DYNA-2: Robot, który uczy się od ludzi — przełom Dyna Robotics

Jak trenowano DYNA-2

Rozmiar i źródło zbioru danych

Zbiór treningowy składał się z ponad 1 000 000 godzin egocentrycznego (nagranego z głowy) wideo ludzkiego — co odpowiada około 170 latom ciągłego czuwania . Nagrania przedstawiały codzienne czynności manipulacyjne, takie jak gotowanie, składanie, montaż i sprzątanie . Podczas wstępnego treningu nie użyto żadnych danych z robotów; dane z robotów wprowadzono dopiero w małej fazie dodatkowego treningu (post-training), zwykle 10 godzin lub mniej na zadanie .

Cele treningu

Podczas wstępnego treningu DYNA-2 używał predykcji wideo — uczył się przewidywać przyszłe klatki na podstawie przeszłych obserwacji — w połączeniu z algorytmem współtrenowania wideo, który uczy się jednocześnie reprezentacji wizualnych i przewidywania działań . To podejście kontrastuje z architekturą VLA modelu DYNA-1, która bezpośrednio odwzorowuje percepcję na działania robota bez pośredniej predykcji wideo .

Firma wykazała skalowanie na czterech rzędach wielkości, od 1 000 do 1 000 000 godzin danych wstępnego treningu .

Poprawa wydajności względem DYNA-1

Firma przeprowadziła bezpośrednie porównania między DYNA-2 a DYNA-1 w identycznych warunkach treningowych i rzeczywistych wdrożeniach.

Testy porównawcze (7 zadań)

• DYNA-2 wykonywał zadania 1,55 razy częściej niż VLA-based DYNA-1 .
• W parach porównawczych DYNA-2 wygrywał 65% prób wobec 29% dla DYNA-1 .

Zagregowane wyniki (14–15 zadań na 3 typach robotów)

Średnia znormalizowana wydajność rosła monotonicznie wraz ze skalą wstępnego treningu: 20% → 28% → 45% → 53% maksymalnego osiągalnego wyniku, przy danych rosnących z 1k → 10k → 100k → 1M godzin . Przy skalii 1M godzin DYNA-2 osiągnął najlepsze wyniki w rzeczywistych warunkach w 9 z 14 zadań . Kluczowe ulepszenia w poszczególnych zadaniach:

• Otwieranie zamka szyfrowego (lockbox): z 0% sukcesu (do 100k godzin) do 90% sukcesu przy 1M godzin .
• Odkręcanie nakrętki butelki: z 10% sukcesu do 40–50% przy 1M godzin, używając tylko ~10 minut danych dodatkowego treningu z robota .
• Docelowe pobieranie napoju (na podstawie poleceń językowych): poprawa z 58% do 83% .

Rzeczywiste wdrożenia produkcyjne i u klienta

• Zadania produkcyjne o wysokiej precyzji: wskaźniki sukcesu wzrosły z ~20% do 80–90% wyłącznie dzięki zwiększeniu skali wstępnego treningu, bez zmian w danych dodatkowego treningu .
• Wdrożenie zeroshot u klienta: DYNA-2 osiągnął 87% wskaźnik jakości w porównaniu do 46% dla DYNA-1 — poprawa o 41 punktów procentowych .
• Algorytm współtrenowania wideo podniósł wyniki podążania za instrukcjami o 133% w zadaniach wymagających różnych ruchów w odpowiedzi na polecenia użytkownika .

Odkryte prawo skalowania

Dyna Robotics ogłosiła odkrycie „pierwszego prawdziwego prawa skalowania w robotyce opartego wyłącznie na ludzkich danych” . Kluczowe cechy:

• Prawo skalowania transferu człowiek-robot: Wraz ze wzrostem ilości egocentrycznego wideo ludzkiego w wstępnym treningu przez cztery rzędy wielkości (1k → 1M godzin), wydajność robota na nieznanym sprzęcie poprawiała się przewidywalnie, monotonicznie i log-liniowo — wzór, który firma identyfikuje jako prawo skalowania .
• Transfer między różnymi konstrukcjami robotów: Skalowanie utrzymało się na dwóch różnych typach robotów (stacjonarny bimanipulator i prototyp półhumanoidalny), które model nigdy nie widział podczas wstępnego treningu .
• Zeroshotowa predykcja działań: Skalowanie ludzkich danych wideo poprawiło również zdolność modelu do przewidywania działań na nigdy nie widzianych danych wideo z robotów, które nie były pokazywane podczas treningu .

Firma wyraźnie stwierdza, że jest to „pierwszy tego rodzaju” dowód na to, że skalowanie ludzkich danych obserwacyjnych, a nie danych z działań robotów, może być wiarygodną osią poprawy inteligencji fizycznej robotów .

Dlaczego to ma znaczenie

Jeśli twierdzenia wytrzymają niezależną weryfikację, Dyna Robotics pokazała praktyczną ścieżkę skalowania inteligencji robotów bez wąskiego gardła, jakim jest zbieranie kosztownych danych z ruchów robotów. Ludzkie nagrania wideo istnieją w praktycznie nieograniczonej ilości. Firma informuje, że już pracuje nad zbiorem 10 milionów godzin danych treningowych, co pozwoliłoby robotom opanować nowe fizyczne zadania w zaledwie kilka godzin lokalnego dostrajania .