仅凭 100 万小时人类视频训练机器人，还意外发现了尺度定律？

DYNA-2 是如何训练的？

数据集规模与来源

训练数据集包含超过 1,000,000 小时的以自我为中心（第一人称）的人类视频——这大致相当于 170 年连续的清醒经历 。视频内容涵盖了烹饪、折叠、组装、清洁等日常操作任务 。预训练阶段完全没有使用机器人动作数据；机器人数据仅在少量后训练或微调阶段引入，通常每个任务不超过 10 小时 。

训练目标

在预训练中，DYNA-2 采用了视频预测目标——即从过去的观察中学习预测未来的视频帧——并结合了一个视频协同训练算法，该算法同时学习视觉表征和动作预测 。这种方法与 DYNA-1 的 VLA 架构形成对比，后者直接将感知映射到机器人动作，而不经过中间视频预测步骤 。

公司在四个数量级（从 1,000 小时到 1,000,000 小时）上展示了尺度扩展能力 。

相较于 DYNA-1 的性能提升

公司在匹配的训练条件和实际部署中对 DYNA-2 与 DYNA-1 进行了直接对比。

面对面基准测试（7 项任务）

• 在匹配的训练条件下，DYNA-2 完成任务的成功率是 VLA 基础的 DYNA-1 的 1.55 倍 。
• 在成对比较中，DYNA-2 在 65% 的试验中胜出，而 DYNA-1 为 29% 。

综合基准结果（跨 3 种机器人形态的 14-15 项任务）

平均归一化性能随预训练规模的扩大而单调提升：从 1,000 小时到 100 万小时，性能依次为 20% → 28% → 45% → 53%（占可达到最大值的比例）。在 100 万小时尺度上，DYNA-2 在 14 项任务中的 9 项上取得了最强的实际世界性能 。关键任务级提升包括：

• 锁箱钥匙转动： 成功率从 0%（直到 100,000 小时）跃升至 90%（100 万小时）。
• 瓶盖拧开： 成功率从 10% 提升至 40–50%（100 万小时），仅使用了约 10 分钟的机器人后训练数据 。
• 目标饮料取用（语言跟随）： 从 58% 提升至 83% 。

实际制造场景与客户部署

• 高精度制造任务： 仅通过增加预训练规模，成功率便从约 20% 跃升至 80–90%，后训练数据没有变化 。
• 客户现场零样本部署： DYNA-2 的质量通过率达到 87%，而同一任务 DYNA-1 仅达到 46%——这是 41 个百分点的提升 。
• 视频协同训练算法 在需要根据用户指令作出不同动作的任务上，将指令跟随得分提升了 133% 。

Dyna Robotics 观察到的尺度定律

Dyna Robotics 报告称，这是 “首个完全由人类数据驱动的机器人尺度定律” 。其主要特征包括：

• 人类-机器人迁移尺度定律： 随着自我中心人类视频预训练数据在四个数量级（1,000 小时 → 100 万小时）上的增加，机器人在未见过的机器人硬件上的性能以 可预测的、单调的、对数线性的模式 提升——公司将其识别为一个尺度定律 。
• 跨形态迁移： 该尺度定律在两种不同的机器人形态（一个固定双臂平台和一个半人形原型）上均成立，而模型在预训练期间从未见过这些形态 。
• 零样本动作预测： 扩展人类视频数据也提升了模型在预留的机器人视频数据（训练过程中从未展示过）上预测动作的能力 。

公司明确指出，这是 “首开先河” 的证明，表明扩展人类观察数据（而非机器人动作数据）可以成为提升物理机器人智能的可靠途径 。

为何此事意义重大？

如果这些说法经得起独立验证，Dyna Robotics 便展示了一条实用路径：无需受限于收集昂贵的机器人动作数据这一瓶颈，即可扩展机器人智能。人类视频的存在规模几乎是无限的。公司表示已在着手准备 1000 万小时的训练数据，这将使机器人仅需数小时本地微调即可掌握新的物理任务 。