Dyna-1 叠餐巾 24 小时 99.4% 成功率:奖励模型如何补上机器人可靠性短板
AI Engineer · youtube · 2026-09-24
Dyna Robotics 联合创始人兼 CTO Jason Ma 在 AI Engineer 演讲中解释通用人形机器人从「视频好看」到「产品可用」的差距与方法:
- 80–90% 成功率是好视频、坏产品;Dyna-1 叠餐厅餐巾实现 24 小时连续作业 99.4% 成功率,甚至能从撞翻整摞餐巾后自主恢复。
- 核心是奖励模型:一个观察机器人并为其进度打分的模型,分数下降说明出错,团队据此定向采集恢复数据,在人机回路的主动学习循环中持续微调。
- 数据与架构:超过 20 万小时预训练数据金字塔;推理模型 + 世界动作模型的组合架构。
- 新任务冷启动:新任务可用不到 1 小时数据上线。
- 真实部署:餐厅与萨克拉门托自助洗衣店;在韩国 CoRL 现场无站点数据连续 3 天叠 T 恤,以及活动现场开红牛罐演示。
视频含完整时间戳,Q&A 涵盖为什么标准后训练卡在 80%、可扩展监督等。
「具身」频道最新
- 39 块肌肉模拟之手练 4.26 亿步，从 0/9 到 9/9 姿势全达成 — MaziyarPanahi · 2026-11-11
- Origami 携手 Palatial 建 real2sim2real 灵巧工厂,下周开源 100 个数据集 — ybisk · 2026-11-11
- 可训练望远镜模型助力 Nature 论文：灵敏度提升 2–15 倍发现系外行星 — bravo_abad · 2026-11-11
- Tersus GNSS MVP S1 扫描数据入 LichtFeld Studio,点云干净出高质量 Splat — janusch_patas · 2026-11-11
- 用 ESPHome 刷机，让家中廉价 IoT 设备重获新生 — haydendevs · 2026-11-11
- NYU 新方法:看人做 5 分钟家务,机器人就能学会擦桌子 — CyberRobooo · 2026-11-11