Dyna Robotics社は、100万時間分の人間動画を使ってロボットを訓練し、90%のタスク成功率を達成したと報告している。

Dyna Robotics社は月曜日、新しいロボット基盤モデル「DYNA-2」を発表した。同社によると、このモデルは100万時間以上の人間の映像データのみで学習されており、ロボットデータは一切使用されていないという。. 

この米国企業は、このアプローチが汎用ロボットの普及を阻んできたコスト問題を解決するのに役立つと考えている。.

ロボット開発者がトレーニングデータ不足に陥る理由

DYNA-2は、汎用ロボットの開発における共通の課題、すなわち十分なデータを取得するという課題の解決を目指している。ほとんどのロボットは遠隔操作によって学習するが、これは人が何時間もかけて機械を操作して作業を進めるというものだ。. 

ここでの問題点は、この方法が遅く、コストがかかり、拡張が難しいため、これらのシステムの高度な発展が制限されるということである。.

本日、100万時間分の人間の動画で事前学習されたワールドアクションモデル「Dyna-2」を発表します。この規模で、初めていくつかの新しいスケーリング法則を発見しました。

• ワールドアクションモデルは、1000から4桁にわたる人間のデータに対してスケーリング法則を示します… pic.twitter.com/wZamR0axzS

— Dyna Robotics (@DynaRobotics) 2026年8月10日

Dynaの解決策は、トレーニング中にロボットを介在させないことだ。代わりに、DYNA-2は、人間が物体とインタラクトする際の視点からの映像である、自己中心的な人間ビデオのみを使用してトレーニングされた。

同社によれば、これは合計で約170年分の継続的な経験に相当するという。共同創設者のジェイソン・マー氏は、「アクションデータは少ないが、ビデオは至るところにある」と説明し、 ロボットアーム。

高精度な製造作業において、成功率は20%から80%～90%に上昇した。Dyna社はこの改善は事前トレーニングの規模拡大によるものだとしている。. 

15のベンチマークタスクにおいて、より多くの人間が登場する動画で学習させたモデルは、より少ない人間が登場する動画で学習させたモデルよりも一貫して優れた性能を示した。.

Dynaのワールドアクションモデルが他と異なる点

Dynaは、その独自のアーキテクチャによって際立っています。DYNA-2は、ビジョン言語モデルではなく、ビデオ生成に基づくワールドアクションモデルを採用しています。. 

事前学習の段階では、次のビデオフレームと次の動作を同時に予測します。.

Dyna社によると、この二重の目標によって、モデルは接触物理と空間推論に関する内部的な感覚を身につけることができるという。同社は、事前学習には使用されなかったものの、人間の動画から得られた知識が、固定式アーム、ヒューマノイドプロトタイプ、器用な手といった様々なロボットに応用されることを期待している。.

新しいプラットフォームへの適応は、数週間かけて新しいデータを収集するのではなく、わずか数時間の微調整で済む。例えば、Dyna社によると、わずか13分間のデータでロボットハンドにボトルキャップをひねって外す方法を学習させたという。.

Dyna社、飛行時間1000万時間へのアプローチを延長へ

Dynaは既に実社会でロボットを運用しており、それが他のロボット企業との大きな違いとなっている。. 

報道によると、DYNA-1ロボットはホテル、レストラン、コインランドリー、そしてジムなどでも使用されている。.

同社は、以前DeepMindに勤務していたリンドン・ガオ、ヨーク・ヤン、ジェイソン・マによって設立された。. 

Dynaが掲げる計画は、同じアプローチを1000万時間分の動画に適用することであり、同社はこれを車両群構築の問題ではなく、収集の問題として捉えている。.