다이나 로보틱스는 백만 시간 분량의 인간 영상으로 로봇을 훈련시켜 90%의 작업 성공률을 달성했다고 발표했습니다

다이나 로보틱스는 월요일에 새로운 로봇 기본 모델인 DYNA-2를 공개했는데, 이 모델은 백만 시간 이상의 사람 영상 데이터만을 기반으로 학습되었으며 로봇 데이터는 전혀 사용되지 않았다고 회사 측은 밝혔다. 

미국에 본사를 둔 이 회사는 이러한 접근 방식이 범용 로봇의 발전을 제한해 온 비용 문제를 해결하는 데 도움이 될 수 있다고 믿습니다.

로봇 제작자들이 훈련 데이터 부족에 시달리는 이유는 무엇일까요?

DYNA-2는 범용 로봇 제작에서 흔히 발생하는 문제인 충분한 데이터 확보 문제를 해결하는 것을 목표로 합니다. 대부분의 로봇은 원격 조작을 통해 학습하는데, 이 방식에서는 사람이 로봇에게 몇 시간 동안 작업을 지시합니다. 

문제는 이 방법이 느리고 비용이 많이 들며 확장이 어렵다는 점인데, 이는 이러한 시스템의 발전 가능성을 제한합니다.

오늘 우리는 백만 시간 분량의 인간 행동 영상 데이터로 사전 학습된 월드 액션 모델인 Dyna-2를 소개합니다. 이처럼 방대한 규모에서 우리는 처음으로 몇 가지 새로운 스케일링 법칙을 발견했습니다.

• 월드 액션 모델은 1000시간부터 시작하여 4자리 수에 걸쳐 인간 데이터에 대한 스케일링 법칙을 나타냅니다. pic.twitter.com/wZamR0axzS

— 다이나 로보틱스 (@DynaRobotics) 2026년 8월 10일

Dyna의 해결책은 훈련 과정에서 로봇을 제외하는 것입니다. DYNA-2는 사람의 시점에서 사물과 상호작용하는 모습을 담은 1인칭 시점의 영상, 즉 자기중심적 인간 영상 만을 사용하여 훈련되었습니다

회사 측은 이러한 경험이 약 170년에 달한다고 밝혔습니다. 공동 창업자인 제이슨 마는 "행동 데이터는 부족하지만 영상은 어디에나 있다"며, 로봇 팔.

고정밀 제조 작업에서 성공률은 20%에서 80~90%로 상승했습니다. Dyna는 이러한 개선이 대규모 사전 학습 덕분이라고 설명합니다. 

15가지 벤치마크 작업 전반에 걸쳐, 더 많은 사람의 모습이 담긴 영상으로 학습된 모델이 덜 사람의 모습이 담긴 영상으로 학습된 모델보다 일관되게 우수한 성능을 보였습니다.

Dyna의 세계 행동 모델이 다른 점은 무엇일까요?

Dyna는 독특한 아키텍처 덕분에 돋보입니다. 비전-언어 모델을 사용하는 대신, DYNA-2는 비디오 생성을 기반으로 하는 월드-액션 모델을 사용합니다. 

사전 학습 과정에서 다음 비디오 프레임과 다음 동작을 동시에 예측합니다.

다이나는 이러한 두 가지 목표 덕분에 모델이 접촉 물리학과 공간 추론에 대한 내재적인 감각을 갖게 된다고 말합니다. 회사는 인간의 행동 영상에서 얻은 지식이 사전 훈련에 사용되지 않은 고정형 팔, 휴머노이드 프로토타입, 정교한 손과 같은 다양한 로봇에도 적용될 수 있기를 기대합니다.

새로운 플랫폼에 적응하는 데에는 몇 주 동안 새로운 데이터를 수집하는 대신 몇 시간의 미세 조정만으로 충분합니다. 예를 들어, Dyna는 단 13분의 데이터만으로 로봇 손이 병뚜껑을 돌려서 여는 방법을 학습시켰다고 보고했습니다.

Dyna는 접근 방식을 1천만 시간까지 확장할 예정입니다

다이나는 이미 실제 환경에서 로봇을 활용하고 있어 다른 로봇 회사들과 차별화됩니다. 

보도에 따르면 DYNA-1 로봇은 호텔, 레스토랑, 세탁소, 헬스장 등에서 사용되고 있습니다.

이 회사는 이전에 딥마인드에서 근무했던 린든 가오, 요크 양, 제이슨 마가 설립했습니다. 

다이나는 동일한 접근 방식을 1천만 시간 분량의 비디오에도 적용하겠다는 계획을 밝혔으며, 이를 단순히 장비 구축 문제가 아닌 데이터 수집 문제로 규정하고 있습니다.