- 总部位于美国的Dyna Robotics发布了其DYNA-2机器人，任务成功率高达90%。
- DYNA-2基于超过一百万小时的人类视频进行训练。
- 该公司计划将这一方法扩展到10百万小时的规模。
Dyna Robotics 周一推出了一种新的机器人基础模型 DYNA-2，该公司表示该模型是在超过一百万小时的人类视频上训练的，没有使用任何机器人数据。
这家美国公司认为这种方法可以帮助解决限制通用机器人的成本问题。
为什么机器人建造者不断耗尽训练数据
DYNA-2 旨在解决构建通用机器人时的一个常见问题，即获取足够的数据。大多数机器人通过遥操作进行学习，即人引导机器完成任务数小时。
这里的问题是，这种方法速度慢、成本高且难以扩展，这限制了这些系统能达到的先进程度。
今天我们推出 Dyna-2，这是一个在世界动作模型上预训练了一百万小时人类视频。在这个规模上，我们首次发现了几个新的扩展定律：
— Dyna Robotics (@DynaRobotics) 8月 10, 2026
• 世界动作模型在人类数据上表现出跨越四个数量级的扩展定律，从 1000… pic.twitter.com/wZamR0axzS
Dyna 的解决方案是在训练期间排除机器人。相反，DYNA-2 仅在 第一人称人类视频 上进行训练，这是从人的视角拍摄的视频，展示了他们与物体互动的过程。
该公司表示，这加起来相当于约 170 年的连续经验。联合创始人 Jason Ma 解释说：“动作数据很稀缺，但视频无处不在”，他认为物理直觉“可以直接从人类视频中学习”，而不是在 机械臂 上花费数百万小时。
在高精度制造任务上，成功率从 20% 上升到 80% 到 90% 之间。Dyna 将这一改进归功于预训练的规模。
在 15 个基准任务中，在更多人类视频上训练的模型始终优于在较少人类视频上训练的模型。
Dyna 的世界动作模型有何不同
Dyna 因其独特的架构而脱颖而出。DYNA-2 不是使用视觉语言模型，而是基于视频生成的世界动作模型。
在预训练期间，它同时预测下一个视频帧和下一个动作。
Dyna 表示，这种双重目标赋予模型内部接触物理和空间推理的感觉。该公司希望来自人类视频的知识能够转移到不同的机器人上，如固定臂、人形原型和灵巧手，即使这些设备未用于预训练。
适应新平台只需数小时的微调，而不是数周收集新数据。例如，Dyna 报告称，仅 13 分钟的数据就教会了机械手拧开瓶盖。
Dyna 将扩展方法至 10 百万小时
Dyna 已经在现实世界环境中拥有机器人，这使其与其他机器人公司区分开来。
据报道，DYNA-1 机器人正在酒店、餐厅和洗衣店（包括健身房）中使用。
该公司由 Lindon Gao、York Yang 和 Jason Ma 创立，他们此前曾在 DeepMind 工作。
Dyna 的既定计划是将同样的方法扩展到 1000 万小时视频，该公司将其视为一个收集问题，而不是舰队建设问题。
最聪明的加密领域人士已经在阅读我们的通讯。想加入吗？加入他们。
常见问题
什么是DYNA-2，它是如何训练的？
DYNA-2是Dyna Robotics的World-Action Model（世界动作模型），基于超过一百万小时的第一人称人类视频进行训练，未使用任何机器人动作数据，采用双重目标：同时预测下一帧视频和下一个动作。
DYNA-2使任务成功率提升了多少？
Dyna报告称，仅通过预训练规模的提升，高精度制造任务的完成率就从20%提高到了80%至90%之间；在零样本客户部署中，DYNA-2的质量合格率达到87%，而此前的DYNA-1模型仅为46%。
Dyna Robotics的机器目前部署在哪些地方？
据消息来源透露，运行早期DYNA-1模型的Dyna机器人已应用于酒店、餐厅、自助洗衣店和健身房等场所。
Ibiam Wayas
Ibiam Wayas自2019年起一直负责加密货币新闻报道。他在尼日利亚国家开放大学攻读计算机科学专业。他的作品曾刊登于多个加密货币新闻平台，包括Coinfomania、Crypto News Australia和AltcoinBuzz。凭借其在计算机科学领域的背景，他目前专注于加密货币、机器人技术和长寿领域的新闻。
