DYNA-2: Robot Diajar Guna 1 Juta Jam Video Manusia — Hasilnya Menakjubkan

Objektif Latihan

Semasa pra-latihan, DYNA-2 menggunakan objektif ramalan video — belajar meramal bingkai video masa depan daripada pemerhatian lepas — digabungkan dengan algoritma ko-latihan video yang secara bersama mempelajari perwakilan visual dan ramalan tindakan . Pendekatan ini berbeza dengan arkitektur VLA DYNA-1 yang memetakan persepsi terus kepada tindakan robot tanpa ramalan video perantaraan .

Syarikat menunjukkan penskalaan merentasi empat urutan magnitud, daripada 1,000 jam sehingga 1,000,000 jam data pra-latihan .

Peningkatan Prestasi Berbanding DYNA-1

Syarikat menjalankan perbandingan langsung antara DYNA-2 dan DYNA-1 dalam keadaan latihan yang sama dan penggunaan dunia sebenar.

Ujian Penanda Aras Perbandingan (7 tugas)

• DYNA-2 menyelesaikan tugas 1.55 kali lebih kerap daripada DYNA-1 berasaskan VLA .
• Dalam perbandingan berpasangan, DYNA-2 memenangi 65% percubaan berbanding 29% untuk DYNA-1 .

Keputusan Penanda Aras Agregat (14–15 tugas merentasi 3 jenis robot)

Prestasi normal min meningkat secara monoton dengan skala pra-latihan: 20% → 28% → 45% → 53% daripada maksimum yang boleh dicapai apabila data diskalakan daripada 1k → 10k → 100k → 1M jam . Pada skala 1M jam, DYNA-2 mencapai prestasi dunia sebenar terkuat pada 9 daripada 14 tugas . Peningkatan utama termasuk:

• Membuka Kunci Kotak Kunci: daripada 0% kejayaan (sehingga 100k jam) kepada 90% kejayaan pada 1M jam .
• Membuka Penutup Botol: daripada 10% kejayaan kepada 40–50% pada 1M jam, menggunakan hanya ~10 minit data pasca-latihan robot .
• Pengambilan Minuman Sasaran (ikut arahan): meningkat daripada 58% kepada 83% .

Penggunaan Dunia Sebenar dalam Pembuatan dan Pelanggan

• Tugas pembuatan ketepatan tinggi: kadar kejayaan melonjak daripada ~20% kepada 80–90% semata-mata melalui peningkatan skala pra-latihan, tanpa perubahan pada data pasca-latihan .
• Penggunaan sifar-shot di tapak pelanggan: DYNA-2 mencapai kadar lulus kualiti 87% berbanding 46% untuk DYNA-1 — peningkatan 41 mata .
• Algoritma ko-latihan video meningkatkan skor ikut arahan sebanyak 133% pada tugas yang memerlukan pergerakan berbeza sebagai respons kepada arahan pengguna .

Hukum Penskalaan yang Diperhatikan oleh Dyna Robotics

Dyna Robotics melaporkan apa yang dipanggil "hukum penskalaan sebenar pertama dalam robotik yang dikuasakan sepenuhnya oleh data manusia" . Ciri-ciri utama:

• Hukum penskalaan pemindahan manusia-ke-robot: Apabila jumlah pra-latihan video manusia egosentrik meningkat merentasi empat urutan magnitud (1k → 1M jam), prestasi robot pada perkakasan robot yang tidak pernah dilihat sebelumnya meningkat secara boleh ramal, monoton, dan log-linear — corak yang dikenal pasti syarikat sebagai hukum penskalaan .
• Pemindahan merentasi jenis robot: Penskalaan berlaku merentasi dua jenis robot berbeza (platform dua tangan pegun dan prototaip separa humanoid) yang tidak pernah dilihat oleh model semasa pra-latihan .
• Ramalan tindakan sifar-shot: Meningkatkan data video manusia juga meningkatkan keupayaan model untuk meramal tindakan pada data video robot terpencil yang tidak pernah ditunjukkan semasa latihan .

Syarikat secara jelas menyatakan bahawa ini adalah demonstrasi "pertama seumpamanya" bahawa penskalaan data pemerhatian manusia, bukan data tindakan robot, boleh menjadi paksi yang boleh dipercayai untuk meningkatkan kecerdasan robot fizikal .

Mengapa Ini Penting

Jika dakwaan ini terbukti benar melalui pengesahan bebas, Dyna Robotics telah menunjukkan laluan praktikal untuk menskalakan kecerdasan robot tanpa masalah kekangan data tindakan robot yang mahal untuk dikumpul. Video manusia wujud pada skala yang hampir tidak terhad. Syarikat itu berkata mereka sedang berusaha ke arah 10 juta jam data latihan, yang akan membolehkan robot menguasai tugas fizikal baharu dengan hanya beberapa jam penalaan halus tempatan .