DYNA-2: Robotti, joka oppi käsittelemään esineitä katsomalla miljoona tuntia ihmisten videoita

Esikoulutusaineisto: Yritys rakensi neljä sisäkkäistä ihmisten ensimmäisen persoonan videoiden alajoukkoa – 1 000, 10 000, 100 000 ja 1 000 000 tuntia – ilman robottitoimintodataa esikoulutuksen aikana . Esikoulutuksen jälkeen malli hienosäädetään suhteellisen pienellä määrällä todellista robottidataa (tunteja tai jopa minuutteja) siirtääkseen opitun fyysisen intuition tietylle laitteistolle .

Ensimmäinen ihmiseltä robotille siirtyvä skaalauslaki

Dyna Robotics raportoi ensimmäisenä eri toteutusten välisen siirtoskaalauslain manipulaatiossa . Löytö on merkittävä, koska se osoittaa, että ihmisvideodatan skaalaaminen tuottaa ennustettavia, monotonisia parannuksia robottien suorituskyvyssä – peilaten skaalauslakeja, jotka mullistivat suuret kielimallit.

• Skaalauslaki ihmisdatalla: Kaikilla neljällä suuruusluokalla (1K → 10K → 100K → 1M tuntia) kaikki videon ennustuslaadun mittarit paranivat monotonisesti, ja ne noudattivat hyvin potenssilakia, ilman havaittua tasannevaihetta .

• Laki siirtyy näkemättömään robottidataan: Samoja tarkistuspisteitä testattiin nollanäytteen 39 eri robottitehtävässä kahdella eri kiinteällä kaksikätisellä alustalla. Suorituskyky parani monotonisesti esikoulutuksen ihmisvideopoolin kasvaessa, ennen mitään robottikohtaista hienosäätöä . Eräässä analyysissä, kun toimintomerkitty data pidettiin kiinteänä 50 000 tunnissa ja vain videotunteja lisättiin, nollanäytteen robotin toiminnan MSE laski 0,340:stä 0,120:een .

• Jälkikoulutuksen suorituskyvyn skaalautuminen: Jälkikoulutuksen jälkeen keskimääräinen normalisoitu pistemäärä 14 robottitehtävässä nousi 20 % → 28 % → 45 % → 53 %:iin saavutettavissa olevasta maksimista, kun esikoulutuksen mittakaava kasvoi 1 000 tunnista miljoonaan tuntiin .

Tehtävien onnistumisprosenttien parannukset

DYNA-2:n suorituskykyhyödyt näkyvät selvimmin kolmella avainalueella:

• Tarkkuusvalmistus: DYNA-2 nosti tehtävien onnistumisprosentit noin 20:stä 80–90 %:iin pelkästään esikoulutuksen mittakaavaa kasvattamalla, ilman muutoksia jälkikoulutusdataan . Tämä on 4–4,5-kertainen parannus, joka saavutettiin pelkästään katsomalla enemmän ihmisten videoita.

• Nollanäytteen asiakaskäyttöönotot: Oikeilla asiakaspaikoilla DYNA-2 saavutti 87 %:n laatuläpäisyprosentin verrattuna edeltäjänsä, VLA-pohjaisen DYNA-1:n 46 %:iin – 41 prosenttiyksikön parannus samalla jälkikoulutusbudjetilla . Vertailukelpoisissa fyysisissä arvioinneissa samoilla koulutusolosuhteilla DYNA-2 suoritti tehtävät 1,55 kertaa useammin kuin DYNA-1 ja voitti 65 %:ssa vertailuista .

• Pullonkorkin avaaminen (13 minuuttia dataa): Vain 13 minuutin robottikohtaisella demonstraatiodatalla DYNA-2 sopeutettiin ohjaamaan viisisormisia käsiä avaamaan pullonkorkki . Yrityksen tekninen raportti tarkentaa, että luku oli noin 10 minuuttia robottidataa, ja esikoulutuksen mittakaava nosti onnistumisen 10:stä 40–50 %:iin täydellä miljoonan tunnin budjetilla .

Vaikutukset robotiikan tulevaisuuteen

DYNA-2:n tulokset haastavat vallitsevan oletuksen, jonka mukaan robotit tarvitsevat suuria määriä tehtäväkohtaista robottidataa. Osoittamalla skaalauslain, joka siirtyy ihmisvideosta robottilaitteistoon, Dyna Robotics avaa käytännöllisen tien kohti 10 miljoonan tunnin koulutusdataa – mikä mahdollistaa robottien uusien fyysisten tehtävien hallitsemisen vain muutaman tunnin paikallisella hienosäädöllä . Malli toimii tällä hetkellä myyjän operoimana järjestelmänä; Dyna Robotics ei ole ilmoittanut julkisesta tarkistuspisteestä, API:sta tai lisenssistä DYNA-2:lle . Robotiikan tutkimusyhteisön itsenäinen toistettavuustutkimus on seuraava askel näiden tulosten validoinnissa .