Kompanija sa sjedištem u Redwood Cityju u Kaliforniji saopćila je da je njen model DYNA-2 World-Action Model u potpunosti obučen na videosnimcima iz perspektive samih ljudi, umjesto na podacima o radnjama koje izvode roboti. Baza podataka predstavlja otprilike 170 godina neprekidnog iskustva budnog čovjeka.
Ovaj pristup osmišljen je tako da robotima omogući učenje fizičkih vještina na osnovu načina na koji ljudi stupaju u interakciju s predmetima i okruženjem, čime se smanjuje oslanjanje na ručno prikupljene podatke iz teleoperacije. Dyna navodi da bi to moglo omogućiti skalabilniji način obučavanja robota kako se njihove sposobnosti budu širile.
U testovima je kompanija navela da je DYNA-2 samo povećanjem obima predtreniranja podigao stopu uspješnosti izvršavanja zadataka u visokopreciznoj proizvodnji s 20 na 80 do 90 posto. Također je pokazao mogućnost prijenosa naučenih sposobnosti između stacionarnih robotskih ruku, humanoidnih prototipa i robotskih šaka sposobnih za precizne pokrete.
Dynain model koristi arhitekturu modeliranja svijeta koja kombinuje predviđanje narednog kadra i predviđanje naredne radnje. Umjesto da uči samo na osnovu radnji koje izvode roboti, sistem koristi videosnimke ljudi kako bi razvio razumijevanje načina na koji se fizička okruženja mijenjaju i kako predmeti reaguju na pokrete.
Prema navodima kompanije, to omogućava da se znanje stečeno iz ljudskog ponašanja prenese na različite robotske platforme. Dyna je saopćila da DYNA-2 tokom predtreniranja nije koristio podatke o robotima, ali je kasnije mogao biti prilagođen različitim platformama uz samo nekoliko sati lokalnog finog podešavanja.
U jednom testu bilo je dovoljno 13 minuta podataka da DYNA-2 upravlja parom robotskih šaka s pet prstiju i njima odvrne čep na boci. U okviru 15 referentnih zadataka, Dyna je navela da su modeli obučeni na većoj količini ljudskih videosnimaka konstantno ostvarivali bolje rezultate.
Kompanija je također uporedila DYNA-2 sa svojim ranijim modelom DYNA-1, koji koristi arhitekturu zasnovanu na viziji, jeziku i akciji. U primjeni kod korisnika bez prethodnog prilagođavanja konkretnom zadatku, DYNA-2 ostvario je stopu prolaznosti u pogledu kvaliteta od 87 posto, u poređenju sa 46 posto kod modela DYNA-1.
Dyna je saopćila da je model također pokazao veću otpornost kada bi fizički poremećaji ometali izvršavanje zadatka. Tokom testova koji su uključivali aktivnosti poput sjeckanja hrane i raščišćavanja radnih prostora, DYNA-2 je mogao samostalno nastaviti i oporaviti se bez intervencije čovjeka, dok je ranijem modelu bila potrebna ručna intervencija kako bi nastavio zadatak.
Kompanija je navela da je njen način zajedničkog treniranja pomoću videosnimaka poboljšao rezultate za 133 posto na zadacima praćenja instrukcija koji su zahtijevali od robota da na osnovu komandi izvode različite fizičke pokrete.
“Godinama je razvoj generalističke robotike bio ugušen nedostatkom podataka, ručno prikupljanje fizičkih podataka putem teleoperacije jednostavno se ne može skalirati do nivoa opće inteligencije. Podaci o radnjama su rijetki, ali videosnimci su svuda. S modelom DYNA-2 pokazali smo da fizička intuicija ne zahtijeva milione sati obuke na robotskoj ruci, nego se može naučiti direktno iz ljudskih videosnimaka”, rekao je Jason Ma, suosnivač kompanije Dyna Robotics.
Kompanija je saopćila da su njeni roboti, koji su pokretani prethodnim modelom DYNA-1, već raspoređeni u hotelima, restoranima i praonicama veša. Kompanija vidi DYNA-2 kao korak prema stvaranju robota sposobnih da uče nove fizičke zadatke bez potrebe za velikim količinama podataka za obuku specifičnih za pojedinačne robote.
Kompaniju su osnovali Lindon Gao, York Yang i bivši istraživač kompanije DeepMind Jason Ma, a među investitorima su CRV i First Round.
