欢迎同步观看 AIE NYC,并在下个月前往旧金山参加我们的 AIE CODE 大会!
本期节目包含 Taku 机器人的现场演示,推荐前往 YouTube 观看以获得最佳体验。
上个月,Dyna 发布了 Dyna-2 引起轰动。这是一款基于 100 万小时人类视频预训练的世界-动作模型(World-Action Model),声称在人类数据上跨越四个数量级发现了多项新的缩放定律(scaling laws)。如今,他们基于该模型紧接着推出了实体机器人智能体 Dyna-2.1,其实际表现令人叹为观止:
Dyna Robotics (@DynaRobotics): 我们正式发布 Dyna-2.1,这是首个能够实现可靠、超长时域全身自主运行的具身智能体(Physical Agent)。它将我们全新的半人形硬件与围绕 Dyna-2 构建的智能体系统相结合,能够处理现实世界中超长时间的工作流。
以下是未经剪辑的实测画面……
在今年 AIE 的演讲中,Jason 谈到真实世界中机器人面临的真正挑战是可靠的长时域自主性(reliable, long-horizon autonomy),以及 Dyna 如何使其模型在连续 24 小时折叠餐厅餐巾纸时实现 99.4% 的成功率,甚至包括在把整叠餐巾纸碰倒后自行恢复。
从在超过 100 万小时人类视频上训练世界-动作模型,到在鼎泰丰部署每日折叠数千张餐巾纸的机器人,Dyna Robotics 正在推动具身智能(Physical AI)走出令人惊艳的演示阶段,真正步入实际生产应用。本期节目中,Dyna Robotics 联合创始人兼首席科学家 Jason Ma 亲临现场与 swyx 深入探讨:机器人如何仅凭短短 45 分钟的演示就能学会新任务、为什么预测物理世界的未来可能是通用机器人的关键所在,以及打造真正能为真实客户可靠运行的机器人究竟需要什么。
我们深入探讨了 Dyna-2(Dyna 结合未来视频预测与机器人动作的百万小时世界-动作模型)、人类到机器人迁移(human-to-robot transfer)背后的缩放定律、扩散 Transformer(Diffusion Transformers)与流匹配(Flow Matching),以及为何合成环境和自生成训练数据能开启机器人技术的下一波浪潮。Jason 还阐释了为何 Dyna 选择自研硬件而非依赖现成的人形机器人、智能体控制架构(agentic harnesses)如何使机器人能够执行长达数小时的工作流、灵巧手与感知数据缺失为何依然是主要瓶颈,以及真正的商业落地与走向失败的机器人初创公司之间究竟有何区别。我们还讨论了世界-动作模型(World-Action Models)与视觉-语言-动作模型(VLA, Vision-Language-Action Models)的对比、GPT-6 和编程智能体在机器人领域的应用,以及 Jason 从 AlphaGo 和宾夕法尼亚大学出发,历经英伟达(NVIDIA)、Google DeepMind 到最终创立 Dyna 的心路历程。
本期讨论内容:
- 为什么 Dyna-2 要在超过 100 万小时的人类视频上进行训练
- 世界-动作模型(World-action models): 通过预测未来视频来指导机器人的物理动作
- 扩散 Transformer(Diffusion Transformers)、流匹配(Flow Matching)与机器人实时控制
- 机器人如何仅凭 45 分钟的演示就能学会新任务
- 为什么机器人领域没有类似于互联网的海量数据源,而数据为何仍是其最大的规模化瓶颈
- 人类第一人称视角视频(Human egocentric video)、机器人示范与跨具身迁移(cross-embodiment transfer)
- 合成环境(Synthetic environments)、仿真模拟以及自我生成训练数据的模型
- 为什么机器人需要端侧推理(on-device inference)、模型蒸馏和自研定制硬件
- 为什么 Dyna 选择了轮式半人形机器人,而不是传统的双足人形机器人
- 硬件瓶颈:为什么**灵巧手(dexterous hands)**仍然面临过热问题
- 最佳西方酒店(Best Western)、鼎泰丰,以及机器人技术测试试点与规模化部署的区别
- 机器人的苦涩教训(The Bitter Lesson of Robotics): 扩大数据规模而非针对性地工程化专用方案
- 智能体控制架构(Agentic harnesses) 与机器人执行多步骤、长达数小时的物理工作流
- GPT-6、编程智能体(Coding Agents),以及用于机器人研究的 AI 生成仿真环境
- 世界-动作模型与 VLA 模型的对比,以及为什么单纯依靠视觉可能远远不够
- Jason 在 AlphaGo、宾夕法尼亚大学、英伟达、Google DeepMind 的经历以及 Eureka 项目
- Dyna 的研究文化、部署优先理念,以及数百万台机器人的长远愿景
Jason Ma
Dyna Robotics
时间戳
00:00:00 介绍与 Dyna-2 的世界-动作模型
00:03:08 扩散 Transformer、流匹配与通用机器人
00:08:19 机器人的数据瓶颈
00:13:50 合成数据与自演进世界模型
00:16:51 实时推理与模型蒸馏
00:19:45 全栈机器人:硬件与供应链
00:25:02 为什么 Dyna 打造了一款轮式半人形机器人
