DYNA-2: מודל היסוד של רובוטיקה שאומן על מיליון שעות של וידאו אנושי ומגלה חוק קנה מידה

כיצד DYNA-2 אומן

גודל מקור הנתונים

מערך האימון כלל מעל 1,000,000 שעות של וידאו אנושי אגוצנטרי (מגוף ראשון) – שווה ערך לכ-170 שנות ניסיון רצוף . הסרטונים תיעדו משימות יומיומיות כמו בישול, קיפול, הרכבה וניקוי . בשלב האימון המקדים לא נעשה שימוש בנתוני רובוט; נתוני רובוט הוכנסו רק במהלך שלב ה-post-training או ה-fine-tuning, בדרך כלל 10 שעות או פחות לכל משימה .

מטרות האימון

במהלך האימון המקדים, DYNA-2 השתמש באובייקטיב חיזוי וידאו (video prediction) – למידה לחזות פריימים עתידיים של וידאו מתצפיות עבר – יחד עם אלגוריתם co-training וידאו (video co-training algorithm) הלומד ייצוגים חזותיים וחיזוי פעולות במקביל . גישה זו מנוגדת לארכיטקטורת VLA של DYNA-1, הממפה תפיסה ישירות לפעולות רובוט ללא חיזוי וידאו ביניים .

החברה הדגימה קנה מידה לאורך ארבעה סדרי גודל, מ-1,000 שעות ועד 1,000,000 שעות של נתוני אימון מקדים .

שיפורי ביצועים לעומת DYNA-1

החברה ביצעה השוואות ישירות בין DYNA-2 ל-DYNA-1 בתנאי אימון תואמים ופריסה בעולם האמיתי.

בדיקות ראש בראש (7 משימות)

• DYNA-2 ביצע משימות פי 1.55 יותר מאשר DYNA-1 מבוסס ה-VLA .
• בהשוואות זוגיות, DYNA-2 ניצח ב-65% מהניסויים לעומת 29% ל-DYNA-1 .

תוצאות מצטברות (14-15 משימות על 3 גופי רובוט)

הביצועים המנורמלים הממוצעים עלו באופן מונוטוני עם קנה מידה: 20% → 28% → 45% → 53% מהמקסימום האפשרי ככל שקנה המידה גדל מ-1k → 10k → 100k → 1M שעות . בקנה המידה של 1M שעות, DYNA-2 השיג את הביצועים החזקים ביותר בעולם האמיתי ב-9 מתוך 14 משימות . שיפורים עיקריים במשימות ספציפיות:

• סיבוב מפתח בתיבת מנעול: מ-0% הצלחה (עד 100k שעות) ל-90% הצלחה ב-1M שעות .
• פתיחת פקק בקבוק: מ-10% הצלחה ל-40-50% ב-1M שעות, תוך שימוש בכ-10 דקות של נתוני post-training .
• שליפת משקה ממוקדת (עקיבות אחר שפה): שיפור מ**-58% ל-83%** .

פריסה בעולם האמיתי: ייצור ולקוחות

• משימות ייצור דיוק גבוה: שיעורי הצלחה זינקו מ**-20% ל-80-90%** אך ורק על ידי הגדלת קנה המידה של האימון המקדים, ללא שינויים בנתוני post-training .
• פריסה Zero-shot באתר לקוח: DYNA-2 רשם שיעור מעבר איכות של 87% לעומת 46% ל-DYNA-1 – שיפור של 41 נקודות .
• אלגוריתם video co-training העלה ציוני עקיבות אחר הוראות ב-133% במשימות הדורשות תנועות מובחנות בתגובה לפקודות משתמש .

חוק קנה המידה ש-Dyna Robotics גילתה

Dyna Robotics דיווחה על מה שהיא מכנה "חוק קנה המידה האמיתי הראשון ברובוטיקה המופעל כולו על ידי נתוני אדם" . מאפיינים עיקריים:

• חוק קנה מידה להעברת ידע מאדם לרובוט: ככל שכמות הווידאו האגוצנטרי האנושי באימון המקדים גדלה לאורך ארבעה סדרי גודל (1k → 1M שעות), ביצועי הרובוט על חומרת רובוט לא מוכרת השתפרו באופן צפוי, מונוטוני ולוג-ליניארי – דפוס שהחברה מזהה כחוק קנה מידה .
• העברה בין גופים (Cross-embodiment transfer): קנה המידה החזיק מעמד על פני שני גופי רובוט שונים (פלטפורמה דו-זרועית נייחת ואב-טיפוס חצי-הומנואידי) שהמודל מעולם לא ראה במהלך האימון המקדים .
• חיזוי פעולה Zero-shot: הגדלת נתוני הווידאו האנושי שיפרה גם את יכולת המודל לחזות פעולות על נתוני וידאו של רובוט שלא נחשפו (held-out) במהלך האימון .

החברה מצהירה במפורש שזוהי הדגמה "ראשונה מסוגה" לכך שהגדלת נתוני התבוננות אנושיים, לא נתוני פעולה של רובוט, יכולה לשמש כציר אמין לשיפור האינטליגנציה הפיזית של רובוטים .

למה זה חשוב

אם הטענות עומדות באימות בלתי תלוי, Dyna Robotics הראתה דרך מעשית להרחיב את האינטליגנציה הרובוטית ללא צוואר הבקבוק של איסוף נתוני פעולה יקרים של רובוט. וידאו אנושי קיים בהיקף בלתי מוגבל למעשה. החברה אומרת שהיא כבר עובדת לקראת 10 מיליון שעות של נתוני אימון, מה שיאפשר לרובוטים לשלוט במשימות פיזיות חדשות עם שעות בודדות של fine-tuning מקומי .