DYNA-2：Dyna Robotics 以百萬小時人類影片訓練機器人，發現全新「縮放定律」

DYNA-2 的訓練方式

數據集規模與來源

訓練數據集包含 超過 100 萬小時的第一人稱（自我中心）人類影片——相當於約 170 年的連續清醒經驗 。這些影片記錄了日常的操作任務，例如烹飪、折疊、組裝和清潔 。預訓練階段完全未使用機器人動作數據；機器人數據僅在少量後訓練或微調階段引入，通常每個任務不超過 10 小時 。

訓練目標

在預訓練階段，DYNA-2 採用了 影片預測目標——學習從過去的觀察預測未來的影片幀——同時結合一項 影片協同訓練演算法，共同學習視覺表徵與動作預測 。這種方法與 DYNA-1 的 VLA 架構（直接將感知映射到機器人動作，無需中間的影片預測步驟）形成鮮明對比 。

該公司展示了從 1,000 小時到 100 萬小時，橫跨 四個數量級 的縮放表現 。

與 DYNA-1 相比的效能提升

該公司在匹配的訓練條件和真實世界部署中，對 DYNA-2 與 DYNA-1 進行了直接的一對一比較。

一對一基準測試（7 項任務）

• DYNA-2 的任務完成次數是 VLA 架構 DYNA-1 的 1.55 倍 。
• 在配對比較中，DYNA-2 贏得了 65% 的試驗，而 DYNA-1 為 29% 。

綜合基準測試結果（3 種機器人型態，14–15 項任務）

平均正規化效能隨著預訓練規模的擴大而單調遞增：數據量從 1k → 10k → 100k → 1M 小時，效能分別達到可達到最大值的 20% → 28% → 45% → 53% 。在 100 萬小時規模下，DYNA-2 在 14 項任務中的 9 項 取得了最強的現實世界表現 。關鍵任務的提升包括：

• 鎖盒鑰匙轉動：從（100k 小時之前的）0% 成功率躍升至 100 萬小時時的 90% 成功率 。
• 瓶蓋旋開：從 10% 成功率提升至 100 萬小時時的 40–50%，僅使用了約 10 分鐘的機器人後訓練數據 。
• 目標飲料取物（語言跟隨）：從 58% 提升至 83% 。

真實世界製造與客戶部署

• 高精度製造任務：僅透過增加預訓練規模，成功率便從 約 20% 躍升至 80–90%，後訓練數據完全未做更動 。
• 客戶現場零樣本部署：DYNA-2 錄得了 87% 的品質合格率，而 DYNA-1 僅為 46%——提升了 41 個百分點 。
• 影片協同訓練演算法 將需要根據使用者指令做出不同動作的任務中，指令跟從分數提升了 133% 。

Dyna Robotics 觀察到的縮放定律

Dyna Robotics 報告稱，他們觀察到了所謂的 「首個完全由人類數據驅動的機器人領域真正縮放定律」 。主要特徵如下：

• 人類到機器人轉移縮放定律：隨著自我中心人類影片預訓練量在四個數量級（1k → 1M 小時）上增加，機器人在未見過的硬體上的表現呈現 可預測、單調且對數線性 的改善——該公司將此模式定義為縮放定律 。
• 跨型態轉移：該縮放效應適用於 兩種不同的機器人型態（一個固定式雙手平台和一個半人形原型），而模型在預訓練期間從未見過這些型態 。
• 零樣本動作預測：人類影片數據的擴張也提升了模型在 從未在訓練中出現過的機器人影片數據 上預測動作的能力 。

該公司明確表示，這是一項 「首創」 的展示，證明擴大人類觀察數據（而非機器人動作數據）可以成為提升實體機器人智慧的可靠途徑 。

為何此事至關重要

如果這些主張經得起獨立驗證，那麼 Dyna Robotics 便為擴展機器人智慧展示了一條實用路徑，得以繞過收集昂貴機器人動作數據的瓶頸。人類影片的規模實際上是無限的。該公司表示，他們已在朝著 1,000 萬小時的訓練數據邁進，這將使機器人僅需數小時的本地微調就能掌握新的物理任務 。