Hvordan ble DYNA-2 trent?

Datasettets størrelse og kilde

Treningsdatasettet bestod av over 1 000 000 timer med førstepersonsvideo (egocentrisk) – omtrent 170 år sammenhengende våken erfaring . Videoene viste daglige manipulasjonsoppgaver som matlaging, bretting, montering og rengjøring . Ingen robotdata ble brukt under forhåndstreningen; robotdata ble først introdusert i en liten finjusteringsfase, typisk 10 timer eller mindre per oppgave .

Treningsmål

Under forhåndstreningen brukte DYNA-2 et videoprediksjonsmål – å lære å forutsi fremtidige videobilder fra tidligere observasjoner – kombinert med en video-samtreningsalgoritme som samtidig lærer visuelle representasjoner og handlingsprediksjon . Denne tilnærmingen skiller seg fra VLA-arkitekturen i DYNA-1, som direkte kartlegger sansedata til robothandlinger uten videoprediksjon .

Selskapet demonstrerte skalering over fire størrelsesordener, fra 1 000 timer opp til 1 000 000 timer med forhåndstreningsdata .

Ytelsesforbedringer sammenlignet med DYNA-1

Selskapet gjennomførte direkte sammenligninger mellom DYNA-2 og DYNA-1 under like treningsbetingelser og i virkelige miljøer.

Sammenlignende referansetester (7 oppgaver)

• DYNA-2 fullførte oppgaver 1,55 ganger oftere enn den VLA-baserte DYNA-1 .
• I parvise sammenligninger vant DYNA-2 65 % av forsøkene mot DYNA-1s 29 % .

Samlede referanseresultater (14–15 oppgaver på tvers av 3 robotplattformer)

Gjennomsnittlig normalisert ytelse økte monotont med forhåndstreningsskala: 20 % → 28 % → 45 % → 53 % av det oppnåelige maksimumet når dataene ble skalert fra 1k → 10k → 100k → 1M timer . Ved 1M-timer-skalaen oppnådde DYNA-2 den sterkeste reelle ytelsen på 9 av 14 oppgaver . Viktige forbedringer på oppgavenivå inkluderte:

• Nøkkelvending i låsboks: fra 0 % suksess (opp til 100k timer) til 90 % suksess ved 1M timer .
• Skrukorkavløsning: fra 10 % suksess til 40–50 % ved 1M timer, med kun ~10 minutters robotfinjusteringsdata .
• Målrettet drikkehenting (språkforståelse): forbedret fra 58 % til 83 % .

Virkelig produksjon og kundedrift

• Høypresisjonsproduksjonsoppgaver: suksessraten økte fra ~20 % til 80–90 % utelukkende gjennom økt forhåndstreningsskala, uten endringer i finjusteringsdata .
• Nullskuddutplassering hos kunde: DYNA-2 oppnådde en 87 % kvalitetsbeståttgrad sammenlignet med 46 % for DYNA-1 – en 41 poengs forbedring .
• Video-samtreningsalgoritmen løftet instruksjonsfølgingsskårene med 133 % på oppgaver som krevde tydelige bevegelser som svar på brukerkommandoer .

Skaleringsloven Dyna Robotics observerte

Dyna Robotics rapporterte det de kaller 'den første sanne skaleringsloven i robotikk drevet utelukkende av menneskelige data' . Sentrale kjennetegn:

• Overføringsskaleringslov fra menneske til robot: Etter hvert som mengden førstepersonsvideo for forhåndstrening økte over fire størrelsesordener (1k → 1M timer), forbedret robotytelsen seg på usett robotmaskinvare forutsigbart, monotont og log-lineært – et mønster selskapet identifiserer som en skaleringslov .
• Overføring på tvers av robotplattformer: Skaleringen holdt seg på to forskjellige robotplattformer (en stasjonær toarmet plattform og en semi-humanoid prototype) som modellen aldri hadde sett under forhåndstrening .
• Nullskudds handlingsprediksjon: Å skalere menneskelig videodata forbedret også modellens evne til å forutsi handlinger på robotvideodata den aldri hadde sett under trening .

Selskapet uttaler eksplisitt at dette er en 'først-i-sitt-slag' demonstrasjon av at skalering av menneskelige observasjonsdata, ikke robotdata, kan tjene som en pålitelig akse for å forbedre fysisk robotintelligens .

Hvorfor dette betyr noe

Hvis påstandene holder etter uavhengig kontroll, har Dyna Robotics vist en praktisk vei for å skalere robotintelligens uten flaskehalsen med å samle inn kostbar robotdata. Menneskelig video finnes i så godt som ubegrenset mengde. Selskapet jobber allerede mot 10 millioner timer med treningsdata, noe som vil gjøre det mulig for roboter å mestre nye fysiske oppgaver med bare noen få timers lokal finjustering .

Hvordan ble DYNA-2 trent?

Datasettets størrelse og kilde

Treningsdatasettet bestod av over 1 000 000 timer med førstepersonsvideo (egocentrisk) – omtrent 170 år sammenhengende våken erfaring . Videoene viste daglige manipulasjonsoppgaver som matlaging, bretting, montering og rengjøring . Ingen robotdata ble brukt under forhåndstreningen; robotdata ble først introdusert i en liten finjusteringsfase, typisk 10 timer eller mindre per oppgave .

Treningsmål

Under forhåndstreningen brukte DYNA-2 et videoprediksjonsmål – å lære å forutsi fremtidige videobilder fra tidligere observasjoner – kombinert med en video-samtreningsalgoritme som samtidig lærer visuelle representasjoner og handlingsprediksjon . Denne tilnærmingen skiller seg fra VLA-arkitekturen i DYNA-1, som direkte kartlegger sansedata til robothandlinger uten videoprediksjon .

Selskapet demonstrerte skalering over fire størrelsesordener, fra 1 000 timer opp til 1 000 000 timer med forhåndstreningsdata .

Ytelsesforbedringer sammenlignet med DYNA-1

Selskapet gjennomførte direkte sammenligninger mellom DYNA-2 og DYNA-1 under like treningsbetingelser og i virkelige miljøer.

Sammenlignende referansetester (7 oppgaver)

• DYNA-2 fullførte oppgaver 1,55 ganger oftere enn den VLA-baserte DYNA-1 .
• I parvise sammenligninger vant DYNA-2 65 % av forsøkene mot DYNA-1s 29 % .

Samlede referanseresultater (14–15 oppgaver på tvers av 3 robotplattformer)

Gjennomsnittlig normalisert ytelse økte monotont med forhåndstreningsskala: 20 % → 28 % → 45 % → 53 % av det oppnåelige maksimumet når dataene ble skalert fra 1k → 10k → 100k → 1M timer . Ved 1M-timer-skalaen oppnådde DYNA-2 den sterkeste reelle ytelsen på 9 av 14 oppgaver . Viktige forbedringer på oppgavenivå inkluderte:

• Nøkkelvending i låsboks: fra 0 % suksess (opp til 100k timer) til 90 % suksess ved 1M timer .
• Skrukorkavløsning: fra 10 % suksess til 40–50 % ved 1M timer, med kun ~10 minutters robotfinjusteringsdata .
• Målrettet drikkehenting (språkforståelse): forbedret fra 58 % til 83 % .

Virkelig produksjon og kundedrift

• Høypresisjonsproduksjonsoppgaver: suksessraten økte fra ~20 % til 80–90 % utelukkende gjennom økt forhåndstreningsskala, uten endringer i finjusteringsdata .
• Nullskuddutplassering hos kunde: DYNA-2 oppnådde en 87 % kvalitetsbeståttgrad sammenlignet med 46 % for DYNA-1 – en 41 poengs forbedring .
• Video-samtreningsalgoritmen løftet instruksjonsfølgingsskårene med 133 % på oppgaver som krevde tydelige bevegelser som svar på brukerkommandoer .

Skaleringsloven Dyna Robotics observerte

Dyna Robotics rapporterte det de kaller 'den første sanne skaleringsloven i robotikk drevet utelukkende av menneskelige data' . Sentrale kjennetegn:

• Overføringsskaleringslov fra menneske til robot: Etter hvert som mengden førstepersonsvideo for forhåndstrening økte over fire størrelsesordener (1k → 1M timer), forbedret robotytelsen seg på usett robotmaskinvare forutsigbart, monotont og log-lineært – et mønster selskapet identifiserer som en skaleringslov .
• Overføring på tvers av robotplattformer: Skaleringen holdt seg på to forskjellige robotplattformer (en stasjonær toarmet plattform og en semi-humanoid prototype) som modellen aldri hadde sett under forhåndstrening .
• Nullskudds handlingsprediksjon: Å skalere menneskelig videodata forbedret også modellens evne til å forutsi handlinger på robotvideodata den aldri hadde sett under trening .

Selskapet uttaler eksplisitt at dette er en 'først-i-sitt-slag' demonstrasjon av at skalering av menneskelige observasjonsdata, ikke robotdata, kan tjene som en pålitelig akse for å forbedre fysisk robotintelligens .

Hvorfor dette betyr noe

Hvis påstandene holder etter uavhengig kontroll, har Dyna Robotics vist en praktisk vei for å skalere robotintelligens uten flaskehalsen med å samle inn kostbar robotdata. Menneskelig video finnes i så godt som ubegrenset mengde. Selskapet jobber allerede mot 10 millioner timer med treningsdata, noe som vil gjøre det mulig for roboter å mestre nye fysiske oppgaver med bare noen få timers lokal finjustering .