Dyna-2 подняла долю успешных операций роборук на производстве с 46 до 87%

Источник: MarkTechPost

собственным данным стартапа Dyna Robotics, новая модель Dyna-2 обучалась на более чем миллионе часов видео с людьми, выполняющими обычную ручную работу, — это сопоставимо примерно со ста семьюдесятью годами непрерывного бодрствования одного человека. Компания опирается на этот объём данных как на доказательство того, что для роборук работает тот же принцип масштабирования, что раньше проявился в больших языковых моделях: чем больше сырых записей человеческих движений, тем увереннее система справляется с задачами, которых не было в обучающей выборке. Технически Dyna-2 устроена как отдельная "модель мира и действия": видео и последующее движение манипулятора обрабатываются раздельными наборами трансформерных слоёв с разным вниманием, а само обучение построено на подходе flow matching. Блок, отвечающий непосредственно за действие, разработчики намеренно сделали проще по устройству, чем блок для видео, — это снижает задержку между тем, что робот увидел, и тем, как он ответил движением, а задержка критична при работе в реальном времени, а не в симуляции. Чтобы показать сам эффект масштабирования, компания обучила несколько версий модели на вложенных друг в друга подвыборках — тысяча, десять тысяч, сто тысяч и миллион часов видео — и проверила каждую на одном и том же наборе роботизированных задач. Доля успешных операций на реальном производственном объекте выросла с 20 процентов на самой маленькой подвыборке до 53 процентов на полном миллионе часов. В пересчёте на прямое сравнение версий Dyna-2 показала в 1,55 раза более высокую долю успеха и заметно более высокую оценку качества выполнения, чем предыдущая Dyna-1, которая опиралась на модель Qwen3-VL-4B в качестве базовой. На одном из реальных производственных участков доля успешных операций у новой версии доросла до 87 процентов против 46 у старой. После базового обучения модель дополнительно натренировали на четырнадцати практических задачах: от уборки подносов с мусором и сборки посылок в термобоксы до раскладывания одежды на плечики, зачерпывания еды и подачи напитков — то есть на действиях, характерных для гостиниц, прачечных и точек питания, а не для заводского конвейера. Ставка на пассивное видео с людьми, а не на данные, собранные самим манипулятором в ходе телеуправляемых демонстраций, отличает подход Dyna Robotics от части других разработчиков моделей для роботов: такие записи людей на порядок дешевле и доступнее в больших объёмах, но требуют отдельного шага, который переводит движение человеческой руки в команды, понятные конкретному манипулятору с его собственной геометрией и захватом. Доступа к весам модели, публичного API или отдельной лицензии Dyna Robotics не открывает: получить Dyna-2 можно только вместе с фирменными роботизированными "ячейками" компании, которые она сама устанавливает и обслуживает у заказчика. По словам компании, такие ячейки уже работают на реальных объектах — в отелях, прачечных и точках общественного питания, а не только в лабораторных условиях разработчика. Опубликованные компанией показатели пока не проверены независимыми лабораториями и приведены в собственном техническом отчёте разработчика под названием "Dyna-2: A 1-Million-Hour Scaling Law for World-Action Models"; прямого сравнения с моделями других вендоров в этом отчёте нет.