机器人只看人干活100万小时，就能零样本上手？Dyna-2号称颠覆

教机器人干活，传统上要么靠人远程操控录制数据，要么让它在仿真里反复试错。Dyna Robotics走了条更‘偷懒’的路：让模型看人类视频。据公司技术报告，Dyna-2在一个包含100万小时第一人称人类操作视频的语料上预训练，先学会预测下一步画面和动作，再直接迁移到从未见过的机械臂和五指手上。客户现场测试中，它拿下87%通过率，而基于传统视觉-语言-动作架构的前代Dyna-1只有46%。换句话说，机器人可能不再需要被手把手‘喂’机器人数据，而是靠观察人类就习得物理直觉和灵巧操作。

目前能确认到哪一步
已发布并有限部署（announced）：Dyna Robotics于2026年8月10日公开Dyna-2世界动作模型及技术报告，并在部分客户现场完成真实环境部署测试。当前信息主要来自厂商官方声明与媒体报道，属于公司自述，尚未经独立第三方复现或审核。

机器人数据太贵，人类视频来凑？
机器人学习的老大难是数据。通过遥操作采集的数据带动作标签、质量高，但需要人一小时一小时地物理引导机器人，成本极高。互联网上人类操作视频倒是取之不尽，可人手与机械爪的形态差异——业内常说的“具身鸿沟”——让模型很难把人类动作迁移到机器人上。Dyna-2的策略是用规模硬闯：公司把第一人称人类操作视频按相同配比切成从1000小时到100万小时的嵌套子集，分别预训练模型。

评估时，模型在39个不同的双臂操作任务上做零样本测试——也就是事先完全没见过这些机器人硬件。结果令人意外：随着人类视频数据量从1000小时增至100万小时，任务成功率单调上升，尤其在1万到10万小时之间出现了明显拐点。Dyna Robotics因此宣称首次发现人类到机器人的迁移缩放定律：只要人类视频足够多，跨本体知识会自然涌现。



不追VLA，改赌“世界动作模型”
过去一年，机器人基础模型的主流是“视觉-语言-动作”架构，也就是把大语言模型嫁接到机械控制上。Dyna-2却押注另一条路：以视频生成为核心的“世界动作模型”。预训练时，它同时预测下一帧画面和下一个动作，相当于先在脑海里推演物体怎么移动、接触力怎么产生，再输出控制指令。Dyna Robotics声称，这种设计给了机器人传统VLA模型缺乏的空间推理与接触物理直觉。

公司还拿出了与自家前代Dyna-1的对比测试。Dyna-1正是VLA路线，已在商业场景跑过一年多。在匹配训练步数和数据集的前提下，Dyna-2在剁食材、清理工作台等灵巧任务中表现更好；当外界物理扰动打断动作时，Dyna-2能自行恢复继续完成，Dyna-1则常常卡死、需要人工重置。此外，一个视频协同训练算法让指令跟随得分提升了133%。

不只发论文，客户现场先打了一架
Dyna系列并非实验室里的空想。据Dyna Robotics材料，采用Dyna-1的机器人已经在酒店、餐厅、洗衣房和健身房投入生产，能连续16小时运行，24小时无故障成功率超过99%。Dyna-2就站在这套商业底盘之上，客户现场成了它最硬的试验场。公司在发布中给出数据：Dyna-2在真实客户部署中通过率87%，而Dyna-1只有46%；用13分钟本地数据，就能教会一双五指机械手拧开瓶盖。

下一步，Dyna Robotics把目标定在1000万小时人类视频。若缩放曲线延续，数据瓶颈将从“搭建遥操作采集团队”变成“收集更多视频”，这会极大降低机器人模型扩张的成本。不过，1百万小时的成果只证明曲线存在，10倍之后是否还能保持线性增长仍是开放问题。而且这些对比全部来自厂商自测，尚未有第三方复现。Dyna-2是真颠覆还是又一次营销神话，需要真正的独立验证。

资料线索
• humanoidsdaily.com
• unite.ai

本文是基于公开页面整理的 AI 硬件情报，不是本站实测或购买建议。图片发布副本增加 waoo.ai 水印，原摄影者和来源标识保留。