Dyna-2 深谈:百万小时人类视频训练的世界-动作模型与机器人长时自主
Latent Space · rss · 2026-10-14
Latent Space 播客专访 Dyna Robotics 联合创始人、首席科学家 Jason Ma,深度拆解其世界-动作模型 Dyna-2 与物理智能体 Dyna-2.1:
- Dyna-2 在超过 100 万小时人类视频上预训练,结合未来视频预测与机器人动作生成(diffusion transformer + flow matching),声称在四个数量级上验证了人类数据到机器人迁移的 scaling law;
- 现场演示的机器人连续 24 小时叠餐巾,成功率 99.4%,甚至能在碰倒整摞后自行恢复;机器人仅需 45 分钟演示即可学会新任务;
- 已在 Best Western、鼎泰丰等真实客户处规模化部署,每天折叠数千张餐巾;
- Jason 还谈及为何自研轮式半人形硬件而非直接采购人形机器人、灵巧手发热与传感数据缺失等瓶颈、世界-动作模型 vs VLA 的路线之争、机器人界的「Bitter Lesson」(用数据扩展取代专用工程),以及 agentic harness 如何让机器人执行小时级多步骤工作流;
- 也聊到 GPT-6 与编码 agent 在机器人研究中的角色、合成环境与自生成训练数据为何是下一波关键。
「具身」频道最新
- Natura-1 机器人基础模型发布:500 亿参数 MoE,预训练百万小时人类第一视角视频 — rohanpaul_ai · 2026-10-14
- ESP32 玩 AI 智能硬件:15 个开源项目合集加 Meta Muse 手把手对接教程 — alexcovo_eth · 2026-10-14
- 超越视觉：用共享空间感知让手机和机器人协同「本体感觉」 — broodsugar · 2026-10-14
- 苹果发布全新家庭中控设备，值不值得买？ — Kiteaton · 2026-10-14
- Physical Intelligence 开放 Pi API Beta,支持用自有数据微调 π0 系机器人模型 — chelseabfinn · 2026-10-14
- 清华等团队发布 VPP2：视频预测驱动机器人操作新基准第一 — lucy_x_shi · 2026-10-14