Dyna Robotics entraîne des robots sur une million d’heures de vidéos humaines, rapportant un taux de réussite de 90 %

Dyna Robotics a présenté lundi un nouveau modèle de base robotique DYNA-2, qu’il dit avoir été entraîné sur plus d’un million d’heures de vidéos humaines et aucune donnée robotique. 

L’entreprise basée aux États-Unis estime que cette approche pourrait aider à résoudre les problèmes de coûts qui ont limité les robots à usage général.

Pourquoi les constructeurs de robots manquent toujours de données d’entraînement

DYNA-2 vise à résoudre un problème courant dans la construction de robots à usage général, qui est d’obtenir suffisamment de données. La plupart des robots apprennent par téléopération, où une personne guide la machine à travers des tâches pendant des heures. 

Le problème ici est que la méthode est lente, coûteuse et difficile à mettre à l’échelle, ce qui limite le niveau d’avancement de ces systèmes.

Aujourd’hui, nous présentons Dyna-2, un modèle d’action mondiale pré-entraîné sur un million d’heures de vidéos humaines. À cette échelle, pour la première fois, nous avons découvert plusieurs nouvelles lois d’échelle :

• les modèles d’action mondiale présentent une loi d’échelle sur les données humaines sur quatre ordres de grandeur, de 1000… pic.twitter.com/wZamR0axzS

— Dyna Robotics (@DynaRobotics) Août 10, 2026

La solution de Dyna consiste à exclure le robot pendant l’entraînement. DYNA-2, en revanche, a été entraîné uniquement sur des vidéos humaines à la première personne, qui sont des images prises du point de vue d’une personne interagissant avec des objets.

L’entreprise indique que cela représente environ 170 ans d’expérience continue. Le cofondateur Jason Ma a expliqué : « Les données d’action sont rares, mais la vidéo est partout », soutenant que l’intuition physique « peut être apprise directement à partir de vidéos humaines » au lieu d’utiliser des millions d’heures sur un bras robotique.

Sur les tâches de fabrication de haute précision, les taux de réussite sont passés de 20 % à entre 80 % et 90 %. Dyna attribue cette amélioration à l’échelle du pré-entraînement. 

Sur 15 tâches de référence, les modèles entraînés sur plus de vidéos humaines ont systématiquement surpassé ceux entraînés sur moins de vidéos humaines.

Ce que le modèle World-Action de Dyna fait différemment

Dyna se distingue par son architecture unique. Au lieu d’utiliser un modèle de langage visuel, DYNA-2 est un modèle World-Action basé sur la génération de vidéo. 

Pendant le pré-entraînement, il prédit à la fois la prochaine image vidéo et la prochaine action simultanément.

Dyna dit que cet objectif double donne au modèle un sens interne de la physique du contact et du raisonnement spatial. L’entreprise espère que les connaissances tirées des vidéos humaines seront transférables à différents robots, comme les bras stationnaires, les prototypes humanoïdes et les mains dextres, même si ces dispositifs n’ont pas été utilisés dans le pré-entraînement.

L’adaptation à une nouvelle plateforme ne prend alors que quelques heures d’ajustement fin au lieu de semaines de collecte de nouvelles données. Par exemple, Dyna rapporte que seulement 13 minutes de données ont appris aux mains robotiques à dévisser un bouchon de bouteille.

Dyna étendra son approche à 10 millions d’heures

Dyna a déjà des robots dans des environnements réels, ce qui le distingue des autres entreprises de robotique. 

Les robots DYNA-1 sont utilisés dans les hôtels, les restaurants et les laveries, y compris les salles de sport, selon les rapports.

L’entreprise a été fondée par Lindon Gao, York Yang et Jason Ma, qui ont précédemment travaillé chez DeepMind. 

Le plan déclaré de Dyna est de pousser la même approche à 10 millions d’heures de vidéo, qu’il présente comme un problème de collecte plutôt que de construction de flotte.