Robotlara İnsan Videosuyla Eğitim: DYNA-2 ve Çığır Açan Ölçekleme Yasası

DYNA-2 Nasıl Eğitildi?

Veri Kümesi Boyutu ve Kaynağı

Eğitim veri kümesi, 1.000.000 saatten fazla birinci şahıs (egosentrik) insan videosundan oluşuyordu; bu da kabaca 170 yıllık sürekli uyanık deneyime eşdeğer . Videolar, yemek pişirme, katlama, montaj ve temizlik gibi günlük manipülasyon görevlerini içeriyordu . Ön eğitim sırasında hiçbir robot eylem verisi kullanılmadı; robot verileri yalnızca, görev başına genellikle 10 saat veya daha az olan küçük bir son eğitim veya ince ayar aşamasında devreye sokuldu .

Eğitim Hedefleri

Ön eğitim sırasında DYNA-2, video tahmin hedefini kullandı; yani geçmiş gözlemlerden gelecekteki video karelerini tahmin etmeyi öğrendi. Bu, görsel temsilleri ve eylem tahminini ortaklaşa öğrenen bir video ortak eğitim algoritması ile birleştirildi . Bu yaklaşım, ara video tahmini olmadan algıyı doğrudan robot eylemlerine dönüştüren DYNA-1'in VLA mimarisinin tam tersi bir yöntemdir .

Şirket, ölçeklendirmeyi 1.000 saatten 1.000.000 saate kadar dört büyüklük sırası boyunca gösterdi .

DYNA-1'e Göre Performans İyileştirmeleri

Şirket, DYNA-2 ve DYNA-1 arasında eşleşen eğitim koşulları ve gerçek dünya dağıtımları altında doğrudan karşılaştırmalar yaptı.

Birebir Karşılaştırmalı Test (7 görev)

• DYNA-2, VLA tabanlı DYNA-1'e göre görevleri 1,55 kat daha sık tamamladı .
• İkili karşılaştırmalarda, DYNA-2 denemelerin %65'ini kazanırken DYNA-1'in kazanma oranı %29'da kaldı .

Toplu Kıyaslama Sonuçları (3 robot gövdesinde 14-15 görev)

Ön eğitim ölçeği arttıkça normalleştirilmiş ortalama performans düzenli bir artış gösterdi: 1k → 10k → 100k → 1M saat ölçeğinde ulaşılabilir maksimum değerin sırasıyla %20 → %28 → %45 → %53'üne ulaşıldı . 1 milyon saatlik ölçekte DYNA-2, 14 görevin 9'unda en güçlü gerçek dünya performansını elde etti . Önemli görev bazında iyileştirmeler şunları içeriyor:

• Kilitli Kutu Anahtar Çevirme: (100k saate kadar) %0 başarıdan 1 milyon saatte %90 başarıya yükseldi .
• Şişe Kapağı Açma: %10 başarıdan 1 milyon saatte %40-50 seviyesine çıktı; bunun için sadece ~10 dakikalık robot son eğitim verisi kullanıldı .
• Hedefli İçecek Alma (dil takibi): %58'den %83'e yükseldi .

Gerçek Dünya Üretim ve Müşteri Dağıtımı

• Yüksek hassasiyetli üretim görevleri: Başarı oranları, son eğitim verilerinde herhangi bir değişiklik yapılmadan, yalnızca ön eğitim ölçeğinin artırılmasıyla ~%20'den %80-90'a sıçradı .
• Bir müşteri sahasında sıfır-şut dağıtım: DYNA-2, %87 kalite geçiş oranı kaydederken DYNA-1'in oranı %46 olarak gerçekleşti; bu 41 puanlık bir iyileşme anlamına geliyor .
• Video ortak eğitim algoritması, kullanıcı komutlarına yanıt olarak farklı hareketler gerektiren görevlerde talimat takip puanlarını %133 oranında artırdı .

Dyna Robotics'in Gözlemlediği Ölçekleme Yasası

Dyna Robotics, "tamamen insan verisiyle çalışan robotikteki ilk gerçek ölçekleme yasası" olarak adlandırdığı bir bulguyu raporladı . Temel özellikler:

• İnsandan robot'a aktarım ölçekleme yasası: Egosentrik insan videosu ön eğitiminin miktarı dört büyüklük sırası (1k → 1M saat) boyunca arttıkça, daha önce hiç görülmemiş robot donanımlarındaki performans tahmin edilebilir, düzenli ve log-doğrusal bir şekilde iyileşti; şirket bunu bir ölçekleme yasası olarak tanımlıyor .
• Çapraz gövde aktarımı: Ölçekleme, ön eğitim sırasında modelin hiç görmediği iki farklı robot gövdesinde (sabit çift kollu bir platform ve yarı insansı bir prototip) geçerliliğini korudu .
• Sıfır-şut eylem tahmini: İnsan videosu verilerini ölçeklendirmek, eğitim sırasında hiç gösterilmeyen saklı tutulan robot video verileri üzerinde eylemleri tahmin etme yeteneğini de geliştirdi .

Şirket, bunun, pahalı robot eylem verileri toplama darboğazı olmadan fiziksel robot zekasını geliştirmek için güvenilir bir eksen olarak insan gözlem verilerini ölçeklendirmenin "türünün ilk örneği" bir gösterim olduğunu açıkça belirtiyor .

Bu Neden Önemli?

Bu iddialar bağımsız doğrulamayla desteklenirse, Dyna Robotics robot zekasını ölçeklendirmek için pahalı robot eylem verileri toplama darboğazı olmadan pratik bir yol göstermiş olacak. İnsan videosu, etkili bir şekilde sınırsız ölçekte mevcut. Şirket, robotların yeni fiziksel görevlerde yalnızca saatler süren yerel ince ayarla ustalaşmasını sağlayacak olan 10 milyon saatlik eğitim verisine doğru ilerlediklerini söylüyor .