تدرب شركة Dyna Robotics الروبوتات على مليون ساعة من الفيديو البشري، وتبلغ نسبة نجاح المهام 90%
- أطلقت شركة Dyna Robotics الأمريكية روبوت DYNA-2، الذي يحقق معدل نجاح مهام يصل إلى 90%.
- تم تدريب نموذج DYNA-2 على أكثر من مليون ساعة من مقاطع الفيديو البشرية.
- تخطط الشركة لتوسيع نطاق هذا النهج ليشمل 10 مليون ساعة.
أعلنت شركة Dyna Robotics يوم الاثنين عن نموذج أساسي جديد للروبوتات DYNA-2، والذي تقول إنه تم تدريبه على أكثر من مليون ساعة من الفيديو البشري وبدون بيانات روبوت.
تعتقد الشركة الأمريكية أن هذا النهج قد يساعد في حل مشكلات التكلفة التي حدت من الروبوتات متعددة الأغراض.
لماذا يستمر صانعو الروبوتات في نفاد بيانات التدريب
يهدف DYNA-2 إلى حل مشكلة شائعة في بناء الروبوتات متعددة الأغراض، وهي الحصول على بيانات كافية. تتعلم معظم الروبوتات من خلال التحكم عن بعد، حيث يرشد الشخص الآلة عبر المهام لساعات.
المشكلة هنا هي أن هذه الطريقة بطيئة ومكلفة وصعبة التوسع، مما يحد من مدى تقدم هذه الأنظمة.
اليوم نطلق Dyna-2، وهو نموذج عالمي-إجرائي تم تدريبه مسبقًا على مليون ساعة من الفيديو البشري. عند هذا النطاق، اكتشفنا لأول مرة عدة قوانين قياس جديدة:
— Dyna Robotics (@DynaRobotics) أغسطس 10، 2026
• تظهر النماذج العالمية-الإجرائية قانون قياس على البيانات البشرية عبر أربعة أorders من الحجم، من 1000… pic.twitter.com/wZamR0axzS
تتمثل حل Dyna في إبقاء الروبوت خارج التدريب. بدلاً من ذلك، تم تدريب DYNA-2 فقط على فيديوهات بشرية من منظور الشخص الأول، وهي لقطات من منظور شخص يتفاعل مع الأشياء.
تقول الشركة إن هذا يجمع ما يقارب 170 سنة من الخبرة المستمرة. أوضح المؤسس المشارك جيسون ما: "بيانات الإجراءات نادرة، لكن الفيديو موجود في كل مكان"، جاعلاً الحجة بأن الحدس الفيزيائي "يمكن تعلمه مباشرة من الفيديو البشري" بدلاً من استخدام ملايين الساعات على ذراع روبوت.
في مهام التصنيع عالية الدقة، ارتفعت معدلات النجاح من 20% إلى ما بين 80% و90%. تعزو Dyna هذا التحسن إلى نطاق التدريب المسبق.
عبر 15 مهمة معيارية، تفوقت النماذج المدربة على المزيد من الفيديو البشري باستمرار على تلك المدربة على فيديو بشري أقل.
ما الذي تفعله نموذج World-Action الخاص بـ Dyna بشكل مختلف
تتميز Dyna بهندستها المعمارية الفريدة. بدلاً من استخدام نموذج لغة-رؤية، فإن DYNA-2 هو نموذج عالمي-إجرائي يعتمد على توليد الفيديو.
أثناء التدريب المسبق، يتنبأ بإطار الفيديو التالي والإجراء التالي في نفس الوقت.
تقول Dyna إن هذا الهدف المزدوج يمنح النموذج إحساسًا داخليًا بفيزياء التلامس والاستدلال المكاني. تأمل الشركة في أن تنتقل المعرفة من الفيديوهات البشرية إلى روبوتات مختلفة، مثل الأذرع الثابتة، والنماذج الأولية للبشر الآليين، والأيدي المهارة، حتى لو لم تُستخدم هذه الأجهزة في التدريب المسبق.
يتطلب التكيف مع منصة جديدة ساعات فقط من الضبط الدقيق بدلاً من أسابيع من جمع بيانات جديدة. على سبيل المثال، أفادت Dyna بأن 13 دقيقة فقط من البيانات علمت الأيدي الروبوتية فك غطاء الزجاجة.
ستمدد Dynا النهج إلى 10 مليون ساعة
تمتلك Dyna بالفعل روبوتات في بيئات العالم الحقيقي، مما يميزها عن شركات الروبوتات الأخرى.
يتم استخدام روبوتات DYNA-1 في الفنادق والمطاعم وغسالات الملابس، بما في ذلك صالات الألعاب الرياضية، وفقًا للتقارير.
تأسست الشركة بواسطة ليندون غاو، يورك يانغ، وجيسون ما، الذين عملوا سابقًا في DeepMind.
الخطة المعلنة لـ Dyna هي دفع نفس النهج إلى 10 ملايين ساعة من الفيديو، والتي تصفها كمشكلة جمع بدلاً من بناء أسطول.
أذكى العقول في عالم العملات الرقمية يقرأون بالفعل نشرتنا الإخبارية. هل تريد الانضمام؟ انضم إليهم.
الأسئلة الشائعة
ما هو DYNA-2 وكيف تم تدريبه؟
يُعد DYNA-2 نموذج World-Action Model الخاص بشركة Dyna Robotics، وقد تم تدريبه على أكثر من مليون ساعة من مقاطع الفيديو البشرية ذات المنظور الذاتي (egocentric) دون استخدام بيانات أفعال الروبوت، وذلك باستخدام هدف مزدوج يتنبأ بكل من الإطار التالي في الفيديو والفعل التالي.
كم تحسّن معدل نجاح المهام مع DYNA-2؟
أبلغت Dyna عن ارتفاع معدل نجاح المهام في عمليات التصنيع عالية الدقة من 20% إلى ما بين 80% و90% بفضل زيادة حجم التدريب المسبق فقط، كما أن DYNA-2 حقق معدل قبول جودة بنسبة 87% في نشر عميل مباشر (zero-shot)، مقارنة بـ46% لنموذج DYNA-1 السابق.
أين يتم نشر آلات Dyna Robotics حالياً؟
وفقاً للمصادر، فإن روبوتات Dyna التي تعمل بنموذج DYNA-1 القديم تُستخدم بالفعل في الفنادق والمطاعم وغسيل الملابس والصالات الرياضية.
إبيام واياس
إبيام واياس يغطي أخبار العملات الرقمية منذ عام 2019. درس علوم الحاسوب في الجامعة المفتوحة الوطنية في نيجيريا. وقد ظهرت أعماله على منصات أخبار رقمية متنوعة، بما في ذلك Coinfomania و Crypto News Australia و AltcoinBuzz. وباعتماده على خلفيته في علوم الحاسوب، يركز الآن على أخبار العملات الرقمية والروبوتات وإطالة العمر.
