再访Dyna Robotics：被部署教训了300天后，找到机器人Scaling Law|dyna|人工智能|智能体|机器人|核心零部件|陈茜|飞轮

“全世界最无聊的机器人。”这是最近《纽约邮报》的一篇报道标题，而这家公司的创始人们却认为，这是“对一家机器人公司最高的赞美”，这家公司叫Dyna Robotics。

看多了机器人跳舞、打拳、跳钢水等酷炫的视频，Dyna确实很“无聊”：此前发布的Dyna-1主攻叠毛巾、叠衣服。这次发布Dyna-2之后，新机器人Taku进了洗衣房，默默把脏衣服放进洗衣机、操作机器，再把衣服拿出来，送进烘干机，最后取出、折好、放到架子上。

联合创始人Jason Ma说：机器人如果真的开始工作了，本来就应该是“无聊”的。而在这份“无聊”的背后，真实部署是衡量机器人的“唯一评估”，在Jason看来，机器人不能落地，不是因为没有腿、没有手，而是因为模型和整个系统还不够好。

为了让机器人更好地工作，Dyna也重新选择了模型路线：从VLA（视觉-语言-动作模型）转向WAM（世界动作模型），将预训练数据扩大到100万小时第一人称人类视频。他们发现，随着人类视频数据增加，模型对未在预训练中见过的机器人动作，也预测得越来越好。

这些探索意味着机器人正在接近自己的“GPT时刻”吗？这一期视频播客，时隔一年半，我们再次回到Dyna Robotics。我们从技术和部署的角度，聊聊Dyna过去两年经历的挫败、教训、反思与优化。我们也想通过Jason，理解这一轮硅谷具身智能正在发生的变化与趋势。

以下是我们和Jason的对话。

本文为视频改写，欢迎大家收看以下视频

陈茜：Jason你好，欢迎做客《硅谷101》。

Jason：你好，非常荣幸参加你们的播客。

陈茜：这次采访我们也邀请了在机器人行业工作的君武，作为特邀联合主持人，希望能就一些专业问题展开更深入的讨论。

张君武：你好，我现在在Blue River Technology做机器人工程师。

陈茜：Dyna最近有一系列发布，硅谷机器人行业也很热闹，很多公司都在发布新模型、新演示。你觉得机器人行业进入了一个新的里程碑吗？为什么最近有这么集中的发布？

Jason：我觉得要把通用机器人做下去，还是至少需要一两个突破。很多公司的大路线差不多，首先要扩大数据规模，也想做出模型的一些能力。也可能暑假是个发布的好时机，所以大家都把东西发出来了。

整个机器人领域现在正逐渐从演示走向真正的商业落地，我们公司也在这方面做了很多工作。所以我觉得这是做机器人非常激动人心的时刻。

陈茜：从你的角度看，现在机器人行业进入了什么阶段？如果和LLM（大语言模型）相比，有人说是不是快到GPT-3的时刻了，可以这样对比吗？

Jason：我觉得可能还在GPT-2和GPT-3之间。纯从数据规模看，机器人拥有的数据量，相对于GPT-3阶段的语言模型还是要小一些。

但机器人和语言模型也不一样。你可以有很强的机器人模型，完成指令下的一些特定场景任务；语言模型如果不能跟你流利地聊天，其实没有什么能力能真正用上。所以从产品形态来说，机器人有没有“GPT时刻”，可能没有那么重要。

张君武：现在也有一种说法，机器人行业不一定会有“GPT时刻”，因为机器人的形态、处理的具体任务都不太一样。你觉得会有这样的时刻吗，还是要看情况？

Jason：我觉得要看情况。在具身智能之前，我们可以看自动驾驶。自动驾驶就没有人提过“GPT时刻”这个概念。Waymo、特斯拉在10多年前已经能做好一个演示，但从演示到真正落地，能在旧金山打到一辆Waymo的车，中间的距离还是很长。

在真实世界里迭代，这个过程比较长。虽然现在相比无人车刚开始的时候，已经有很多更好的技术，但这个过程仍然必须经历。它肯定不能像语言模型一样，大家已经有手机、电脑，只要能上ChatGPT的网站，就能用到这种智能。在具身领域，如何把智能用起来，本身就是一个很难的问题。

陈茜：你刚才说，数据和模型都有进展，是这两个方面的进展让机器人又能往前迈一步了吗？

Jason：这两点非常重要，但还有一个特别重要的东西，就是硬件。没有硬件，模型再厉害，你也感受不到。如果硬件只是一个只有5个自由度的小机器人，它也只能做一些很简单的抓取。

在具身领域，模型、数据和硬件必须一起进步，才能最终做成一个让不同的人、千家万户都能用上的产品。

陈茜：硬件主要指本体、供应链，还是运控？

Jason：首先指本体。供应链对于扩大本体规模也有很大作用。现在有很多不同的机器人，但在设计过程中，要把机器学习、人工智能中的一些概念，以及模型训练、部署的心得，放进硬件迭代的过程。最后能形成闭环，是一个很大的壁垒。

陈茜：你们的联合创始人York之前把行业分成三派：一类是模型优先，只做大脑，比如Physical Intelligence，也就是π；一类是硬件优先，只做本体；还有一类是一体化集成，全部都做。Dyna属于第三类，大脑和本体同时做，为什么选择这个路线？

Jason：因为最终部署机器人智能时，客户付费的并不只是模型，模型只是整个技术栈的一部分。我们跟客户聊，他们根本不在乎我们用VLA（视觉-语言-动作模型）还是世界模型，也不知道这些是什么。他们最后在乎的是，在自己的场景里，机器人能不能完成复杂、多样的任务。

从这个角度出发，我觉得必须把大脑和本体放在一起做，才能达到最好的效果。从技术层面来说，也很难把两者分开，做出一个非常通用的东西。在真实世界里，物理智能是大脑和本体连在一起，才能达到很好的效果。就像人一样，我们的大脑也适配了自己的身体。

陈茜：我觉得Dyna是一家偏务实的公司，从演示和本体设计上都能看出你们非常克制，没有追求很炫酷的演示或动作，而是从叠毛巾、叠衣服这些很具体的商业化场景来设计路线。这是为什么？

Jason：从纯学术角度来说，机器人领域能做的事情太多了，任何一个话题都可以花好几年做研究。但我觉得，机器人学习技术已经到了有可能商业化的阶段，现在非常需要从产品出发，思考哪些问题必须解决，哪些问题现在解决与否还不是特别重要。

这样可以帮助整个团队排好优先级，确保我们在技术研发、公司这两年的成长过程中，每个节点都能做出更正确的技术判断和选择。

从过去的演示中可能也能感受到，我们做的能力，都是我们认为真正落地必需的能力，而不是为了拍一个炫酷的视频。这个领域现在很火，很多人的做法可能更以演示为导向，但我觉得那样可能本末倒置了。

我们是从最终要开发、生产、派出几万个机器人的目标出发，思考哪些技术问题必须从今天开始解决，以此决定整个团队的技术路线。

张君武：我想追问一下硬件的协同设计，以及你们在客户现场获得的经验。我之前也做过物流、挑拣，客户的要求很高。你们是一开始就想自己做硬件，还是到了客户现场，有了某些经验教训之后，才觉得一定要自己做？

Jason：两个都有。从第一性原理出发，要做通用机器人，必须先想数据从哪里来、用什么数据训练，再以此引导硬件设计。

我们现在已经发布了Dyna-2，预训练用了大量人的第一视角数据。如果预训练要向人学习，那么部署时，机器人的形态越像人，迁移就会越好。

但做人形机器人，要权衡是否做腿、是否做手。我们从中间选了一个很好的权衡点：半人形加底盘。这个形态可以从今天开始部署，也能获得从人的数据中训练的很大好处。这就是我们从第一性原理出发设计硬件的思路。

陈茜：你们没有做全人形，没有双足，也没有灵巧手，但觉得现在的形态已经能落地做很多事情了？

Jason：对，现在的形态已经能做很多事情。如果现在不能落地，不是因为没有腿或者没有手。

我们内部也做很多灵巧手研究，但目前是纯粹的基础研究，还没有把灵巧手落地的打算。因为现在灵巧手硬件的成熟度，还没到能直接落地的状态。

陈茜：刚才看你们的演示，动作挺顺畅，但有些灵巧手的演示反而会让动作变慢，这也是你们的考量吗？

Jason：现在用灵巧手做操作或遥操作，比夹爪难很多，要把遥操作速度提上去也很难。所以灵巧手的演示通常会慢一些。

陈茜：你刚才说，不能落地不是因为手或脚，是因为模型不够好吗？

Jason：我觉得是整个系统不够好。我们在部署的博文里也讲过，一套系统能不能落地，不仅要求模型百分之百做好，还必须有很多Observability（可观测性）。

你要知道这一天模型做了什么、机器人做了什么，机器人上的电脑有没有资源争用等问题，这些对部署都很重要。所以每次更新机器、更新模型，我们都会把这些工作做好，才能在真实的客户现场具备Observability（可观测性）。

张君武：你讲到了机器人的形态对Cross-embodiment transfer（跨本体迁移）的影响，也谈到了“GPT时刻”和互联网规模的数据量，我们后面会继续讨论。

陈茜：我也很感兴趣，你们在部署中学到了什么。先从最开始复盘一下，你在研究中的品味和选择，可能也奠定了Dyna的技术路线。你是什么时候开始对机器人感兴趣的？

Jason：从博士一年级开始。我的导师做机器人和强化学习，宾大也有GRASP Laboratory，是一个很大的机器人研究中心。我刚读博士时，本来想学强化学习。

陈茜：因为你大学时就在做强化学习？

Jason：大学时我没有做很多研究，当时在探索不同的方向，但觉得强化学习非常合乎逻辑，就想继续读博研究。

更早的时候，我在国内长大，小时候下了很多围棋。AlphaGo刚出来时，我正好在美国读高三。我觉得这个东西很神奇，能把这么难的游戏都解决了，就想上大学一定要研究一下。后来觉得很有趣，就继续读了博士。

陈茜：AlphaGo打败李世石是在你高中时，那场比赛对你意味着什么？

Jason：他们不只下了一场，而是五场。我很惊讶，AlphaGo可能是4比1打败了李世石。我很小的时候就看李世石、古力下围棋，所以看到李世石被打败，觉得不可思议。

陈茜：“神之一手”，也就是第37步，有惊讶到你吗？

Jason：肯定有。我觉得第37步，以及强化学习找到的其他方案，都非常神奇。其实这和最近语言模型解决一些很难的数学问题，是同一个概念：在固定场景里，如果奖励函数比较确定，人工智能肯定能找到比人能想到的更好的方案。我觉得10年过去，这个原则没有变。

张君武：你当时对人工智能的大脑如何决策感兴趣。机器人、自动驾驶也是强化学习中比较主流的应用，对吗？

Jason：对，但在机器人领域，强化学习必须用得更谨慎。

陈茜：因为它是实体的？

Jason：对。或者说，强化学习能奏效，一个很大的原因是这个领域必须有很好的模拟器。比如游戏，游戏本身就是模拟器；做语言模型时，语言模型自身可以模拟语言的演进过程。

但在机器人很多应用场景上，做一个很好的模拟器非常难。现在教机器人跑步、跳舞，都是在模拟器里通过强化学习做出来的。但抓取、Contact-rich manipulation（密集接触操作）这些任务，现在的仿真还有一些距离。

我不太鼓励在真机上跑强化学习，因为我曾经做过。真机的并行程度太低，远不如模拟器可以4000个环境一起跑。

张君武：这是不是也是你们选择毛巾的原因？力度不准确，毛巾也不会被捏碎，不像我们之前包装维生素瓶子，力气一大，整个瓶子就被压碎了。

Jason：对。所以公司一开始，希望商业化和技术同时往前走，就先从叠毛巾、叠衣服出发，因为很难叠坏。

机器人会出错，但不是致命的错误。

陈茜：对，最差就是把毛巾或者衣服撕坏。

Jason：目前好像还没有发生。

陈茜：游戏很适合强化学习，DeepMind也训练了很多游戏，后来往大语言模型走了。但你没有选择大模型，反而选择了机器人方面的强化学习，是因为导师，还是自己的兴趣？

Jason：读博士时，主要是自己的兴趣。一开始在机器人里做强化学习，我觉得前几篇论文做得还不错。导师也建议我继续在一个路线上做最顶尖的工作，比起做很多不同的工作，但在每个领域都马马虎虎，回报会更高。

陈茜：你怎么找自己感兴趣的论文选题？从论文题目和选题看，你似乎喜欢挑战现有认知的方向。

Jason：博士后面几年，我确实是这样想的。如果要写一篇论文，这个问题必须很新颖，没有现成的基线方法。机器人现在还没有被解决，一个很大的原因是，大家对问题定义还没有完全形成共识。在这种情况下，如果只是沿用一个已经设定好的问题，去超过某个基线方法，我觉得意义不是很大。

机器人学习的探索空间很大。博士后面几年，我从第一性原理去想：要让强化学习在机器人上真正奏效，有哪些瓶颈？很容易就会发现，最大的瓶颈是奖励函数没办法设定。

玩游戏、下围棋时，游戏规则、围棋规则就是奖励函数，告诉你拿几分。但机器人学走路、跑步、跳舞，或者抓东西、切菜，没有人给你奖励函数。你没办法编一个程序，完全用数学方法把怎么切菜写出来。我当时觉得，这个问题必须解决，否则没办法做强化学习。

张君武：生活中完成一件事，比如拿杯子，没有一个标准答案。你可以从左边去拿，也可以从右边去拿。这时候该怎么设计奖励函数？

Jason：很多操作任务没有最优解。所以我有一篇论文叫VIP，就是从人的视频里学习一个Prior（先验），学习一个很大的奖励模型，看人是怎么做的，再用人的做法指导这个奖励模型。

陈茜：这是2022年你在Meta做的论文？

Meta内部一直有研究机器人的团队？我知道他们现在也在做机器人。

Jason：对，Meta一直有机器人研究。之前更偏学术，我当时在FAIR。2022年的FAIR可以做很多基础研究。

陈茜：可能是FAIR最好的时光。

Jason：对，现在很不一样了。

陈茜：VIP（价值隐式预训练）解决的问题，是从人类视频的时间顺序里学习价值函数？

Jason：对。比如抓一个东西，从第一张图到最后一张图是一个过程，把这个过程、这个顺序理好，就可以帮助判断：机器人做同一个任务时，在这一张图完成了百分之多少，下一张图又完成了百分之多少。这是一种可规模化地学习奖励函数模型的方法。

2022年的机器人数据很少，现在我觉得也少，当时就更不用说了，所以当时觉得这个方法很合理。

陈茜：你说的是遥操作数据？

Jason：不管是不是遥操作，机器人视频都没有那么多，所以必须有一种方法，不依靠机器人数据学习奖励函数。机器人最终还是要解决人在物理世界里想解决的任务，因此从人的视频出发是合理的。

陈茜：当时能用什么人类视频？也是UMI？

Jason：当时还没有UMI（通用操作接口）。2021年，FAIR有一篇论文叫Ego4D，可能是第一篇大规模、以人为中心的第一视角视频数据工作。当时的数据有3000小时。

陈茜：是戴着头盔采集的吗？

Jason：这个细节我可能不知道。当时觉得3000小时很大，但和现在的规模比，就太小了。

张君武：从你当时的研究到现在，好像有一个连续性。Dyna-2也在讲，怎么利用更现成的互联网视频，以及相对更好采集的视频数据。

Jason：其实没有特意想沿用之前的论文。做机器人必须实际一点，我之前的一些论文有时可能过于超前，比如后面可以聊到的Eurek这些技术当时可以做研究，但想拿来做产品，还不是特别合适。

所以Dyna刚创立时，我很少用之前的方法，而是先把一些我觉得肯定能奏效的方式扩大规模。

陈茜：你觉得2023年在英伟达做的Eureka太早了吗？

Jason：当时做出来的效果已经很惊艳。不只是大家可能看过的转笔演示，而是用人工智能自动生成奖励函数。

陈茜：我做功课时才发现，你那时已经让GPT-4写奖励函数代码了。

Jason：对，和现在Astra写很多东西相似。

陈茜：但区别是，当时GPT-4写的是奖励函数代码，不直接输出策略，也不直接驱动机器人。

Jason：对。当时先用GPT-4写奖励函数代码，再在仿真里跑强化学习，得到一个策略。看这个策略的表现，再给GPT-4反馈。这样基本上就是RSI（递归自我改进），不断改进奖励函数代码。

陈茜：很早的RSI（递归自我改进）。

Jason：现在大家都叫RSI（递归自我改进），当时的名字没这么炫酷。

陈茜：你们当时用的是英国Shadow的灵巧手，让它学会转笔？

Jason：对，是在模拟器里学的。真机上按理说也应该可以，但工程量会很大。

当时灵巧手市场没有现在这么多选择，可能只有Shadow Hand可以做，而且很贵。

陈茜：几万美元一只。

Jason：对，我们当时也没有这个资源，就先在仿真里做了。做研究，一开始先在模拟器里验证一个想法，是很好的方法。

之后我们发了一篇论文，叫DrEureka，教机器狗在瑜伽球上保持平衡、行走。这是把Eureka放到真实世界的后续研究。

陈茜：最近很多人在讨论GPT-6 Astra对机器人领域的影响。它现在带来的影响，和你当时用GPT-4写奖励函数代码，有什么根本区别？

Jason：用GPT-6，你直接说想要什么，它就能一口气做很多事情，帮你完成。我们当时用GPT-4，Eureka也开源了代码，可以看到我们如何让GPT-4自己写代码，再把代码融入仿真环境。现在GPT-6可以自己安装仿真环境，把这些都处理好。

陈茜：GPT-6可以自行安装？

Jason：对，而且能力也更强。以前GPT-4主要是语言模型，对视觉、空间的理解不是很好。现在GPT-6的空间理解很好，可以直接完成一些对空间推理要求很高的机器人任务，这是一个本质区别。

张君武：未来哪些领域会更多用到GPT-6这样的智能体驱动的机器人技术，哪些领域又会更多受益于人工智能、智能体对训练的帮助？

Jason：在我看来，两者没有很大的本质区别。最重要的是给模型、给智能体系统一个奖励函数。

比如训练模型，有training loss（训练损失），你可以跟GPT-6说，一直改参数，直到Training loss（训练损失）达到2.3左右。让它做智能体驱动的机器人技术也是同样的概念，一直写代码，直到把任务完成。最终就是要给模型一个目标。

张君武：奖励函数很重要。

陈茜：你2023年在英伟达的路线大量依赖仿真，很有英伟达的特点。当时Jim Fan也和你在这篇论文上合作？

Jason：对，Jim Fan是末位作者。我当时和Jim、Yuke在英伟达合作，但做这个项目时，也没有说必须用仿真。

因为之前做了VIP（价值隐式预训练），从人的视频里学习奖励函数，所以一开始想做转笔时，我们先想能不能从人的视频学出转笔的奖励函数。但尝试时发现，我没有真正的灵巧手，没办法在真机上验证转笔策略。

如果真机是瓶颈，就必须从仿真开始。但问题也很明显：我都不知道模拟器能不能训练出一个会转笔的模型。机器人仿真的一个大问题是，有些任务，你甚至不知道能不能被模拟出来。转笔当时没人做过，所以是未知的。

那就先手动写一些奖励函数。但手动写没有出路，必须用模型自己开发奖励函数，这就变成了Eureka。

陈茜：你后来去了谷歌，做了GVL（生成式价值学习），好像又回到VIP（价值隐式预训练）的延续工作上？

Jason：可以这么说。我博士期间的大部分工作，是解决机器人领域的奖励函数，以及其他标注从哪里来的问题。

加入谷歌时，正好Gemini 1.5刚出来。Gemini的多模态能力一直不错，我想能不能用在机器人上，就做了一个算法，用VLM（视觉语言模型）直接做上下文学习，把奖励函数写出来。当时效果很好，我也很惊讶，为什么这东西会奏效？它应该不奏效，这些肯定不在预训练里。

现在也有很多创业公司在做GVL（生成式价值学习）这样的事情，用VLM（视觉语言模型）标注奖励函数、做子任务标注。说实话，GVL（生成式价值学习）可能比Eureka和VIP（价值隐式预训练）都更商业化一些。

陈茜：今年出现了很多数据公司，很大的一个落地方向就是把数据卖给机器人公司，最近很赚钱。

Jason：对。标注是一个大问题，用VLM（视觉语言模型）标注挺好。

陈茜：你是在谷歌之后想创业的。为什么没有加入实习过的三家公司，反而选择创业？

Jason：当时做了很多研究，我想在真实世界产生更大的影响。写论文对我已经没有太大吸引力。我觉得具身机器人的战场，不是在实验室里写论文，而是真正把机器人带到应用场景里，看能不能工作。

陈茜：所以你当时就意识到部署很重要？

Jason：对。我在学术界，不管企业研究实验室还是学校，写过很多论文、做过很多演示。我个人的感觉是，自己在评估自己的作业，没有真实的客户，也没有真实基准。

当时机器人领域每篇论文都有新的演示，都想更炫酷一点，但任务是研究员自己设定的。比如在DrEureka里，教机器狗在球上保持平衡，之前没人做过。我想出这个任务，是为了验证算法，觉得很酷，但和实际应用是两码事。

我想让研究的影响力更大。做一家初创公司，尤其是像我们这样把产品和研究放在一起的公司，我觉得能学到更多，影响也会更大。

张君武：你在三个不同的实验室待过，对之后有什么影响？原本我好奇技术方面的影响，但听下来，似乎更多是选择和非技术方面，或者说商业化方面的影响？

Jason：在这些大厂工作，对我最有帮助的有几点。首先是人脉，之前的导师现在也是机器人领域非常有影响力的人，我和他们的关系一直很好。

其次，不管在三家公司还是读博士时，我都没有沿着一种方法一直写论文。我尝试过从人的视频里学习，用VLM（视觉语言模型）直接推理，也用仿真做奖励函数。因为覆盖面比较广，创业时就没有限定必须从某一种技术路线出发，可以更客观地看每个阶段用什么方法最好。这对公司长期发展有帮助，不会只堵在一条技术路线上。

张君武：你前面说，有时并不期待模型能奏效，结果它反而奏效了。现在很多正在读博士，或者准备读博士的同学可能会想，模型是不是已经能处理大部分甚至所有任务？模型方面还有新的研究问题吗？还有没有必要读博士？

Jason：新的问题还有很多。读博士最重要的是探索新问题，而不是在已有问题上比别人多刷两三分。你要写那种没有现成基线方法的论文，提出一个新问题。如果问题合理，自然会有很多人跟进。

做Eureka时也没有基线方法，我得自己想。因为当时没人从语言模型里生成奖励函数，做RSI（递归自我改进）这些东西。VIP（价值隐式预训练）、GVL（生成式价值学习）也是一样。把问题定义想清楚，是研究最重要的事。

所以博士生最重要的是找新问题，而不是去和GPT-6或其他模型比较基准测试分数，那样没有太大意义。

陈茜：你什么时候认识York和Lindon的？

Jason：2024年3月，我来到谷歌。刚来几周，就认识了Lindon和York。

陈茜：他们不在谷歌吧？当时Caper已经被收购了吗？

Jason：对，已经被收购了。当时Lindon应该在迈阿密，York好像在国内。

陈茜：是在被收购后的休息期吗？

Jason：我觉得没有，我们三个都不是闲得下来的人。当时是Monica介绍的。我刚加入谷歌，也在想接下来做什么。我想把机器人带到真实环境里，而不是在实验室里自己想任务。他们的想法和我能走到一起。

陈茜：Lindon和York在上一个创业项目中已经是联合创始人，项目被收购、退出后，想做机器人。Monica之前是投资人，现在也已经加入你们了。当时他们需要一个做前沿模型的科学家，所以找到了你？

张君武：你当时无论研究还是创业，应该有很多选择。Lindon和York身上有哪些特质，让你觉得一拍即合？

Jason：首先，要做好一家机器人公司，我个人觉得不能只做学术。即使我是学术背景，最终还是想把模型、本体做成产品，也就是我们现在的技术路线。如果只跟研究员创业，创始团队会有很大的偏差，长期未必是最优的发展路线。

其次，他们做过创业公司，而且做得很好，也是硬件公司。他们在一些领域懂的东西，和我在技术上懂的东西很互补，这很重要。

陈茜：你们三个现在各自负责什么？

Jason：Lindon是CEO，更多负责战略和管理，以及对外的事情。

陈茜：找钱、找人、找方向。

Jason：对。我主要负责技术路线，研究员做什么、技术里程碑是什么，公司接下来在技术上做哪些东西。

York是我目前见过工程能力最强的工程师之一，有什么特别难的东西，他都可以做，也负责一些工程管理。

陈茜：你们三个会吵架吗？

Jason：我觉得必须有争议，没有争议，说明交流还不够多。但我不会把争议称为吵架。争议是好事，能让大家尽早发现问题、解决问题，因为我们三个都想把公司做好、做大。

陈茜：比如会在哪些问题上有争议？

Jason：技术路线、商业路线，大家可能有不同想法，但最后都是能解决的。

陈茜：技术路线和商业路线有时会冲突吗？

Jason：做好Dyna这样的公司，最难的一点是如何在商业和技术上找到共鸣点：做的任务既能推动商业部署，也能让模型、整个飞轮搭得更好。

我们一开始学折叠，就是这个原因。我觉得这是做机器人Foundation model（基础模型）的第一个任务，因为容错率高，不会把东西撕坏；不像洗盘子，打碎一个就很麻烦。我们从这个角度找第一个、第二个任务。但现在公司做大后，接下来的策略也可能有一些改变。

陈茜：回到Dyna刚起步、准备发布Dyna-1的时候，你们选择叠毛巾、叠衣服作为演示，当时挺有先驱性，也因为叠毛巾的演示火起来了。现在很多公司都在叠毛巾、叠衣服，我之前去WAIC（世界人工智能大会）、WRC（世界机器人大会），也发现大家都在做。当时你们是同时从商业和技术考虑，觉得这是一个很好的首个落地场景？

Jason：是。当时觉得叠毛巾、叠餐巾，模型应该能做。最大的问题不是能不能做，而是能不能100%完成。

第一个模型发布的重点就是，当时有这么多VLA（视觉-语言-动作模型）、通用模型，但都没有达到很高的成功率。如果成功率很低，就没有任何商业价值。所以第一个技术突破，是能不能达到100%。

Dyna-1发布后，我觉得大部分其他公司都在这个方向跟进，很多公司开始发布可靠性演示。这说明我们当时发布的东西有很大影响力。

陈茜：开始创业后，你们讨论过只做Foundation model（基础模型）这一层吗？比如Physical Intelligence从一开始就想只做智能层、不碰硬件，你们没有往这个方向考虑过？

Jason：一开始没有硬件，肯定先买别人的机械臂尝试，把模型做起来，但我们从一开始就有做硬件的打算。把硬件做好要花很长时间，所以最近才把最新的硬件发布出来。

张君武：你们能一边部署、一边改进硬件，很厉害。我之前做挑拣机器人时，如果线束设计不当，或者相机位置不合适，可能导致线受力过大，影响重复操作的一致性和可靠性。为了达到好的可靠性，你们一开始是不是也在硬件上花了很大功夫？

Jason：肯定的。不管做智能层还是其他层，最后都要做到可靠。但这不只是模型的可靠性，而是整个系统的稳定性。如果只做模型、不做硬件，整个系统稳定性的很大一部分，你根本没办法掌握。这样做产品会很吃亏。

陈茜：你们最开始叠毛巾时，没有现在这样的轮式底盘，好像也没有机器人的头，就是两个夹爪？

Jason：对，基本上是两个机械臂。

陈茜：当时跟投资人聊，他们会觉得你们不够炫酷吗？

Jason：有可能，我觉得是不够炫酷。

陈茜：同期很多公司已经有人形、双足机器人了，你们不会受干扰吗？

Jason：我们肯定在想接下来的硬件怎么做，但公司一直很务实，不会一步做一个很炫酷、却没有落地机会的东西。

我们非常相信通过迭代推进技术发展，不会从零一步做出最终的硬件。这样中间出错率很高，也没有商业落地闭环的反馈，对于想把技术做好来说，其实很吃亏。

陈茜：“想把技术做好会很吃亏”，这句话怎么理解？

Jason：比如把模型做好，必须在硬件上做很多评估。但如果硬件很不稳定，连评估都做不了，就没办法知道模型能不能工作，以及背后的原因。

很多人形机器人都有这个问题，系统太不稳定，对模型发展产生很多负面反馈。我们先用比较简单的系统部署，让当前的部署和模型形成飞轮，同时把自己的硬件做好，两者可以并行。

张君武：是不是除非任务涉及跨越复杂地形、大范围移动，否则不一定需要做人形？有些人形机器人展示，也是在固定位置工作。

Jason：我个人觉得没有什么必要。很多室内工作其实不需要双腿，尤其是工厂、商业场景。

但家用不一样。家是为人设计的，人有腿，比如客厅有上下楼梯，轮式机器人就可能有局限。工业、商业场景的地面通常很平，尤其美国有一些规定，必须把地面做得很平，这对早期部署有很大优势。

陈茜：回到叠毛巾，难点在哪里？

Jason：一开始觉得叠毛巾难，后来发现模型叠得很好、很快。最后难的是，能不能把叠好的毛巾一条一条很整齐地摞起来。

对精准度要求比较高。

尤其要摞10条毛巾，如果第三条比较歪，上面的就会继续歪，误差会累积放大。

陈茜：所以每条毛巾都要叠得很整齐，放在很准确的位置。

Jason：对，后来发现，提升整齐度还比较难。

陈茜：最难的一点是什么？比如夹爪的难点在哪里？

发现叠错了，怎么纠正过来，这块最难。

Dyna-1有三个环节，从基础奖励模型，到自主探索，再到有目的的失败恢复。也就是说，搞砸了，但能掰回来，这一步是模型最重要、最难的一步？

Jason：对，这是最难让模型学会的一类动作，有一些难点。但现在距离Dyna-1发布已经一年多，对我们公司来说，已经知道如何解决，而且能解决得很好。

陈茜：怎么解决？

Jason：这个不能透露。

陈茜：通过强化学习吗？

Jason：强化学习是一种，但我们有多种方法。

张君武：是独家秘诀。我也很好奇你们对世界模型的技术路线选择，以及具体的应用方式。世界模型能不能帮助处理这类失败案例？比如一开始的错误会累积，如果在推理阶段预测未来视频，是不是就能预测可能出错的情形，像下围棋时提前想几步，再动态选择？

Dyna-2已经能用110毫秒生成未来3秒的视频，按理说比较快了，为什么你们没有选择在推理阶段生成视频？

Jason：写那篇博文时的几个模型，没有在推理阶段生成视频，但我们现在的模型有这个能力。

很多情况下，有些问题可以用更简单的方法解决，我们就用更简单的方法。在推理阶段生成视频，成本比较高，所以我们还在探索哪些场景真正需要这个能力，哪些不需要。

张君武：看来还是聚焦部署，先考虑部署，以及成本和性能的平衡。

Jason：不仅是部署。在机器学习里，总体来说，更简单的方法更能奏效，也更容易扩大规模。所以从研究角度，我们经常选择非常简单、巧妙的方法去扩大规模。

太复杂的东西很难真正运转，可能其中几步很容易出错，或者调参会很困难。

张君武：这是不是也是你从一开始到现在，贯穿科研和技术选择的品味，就是做得简单、精巧？

Jason：对，越简单越好，太复杂很难真正运转。现在看语言模型里的一些重要想法，其实都不复杂，尤其早期深度学习的一些想法。越简单的东西，越容易扩大规模。

陈茜：回到部署。我看到Dyna-1在5周内，从最初只能运行5分钟，到1小时、8小时、24小时，最后一天能折800多条餐巾。过程中发生了什么，为什么需要经历从只能运行5分钟到准备就绪的过程？

Jason：在这5周里，我们利用模型自己的Rollout（策略执行轨迹），也继续做针对性错误恢复，收集了很多高质量数据。每次重新运行模型，质量都会有很大进步，这是一个持续学习的过程。

陈茜：这是否意味着，把模型、机器放到新环境或新客户那里，就需要这么长的部署时间？

Jason：不是。这5周是当时做研究的时间。最近真正部署时，有些场景、有些任务，甚至不需要几天，就能让模型能力完全符合客户要求。

陈茜：Dyna-1阶段，你们已经找到真实客户，把机器人送到他们那里叠餐巾了？当时和哪些客户合作？

Jason：从Dyna-1开始，我们就和鼎泰丰有一些合作，当时是非常早期的试点。

陈茜：他们很开放，愿意把厨房开放给你们？

Jason：挺开放。我们一开始比较喜欢更开放的客户，因为也不能保证模型一定能工作。如果能在这些应用场景里迭代、吸取教训，对公司发展，尤其早期的帮助很大。

当时我们就在鼎泰丰尝试叠餐巾，这个任务特别难。现在真正能做出来，我觉得是一个很大的里程碑。

陈茜：难在叠整齐？

Jason：对，叠餐巾比叠毛巾难很多。毛巾叠两下差不多就行了，但鼎泰丰或其他餐厅的餐巾都叠得很细致。客户的要求里，几毫米和一厘米的差别，就是及格和不及格的区别，所以对模型精准度的要求很高。

另外，能不能把叠好的餐巾整齐地放进盒子？如果摆得不整齐，有时一开始明明叠好了，放进盒子就会乱掉。

陈茜：我看你们分了1到5共5个等级，分别对应能达到的准确度，或者完成的任务？

Jason：对，5级和4级，或者5级和3级，就是几毫米的区别。

对。让模型在这几毫米的容错范围里达到最高等级，是很难的事。

陈茜：Dyna-1在实验室的成功率做到了99.4%，但只有75%的餐巾达到真实客户的标准，中间为什么有这个差距？

Jason：成功率是按有没有把一条餐巾折好算的，3级、2级也算折好。但你提到的75%是合格率，算的是在所有折好的餐巾中，有多少达到了4级和5级。

客户最后只接受4级、5级。

陈茜：3级不能接受。

Jason：对。内部评估仍然分1到5级，这样才能知道模型的进展在哪里。

张君武：在成功率提高零点几个百分点都很难的情况下，当时是靠模型进步改进，还是更多采集真实客户数据？

Jason：都有。模型进步很多，数据也进步很多，就是更高质量的数据。

把一个任务做到百分之百、质量很高，这种训练做几次，就能感受到高质量数据和低质量数据的差别。真正做部署、做产品时，这很重要。

陈茜：Dyna-1的数据是怎样构成的？

Jason：当时所有数据都是内部自己采的。现在很不一样，数据多了很多，我们不仅要利用自己采的数据，也要利用所有觉得能用上的数据，所以有很多新的研究课题。

陈茜：Dyna-1全部用遥操作数据？

Jason：对。

陈茜：采了多少小时？

Jason：这个就不透露了。

陈茜：都是在办公室，由自己的研究员采的？

Jason：对，用自己的研究员采。

陈茜：我记得一年半前去你们办公室采访，看到现场有人不停地采集。

Jason：对，采数据是必须一直做的工作。

陈茜：Dyna-2的数据我们后面再聊。Dyna-1的部署给你们最大的教训是什么？

Jason：最大的教训是，实验室里做出来的东西，和真正能部署的东西，差距很大。

Dyna-1刚做出来时，是业界成功率最高的模型，但带到商业场景部署，还是有很多差距，比如整齐度、语言指令遵循和速度。Dyna-1的速度也没达到鼎泰丰真正能接受的程度。所以即使把成功率提上去，差距依然很大。

张君武：幸好你们有一个听起来比较耐心的客户。我之前工作的公司是Vicarious，后来被Intrinsic收购。有些客户对单次作业周期要求很高，或者没那么耐心，就要花很多资源服务他们。

初创公司同时也要考虑多个客户的试点，平衡技术和商业。你们怎么在做好一个客户的前提下覆盖更多客户？会有多个试点同时进行吗？

Jason：有两点。首先，Foundation model（基础模型）越来越好，就能让任何部署都做得更快、更通用。其次，试点管理很重要。不同试点、不同部署会遇到不同问题，部署到足够数量时，就能同时排查出各种问题，对做好工程很有帮助。

这也是扩大规模的问题。在一个部署点发现的问题，和同时部署10台、100台、1000台发现的问题，完全不同。每次扩大规模，都会遇到新问题。

具身公司必须有这个信念：真正把部署做下去，把规模扩大。如果永远停留在1到10台，或者1到5台，就很难发现那些只有扩大规模才能遇到的运营、部署问题。

陈茜：机器人行业的成功率该怎么看？99%听起来很高，君武之前也跟我聊过，Vicarious做到了百分之九十几的成功率，但还是没能很好地生存下来，后来被收购。

99%的成功率，意味着任务重复1000次，有10次做不好。这10次可能把整条生产线弄乱，客户就无法接受。

Jason：这就是为什么机器人公司必须深入思考产品形态。流水线、传送带、物流这类任务，成功率是致命的。如果成功率不是100%，就说明线上有些物品没有处理好，机器人做完之后，下游还必须有机器或人保证质量。

这样，机器人其实没有自主承包整条线，反而给人或其他机器增加了工作。所以我们一开始觉得，传送带任务不是做具身通用智能最好的出发点。

我们首先追求的是，机器人能不能把自己的完整任务、整个工作流包下来，不需要人做质量保证，也不需要人工干预。如果能做到，即使现在慢一些，也能产生商业价值。我们从这里出发，决定技术、模型、硬件，以及其他所有技术决策。

陈茜：你们把Dyna-1的10个月部署称为“苦涩的教训”，苦涩之处是不是发现即使99.4%的成功率也不够？

Jason：现在来看，可能是“苦乐参半的教训”。苦在比想象中难；甜在因为难，所以必须解决，解决后就会领先其他公司很多。

很多要解决的问题并不炫酷，不是做个新模型、把模型做大、把数据规模提上去。我们团队有必须解决这些问题的信念。有些团队可能没有这种基因，始终不会主动想把部署做好，长期可能成为劣势。

陈茜：如果不做部署，就学不到这些教训？

Jason：对。

陈茜：你们有专门的部署团队吗？

Jason：可以这么说，我们有一个产品团队。但部署也需要很多研究，做项目时协作很多，不是只有一个团队在做，大家都能帮忙。硬件、软件、模型、产品、部署、运营都会参与。

陈茜：从Dyna-1到Dyna-2，模型变化很大。为什么在发现部署问题后，你们没有只针对Dyna-1，把数据、准确率、部署继续做好，而是回到Foundation model（基础模型）进行新的创新？这个决策是怎么发生的？

Jason：Dyna-1是VLA（视觉-语言-动作模型）。我们在这个模型上做了很久，发现它从架构角度有一些缺陷。你可以打很多补丁，但补丁多了，就很难在一个不够稳固的基础上继续扩大规模。

所以一边部署VLA（视觉-语言-动作模型），我们也一边做基础研究，探索更能扩大规模的架构，最后变成现在Dyna-2的世界动作模型。当时就觉得很多性能有质的提升，比如泛化性、理解并遵循语言指令的能力，其他方面我们也在博文里讲了。

最终目标不是只在鼎泰丰，或者一些宾馆里折衣服，而是做一个通用的机器人智能平台。从这个目标出发，换模型、做更能扩大规模的东西，是很本质、也是我们愿意做的事。

张君武：能不能给听众简单拆解一下，VLA（视觉-语言-动作模型）和世界动作模型有什么区别？VLA（视觉-语言-动作模型）的缺陷主要在哪里？

Jason：我觉得世界模型最重要的一点是：做模型时，它要推理一个东西。做VLA（视觉-语言-动作模型），是计算机器人的动作轨迹；做世界模型，不仅计算机器人轨迹，还把整个世界未来会发生什么的轨迹也用于训练。

这样，模型能学到更本质的特征和信息，帮助它推理世界接下来怎么发展。这对机器人泛化和其他能力都很重要。

张君武：你们一边部署VLA（视觉-语言-动作模型），一边探索其他模型架构时，除了世界模型，还探索过别的架构吗？为什么选择世界动作模型？

Jason：当时想从视频模型出发。视频模型已经能预测视频，这对真实世界中的物理操作有很大帮助。我们觉得它有很多VLA（视觉-语言-动作模型）没有的属性，可以利用，所以从那里开始。

当时除了VLM（视觉语言模型）和视频模型，也没有太多其他模型可以探索。

张君武：即使在世界模型里，除了基于Diffusion model（扩散模型）、预测像素的路线，也有JEPA（联合嵌入预测架构）这样预测另一种表征的路线。这算不算可供探索的架构？你们为什么没选择JEPA（联合嵌入预测架构）？

Jason：我们还是想从预训练视频模型出发。大部分预训练视频模型最初的用途就是视频生成，本身已经在预测视频。当时没有什么JEPA（联合嵌入预测架构）的Checkpoint（模型检查点）可用。

张君武：使用预训练模型的收益，是不是能用上海量互联网数据？

Jason：是，这能让迭代速度快很多。

陈茜：做Dyna-1、全部用遥操作数据时，你是不是已经知道这不是最终方案，有一天还是要用大量互联网数据？这可能又回到VIP（价值隐式预训练）和你早期的一些工作。

Jason：也不是说遥操作是不正确的方案。机器人现在还是要分预训练和后训练。

预训练时，什么数据能提供最大的覆盖面、最多的数据量，就应该利用这些数据，弄明白怎么让模型泛化。

如果要做后训练，真正部署到商业场景，稳定性和质量的要求特别高，那是后训练要解决的事。遥操作是能收集最高质量数据的唯一方法，其他采集方案在质量上都会有一些差距。

陈茜：所以Dyna-2的后训练也会用遥操作数据？

Jason：对，但需要的量比以前少很多。Dyna-2，以及刚发布的Dyna-2.1，都有只用几十分钟数据就能学会新任务的结果。以前几十分钟肯定不行。

陈茜：Dyna-2发布中，我觉得最惊艳的一个结论是，用了100万小时第一人称数据，找到了机器人数据规模定律的端倪。这个研究过程是什么样的？

Jason：当时我们尝试第一视角数据，做过1000小时、1万小时和10万小时级别的预训练，在这些级别上发现了规模扩展的效果。

陈茜：到1000小时就发现了？

Jason：不是，是从100小时、1000小时、1万小时到10万小时。

所以是四个阶梯。

陈茜：每个阶段都发现数据越多，效果越好？

Jason：对。每次把数据量扩大10倍，模型预测就会变好。这不仅是预测人的运动变好。预训练只用了人的数据，人的数据更多，预测人的运动更好，可能并不特别令人惊讶。

真正惊喜的是，人的数据增多后，模型预测机器人动作、轨迹的能力也会变好，而它做推理时，根本没见过这些机器人。

我们在博文中把它叫作“Cross-embodiment transfer（跨本体迁移）的规模定律”，就是想看Cross-embodiment transfer（跨本体迁移）有没有规模定律。这是很重要的东西。

如果数据总量不够，研究规模定律意义不大。但在机器人领域，遥操作很难达到100万小时的数据量。所以要研究规模定律，必须从更容易，甚至最容易扩大规模的数据来源出发，我们先选择了人的数据。

但机器人领域有一个权衡：数据来源越容易扩大规模，它和最终部署的机器人、夹爪形态之间的距离可能越远。如果能从容易扩大规模、但和机器人关系没有那么直接的数据中，获得机器人上的规模定律，我觉得是一个非常大的突破。

这样就有办法让具身模型更聪明，而不需要依赖很多机器人数据。因为机器人数据在具身领域永远是一个瓶颈。

陈茜：这100万小时第一人称数据，是从类似机器人的视角，看到我的双手在做什么吗？

Jason：不是机器人的视角，是人的视角。比如很多数据是人头戴相机拍摄的。不同数据采集合作伙伴，以及我们内部使用的设备，并不一致，所以视角覆盖很广。

可能正因为覆盖面广，每个人的胳膊、穿的衣服也不一样，让模型具备了泛化能力。

陈茜：100万小时数据，大部分是从合作伙伴那里买的？

Jason：很多来自合作伙伴，但内部也有自己的第一视角设备在采集。只靠一家公司采，很难扩大到那么大。

陈茜：100万小时在现在机器人数据中，是什么量级？

Jason：从公开可获得的信息看，100万小时是最大的预训练规模。

陈茜：很贵吗？

Jason：有些贵，数据更多，肯定要花更多钱。

陈茜：大概是什么成本量级？

Jason：这个不好透露。但人的数据成本远低于遥操作或其他采集方案，因为不需要机器人。遥操作还必须教人怎么操作机器人；人的数据，只要给他一个相机，让他记录每天做了什么，很多这样的数据已经能用上。

张君武：互联网更大体量的数据，可能是第三人称、非第一视角的视频。Cross-embodiment transfer（跨本体迁移）有多大程度依赖视频里人的形态和机械臂相似？如果换成第三人称视角，还会有这样的规模定律吗？

Jason：应该会有，但斜率可能很不一样。从第三人称，或者和机器人操作没有关系的视频中学习，可能改善模型对世界整体的认识；但直接迁移到操作，距离会更大，可能更难。

Dyna-2也有只扩大视频数据规模的结果，但用的仍然是人做任务的视频，不是任意随机视频。随机视频能不能帮助机器人，我觉得应该会，但现在还没有很多证据。

陈茜：下一步是不是再验证一下，从100万小时到几百万、1000万小时，这个规模定律还能不能成立？

Jason：对，肯定会尝试。我们研究规模定律，就是为了继续扩大规模，找到很容易扩大数据规模的方法。

陈茜：会不会随着规模扩大，发现它不是规模定律？

Jason：我觉得这个概率比较小。现在机器人模型都比较小，大部分，可能所有机器人领域的规模扩展结果，都没有同时扩大数据、模型和算力，一般只扩大一个维度。

如果三个维度都做得很好，我觉得一定能发现很不错的规模定律，但工程量也会大很多。

张君武：从图上看，10万到100万小时的改善，相比1万到10万小时，速度稍微下降了。会不会后面数据越多，越难继续扩大规模？

Jason：发布Dyna-2时，我们确实发现从10万到100万小时的斜率更低。原因是，当时收集100万小时数据，整个行业都没有这么多高质量数据。

1000小时、1万小时、10万小时阶段，这些数据都是我们认为的高质量数据。但到100万小时，首先没有100万小时已经标注好的视频，很多视频没有标注。这也是为什么从10万到100万小时，曲线的变化幅度可能更小。

如果有100万小时真正的高质量数据，我们对这个规模定律很有信心，它不会因此放缓。

张君武：视频是一方面，能真正把视频用好的架构，是世界动作模型。博文里还提到，加入没有动作标注的视频预测训练，效果比只做动作与视频的联合训练还好，怎么理解这个实验结果？

Jason：区别在于，只做视频和动作的联合建模时，如果所有数据都要同时做视频预测和动作预测，就必须都有动作轨迹标注。这样能用的数据量，肯定少于那些没有动作标注、也能用于训练的数据。

我们的观点是，如果在视频预测上也能发现规模扩展的效果，就能让模型用上更多数据，这很重要。人类活动视频里，标注动作、手和手的关节很费劲。如果能用纯视频训练，对模型泛化会有很大帮助。

张君武：没有动作标注的视频，是不是大多用于训练世界模型、预测未来状态？怎么知道预测未来状态时，模型真的学到了背后的物理规律？比如拿有水、没水的杯子，或者拉重门、轻门，视频看起来可能一样。学到物理规律，对实践真的重要吗？

Jason：对实践挺重要。但你说得也对，有些任务从视频很难判断，比如门到底轻还是重，透明杯子里有没有水。

做世界模型有一个需要注意、但很少有人说的问题：如果某些任务需要视觉和触觉，数据里却没有触觉，那么不管怎么训练、怎么预测，都无法确定真实世界背后的物理情况。

现在大部分机器人世界模型还是从视频学，但有些任务，视频不够，这是当前架构很本质的缺陷。可能也是因为我们还没有大量摄像头以外的数据。

张君武：力的数据比较难采集。

陈茜：我之前采访Andrew Dai，他在做视觉推理，希望模型真正理解视频里的物理规律。这些研究可能还在比较早期的阶段，但确实是行业正在发力的事情。

Jason：这些问题未必必须用预训练解决。有些触觉数据，人的数据里没有，但如果机器人有触觉传感器，说不定后训练时用很少数据就能学到。

视频、图片是重复性很高的模态，一张图中，这个像素和那个像素可能长得差不多。但触觉、音频的每比特信息量会高很多。说不定不需要100万小时触觉数据，就能学到一个很好的、有触觉输入的机器人Foundation model（基础模型）。

陈茜：你们接下来会考虑加入触觉吗？

Jason：我们在看。触觉在机器人学习领域也是争议很大的方向，很多人觉得不需要，也有很多人觉得需要，很难说。我们的看法是，要从实践中发现什么奏效，以及在什么场景下奏效。

张君武：如果世界动作模型有这些缺陷，机器人研究下一步是新架构，还是在后训练加入更多不同形态的数据，比如力的数据？听起来后训练数据是一个比较大的方向？

Jason：对，后训练一直会是很大的方向。机器人很难靠一个模型，不需要任何训练数据，就以Zero-shot（零样本）的方式完成很多任务。

因为每个客户、每个人的需求不一样，一个模型不可能猜对所有人的需求。所以如何用很少的数据，在后训练中修改、适配模型，是长期都会存在的工作。

预训练则是数据很重要：能不能用更容易扩大规模的方法采集高质量数据？

张君武：大家一直讲数据难采、质量要求高，但容易忽略的是，即使采了很多高质量数据，怎么摄取、读取，真正转成能用的数据，背后的基础设施是不是也需要很大工程量？

Jason：需要很大工程量。我们有一篇基础设施博文，专门讲这些事。

做百万小时规模的训练，不只是训练模型的问题，也是很大的infra（基础设施）问题。没有好的infra（基础设施），任务根本跑不起来，或者跑几次就崩溃，很费力。所以做大规模实验，一开始都要先搭好infra（基础设施）。

张君武：他们像幕后英雄。

陈茜：大语言模型也是这样，infra（基础设施）团队常常不被看见，却又是最重要的。

Jason：但在我们这里，他们还是有很多关注度，我们专门写了一篇博文讲基础设施。这些幕后英雄值得被看见。

张君武：博客里也谈到了Cross-embodiment transfer（跨本体迁移），这些视频已经和机器人本身长得比较像了。你们认为人类视频里的什么东西，真正被机器人学过去了？

Jason：有几点。首先，用世界动作模型时，视频中能判断出来的物理信息，我觉得都有迁移，因为我们在预测视频接下来会发生什么。

其次，解决任务的大致策略，不管End effector（末端执行器）是夹爪还是灵巧手，都可以学过去。比如抓东西，手臂在一个位置，物品在另一个位置，不管什么灵巧手或夹爪，首先都要把手移过去。这些概念完全能从人的视频里学到。

张君武：手腕这类关键点也比较类似。

Jason：对。但非常精细的动作，首先要看标注质量。质量不高，会有很多漂移，用这些数据训练灵巧手，帮助未必很大。

陈茜：如果下一步从100万到1000万小时，中间的数据缺口大吗？如果继续与数据公司合作，需要很多标注、高质量数据，这些数据从哪里来，市场有这么多供应吗？

Jason：供应是个问题，另一个是基础设施。现在我们的基础设施能处理100万小时级别，但要处理1000万小时，不仅是训练，还有标注和质量保证，都有很多工作要继续做。

陈茜：你们有个结论，Dyna-2之后，不要再把模型当成产品，而是让模型、硬件、部署、数据基础设施、Teachability（可教性）、物理智能体这六个部分一起扩大规模，才是真正的规模定律。

Jason：我觉得这样才能真正把产品做下去。机器人的整个技术栈很长，只做中间一部分，很难把东西做好。每一块都重要，缺一块都很难真正做好。

陈茜：这次和鼎泰丰的合作，比上次优化了不少吧？

Jason：对，我们一直在鼎泰丰做，最后做到我觉得真正可以作为产品的程度，所以现在发布出来。

陈茜：数据提升挺高。最开始Dyna-1每小时叠35条餐巾，每天大概480条。当时客户希望达到每天1500条，一个班次18小时。Dyna-2做到每小时95条、每天1590条，满足了客户标准。

Jason：对，中间有很多改进，模型是比较大的一部分，但数据和持续学习也很重要。

模型达到一定程度，比如每天叠1400条，怎么提升到1500条？这时没有很多容易取得的进展，不是多采一些数据，就能再快很多。越接近目标，难度越高。

一开始没有模型，做出一个每小时叠30条餐巾的模型，以我们现在的认识来看，已经不是很难。

陈茜：进一步提升，需要模型和数据再往前走？

Jason：对，我觉得是这样。

张君武：在一个任务上提升都这么难，现在大家讲通用，一个机器人完成所有任务，真正达到那一天，是不是还有距离？

Jason：对。不可能一个机器人、一个模型，所有任务都100%完成。Zero-shot（零样本）很难，因为很难猜到别人的要求。

如果通用机器人在任何任务上能达到百分之七八十，再用很少数据微调，完成客户任务，我觉得就是不错的里程碑。

陈茜：会不会有一种风险：你们采集的生产环境数据，大部分来自叠毛巾、叠衣服这些客户场景，模型越来越擅长这几个任务，反而对其他任务的泛化能力没有那么强？

Jason：未必。预训练的大部分数据是人类活动视频，非常多样。内部数据和人的视频数据相比，要少很多。预训练追求通用性，肯定会有些偏差，比如对自己本体的偏向，但我觉得这些是好的偏差。就像做语言模型，希望编程能力好，预训练就必须提高编程数据的比例，具身也是一样。

“通用”是一个很虚的概念，最后大家都有约束，取决于你在乎什么、更在乎什么。更在乎灵巧手，就提高预训练中灵巧手数据的比例；不在乎，预训练完全可以不用灵巧手数据。所以最后都是根据目标，决定预训练的数据混合配比。

陈茜：刚才提到，机器人落地要替代一份人力，完成完整任务，而不是只做任务中的某个动作，否则很难被客户接受。Dyna-2也选择了一些洗衣房任务，你们在进一步验证哪些落地方向？

Jason：一开始还是从洗衣房做起。之前叠毛巾，需要人把烘干的毛巾拿过来，叠完后再拿走，这很繁琐。

一个很有意思的问题是，如果机器人固定在一个地方，模型越好，人工干预率反而越高。模型好，叠得快，桌上很快堆满毛巾，人就必须拿走，因为没地方了。模型越好，人的参与度越高；模型不好，又没人买，这是一个比较尴尬的点。

所以我们觉得，接下来必须做物理智能体，让它承包整个任务，不需要人介入。

就像现在的编程智能体，和几年前自动补全模型的区别。以前每过几秒就要按一下制表键，得一直看着它写代码；现在把任务交给编程智能体，它能一口气完成。我们希望在物理世界也达到这种效果。

张君武：下一步会不会是多个机器人协同？比如毛巾直接放在可以移动的平台上，由自动机械车推走？

Jason：说不定会探索这个路线。但现在的物理智能体就是一个半人形机器人，能把洗衣房里的洗、烘、叠，再把叠好的毛巾放进柜子，这些很长程的任务端到端完成，中间也需要很多推理。

陈茜：我看演示很合理，自己把毛巾送进去洗，拿出来烘干，按按钮，还会扭转盘，调高、调低温度，这些都能做到。

Jason：对。这就是我们刚发布的Dyna-2.1，以及自己开发的机器人Taku。日语中有个词叫Takumi（工匠精神），指工作做得很好，我们也给机器人起了这样一个名字。

陈茜：有匠心的。

Jason：对。为什么做自己的本体？因为部署很多次后发现，商家、厂家想要的不只是一个能完成任务的机器人，而是能承包整个工作流的机器人。

有了自己的本体和模型，机器人不只折衣服，也能把洗衣、烘干等洗衣房里的工作全部接下来，不需要人介入，才能真正达到很高的自主性。

陈茜：毛巾掉了还会捡起来。

Jason：捡起来后会放进脏毛巾的筐里。

很不错的一点是，它不会撞到东西。位置算得不够准，头可能撞到洗衣机，但这完全没有发生，说明整个模型、全身运控很不错。它还会扭到正确的模式。按按钮对精准度要求很高，但机器人会试几次，最后成功。

陈茜：这是针对特定洗衣机优化过，还是任意洗衣机都可以？

Jason：还需要有人优化，但换洗衣机、换烘干机，学习很快，十几分钟、几十分钟的数据就够。它已经真正跑起来了，所有步骤都会做。这就是我们的长期愿景，把机器人做成机器人员工。

陈茜：这是很长程的任务，最难的地方是什么？

Jason：每一步难度都高，都可能出错。洗衣房任务真正做起来，要30分钟到1小时，中间哪一步出个小错，任务就会失败，对模型泛化性和鲁棒性要求特别高。

张君武：客户喜欢这样的产品吗，用完是什么反应？

Jason：他们挺喜欢。我们在博文里也分享过真实反馈，有些客户经常发短信，说这个东西很好，有的还问能不能再多部署几个机器人。

陈茜：是鼎泰丰还是洗衣房？我看到你们发过客户询问何时能多部署几个机器人的反馈。

Jason：具体是哪个，我忘了。鼎泰丰也有吧，也有一些洗衣房。

陈茜：那一刻对你意味着什么？他们喜欢产品，是不是觉得这件事成了？

Jason：是和以前发论文很不一样的成就感，说明我们做的技术真正有人想用。以前写论文，是写给其他研究员看，有点自娱自乐的感觉；现在是真正迈向更大社会的第一步。从公司和技术角度看，都是很好的里程碑。

陈茜：接下来研究和部署的新目标是什么？

Jason：一个目标是移动能力加操作，也就是用半人形机器人做任务，难度比固定式高很多，对运控的要求也高。在做好运控、模型的情况下，再把速度提上去，是比较难的点，值得继续探索。

模型泛化、模型架构这些方向，我们也会继续做。我们不做，别人也会发布，有很多东西可以拿来利用。

张君武：对于机器人公司的核心竞争力，除了模型，硬件和你说的其他部分，是不是比大家想象的更重要？

Jason：对。很多模型是开源的，我觉得硬件和部署最重要，因为它们决定了你的分发渠道。

就像ChatGPT，一开始如果没有电脑、手机，模型再智能，大家也不知道、没人能用。如果把部署做好，有成千上万台机器人，有一天出现很好的开源模型，或者别人的模型和我们差不多好、比我们便宜，或者能和我们的模型一起用，就很容易分发。

但如果只做模型，另一家模型做得更好，我们就会很被动。只做模型，要依赖系统集成商分发智能产品；如果你的智能不是最好的，别人为什么分发你的，而不是其他公司的？

张君武：这也基于你之前的判断，机器人的大脑和形态密切相关。有的公司认为，自己做通用智能，不管什么渠道都能提供能力，但你更强调和形态的关系。

Jason：对。我现在觉得，模型和本体一起做，最终效果还是最好。

陈茜：聊聊硅谷的竞争。最近机器人赛道很热闹，大家路线不一样。先说π，它从一开始聚焦大脑，没有自己做本体。我听过不看好这条路线、认为它可能最终需要出售的观点。你怎么看只做物理智能层的路线？

Jason：π的研究员都很强。我个人认为，物理智能层这件事还没有被充分验证。据我所知，还没有一个成功案例，能不只是做演示，而是真正很好地落地。

现在要把模型做好，仍然需要很多后训练工作。如果没有一家公司把预训练、后训练放在一起做，很难真正达到商业价值。只做智能层，下游客户无法创造商业价值、获得ROI（投资回报率），你也没办法获得ROI（投资回报率）。他们不可能一边付钱给你，一边没办法向自己的下游客户收费。

这和当初无人车有相似之处。只做其中一部分，最后会有被上下游压榨的感觉；做整套系统，我觉得当然更好。

陈茜：比如Waymo为什么可能跑不过特斯拉，因为没有自己的车，成本很高、降不下来。

张君武：Waymo至少有自己的部署，其他公司可能更依靠卖服务。我大概能理解这个意思。

陈茜：π现在的路线还是很明确，是VLA（视觉-语言-动作模型）方向？

Jason：这个我不是很了解，他们内部的情况我不清楚。

陈茜：你觉得VLA（视觉-语言-动作模型）和WAM（世界动作模型）会是两条不同的路线，还是最终合在一起？

Jason：应该会合在一起。

陈茜：现在大家讲系统1、系统2、系统0，每一层可以有不同架构。

Jason：我觉得WAM（世界动作模型）和VLA（视觉-语言-动作模型）最本质的区别，是要不要预测未来，最后大家都会预测未来。

语言模型做Next-token prediction（下一词元预测），就是预测语言的未来。做物理智能体，也要预测未来，不只是机器人接下来做什么，还要预测周围世界会怎么发展，而世界的发展又取决于机器人的动作。

陈茜：π在开源方面还是很重要的。

Jason：他们对行业有很大贡献，一开始做了很多开源模型。

张君武：行业也是一波一波发展起来的，最近WAM（世界动作模型）相对更进入主流。

Jason：现在很多公司也在开源模型。但从开源模型到商业部署，差距很大，现在可能没有很多团队真正弄明白。

张君武：想到你之前做VIP（价值隐式预训练）、研究视频，有一点乔布斯说的，只有回头看才能把事情串起来的感觉。现在视频反而成为更主流的模型架构选择。

Jason：当时也有很多人说，要从视频学习，但没有很好的视频数据、模型，只有想法。机器人领域的这些论文能完成很简单的任务，最后都没有扩大规模。现在很多已有很久的想法被重新发现，而且做得更好了。

陈茜：再补充一个世界模型的问题。我们用以人为中心的视频数据，如果世界模型能直接生成，这些数据足够好吗，够用吗？

Jason：世界模型可以生成，但够不够好，还是一个尚待解决的问题。很多论文从世界模型生成数据，再用这些数据训练，能提高策略的鲁棒性。

但很多论文说，把模型从40%提升到60%或70%。我个人觉得，从40%到70%，用很容易的方法就能做到。

张君武：不一定需要世界模型。

Jason：对。我更关心的是，到了95%到99%这个阶段，传统方法很难再提供很多高质量数据，能不能有效利用Synthetic data（合成数据）来帮助改进。所以很多时候，学术界的想法和论文并不容易迁移到实际应用。

陈茜：说到世界模型，刚刚发生一件新闻：李飞飞老师的Neo lab（新型AI实验室）被AMD收购。我原本以为，世界模型的应用场景主要在机器人公司，机器人公司会买很多数据，但目前看，营收还没办法足够支撑公司。

Jason：做世界模型、找应用场景比较难。视频生成已经很难、很卷，世界模型的应用更未经验证，所以我感觉可能会有很多公司陆续被收购。

陈茜：也很消耗算力，对基础设施要求很高。再说Skild，最近发布了S1，理念是一个大脑要学会适应，任何任务、任何机器人，都用一个大脑，也就是Omni-bodied（全本体）智能。你认同吗？

Jason：这是值得探索的问题，但可能比较困难。我个人觉得，最有价值的大脑是人的大脑，我们只控制自己的身体，但这已经足够好。如果能达到人的大脑的能力，某种程度上就算Physical AGI（物理通用人工智能）了。

我更在乎如何在一个身体上，用一个大脑做任何任务，这可能是更可行的路径。从纯学术角度，一个模型控制很多不同机器人，也有很多论文在研究。但目前还没有一个突破，能真正在别的机器人上学习，再到一个新机器人上做得很好。

陈茜：Figure争议很大，最近好像又发布了新演示。好像每次发布，机器人行业里都会有人批评他们。

Jason：我觉得他们硬件做得挺好，很精致，运控视频也很顺畅，这些是我们也在学习的地方。

他们的模型和其他方面，说实话，我不是很好说。Figure没有做很多公开演示，很难知道模型到底好不好。大部分公司都是这样，很难亲眼看到模型真的在工作，所以很难做客观评估。

陈茜：行业里的一种批评是，演示发布得太激进。比如做10次，成功两三次，把成功的片段拼起来，会给大众一种印象：机器人很炫酷，能走进千家万户，帮忙叠被子、整理枕头、浇花。

我知道有些机器人公司很鄙视这种行为。你觉得这类演示对行业有害，还是也能理解？

Jason：两方面都有。炒作会带动整个行业，就像Elon。但不好的地方是，可能让人们对机器人技术现在到了什么程度产生预期偏差，以为通用机器人已经到了，实际上还没有。这方面会有一些负面影响。

陈茜：这会给你们这样踏实做部署的公司带来噪声吗？我相信投资人会问，他们能做这些，为什么你们不行？

Jason：机器人行业现在噪声很多，所以做公司需要有一个使命，不能看到这家公司发演示、那家公司发演示，就被带偏。要找到本质上必须做的事情，把它做好。

陈茜：York有个泡沫公式很有意思：泡沫等于“当前能力”和“公众期待”之间的差距，乘以“补上这个差距所需的时间”。

Jason：我觉得挺对的，很认同。York发表这些观点时，大部分都对，业界很多人也很赞同。

陈茜：机器人行业肯定有泡沫，但现在大吗？

Jason：我个人觉得还好。虽然有炒作，但也确实有很多进展，有些进展已经足够在某些场景落地。我们做了，其他公司肯定也做了一些。接下来的进展会越来越快，所以不好说这是那种没有实际东西、纯粹炒作起来的泡沫。

陈茜：你说的进展，是会看到工厂中的一些应用场景真正运转起来？

Jason：我希望是这样。

张君武：距离大家的期望还有差距。如果一定要列出最主要的三个原因，会是什么？

Jason：最大的原因还是数据和硬件。硬件没有足够多台，就很难扩大规模；没有足够数据，模型智能不够，后训练就更吃力。这两者永远是瓶颈。

模型架构这些东西经常变化，过几个月这个火、过几个月那个火，我觉得不是最本质的东西。

陈茜：如果硬件及其产量足够重要，那在美国、硅谷市场，特斯拉会是很强的领先者吗？

Jason：有可能。但大厂做机器人也比较难，因为这件事需要所有人合作。大厂都有不同团队，很多时候信息交流不够充分。

尤其做硬件，有些决定很难改，做了就必须先把几百台生产出来，再做下一代，迭代速度会比较慢。

陈茜：现在硅谷大厂有一种共识，智能要发挥最大的效益，必须进入物理世界。OpenAI正在快速招聘顶尖人才，组建机器人团队，也跑得很快。你担心这样的竞争吗？

Jason：说实话，不是特别担心。初创公司最大的护城河，是整个飞轮。我们做部署，有大量部署数据，对于数据质量的见解，会比那些只做大脑、没有百分之百成功率压力的公司深入很多。

其次，我们有硬件，把硬件和模型做成一个平台。如果其他公司有更好的模型，能帮助我们整个技术栈，或者其中某一部分，我们非常欢迎使用。

从我们的架构看，别的公司把模型做好，是对我们有帮助，而不是直接竞争。但如果只做智能层，可能就会面对更多大厂竞争。

张君武：我在初创公司和大公司都工作过，对团队交流的问题很有感触。但初创公司总有一天也会变大，你们怎么看扩大规模中的这个问题？

Jason：早期如果能想办法减少这些障碍，是最好的。公司扩大规模，最重要的是能不能保留文化。现在我们的规模还在可以管理的范围内。

陈茜：自动驾驶给特斯拉带来的经验，比如视频、车队、仿真和策略学习，会帮助Optimus团队吗？自动驾驶中有些经验教训，是能迁移到机器人的。

Jason：很多可以迁移，比如数据基础设施，我觉得肯定能直接迁移。但自动驾驶的数据数量不是问题，机器人很本质的问题却是有没有足够数据，这是很不同的一点。其他模型层面的概念，有一部分也可以迁移。

陈茜：比如什么概念？

Jason：做自动驾驶时，模型要推理车接下来的轨迹，比如未来1秒、2秒要做什么，这是做了很多年的标准方法。

但机器人领域直到三年前左右，才有ALOHA（低成本开源双臂遥操作硬件系统）这样的论文提出，不仅预测下一步动作，还要把接下来整个1秒、2秒的动作一起预测。这类想法迁移得很好。

张君武：自动驾驶很有意思，人本来就在开车，采数据比较自然。通用机器人在数据方面，自己采第一视角数据是主要路径吗？

Jason：第一视角数据目前最容易扩大规模。我能想到唯一更容易扩大规模的，就是仿真。

不管第一视角、遥操作还是UMI（通用操作接口），都有很大的运营、人力问题。UMI（通用操作接口）和第一视角采集还需要很多设备，也要维修，很繁琐。但仿真可以把它变成算力问题，有足够算力，就能生成很多数据，获得足够智能。我觉得这是未来重要的前沿方向之一。

张君武：这是不是也有鸡生蛋、蛋生鸡的问题？真实标注数据更好，仿真生成的数据也会更好。

Jason：对，这是开放性问题，还需要很多工作。

陈茜：硅谷有很多优秀的初创公司，比如你们和Sunday Robotics，同时还有OpenAI、Meta、英伟达，我相信Anthropic也许有一天会自己做机器人。物理人工智能的市场很大，最终会是很多公司共存，还是赢家通吃，形成寡头或双寡头？初创公司为什么能超越巨头、跑出来？

Jason：我觉得会有很多赢家。物理世界的Switching cost（切换成本）很高，一个客户已经有一套很好用的机器人系统，很难换掉。所以越早做好分发渠道，帮助越大。哪些公司更早把更多机器人送到客户手里，优势就会累积放大。

但模型层的Switching cost（切换成本）很低，哪家公司出了更好的模型，就用哪家。具身最终的价值，还是给客户提供的服务。如果把这一层掌握好，不同公司做不同行业，都能做得不错。

张君武：你之前也说，模型和自己的硬件一起设计，有助于效果。如果OpenAI、Anthropic的模型用的本体和你们不同，仍然能很方便地切换模型吗？

Jason：硬件的Switching cost（切换成本）确实很高。但如果最终某个本体上最好的模型，并不是专门针对它做的那个模型，对本体公司影响也不是特别大，因为可以换模型。

比如宇树能做很多跳舞动作，但跳舞模型未必都是自己训练的。有这个平台，存活率就会高很多。

张君武：看来分发渠道和硬件设计，至少目前联系很紧密，你们选择把它掌握在自己手里。

Jason：对，从战略角度，我们认为必须自己做、自己用。

张君武：现在大语言模型领域，还是OpenAI、Anthropic等几家公司占主导。很多智能体应用公司担心，大公司做出类似的东西，自己就被替代。但硬件Switching cost（切换成本）高，可能不一定会有同样的情况。

Jason：对。分发渠道很重要，也很容易被忽略。比如Meta的Muse，Meta在人工智能上落后了一年多，但因为有分发渠道，Muse一出来就很火。即使模型落后一阵，也没关系。

陈茜：苹果也是。

Jason：对。

张君武：分发渠道就是真正被大家使用的场景。掌握了这些，会离用户、付费和商业模式更近。

Jason：对，手机就是分发渠道。现在在iPhone上做任何软件，要给苹果付费、分成，所以它都不需要自己做人工智能。

陈茜：硅谷在落地选择上也很分化。比如特斯拉、Figure和1X，很明确要做家用机器人。可能家用听起来更炫酷、估值更高，市场也更大，全世界有几十亿人口。另一派包括你们，明确先做工业、进工厂、做面向企业的落地。这两条路线会一直并行吗？

Jason：我个人觉得，先做面向企业的业务，进一家工厂远比进一个家庭容易。也要考虑安全，但最初部署时，不需要把所有东西都包装成完整产品，也不需要担心家里的隐私、小孩这些问题，可以更专注地把模型和必要的闭环做好。

做家用机器人，一开始部署就要是完整产品，有很多考量和机器人技术、具身智能本身没有太大关系。做扫地机器人时需要考虑的那些产品问题，做家用机器人同样要考虑，这会让一开始进入家庭更难。

如果把企业业务做好，说不定后面做消费者业务反而更快。模型泛化、速度等问题大同小异，但企业场景能让机器人更快进入部署环境，这对迭代很重要。

就像机器学习有训练集和测试集，做家用机器人，你就永远看不到测试集。即使租几个Airbnb房源，或者在自己家里部署，也和一个美国家庭去Best Buy买机器人、带回家的环境很不一样。家用的测试集很难，但面向企业，你知道测试集是什么。

陈茜：Dyna有一天也可能做家用机器人吗？

Jason：不好说。目前没有这个打算，因为企业市场的机会依然很多。

陈茜：做机器人，对你个人、对社会的意义是什么？

Jason：对我个人，我一直喜欢做研究。这是一个很好的平台，能把以前热爱的东西真正带到全世界，做出影响，把事情做成。

对世界来说，是提高实体生产力，减少体力劳动，让人有更多自由时间做想做的事情。现在很多国家缺人力，比如美国、日本。如果机器人能把整个工作流做好，商业价值会很大。

张君武：就是“Infinite abundance（无限富足）”，一个很大的概念。

张君武：谈未来，不管Dyna-3还是其他模型，我很好奇Tokenization（词元化）这个问题。从Transformer（变换器模型）开始，大家对很多东西进行Tokenization（词元化），这种方式对机器人真的合适吗？词语可以是一个个、不连贯的，但机器人动作很多时候是连续的，并不是离散词元。从科研角度，你对未来有什么展望？也可以聊聊Dyna-3。

Jason：Tokenization（词元化）把连续的东西离散化，肯定会丢失信息。精准度要求很高的任务，可能就没有直接预测连续动作做得好。

Dyna-3现在很难说具体会发布什么。但我觉得这是做机器人最激动人心的时刻，有很多东西可以做，我们也在不同方向探索。

陈茜：你希望Dyna-3证明什么？比如1000万小时的规模定律真的成立？

Jason：规模定律肯定很令人兴奋，但公司一直认为，模型技术只是整个技术栈的一部分。

Dyna-3可能会更关注，把刚发布的半人形机器人和模型真正部署到很多应用场景，展现ROI（投资回报率）。技术上，人的数据、后训练、强化学习、仿真，这些方向仍有突破机会。

陈茜：Dyna最开始成立时，强化学习的印记很强，慢慢地感觉已经转型了。

Jason：强化学习最重要的问题，是决定要不要做强化学习，这本身就是一个很重要的决定。

从强化学习发展历史看，最有效的场景，都是一开始说的那样：有模拟器，奖励函数非常明确。但机器人说实话没有这些属性。如果一开始就用强化学习，是还没看清问题，就先用了一个解决方案。

我们更追求从问题出发，思考解决方案，而不是有一个解决方案，不管什么问题都去套用。

陈茜：这很有意思，因为Dyna是一个很有强化学习意味的名字。一年半前采访你们时，我还不知道这层关系。后来做强化学习的稿子，看到“强化学习之父”Richard S. Sutton写过一篇关于Dyna框架的论文，才知道这是Dyna Robotics名字的来源。