Dyna Robotics stellt Dyna-2 vor: Weltaktionsmodell, vortrainiert auf 1 Million Stunden menschlicher Videos

Dyna Robotics hat Dyna-2 vorgestellt, ein Weltaktionsmodell für die Roboter-Manipulation, das mit mehr als einer Million Stunden egozentrischem menschlichen Video vortrainiert wurde, was etwa 170 Jahren kontinuierlicher Wachzeit entspricht. Das Modell verwendet eine Mischung aus Transformatoren mit getrennter Tokenisierung und Verarbeitung von Video und Aktion, wobei ein Video-Diffusions-Backbone mit Flow Matching zum Einsatz kommt. Das Unternehmen berichtet über drei wichtige Skalierungsergebnisse: Ein Skalierungsgesetz gilt für menschliche Daten bis zu einer Million Stunden, dieses Gesetz überträgt sich ohne zusätzliches Training (Zero-Shot) auf unbekannte Roboterdaten über 39 Aufgaben hinweg, und die Videovorhersage, nicht die Aktionsdaten, treibt die Generalisierung über verschiedene Embodiments hinweg. Beim Post-Training auf dem Roboter mit 14 Aufgaben über drei Embodiments hinweg stiegen die mittleren normalisierten Punktzahlen von 20 % auf 53 % über die Datenleiter, mit spezifischen Verbesserungen wie dem Drehen des Schlüssels im Tresorschloss (Lockbox Key Turning), das eine Erfolgsquote von 90 % erreichte. Dyna-2 ist nicht als herunterladbare Gewichte verfügbar; für den Einsatz muss eine Dyna-Roboterzelle erworben werden. Das Modell übertraf Dyna-1, das Produktions-VLA des Unternehmens, bei Tests auf dem Roboter und an unbekannten Kundenseiten, wo es in 87 % der Fälle die Produktionskriterien erfüllte, verglichen mit 46 % bei Dyna-1. Der technische Bericht ist für weitere Lektüre verfügbar.