ИИ-модель DYNA-2 для роботов: миллион часов видео и 90% успеха

Компания Dyna Robotics представила робототехническую модель DYNA-2. Система, названная World Action Model, обучена на более чем миллионе часов видео от первого лица — это около 170 лет человеческого опыта. DYNA-2 изучает, как действия людей меняют физический мир, и прогнозирует его движение до выполнения действия. Это дает роботам пространственное мышление и понимание физики контакта, которых не хватает традиционным моделям вида "зрение-язык".

Соучредитель Джейсон Ма считает, что универсальная робототехника долго упиралась в нехватку данных, а ручной сбор физических данных не масштабируется. Обучение DYNA-2 включает предсказание следующего кадра видео и выбор действия. Так модель узнает о пространственных отношениях и реакции объектов на соприкосновение.

В экспериментах всего 13 минут данных с реального робота позволили двум пятипалым роботизированным рукам научиться откручивать крышку бутылки. В производственных задачах успешность выросла с 20 до 80–90% при увеличении предобучения. У клиента DYNA-2 прошла контроль качества на 87% против 46% у Dyna-1. В задачах по командам пользователя дополнительное обучение на видео повысило результат на 133%.

В Dyna Robotics заявляют о новой закономерности: чем больше человеческих видео на этапе предобучения, тем лучше робот выполняет 15 базовых задач. Эффект назвали масштабированием от человека к роботу — производительность предсказуемо растет с увеличением данных.