DYNA-2: 인간 영상 100만 시간으로 훈련된 로봇 파운데이션 모델

DYNA-2의 훈련 방식

데이터셋 규모와 출처

훈련 데이터셋은 100만 시간 이상의 1인칭(egocentric) 인간 비디오로 구성되었으며, 이는 약 170년에 달하는 연속적인 깨어있는 경험에 해당합니다 . 영상은 요리, 접기, 조립, 청소 등 일상적인 조작 작업을 담고 있습니다 . 사전 훈련 중에는 로봇 행동 데이터가 전혀 사용되지 않았으며, 로봇 데이터는 소량의 포스트 훈련 또는 미세 조정 단계에서만 도입되었습니다(보통 작업당 10시간 이하) .

훈련 목표

사전 훈련 중 DYNA-2는 비디오 예측 목표(과거 관찰에서 미래 비디오 프레임 예측 학습)와 비디오 공동 훈련 알고리즘(시각적 표현과 행동 예측을 공동으로 학습)을 사용했습니다 . 이 접근 방식은 중간 비디오 예측 없이 지각을 로봇 동작에 직접 매핑하는 DYNA-1의 VLA 아키텍처와 대조됩니다 .

회사는 사전 훈련 데이터를 1,000시간에서 100만 시간까지 4차 규모(orders of magnitude) 에 걸쳐 확장하는 데모를 선보였습니다 .

DYNA-1 대비 성능 향상

회사는 동일한 훈련 조건과 실제 환경 배치에서 DYNA-2와 DYNA-1을 직접 비교했습니다.

1:1 벤치마크 테스트 (7개 과제)

• DYNA-2는 VLA 기반 DYNA-1보다 1.55배 더 자주 과제를 완료했습니다 .
• 쌍대 비교에서 DYNA-2는 DYNA-1의 29% 대비 65%의 시도에서 승리했습니다 .

종합 벤치마크 결과 (3가지 로봇 유형, 14~15개 과제)

정규화된 평균 성능은 사전 훈련 규모에 따라 단조롭게 증가했습니다: 1,000시간 → 20%, 10,000시간 → 28%, 100,000시간 → 45%, 100만 시간 → 53% . 100만 시간 규모에서 DYNA-2는 14개 과제 중 9개에서 가장 강력한 실제 성능을 달성했습니다 . 주요 과제별 개선 사항은 다음과 같습니다:

• 잠금 상자 열쇠 돌리기: (최대 10만 시간까지) 0% 성공 → 100만 시간에서 90% 성공 .
• 병뚜껑 열기: 10% 성공 → 100만 시간에서 40~50%, 약 10분의 로봇 포스트 훈련 데이터만 사용 .
• 목표 음료 가져오기(언어 명령 따르기): 58%에서 83% 로 향상 .

실제 제조 현장 및 고객 배치

• 고정밀 제조 작업: 포스트 훈련 데이터 변경 없이 사전 훈련 규모 증가만으로 성공률이 약 20%에서 80~90% 로 급등 .
• 고객 현장 제로샷 배치: DYNA-2는 87%의 품질 합격률을 기록한 반면, DYNA-1은 46% 에 그쳐 41%포인트 향상 .
• 비디오 공동 훈련 알고리즘은 사용자 명령에 따라 구별된 동작이 필요한 과제에서 명령 수행 점수를 133% 향상시켰습니다 .

다이나 로보틱스가 관찰한 스케일링 법칙

다이나 로보틱스는 "전적으로 인간 데이터로 구동되는 로봇 공학 최초의 진정한 스케일링 법칙" 이라고 주장하는 현상을 보고했습니다 . 주요 특징은 다음과 같습니다:

• 인간-로봇 전이 스케일링 법칙: 1인칭 인간 비디오 사전 훈련 양이 4차 규모(1,000시간 → 100만 시간)에 걸쳐 증가함에 따라, 본 적 없는 로봇 하드웨어에서의 로봇 성능이 예측 가능하고, 단조롭게, 로그-선형적으로 향상되었습니다 .
• 교차-형태 전이(Cross-embodiment transfer): 이러한 스케일링은 사전 훈련 중 모델이 전혀 본 적 없는 두 가지 다른 로봇 형태(고정형 양팔 플랫폼과 반휴머노이드 프로토타입)에서도 유지되었습니다 .
• 제로샷 행동 예측: 인간 비디오 데이터의 확장은 훈련 중 전혀 보여주지 않았던 보류된 로봇 비디오 데이터에 대한 모델의 행동 예측 능력도 향상시켰습니다 .

회사는 이것이 로봇 행동 데이터가 아닌 인간 관찰 데이터의 확장이 물리적 로봇 지능 향상을 위한 신뢰할 수 있는 축이 될 수 있음을 보여주는 "최초의 사례" 라고 명시적으로 밝히고 있습니다 .

이것이 중요한 이유

이러한 주장이 독립적인 검증을 통해 확인된다면, 다이나 로보틱스는 비용이 많이 드는 로봇 행동 데이터 수집이라는 병목 현상 없이 로봇 지능을 확장할 수 있는 실용적인 경로를 제시한 것입니다. 인간 비디오는 사실상 무제한적인 규모로 존재합니다. 회사는 이미 1,000만 시간의 훈련 데이터를 목표로 작업 중이며, 이를 통해 로봇이 단 몇 시간의 현지 미세 조정만으로 새로운 물리적 작업을 마스터할 수 있게 될 것이라고 밝혔습니다 .