DYNA-2: जब रोबोट ने 10 लाख घंटे इंसानों को देखकर सीखा — और खोजा एक नया स्केलिंग लॉ

DYNA-2 को कैसे ट्रेन किया गया

डेटासेट का आकार और स्रोत

प्रशिक्षण डेटासेट में 10 लाख घंटे से अधिक का एगोसेंट्रिक (फर्स्ट-पर्सन) इंसानी वीडियो शामिल था — जो लगातार जागने के लगभग 170 साल के अनुभव के बराबर है । वीडियो में रोज़ाना के काम जैसे खाना पकाना, कपड़े मोड़ना, चीज़ें जोड़ना और सफाई करना कैद किया गया था । प्री-ट्रेनिंग के दौरान किसी भी रोबोट एक्शन डेटा का उपयोग नहीं किया गया; रोबोट डेटा केवल एक छोटे पोस्ट-ट्रेनिंग या फाइन-ट्यूनिंग चरण में पेश किया गया, आमतौर पर प्रति कार्य 10 घंटे या उससे कम ।

प्रशिक्षण उद्देश्य

प्री-ट्रेनिंग के दौरान, DYNA-2 ने एक वीडियो प्रेडिक्शन ऑब्जेक्टिव का उपयोग किया — पिछले ऑब्ज़र्वेशन से भविष्य के वीडियो फ्रेम की भविष्यवाणी करना सीखना — एक वीडियो को-ट्रेनिंग एल्गोरिदम के साथ संयुक्त रूप से जो विज़ुअल रिप्रेजेंटेशन और एक्शन प्रेडिक्शन को संयुक्त रूप से सीखता है । यह दृष्टिकोण DYNA-1 के VLA आर्किटेक्चर के विपरीत है, जो मध्यवर्ती वीडियो भविष्यवाणी के बिना सीधे परसेप्शन को रोबोट एक्शन में मैप करता है ।

कंपनी ने प्री-ट्रेनिंग डेटा के 1,000 घंटे से लेकर 10 लाख घंटे तक, चार ऑर्डर ऑफ मैग्नीट्यूड में स्केलिंग का प्रदर्शन किया ।

DYNA-1 की तुलना में प्रदर्शन सुधार

कंपनी ने मिलान प्रशिक्षण स्थितियों और वास्तविक दुनिया की तैनाती के तहत DYNA-2 और DYNA-1 के बीच सीधे आमने-सामने की तुलना की।

आमने-सामने बेंचमार्क परीक्षण (7 कार्य)

• DYNA-2 ने VLA-आधारित DYNA-1 की तुलना में 1.55 गुना अधिक बार कार्य पूरे किए ।
• जोड़ीदार तुलनाओं में, DYNA-2 ने DYNA-1 के 29% की तुलना में 65% परीक्षण जीते ।

समग्र बेंचमार्क परिणाम (3 रोबोट एम्बॉडीमेंट पर 14-15 कार्य)

मीन नॉर्मलाइज़्ड परफॉरमेंस प्री-ट्रेनिंग स्केल के साथ लगातार बढ़ी: 20% → 28% → 45% → 53% जैसे-जैसे डेटा 1k → 10k → 100k → 1M घंटे से बढ़ा । 1M-घंटे के स्केल पर, DYNA-2 ने 14 कार्यों में से 9 पर सबसे मजबूत वास्तविक दुनिया का प्रदर्शन हासिल किया । प्रमुख कार्य-स्तर के सुधारों में शामिल हैं:

• लॉकबॉक्स की चाबी घुमाना: 0% सफलता (100k घंटे तक) से 90% सफलता 1M घंटे पर ।
• बोतल का ढक्कन खोलना: 10% सफलता से बढ़कर 1M घंटे पर 40-50% हुआ, जिसमें केवल ~10 मिनट का रोबोट पोस्ट-ट्रेनिंग डेटा इस्तेमाल हुआ ।
• लक्षित पेय प्राप्ति (भाषा अनुसरण): 58% से 83% तक सुधार ।

वास्तविक दुनिया में विनिर्माण और ग्राहक तैनाती

• हाई-प्रिसिज़न मैन्युफैक्चरिंग कार्य: पोस्ट-ट्रेनिंग डेटा में किसी भी बदलाव के बिना, पूरी तरह से प्री-ट्रेनिंग स्केल बढ़ाने से सफलता दर ~20% से 80-90% हो गई ।
• ग्राहक साइट पर ज़ीरो-शॉट तैनाती: DYNA-2 ने 87% क्वालिटी पास रेट दर्ज किया, जबकि DYNA-1 ने 46% — यानी 41 अंकों का सुधार ।
• वीडियो को-ट्रेनिंग एल्गोरिदम ने उन कार्यों पर इंस्ट्रक्शन-फ़ॉलोइंग स्कोर को 133% तक बढ़ा दिया, जिनमें यूज़र कमांड के जवाब में अलग-अलग हरकतों की ज़रूरत होती है ।

Dyna Robotics द्वारा देखा गया स्केलिंग लॉ

Dyna Robotics ने वह रिपोर्ट किया जिसे वह "पूरी तरह से इंसानी डेटा द्वारा संचालित रोबोटिक्स में पहला सच्चा स्केलिंग लॉ" कहता है । प्रमुख विशेषताएं:

• ह्यूमन-टू-रोबोट ट्रांसफर स्केलिंग लॉ: जैसे-जैसे एगोसेंट्रिक इंसानी वीडियो प्री-ट्रेनिंग की मात्रा चार ऑर्डर ऑफ मैग्नीट्यूड (1k → 1M घंटे) में बढ़ी, अनदेखे रोबोट हार्डवेयर पर रोबोट का प्रदर्शन अनुमानित, लगातार और लॉग-लीनियर तरीके से बेहतर हुआ — एक पैटर्न जिसे कंपनी स्केलिंग लॉ के रूप में पहचानती है ।
• क्रॉस-एम्बॉडीमेंट ट्रांसफर: स्केलिंग दो अलग-अलग रोबोट एम्बॉडीमेंट (एक स्थिर बाइमैनुअल प्लेटफॉर्म और एक सेमी-ह्यूमनॉइड प्रोटोटाइप) पर लागू हुई, जिसे मॉडल ने प्री-ट्रेनिंग के दौरान कभी नहीं देखा था ।
• ज़ीरो-शॉट एक्शन प्रेडिक्शन: इंसानी वीडियो डेटा को स्केल करने से हैल्ड-आउट रोबोट वीडियो डेटा पर एक्शन की भविष्यवाणी करने की मॉडल की क्षमता में भी सुधार हुआ, जो प्रशिक्षण के दौरान कभी नहीं दिखाया गया था ।

कंपनी स्पष्ट रूप से कहती है कि यह एक "अपनी तरह का पहला" प्रदर्शन है कि रोबोट एक्शन डेटा के बजाय इंसानी ऑब्ज़र्वेशनल डेटा को स्केल करना भौतिक रोबोट इंटेलिजेंस को बेहतर बनाने के लिए एक विश्वसनीय अक्ष के रूप में काम कर सकता है ।

यह क्यों मायने रखता है

यदि दावे स्वतंत्र सत्यापन पर खरे उतरते हैं, तो Dyna Robotics ने महंगे रोबोट एक्शन डेटा इकट्ठा करने की बाधा के बिना रोबोट इंटेलिजेंस को स्केल करने का एक व्यावहारिक रास्ता दिखाया है। इंसानी वीडियो प्रभावी रूप से असीमित पैमाने पर मौजूद है। कंपनी का कहना है कि वह पहले से ही 10 मिलियन घंटे के प्रशिक्षण डेटा की दिशा में काम कर रही है, जो रोबोटों को सिर्फ कुछ घंटों के स्थानीय फाइन-ट्यूनिंग के साथ नए भौतिक कार्यों में महारत हासिल करने में सक्षम बनाएगा ।