró una tasa de aprobación de calidad del 87% frente al 46% de DYNA-1, una mejora de 41 puntos porcentuales .
• El algoritmo de coentrenamiento de video elevó las puntuaciones de seguimiento de instrucciones en un 133% en tareas que requerían movimientos distintos en respuesta a comandos del usuario .

La ley de escalado observada por Dyna Robotics

Dyna Robotics reportó lo que denomina 'la primera ley de escalado verdadera en robótica impulsada enteramente por datos humanos' . Sus características clave:

• Ley de escalado de transferencia humano-robot: a medida que aumentaba la cantidad de video humano egocéntrico de preentrenamiento a través de cuatro órdenes de magnitud (1.000 → 1.000.000 de horas), el rendimiento del robot en hardware de robot nunca visto mejoró de forma predecible, monótona y log-lineal — un patrón que la compañía identifica como una ley de escalado .
• Transferencia entre tipos de robot: el escalado se mantuvo en dos tipos diferentes de robot (una plataforma bimanual estacionaria y un prototipo semihumanoide) que el modelo nunca había visto durante el preentrenamiento .
• Predicción de acciones 'zero-shot': escalar los datos de video humano también mejoró la capacidad del modelo para predecir acciones en datos de video de robot no mostrados durante el entrenamiento .

La compañía afirma explícitamente que se trata de una demostración 'sin precedentes' de que escalar datos de observación humana, y no datos de acción de robots, puede servir como un eje fiable para mejorar la inteligencia física de los robots .

Por qué esto es importante

Si las afirmaciones se confirman mediante verificación independiente, Dyna Robotics ha mostrado un camino práctico para escalar la inteligencia robótica sin el cuello de botella de recolectar costosos datos de acción de robots. El video humano existe a una escala prácticamente ilimitada. La compañía afirma que ya está trabajando para alcanzar los 10 millones de horas de datos de entrenamiento, lo que permitiría a los robots dominar nuevas tareas físicas con solo horas de ajuste fino local .

Cómo se entrenó DYNA-2

Tamaño y fuente del conjunto de datos

El conjunto de datos de entrenamiento consistió en más de 1.000.000 de horas de video humano egocéntrico (en primera persona), el equivalente a aproximadamente 170 años de experiencia continua despierta . Los videos capturaban tareas de manipulación cotidianas como cocinar, doblar ropa, ensamblar objetos y limpiar . No se utilizaron datos de acción de robots durante el preentrenamiento; los datos de robot solo se introdujeron durante una pequeña etapa de post-entrenamiento o ajuste fino, típicamente 10 horas o menos por tarea .

Objetivos de entrenamiento

Durante el preentrenamiento, DYNA-2 utilizó un objetivo de predicción de video —aprender a predecir fotogramas de video futuros a partir de observaciones pasadas— combinado con un algoritmo de coentrenamiento de video que aprende conjuntamente representaciones visuales y predicción de acciones . Este enfoque contrasta con la arquitectura VLA de DYNA-1, que mapea directamente la percepción a acciones del robot sin predicción intermedia de video .

La compañía demostró el escalado a través de cuatro órdenes de magnitud, desde 1.000 horas hasta 1.000.000 de horas de datos de preentrenamiento .

Mejoras de rendimiento frente a DYNA-1

La empresa realizó comparaciones directas entre DYNA-2 y DYNA-1 en condiciones de entrenamiento equiparables y en despliegues reales.

Pruebas comparativas (7 tareas)

• DYNA-2 completó tareas 1.55 veces más a menudo que DYNA-1 basado en VLA .
• En comparaciones por pares, DYNA-2 ganó el 65% de los ensayos frente al 29% de DYNA-1 .

Resultados agregados (14–15 tareas en 3 tipos de robot)

El rendimiento normalizado medio aumentó de forma monótona con la escala de preentrenamiento: 20% → 28% → 45% → 53% del máximo alcanzable a medida que los datos escalaban de 1.000 → 10.000 → 100.000 → 1.000.000 de horas . En la escala de 1 millón de horas, DYNA-2 logró el mejor rendimiento en el mundo real en 9 de 14 tareas . Las mejoras clave por tarea incluyeron:

• Apertura de caja de seguridad con llave: del 0% de éxito (hasta 100.000 horas) al 90% de éxito con 1 millón de horas .
• Destapar botellas: del 10% de éxito al 40–50% con 1 millón de horas, usando solo ~10 minutos de datos de post-entrenamiento del robot .
• Recogida selectiva de bebidas (siguiendo instrucciones de lenguaje): mejoró del 58% al 83% .

Despliegue real en fabricación y clientes

• Tareas de fabricación de alta precisión: las tasas de éxito saltaron de aproximadamente 20% a 80–90% únicamente gracias al aumento de la escala de preentrenamiento, sin cambios en los datos de post-entrenamiento .
• Despliegue 'zero-shot' en un sitio de cliente: DYNA-2 registró una tasa de aprobación de calidad del 87% frente al 46% de DYNA-1, una mejora de 41 puntos porcentuales .
• El algoritmo de coentrenamiento de video elevó las puntuaciones de seguimiento de instrucciones en un 133% en tareas que requerían movimientos distintos en respuesta a comandos del usuario .

La ley de escalado observada por Dyna Robotics

Dyna Robotics reportó lo que denomina 'la primera ley de escalado verdadera en robótica impulsada enteramente por datos humanos' . Sus características clave:

• Ley de escalado de transferencia humano-robot: a medida que aumentaba la cantidad de video humano egocéntrico de preentrenamiento a través de cuatro órdenes de magnitud (1.000 → 1.000.000 de horas), el rendimiento del robot en hardware de robot nunca visto mejoró de forma predecible, monótona y log-lineal — un patrón que la compañía identifica como una ley de escalado .
• Transferencia entre tipos de robot: el escalado se mantuvo en dos tipos diferentes de robot (una plataforma bimanual estacionaria y un prototipo semihumanoide) que el modelo nunca había visto durante el preentrenamiento .
• Predicción de acciones 'zero-shot': escalar los datos de video humano también mejoró la capacidad del modelo para predecir acciones en datos de video de robot no mostrados durante el entrenamiento .

La compañía afirma explícitamente que se trata de una demostración 'sin precedentes' de que escalar datos de observación humana, y no datos de acción de robots, puede servir como un eje fiable para mejorar la inteligencia física de los robots .

Por qué esto es importante

Si las afirmaciones se confirman mediante verificación independiente, Dyna Robotics ha mostrado un camino práctico para escalar la inteligencia robótica sin el cuello de botella de recolectar costosos datos de acción de robots. El video humano existe a una escala prácticamente ilimitada. La compañía afirma que ya está trabajando para alcanzar los 10 millones de horas de datos de entrenamiento, lo que permitiría a los robots dominar nuevas tareas físicas con solo horas de ajuste fino local .