DYNA-2: Dyna Robotics koulutti robotin miljoonalla tunnilla ihmisvideota – ja löysi skaalauslain

Miten DYNA-2 koulutettiin?

Tietoaineiston koko ja lähde

Koulutusaineisto koostui yli 1 000 000 tunnista ensimmäisen persoonan (egosentristä) ihmisvideota – mikä vastaa noin 170 vuoden jatkuvaa valveillaolokokemusta . Videoilla kuvattiin arkipäiväisiä käsittelytehtäviä, kuten ruoanlaittoa, taittelua, kokoamista ja siivoamista . Esikoulutusvaiheessa ei käytetty lainkaan robottitoimintadataa; robottidataa lisättiin vasta pienessä jälkikoulutus- tai hienosäätövaiheessa, tyypillisesti enintään 10 tuntia tehtävää kohti .

Koulutustavoitteet

Esikoulutuksessa DYNA-2 käytti videon ennustamistavoitetta – se oppi ennustamaan tulevia videokuvia menneistä havainnoista – yhdistettynä videon yhteiskoulutusalgoritmiin, joka oppii samanaikaisesti visuaalisia esityksiä ja toiminnan ennustamista . Tämä lähestymistapa eroaa DYNA-1:n VLA-arkkitehtuurista, joka yhdistää havainnon suoraan robottitoimintoihin ilman välivaiheen videon ennustamista .

Yhtiö osoitti skaalauksen neljän kertaluvun yli, 1 000 tunnista aina 1 000 000 tuntiin esikoulutusdataa .

Suorituskykyparannukset verrattuna DYNA-1:een

Yhtiö suoritti suoria vertailuja DYNA-2:n ja DYNA-1:n välillä vastaavissa koulutusolosuhteissa ja oikeissa käyttöönotoissa.

Vertailutestit (7 tehtävää)

• DYNA-2 suoritti tehtäviä 1,55 kertaa useammin kuin VLA-pohjainen DYNA-1 .
• Pareittaisissa vertailuissa DYNA-2 voitti 65 %:ssa kokeista verrattuna DYNA-1:n 29 %:iin .

Yhdistetyt vertailutulokset (14–15 tehtävää, 3 robottialustaa)

Keskimääräinen normalisoitu suorituskyky nousi monotonisesti esikoulutuksen skaalan myötä: 20 % → 28 % → 45 % → 53 % saavutettavissa olevasta maksimista, kun dataa skaalattiin 1 000 → 10 000 → 100 000 → 1 000 000 tuntiin . Miljoonan tunnin skaalalla DYNA-2 saavutti parhaan todellisen suorituskyvyn 9:ssä 14:stä tehtävästä . Keskeisiä tehtäväkohtaisia parannuksia:

• Lukkopakkauksen avainten kääntäminen: 0 %:n onnistumisprosentista (jopa 100 000 tuntiin asti) 90 %:iin 1 000 000 tunnilla .
• Pullonkorkin avaaminen: 10 %:sta 40–50 %:iin 1 000 000 tunnilla, käyttäen vain noin 10 minuuttia robottien jälkikoulutusdataa .
• Kohdennettu juoman hakeminen (kielen seuraaminen): parani 58 %:sta 83 %:iin .

Todellinen valmistus- ja asiakaskäyttöönotto

• Korkean tarkkuuden valmistustehtävät: onnistumisprosentit nousivat noin 20 %:sta 80–90 %:iin pelkästään esikoulutuksen skaalausta lisäämällä, ilman muutoksia jälkikoulutusdataan .
• Nollanäytteen käyttöönotto asiakkaan luona: DYNA-2 saavutti 87 %:n laadun läpäisyasteen verrattuna 46 %:iin DYNA-1:llä – 41 prosenttiyksikön parannus .
• Videon yhteiskoulutusalgoritmi nosti ohjeiden noudattamisen pisteitä 133 % tehtävissä, jotka vaativat erillisiä liikkeitä käyttäjän komentojen perusteella .

Dyna Roboticsin havaitsema skaalauslaki

Dyna Robotics raportoi, mitä se kutsuu ”ensimmäiseksi todeksi skaalauslakiksi robotiikassa, joka perustuu kokonaan ihmisdataan” . Keskeiset ominaisuudet:

• Ihmisestä robottiin siirron skaalauslaki: Kun egosentrisen ihmisvideon esikoulutuksen määrää lisättiin neljän kertaluvun yli (1 000 → 1 000 000 tuntia), robotin suorituskyky aiemmin näkemättömillä robottilaitteistoilla parani ennustettavasti, monotonisesti ja log-lineaarisesti – kuvio, jonka yhtiö tunnistaa skaalauslaiksi .
• Eri alustojen välinen siirto: Skaalaus toimi kahdella eri robottialustalla (paikallaan pysyvä kaksikätinen alusta ja puoliksi ihmismäinen prototyyppi), joita malli ei ollut koskaan nähnyt esikoulutuksen aikana .
• Nollanäytteen toiminnan ennustaminen: Ihmisvideon skaalaaminen paransi myös mallin kykyä ennustaa toimintoja robottivideodatalla, jota ei koskaan esitetty koulutuksen aikana .

Yhtiö toteaa nimenomaisesti, että tämä on ”ensimmäinen laatuaan” osoitus siitä, että ihmisten havainnointidatan skaalaaminen – ei robottien toimintadatan – voi toimia luotettavana akselina fyysisen robottiälyn parantamiselle .

Miksi tällä on merkitystä?

Jos väitteet kestävät riippumattoman varmentamisen, Dyna Robotics on osoittanut käytännöllisen tien robotiikan älykkyyden skaalaamiseen ilman kallista robottien toimintadatan keräämisen pullonkaulaa. Ihmisvideota on käytännössä rajattomasti saatavilla. Yhtiö kertoo työskentelevänsä jo kohti 10 miljoonan tunnin koulutusdataa, mikä mahdollistaisi robottien uusien fyysisten tehtävien hallitsemisen vain muutaman tunnin paikallisella hienosäädöllä .