コンテンツにスキップ
メインサイト ニュース コンソール

Dyna-2:時間単位の自律能力を備えた汎用フィジカルエージェント —— Jason Ma, Dyna Robotics

· Latent Space 翻訳済
播客深度访谈

AIE NYC の配信もぜひあわせてご覧ください。また、来月サンフランシスコで開催される AIE CODE カンファレンスへのご参加もお待ちしております!

今回のエピソードにはTakuロボットの実演デモが含まれています。最高の視聴体験のためにYouTubeでの視聴をおすすめします。


先月、Dynaが発表した Dyna-2 は大きな話題を呼びました。これは100万時間におよぶ人間の行動動画で事前学習された世界-行動モデル(World-Action Model)であり、人間データにおいて4桁のオーダー(4 orders of magnitude)にわたる複数の新たなスケーリング則(scaling laws)を発見したと主張しています。そして今回、彼らはこのモデルをベースにした実機ロボットエージェント Dyna-2.1 を相次いで発表しました。その実際のパフォーマンスは目を見張るものがあります。

Dyna Robotics (@DynaRobotics): 高い信頼性で超長期ホライズン(ultra long-horizon)の全身自律稼働を実現する初のフィジカルエージェント(Physical Agent)、Dyna-2.1を正式にリリースします。これは、私たちの新しい半人型ハードウェアと、Dyna-2を中心に構築されたエージェントシステムを組み合わせたもので、実世界の極めて長時間のワークフローを処理できます。

以下はノーカットの実機映像です……

Dyna-2.1 デモプレビュー

今年のAIEでの講演で、Jasonは実世界におけるロボット工学の真の課題は信頼性の高い長期自律性(reliable, long-horizon autonomy)であると語り、Dynaがどのようにモデルを訓練してレストランのナプキン折りを24時間連続で行い、99.4%の成功率を達成したか、さらには山積みのナプキンを倒してしまった後に自力でリカバリーする様子まで紹介しました。

100万時間以上の人間動画で世界-行動モデルを学習することから、鼎泰豊(ディンタイフォン)で毎日何千枚ものナプキンを折るロボットの配備まで、Dyna Robotics はフィジカルAI(Physical AI)を単なる驚くべきデモの領域から脱却させ、本格的な実運用へと押し進めています。今回、Dyna Roboticsの共同創業者兼チーフサイエンティストである Jason Ma がゲストとして登場し、swyxとともに以下のテーマについて深く掘り下げます。ロボットはわずか45分のデモでどのように新しいタスクを学習できるのか、なぜ物理世界の未来を予測することが汎用ロボットへの鍵となり得るのか、そして本物の顧客のために確実に稼働するロボットを構築するには何が必要なのか。

動画を視聴:YouTube

私たちは、Dyna-2(未来の動画予測とロボットの行動を統合したDynaの100万時間規模の世界-行動モデル)、人間からロボットへの転移(human-to-robot transfer)を支えるスケーリング則、Diffusion TransformerとFlow Matching、そして合成環境と自己生成トレーニングデータがなぜロボティクスに次の波をもたらすのかについて深く掘り下げました。さらにJasonは、なぜDynaが既製の人型ロボットに頼らず自社製ハードウェアを開発する道を選んだのか、エージェントハーネス(agentic harnesses)によってロボットが数時間に及ぶワークフローを実行できるようになる仕組み、巧緻ハンド(dexterous hands)と触覚・知覚データの欠如が依然として主要なボトルネックとなっている理由、そして真の商業展開と失敗に終わるロボット系スタートアップとの決定的な違いについて語ってくれました。また、世界-行動モデル(World-Action Models)と視覚-言語-行動モデル(VLA: Vision-Language-Action Models)の比較、GPT-6やコーディングエージェントのロボティクスへの応用、さらにはJasonがAlphaGoやペンシルベニア大学から始まり、NVIDIA、Google DeepMindを経てDynaを立ち上げるに至ったこれまでの軌跡についても議論しました。


今回のアジェンダ:

  • なぜ Dyna-2 は 100万時間以上 の人間の動画でトレーニングされたのか
  • 世界-行動モデル(World-Action Models): 未来の映像を予測することでロボットの物理的行動を誘導する
  • Diffusion Transformer、Flow Matching、そしてロボットのリアルタイム制御
  • ロボットがわずか 45分のデモ で新しいタスクを学習する仕組み
  • なぜロボティクス領域にはインターネットのような膨大なデータソースが存在せず、データが依然として最大のスケール化のボトルネックなのか
  • 人間の主観視点動画(Human egocentric video)、ロボットのデモンストレーション、そしてクロスエンボディメント転移(cross-embodiment transfer)
  • 合成環境(Synthetic environments)、シミュレーション、そして自己生成トレーニングデータを持つモデル
  • なぜロボットにオンデバイス推論(on-device inference)、モデル蒸留、独自のカスタムハードウェアが必要なのか
  • なぜDynaは従来の2足歩行型ではなく、車輪型半人型ロボット を選んだのか
  • ハードウェアのボトルネック:なぜ**巧緻ハンド(dexterous hands)**は依然として過熱問題に直面しているのか
  • Best Western、鼎泰豊、そしてPoC(実証実験)と大規模実運用の違い
  • ロボティクスの「苦い教訓」(The Bitter Lesson of Robotics): 場当たり的なエンジニアリングではなくデータ規模の拡大へ
  • エージェントハーネス(Agentic harnesses) と、複数ステップ・数時間に及ぶ物理ワークフローを実行するロボット
  • GPT-6、コーディングエージェント、そしてロボティクス研究のためのAI生成シミュレーション環境
  • 世界-行動モデルとVLAモデルの比較、そしてなぜ視覚情報だけでは不十分なのか
  • Jasonの AlphaGo、ペンシルベニア大学、NVIDIA、Google DeepMind での経験とEurekaプロジェクト
  • Dynaの研究文化、デプロイ優先の哲学、そして数百万台のロボットという長期的なビジョン

Jason Ma

Dyna Robotics


タイムスタンプ

00:00:00 イントロダクションとDyna-2の世界-行動モデル
00:03:08 Diffusion Transformer、Flow Matching、そして汎用ロボット
00:08:19 ロボティクスにおけるデータのボトルネック
00:13:50 合成データと自己進化する世界モデル
00:16:51 リアルタイム推論とモデル蒸留
00:19:45 フルスタックロボティクス:ハードウェアとサプライチェーン
00:25:02 なぜDynaは車輪型半人型ロボットを開発したのか

#播客#深度访谈#具身智能#4Allapi.com

4All API チームによる投稿

原文リンク:https://www.latent.space/p/dyna

主流 AI モデル API をお探しですか?4All API は OpenAI / Anthropic / Google Gemini / Qwen / DeepSeek など数十種類のモデルを単一の API キーで呼び出せます。公式準拠の価格、エンタープライズ品質の通信路、5 分で接続完了。

4All API コンソールに登録 →