Dyna Robotics发布DYNA-2世界动作模型

时间：2026年8月10日（北京时间11日凌晨） 地点：美国加州 旧金山湾区 Dyna Robotics总部 人物：Dyna Robotics团队 / 来自前OpenAI等顶尖团队 事件详情：Dyna Robotics于8月10日发布新一代通用机器人基础模型DYNA-2，首次在预训练阶段完全不使用机器人遥操作数据，而只采用100万小时以上的人类第一人称视频，相当于约170年连续清醒活动的数据量。该模型基于"世界-动作模型"架构，预训练采用"预测下一帧+预测下一动作"的双重目标，使其在不接触真实机器人的情况下学到接触物理与空间推理，并可迁移到固定机械臂、人形机器人原型、五指灵巧手等不同本体。模型在预训练规模扩大后，高精度制造任务成功率从20%提升到80%~90%；相比上一代DYNA-1，DYNA-2在真实场景同条件评估中完成的任务数量增加1.55倍；在某客户部署点通过率从46%跃升至87%；仅需13分钟数据即可教会一双五指机械手拧开瓶盖；指令跟随任务借助视频协同训练算法提升133%。 背景：Dyna Robotics由前OpenAI工程师于2024年创立，2025年3月获CRV、First Round Capital和真格基金投资的数千万美元种子轮，同年9月完成1.2亿美元A轮融资，估值突破6亿美元；公司机器人在酒店、餐厅、自助洗衣店、健身房等真实商业场景已部署运行DYNA-1，叠衣速度超过40件/小时，单次可连续工作16小时以上、24小时成功率超过99%。传统通用机器人策略几乎全部依赖"人类遥操作"采集的动作数据——由人逐步引导机器人完成任务——这种数据成本高、采集慢，已经成为机器人基础模型继续扩张的瓶颈。DYNA-2的核心赌注是：机器人所需的物理直觉可以从人类动作视频中学到，再迁移到机器人硬件。 影响：Dyna Robotics把DYNA-2的发布视为"机器人基础模型可扩展曲线"的第一个证据。下一代目标是1000万小时级别训练数据，路径已不再是"建更大遥操作机队"，而是"采集更多视频"。在更广的具身智能赛道，DYNA-2 与谷歌DeepMind、Physical Intelligence、NVIDIA等以VLA为核心的玩家形成路线分化：从VLM/VLA范式走向视频生成驱动的"世界-动作模型"。在商业层面，DYNA-2 已直接堆叠到Dyna已有的酒店、餐厅、洗衣、健身等部署体系之上，无需重新部署机器人本体，等于免费升级了产线大脑。 总结：Dyna Robotics用"100万小时人类视频、零机器人数据"的DYNA-2 证明了一件事：通用机器人的Scaling Law 不一定要靠昂贵的遥操作数据去填。把视频生成当预训练底座，让"想象世界如何动"先于"决定机器人如何动"，这是把具身智能从数据瓶颈中解放出来的一次关键尝试。1000万小时的目标如果跑通，意味着机器人基础模型的扩张瓶颈将从遥操作机队数量转向视频采集与算力，具身智能赛道的下半场玩法或就此改写。 参考来源： 1. Unite.AI 原文：https://www.unite.ai/dyna-robotics-trains-dyna-2-on-a-million-hours-of-human-video-no-robot-data/ 2. Dyna Robotics 官网：https://www.dyna.co/ 3. Dyna Robotics 1.2亿美元A轮融资报道：https://so.html5.qq.com/page/real/search_news?docid=70000021_35368c9693d53565 4. Dyna Robotics 数千万美元种子轮（2025年3月）：https://www.163.com/dy/article/JRINKLNJ0511B6FU.html 5. 物理自回归模型PAR（同类技术路线）：https://arxiv.org/abs/2508.09822 6. World Action Models zero-shot policies（同类思路）：https://arxiv.org/abs/2602.15922 7. 具身世界动作模型分析：https://blog.csdn.net/lovely_yoshino/article/details/159549540 8. 招商局狮子山实验室LiOS具身智能：https://so.html5.qq.com/page/real/search_news?docid=70000021_7676a1e353899352