DYNA-2: Robot Belajar Manipulasi Objek dengan Menonton 1 Juta Jam Video Manusia

Arkitek World-Action Model: Ramalan Video Berbanding Peniruan Tindakan

Arkitek DYNA-2 dibina atas penjanaan video dan bukannya penyesuai Vision-Language-Action (VLA) yang mendominasi bidang robotik . Semasa pra-latihan, model ini menjalankan dwi-objektif: ia meramal kedua-dua bingkai video seterusnya dan tindakan seterusnya daripada korpus video manusia . Ini membolehkan model membina pemahaman dalaman tentang fizik sentuhan dan penaakulan ruang — mempelajari hubungan sebab-akibat antara tindakan dan kesan fizikalnya — yang boleh dipindahkan merentas pelbagai jenis robot tanpa pernah melihat robot semasa pra-latihan .

Korpus pra-latihan: Syarikat itu membina empat subset video manusia egosentrik — 1,000, 10,000, 100,000, dan 1,000,000 jam — dengan tiada data tindakan robot digunakan semasa pra-latihan . Selepas pra-latihan, model ditala halus dengan jumlah data robot sebenar yang agak kecil (jam atau bahkan minit) untuk memindahkan gerak hati fizikal yang dipelajari kepada perkakasan tertentu .

Undang-undang Skala Pemindahan Manusia-ke-Robot yang Pertama

Dyna Robotics melaporkan apa yang dipanggil sebagai undang-undang skala pemindahan rentas-embodi pertama dalam manipulasi . Penemuan ini signifikan kerana ia menunjukkan bahawa meningkatkan data video manusia menghasilkan peningkatan yang boleh diramal dan monoton dalam prestasi robot — mencerminkan undang-undang skala yang mengubah model bahasa berskala besar.

• Undang-undang skala pada data manusia: Merentas keempat-empat susunan magnitud (1K → 10K → 100K → 1M jam), semua metrik kualiti ramalan video meningkat secara monoton, digambarkan dengan baik oleh undang-undang kuasa dengan tiada dataran tinggi diperhatikan .

• Undang-undang berpindah ke data robot yang tidak pernah dilihat: Titik semak yang sama diuji tanpa latihan (zero-shot) pada 39 tugasan robot berbeza merentas dua platform dwi-lengan pegun. Prestasi meningkat secara monoton apabila kumpulan video manusia pra-latihan berkembang, sebelum sebarang talaan halus khusus robot . Satu analisis menunjukkan bahawa dengan menetapkan data berlabel tindakan pada 50,000 jam dan menambah jam video sahaja, MSE tindakan robot zero-shot menurun daripada 0.340 kepada 0.120 .

• Penskalaan prestasi selepas latihan: Selepas latihan pasca, skor normal min merentas 14 tugasan robot meningkat daripada 20% → 28% → 45% → 53% daripada maksimum yang boleh dicapai apabila skala pra-latihan meningkat daripada 1K kepada 1M jam .

Peningkatan Kadar Kejayaan Tugasan

Peningkatan prestasi DYNA-2 paling ketara dalam tiga bidang utama:

• Pembuatan ketepatan tinggi: DYNA-2 meningkatkan kadar kejayaan tugasan daripada kira-kira 20% kepada 80–90% melalui peningkatan skala pra-latihan sahaja, tanpa sebarang perubahan pada data pasca-latihan . Ini adalah peningkatan 4x hingga 4.5x semata-mata daripada menonton lebih banyak video manusia.

• Pelaksanaan pelanggan tanpa latihan (zero-shot): Di tapak pelanggan sebenar, DYNA-2 mencapai kadar lulus kualiti 87%, berbanding 46% untuk pendahulunya DYNA-1 yang berasaskan VLA — peningkatan 41 mata di bawah belanjawan pasca-latihan yang setara . Dalam penilaian fizikal secara langsung dengan keadaan latihan yang sama, DYNA-2 menyelesaikan tugasan 1.55 kali lebih kerap daripada DYNA-1 dan memenangi 65% perbandingan langsung .

• Memulas penutup botol (13 minit data): Dengan hanya 13 minit data demonstrasi khusus robot, DYNA-2 diadaptasi untuk mengawal sepasang tangan robotik lima jari bagi memulas penutup botol . Laporan teknikal syarikat menjelaskan angka itu adalah kira-kira 10 minit data robot, dengan skala pra-latihan meningkatkan kejayaan daripada 10% pada belanjawan lebih kecil kepada 40–50% pada belanjawan penuh 1M jam .

Implikasi untuk Masa Depan Robotik

Keputusan DYNA-2 mencabar andaian lazim bahawa robot memerlukan jumlah data robot khusus tugasan yang besar. Dengan menunjukkan undang-undang skala yang berpindah dari video manusia ke perkakasan robot, Dyna Robotics membuka laluan praktikal ke arah 10 juta jam data latihan — berpotensi membolehkan robot menguasai tugasan fizikal baharu dengan hanya beberapa jam talaan halus tempatan . Model ini kini beroperasi sebagai sistem yang dikendalikan oleh vendor; Dyna Robotics belum mengumumkan titik semak awam, API, atau lesen untuk DYNA-2 . Replikasi bebas oleh komuniti penyelidikan robotik akan menjadi langkah seterusnya dalam mengesahkan keputusan ini .