具身智能领域迎来重要突破，Dyna Robotics公司正式推出新一代机器人基础模型DYNA-2。该模型通过分析海量人类行为数据，构建起对物理世界交互规律的深度理解，在多项基准测试中展现出接近人类水平的操作能力。
研发团队采用独特训练范式，构建了包含100万小时第一视角人类活动影像的数据库，相当于170年不间断的人类操作经验。这种数据规模使模型能够捕捉到人类执行复杂任务时的微妙动作特征，包括物体抓取力度、运动轨迹规划以及环境交互策略等关键要素。
公司联合创始人Jason Ma指出，传统机器人训练依赖人工标注的遥操作数据，这种模式在扩展性上存在根本性缺陷。DYNA-2的创新之处在于通过观察真实人类行为，自主推导出动作与物理世界变化的因果关系，从而突破数据获取瓶颈。实验数据显示，仅需13分钟专项训练数据，模型就能指导双五指机械臂完成开瓶盖等精细操作。
该模型采用双轨训练机制，同时预测下一帧画面变化和最优动作路径。这种设计使系统能够理解空间关系、物体运动规律以及接触力学特性。在制造场景测试中，随着预训练数据量增加，任务成功率从20%跃升至90%，展现出显著的数据规模效应。研发团队将这种性能提升模式定义为"人-机缩放规律"，为机器人学习提供了可量化的成长路径。
实际应用测试验证了模型的有效性。在某工业客户的部署中，DYNA-2使产品质量合格率从上一代模型的46%提升至87%。在需要动态响应指令的任务场景中，视频协同训练机制使系统得分提高133%，展现出强大的环境适应能力。这些突破标志着机器人技术从预设程序执行向自主环境交互的重要转变。
研发团队强调，DYNA-2的核心价值在于构建了物理世界的通用表示框架。通过持续吸收人类行为数据，模型能够不断优化对物体属性、空间关系和力学规律的理解，这种自我进化能力使其在开放环境中的适用性远超传统视觉语言模型。随着数据规模的持续扩大，系统有望在医疗护理、精密制造等高要求领域实现突破性应用。
