Dyna Robotics 发布 Dyna-2 世界动作模型，预训练数据达百万小时人类视频

Dyna Robotics推出了Dyna-2，一种专为机器人操作设计的“世界-动作模型”，它基于超过一百万小时的第一人称视角人类视频进行预训练，这相当于大约170年的连续清醒体验。该模型采用了一种混合Transformer架构，对视频和动作分别进行词元化和处理，并采用了基于流匹配的视频扩散骨干网络。公司报告了三个关键的扩展性结果：在人类数据上，扩展定律成立，直至一百万小时；该定律可以零样本迁移到39个任务中的未见过的机器人数据上；视频预测（而非动作数据）驱动了跨实体泛化。在三个实体上的14个任务中进行的机器人后训练显示，平均归一化分数从数据阶梯中的20%提高到53%，具体改进包括“锁盒钥匙转动”达到90%的成功率。Dyna-2不作为可下载权重提供；部署需要购买Dyna机器人单元。该模型在机器人实测和未见过的客户现场中均优于公司生产的VLA——Dyna-1，在这些现场中，它以87%的概率通过了生产标准，而Dyna-1只有46%。技术报告可供进一步阅读。