IT之家 8 月 13 日消息，具身智能公司 Dyna Robotics 发布新一代机器人基础模型 DYNA-2。该模型基于超过 100 万小时的第一人称人类视频进行训练，在基准任务中成功率高达 90%。 DYNA-2 官方定位为“世界动作模型”（World Action Model），核心思路是通过观察人类活动，学习动作如何改变物理世界。预训练阶段完全依赖人类视频数据，规模超过 100 万小时第一人称视频，相当于约 170 年的人类经验。 公司联合创始人 Jason Ma 指出，通用机器人长期受制于数据瓶颈，人工采集的物理遥操作数据难以扩展到通用智能层面。DYNA-2 选择让模型观察人类活动，从中学习动作与物理世界变化之间的关系。 与传统视觉语言模型不同，DYNA-2 在采取动作前会先预测物理世界将如何运动，从而补足传统模型缺少的空间推理能力和接触物理能力。该模型通过两项训练目标同步学习：预测下一帧视频画面内容，以及预测应采取的动作，以此获取空间关系、运动方式以及物体受接触后的响应规律。 Dyna Robotics 公布的实验结果显示，随着预训练阶段加入的人类视频数据不断增加，机器人在 15 项基准任务中的表现持续提升。该公司将此现象称为“人到机器人的缩放规律”，即模型性能会随训练数据规模扩大以相对可预测的方式增长。 值得注意的是，在 1 项实验中，仅需 13 分钟机器人专用数据，就能让两只 5 指机器人手学会拧开瓶盖。在制造任务中，保持后训练数据集不变的情况下，任务成功率随预训练规模增加，从约 20% 提升至 80% 到 90%。 Dyna Robotics 还透露，DYNA-2 在一次客户部署中取得了 87% 的质量通过率，而上一代产品 Dyna-1 为 46%。在需要根据用户指令执行不同动作的任务中，视频协同训练使得分提升了 133%。
热门跟贴