Dyna Robotics entraîne des robots sur un million d'heures de vidéo humaine et annonce un taux de réussite des tâches de 90 %

Lundi, Dyna Robotics a présenté un nouveau modèle de robot de base, le DYNA-2, qui, selon la société, a été entraîné sur plus d'un million d'heures de vidéo humaine et sans aucune donnée robotique. 

L'entreprise américaine estime que cette approche pourrait contribuer à résoudre les problèmes de coûts qui ont limité le développement des robots à usage général.

Pourquoi les constructeurs de robots sont-ils constamment à court de données d'entraînement ?

DYNA-2 vise à résoudre un problème courant dans la conception de robots polyvalents : l’obtention de données suffisantes. La plupart des robots apprennent par téléopération, où une personne guide la machine dans l’exécution de tâches pendant des heures. 

Le problème, c'est que cette méthode est lente, coûteuse et difficile à mettre à l'échelle, ce qui limite le niveau de sophistication de ces systèmes.

Aujourd'hui, nous présentons Dyna-2, un modèle d'action dans le monde pré-entraîné sur un million d'heures de vidéo humaine. À cette échelle, nous avons découvert pour la première fois plusieurs nouvelles lois d'échelle :

• les modèles d'action dans le monde présentent une loi d'échelle sur les données humaines sur quatre ordres de grandeur, de 1 000… pic.twitter.com/wZamR0axzS

— Dyna Robotics (@DynaRobotics) 10 août 2026

La solution de Dyna consiste à exclure le robot de la phase d'entraînement. DYNA-2, quant à lui, a été entraîné uniquement sur des vidéos humaines égocentriques, c'est-à-dire des séquences filmées du point de vue d'une personne interagissant avec des objets. 

L'entreprise affirme que cela représente environ 170 ans d'expérience continue. Le cofondateur Jason Ma explique : « Les données d'action sont rares, mais la vidéo est omniprésente », arguant que l'intuition physique « peut être apprise directement à partir de vidéos humaines » au lieu de nécessiter des millions d'heures d'entraînement sur un bras robotisé.

Pour les tâches de fabrication de haute précision, les taux de réussite sont passés de 20 % à un niveau compris entre 80 % et 90 %. Dyna attribue cette amélioration à l'ampleur de la formation préalable. 

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

En quoi le modèle d'action mondiale de Dyna se distingue-t-il ?

Dyna se distingue par son architecture unique. Au lieu d'utiliser un modèle vision-langage, DYNA-2 est un modèle monde-action basé sur la génération vidéo. 

Lors de la phase de pré-entraînement, il prédit simultanément l'image vidéo suivante et l'action suivante.

Dyna affirme que ce double objectif confère au modèle une compréhension intrinsèque de la physique du contact et du raisonnement spatial. L'entreprise espère que les connaissances acquises grâce aux vidéos humaines seront transférables à différents robots, tels que des bras fixes, des prototypes humanoïdes et des mains articulées, même si ces dispositifs n'ont pas été utilisés lors de la phase de pré-entraînement.

L'adaptation à une nouvelle plateforme ne nécessite alors que quelques heures de réglages au lieu de semaines de collecte de nouvelles données. Par exemple, Dyna indique que seulement 13 minutes de données ont permis à des mains robotisées d'apprendre à dévisser un bouchon de bouteille.

Dyna étend son approche à 10 millions d'heures

Dyna possède déjà des robots en situation réelle, ce qui la distingue des autres entreprises de robotique. 

Selon certaines sources, les robots DYNA-1 sont utilisés dans les hôtels, les restaurants et les laveries automatiques, y compris les salles de sport.

L'entreprise a été fondée par Lindon Gao, York Yang et Jason Ma, qui travaillaient auparavant chez DeepMind. 

Le plan affiché de Dyna est d'appliquer la même approche à 10 millions d'heures de vidéo, ce qu'elle présente comme un problème de collecte plutôt que de constitution d'une flotte.