DYNA-2: הרובוט שלמד לתמרן חפצים אחרי שצפה במיליון שעות של סרטוני וידאו אנושיים

מאגר האימון המקדים: החברה בנתה ארבע תת-קבוצות מקוננות של וידאו אנושי בגוף ראשון – 1,000, 10,000, 100,000, ו-1,000,000 שעות – כשלא נעשה שימוש בנתוני פעולת רובוט במהלך שלב זה . לאחר האימון המקדים, המודל מכוונן (fine-tuned) על כמות קטנה יחסית של נתוני רובוט אמיתיים (שעות ואף דקות) כדי להעביר את האינטואיציה הפיזיקלית שנלמדה לחומרה ספציפית .

חוק הסקלינג הראשון להעברה מבן-אדם לרובוט

Dyna Robotics דיווחה על מה שהיא מכנה חוק הסקלינג להעברה בין גופים (cross-embodiment transfer scaling law) הראשון בעולם בתחום הטיפול בחפצים (manipulation) . משמעות הממצא היא שגדילת נפח נתוני הווידאו האנושי מייצרת שיפורים צפויים ומונוטוניים בביצועי הרובוט – בדומה לחוקי הסקלינג ששינו את מודלי השפה הגדולים.

• חוק סקלינג על נתונים אנושיים: על פני כל ארבעת סדרי הגודל (1K → 10K → 100K → 1M שעות), כל מדדי איכות ניבוי הווידאו השתפרו באופן מונוטוני ומתוארים היטב על ידי חוק חזקה (power law) מבלי שנצפה רמה (plateau) .

• החוק עובר לנתוני רובוט שלא נראו: אותן נקודות ביקורת (checkpoints) נבדקו ב-zero-shot על 39 משימות רובוט שונות בשתי פלטפורמות דו-זרועיות סטטיות. הביצועים השתפרו באופן מונוטוני ככל שמאגר הווידאו האנושי גדל, עוד לפני כל כוונון עדין ספציפי לרובוט . ניתוח אחד הראה שהחזקת נתוני פעולה מסומנים קבועים על 50,000 שעות והוספת שעות וידאו בלבד הורידה את שגיאת ה-MSE לחיזוי פעולת רובוט ב-zero-shot מ-0.340 ל-0.120 .

• שיפור בביצועים לאחר אימון: לאחר האימון המאוחר (post-training), הציון המנורמל הממוצע על פני 14 משימות רובוט עלה מ-20% → 28% → 45% → 53% מהמקסימום האפשרי, ככל שנפח האימון המקדים גדל מ-1K ל-1M שעות .

שיפורים בשיעור ההצלחה של משימות

השיפורים בביצועי DYNA-2 ניכרים בעיקר בשלושה תחומים:

• ייצור מדויק (High-precision manufacturing): DYNA-2 העלה את שיעורי ההצלחה של משימות מכ-20% ל-80–90% אך ורק באמצעות הגדלת נפח האימון המקדים, מבלי לשנות את נתוני האימון המאוחר . מדובר בשיפור של פי 4 עד 4.5 אך ורק מכך שהרובוט צפה ביותר וידאו אנושי.

• פריסה אפסית אצל לקוחות (Zero-shot customer deployments): באתרי לקוחות אמיתיים, DYNA-2 השיג 87% איכות מעבר, לעומת 46% לקודמו מבוסס VLA, DYNA-1 – שיפור של 41 נקודות אחוז תחת תקציבי אימון מאוחר זהים . בהערכות פיזיות ראש בראש עם תנאי אימון זהים, DYNA-2 השלים משימות פי 1.55 יותר מ-DYNA-1 וניצח ב-65% מההשוואות .

• סיבוב פקק בקבוק (13 דקות נתונים): עם 13 דקות בלבד של נתוני הדגמה ספציפיים לרובוט, DYNA-2 הותאם להפעיל זוג ידיים רובוטיות בעלות חמש אצבעות כדי לסובב פקק בקבוק . הדוח הטכני של החברה מבהיר שהנתון הוא בערך 10 דקות של נתוני רובוט, כשהסקלה של האימון המקדים העלתה את ההצלחה מ-10% בתקציבים קטנים ל-40-50% בתקציב המלא של 1M שעות .

השלכות לעתיד הרובוטיקה

התוצאות של DYNA-2 מאתגרות את ההנחה הרווחת שרובוטים דורשים כמויות גדולות של נתוני רובוט ספציפיים למשימה. על ידי הדגמת חוק סקלינג המועבר מווידאו אנושי לחומרת רובוט, Dyna Robotics פותחת נתיב מעשי לעבר 10 מיליון שעות של נתוני אימון – עם פוטנציאל לאפשר לרובוטים לשלוט במשימות פיזיות חדשות תוך שעות ספורות של כוונון עדין מקומי . נכון לעכשיו, המודל פועל כמערכת המופעלת על ידי הספק; Dyna Robotics לא הכריזה על נקודת ביקורת ציבורית, API או רישיון עבור DYNA-2 . שכפול עצמאי על ידי קהילת המחקר הרובוטית יהיה הצעד הבא באימות תוצאות אלו .