Dyna Robotics представи Dyna-2: модел на действията в света, предварително обучен на 1 милион часа човешко видео

Dyna Robotics пусна Dyna-2 — модел за действия в света, предназначен за манипулации с роботи. Той е предварително обучен с повече от един милион часа егоцентрично видео от хора. Това се равнява приблизително на 170 години непрекъснато будно преживяване. Обучението на роботи е ограничено от данните, обозначени с действия, които телеоперацията трябва целенасочено да създава. Dyna-2 проверява дали обикновеното човешко видео може да ги замести. Изследователският екип е обучил стълбица от данни от 1000 до 1 000 000 часа и е измерил какво се мащабира. Следват три резултата: закон за мащабирането при човешки данни, първото прехвърляне на този закон към невиждани досега роботизирани данни и доказателства, че предвиждането на видео стимулира прехвърлянето.

Може ли да се внедри?

Да, но като система, управлявана от доставчика, а не като тегла за изтегляне. Dyna Robotics не е обявила публичен checkpoint, API или лиценз за Dyna-2. Внедряването днес означава закупуване на роботизирана клетка Dyna, а не самостоятелно хостване на модел.

Кои компании: Роботите Dyna-1 вече работят в производствена среда в хотели, ресторанти и перални на самообслужване, според съобщението на компанията от 10 август 2026 г.. Това насочва към оператори на услуги от средния пазар и предприятия с множество обекти, които извършват повтарящи се манипулации на фиксирани места. Решението не е подходящо за индивидуални разработчици или изследователски лаборатории, които искат локално изпълнение.
Индустрии: Хотелиерство, търговски перални, хранителни услуги, лек монтаж и комплектоване, както и почистване на съоръжения.
Приложения: 14-те задачи след предварителното обучение съответстват директно на реална работа: изпразване на тави за отпадъци, комплектоване на аптечки за първа помощ, сглобяване на контейнери, загребване на храна, връзване на въжета, подготовка на закачалки и целево изваждане на напитки от хладилник.

Какво представлява Dyna-2

Dyna-2 е модел за действия в света (WAM): един генеративен модел, който премахва шума от бъдещо видео и бъдещ блок от действия — съвместно или поотделно — върху основа за дифузия на видео. Той е предварително обучен с повече от един милион часа егоцентрично видео от хора, приблизително равняващи се на 170 години непрекъснато будно преживяване.

Архитектурно моделът представлява смес от трансформъри. Видеото и действията се токенизират отделно и получават различни стекове от DiT слоеве, които обръщат внимание един на друг. Проприоцепцията се подава директно към трансформъра за действия. Видеотокените използват причинно маскиране; токените за действия използват двупосочно самооб внимание и обръщат внимание на контекстуалните видеотокени. Видеотокените обръщат внимание чрез кръстосано внимание към текста, но текстът не влияе пряко върху токените за действия.

Обучението използва съгласуване на потока. Загубата за видео и загубата за действия споделят общ ствол като две отделни маргинални полета на скоростта. Тъй като мрежата за действия никога не приема зашумения латентен вектор на видеото като аргумент, политиката остава реактивна при инференция — тя нито генерира, нито се фокусира върху предсказаното бъдещо видео. Трансформърът за действия умишлено е по-плитък и се присъединява рано към видеопотока, което според екипа подобрява латентността в реално време, без да влошава производителността.

Трите резултата от мащабирането

Dyna Robotics е изрязала вложени подмножества от точно 1000, 10 000, 100 000 и 1 000 000 часа, като е запазила еднакви пропорции от всеки източник. По-големият бюджет само добавя данни, така че разликите между кривите не могат да се обяснят с промяна в разпределението. Фиксиран, отделен набор за валидация от 100 часа оценява всяко стъпало.

Законът за мащабирането се запазва при човешки данни до един милион часа: И четирите метрики се подобряват монотонно и съответстват на степенни закони: MSE върху задържаните данни = 0.0691·D^-0.0184 (R²=0.919), accuracy@0.5 = 0.357·D^+0.0203 (R²=0.865). По цялата стълбица accuracy@0.1 се повишава с 51% спрямо 12% подобрение при MSE.
Този закон се прехвърля към роботизирани данни, които моделът никога не е виждал: Същите checkpoint-и са оценени без допълнително обучение върху 39 задачи на две стационарни бимануални платформи YAM — 12 вътрешни и 27 от xdof ABC. MSE на действията без допълнително обучение = 0.306·D^-0.0713 (R²=0.884). Екипът съобщава за прелом между 10 000 и 100 000 часа.
Целевата функция има значение, а видеото е отделна ос: Съвместното премахване на шума превъзхожда обучението само с действия при 39 от 39 задачи на всяко ниво на мащабиране на действията. При фиксирани 50 000 часа данни, обозначени с действия, и добавяне на часове само с видео MSE на роботите без допълнително обучение спада от 0.340 до 0.120. Забележително е, че грешката върху задържаните човешки данни не се подобрява — ползата от видеото е конкретно в обобщаването между различни въплъщения.

Резултати върху роботи

Всяко стъпало е дообучено върху 14 задачи с най-много 10 часа роботизирани данни на задача, разпределени между три въплъщения: 6-степенни рамена YAM с грайфери с успоредни челюсти, същите рамена с 20-степенни сръчни ръце WUJI-2 и полу-хуманоиден прототип. Дообучаването използва само роботизирани данни — без съгласуване човек–робот и без съвместно обучение.

Средният нормализиран резултат се повишава от 20% → 28% → 45% → 53% по стълбицата, като при един милион часа е най-добър при 9 от 14 задачи. Lockbox Key Turning е граничният случай: 0% до 100 000 часа, след което 90%. Bottle Cap Untwisting е дообучена с приблизително 10 минути демонстрации и въпреки това се повишава до 50%.

Спрямо Dyna-1 — производствения VLA на компанията, инициализиран от Qwen3-VL-4B — ранна версия на Dyna-2 достига 1,55× честота на успех и 1,12× оценка, обобщени за 7 задачи и 3 checkpoint-а. На невиждани досега клиентски обекти Dyna-2 покрива производствените критерии в 87% от случаите спрямо 46% за Dyna-1, макар че и двата модела достигат почти 100% в собствената среда. Конвейер за дистилация също намалява семплирането на видео от 10 203 ms до 110 ms на един H100.

Интерактивно обяснение

АНИМИРАЙТЕ СТЪЛБИЦАТА</button> <div class="card" style="margin-top:14px"> <div class="cardhd">Човешки данни за проверка · стъпало <span id="r1lbl">1k</span> часа</div> <div class="mgrid"> <div class="metric"><div class="mlab">MSE върху задържаните данни ↓</div><div class="mval" id="m1a">0.062</div><div class="mbar"><div class="mfill" id="f1a"></div></div><div class="mnote">D<sup>-0.0184</sup> · R²=0.919</div></div> <div class="metric"><div class="mlab">L1 върху задържаните данни ↓</div><div class="mval" id="m1b">0.140</div><div class="mbar"><div class="mfill" id="f1b"></div></div><div class="mnote">D<sup>-0.0132</sup> · R²=0.879</div></div> <div class="metric"><div class="mlab">Точност @0.1 ↑</div><div class="mval" id="m1c">0.017</div><div class="mbar"><div class="mfill" id="f1c"></div></div><div class="mnote">D<sup>+0.0606</sup> · R²=0.926</div></div> <div class="metric"><div class="mlab">Точност @0.5 ↑</div><div class="mval" id="m1d">0.40</div><div class="mbar"><div class="mfill" id="f1d"></div></div><div class="mnote">D<sup>+0.0203</sup> · R²=0.865</div></div> </div> <div class="callout">По цялата стълбица <b>accuracy@0.1 се повишава с 51%</b>, докато MSE се подобрява с 12%. Точността при строг праг — показател за прецизността на движението — е мястото, където мащабирането носи най-голяма полза.</div> </div> </div>  <div class="panel" id="p2"> <p class="lead">Същите checkpoint-и са оценени върху <b>39 роботизирани задачи</b> на две стационарни бимануални платформи YAM — 12 вътрешни и 27 от xdof ABC — с <b>нулеви роботизирани траектории в предварителното обучение</b>. След това всяко стъпало е дообучено върху 14 задачи с най-много 10 часа роботизирани данни на задача, само с роботизирани данни и без съгласуване човек–робот.</p> <div class="ladder" id="lad2"></div> <button class="play" id="play2"> АНИМИРАЙТЕ СТЪЛБИЦАТА</button> <div class="card" style="margin-top:14px"> <div class="cardhd">Без допълнително обучение върху невиждани роботизирани данни · стъпало <span id="r2lbl">1k</span> часа</div> <div class="mgrid" style="grid-template-columns:repeat(2,1fr)"> <div class="metric"><div class="mlab">MSE на действията без допълнително обучение ↓</div><div class="mval" id="m2a">0.180</div><div class="mbar"><div class="mfill" id="f2a"></div></div><div class="mnote">D<sup>-0.0713</sup> · R²=0.884</div></div> <div class="metric"><div class="mlab">Точност@0.5 без допълнително обучение ↑</div><div class="mval" id="m2b">0.067</div><div class="mbar"><div class="mfill" id="f2b"></div></div><div class="mnote">D<sup>+0.139</sup> · R²=0.918</div></div> </div> </div> <div class="card"> <div class="cardhd">Дообучен върху физическия робот · 14 задачи, 3 въплъщения</div> <div class="brow"><div class="blab">Среден нормализиран резултат</div><div class="btrack"><div class="bfill" id="b2m" style="background:#E8B84B"></div></div><div class="bnum" id="n2m">20%</div></div> <div class="brow"><div class="blab">Завъртане на ключ в кутия</div><div class="btrack"><div class="bfill" id="b2l" style="background:#8A8F94"></div></div><div class="bnum" id="n2l">0%</div></div> <div class="brow"><div class="blab">Развиване на капачка на бутилка</div><div class="btrack"><div class="bfill" id="b2b" style="background:#8A8F94"></div></div><div class="bnum" id="n2b">10%</div></div> <div class="brow"><div class="blab">Изваждане на напитка</div><div class="btrack"><div class="bfill" id="b2d" style="background:#8A8F94"></div></div><div class="bnum" id="n2d">58%</div></div> <div class="callout"><b>Lockbox Key Turning</b> е граничният случай: нито един checkpoint до 100 000 часа не е успявал да завърти ключа. При един милион часа ключът е завъртан в 90% от случаите. <b>Bottle Cap Untwisting</b> е дообучена с приблизително 10 минути роботизирани демонстрации върху две 20-степенни сръчни ръце.</div> </div> </div>  <div class="panel" id="p3"> <p class="lead">Задръжте човешките данни, обозначени с действия, <b>фиксирани на 50 000 часа</b>, и добавете само данни за предвиждане на видео без обозначения на действия. Грешката на роботите без допълнително обучение продължава да спада. Грешката върху задържаните <i>човешки</i> данни не се подобрява — ползата от видеото е конкретно <b>обобщаването между различни въплъщения</b>.</p> <div class="ladder" id="lad3"></div> <button class="play" id="play3"> АНИМИРАЙТЕ ОСИМЕТО НА ВИДЕОТО</button> <div class="card" style="margin-top:14px"> <div class="cardhd">Добавени часове само с видео · данните за действия са фиксирани на 50 хил. часа</div> <div class="metric" style="margin-bottom:14px"><div class="mlab">MSE на роботизираните действия без допълнително обучение ↓</div><div class="mval" id="m3a">0.340</div><div class="mbar"><div class="mfill" id="f3a"></div></div><div class="mnote">0 → 50 хил. часа видео водят до 0.340 → 0.120</div></div> <div class="brow"><div class="blab">Робот (невиждан)</div><div class="btrack"><div class="bfill" id="b3r" style="background:#E8B84B"></div></div><div class="bnum" id="n3r">100%</div></div> <div class="brow"><div class="blab">Човек (в рамките на домейна)</div><div class="btrack"><div class="bfill" id="b3h" style="background:#8A8F94"></div></div><div class="bnum" id="n3h">100%</div></div> <div class="legend"><span><span class="dot" style="background:#E8B84B"></span>Грешка на робота, % от собствената базова стойност на домейна без видео (по-ниско = по-добре)</span><span><span class="dot" style="background:#8A8F94"></span>Грешка на човека, същата нормализация</span></div> <div class="callout">При 50 хил. часа видео роботизираната стойност спада до <b>34%</b> от базовата стойност без видео, докато човешката достига <b>104%</b> — леко се влошава. Повторението на експеримента при 250 хил. часа данни за действия и 0 → 750 хил. часа видео променя MSE от 0.10 на 0.084.</div> </div> <div class="card"> <div class="cardhd">Аблация на целевата функция · без допълнително обучение върху всичките 39 роботизирани задачи</div> <p class="lead" style="margin-bottom:12px;font-size:11.5px">Съвместното премахване на шума превъзхожда обучението само с действия <b>при 39 от 39 задачи на всяко ниво на мащабиране на действията</b>. Обучението само с действия силно се преобучава с нарастването на данните. Само рецептата със съвместно обучение с видео продължава да се подобрява с мащабирането на данните за действия.</p> </div> </div>  <div class="panel" id="p4"> <p class="lead">Ранна версия на Dyna-2 е сравнена с <b>Dyna-1</b>, производствения VLA на Dyna, инициализиран от Qwen3-VL-4B, при еднакви предварителни и последващи обучаващи данни и хиперпараметри, с по три различни checkpoint-а за предварително обучение. Dyna Robotics представя това като <b>долна граница</b> за WAM: конвейерът е бил настроен за VLA.</p> <button class="play" id="play4"> СТАРТИРАЙТЕ СРАВНЕНИЕТО</button> <div class="card" style="margin-top:14px"> <div class="cardhd">Обобщено за 7 задачи × 3 checkpoint-а · VLA е нормализиран до 1.00×</div> <div class="brow"><div class="blab">Успех на VLA</div><div class="btrack"><div class="bfill" id="b4a" style="background:#4A4F54"></div></div><div class="bnum" id="n4a">1.00×</div></div> <div class="brow"><div class="blab">Успех на WAM</div><div class="btrack"><div class="bfill" id="b4b" style="background:#E8B84B"></div></div><div class="bnum" id="n4b">1.55×</div></div> <div class="brow"><div class="blab">Оценка на VLA</div><div class="btrack"><div class="bfill" id="b4c" style="background:#4A4F54"></div></div><div class="bnum" id="n4c">1.00×</div></div> <div class="brow"><div class="blab">Оценка на WAM</div><div class="btrack"><div class="bfill" id="b4d" style="background:#E8B84B"></div></div><div class="bnum" id="n4d">1.12×</div></div> <div class="callout">При пряко сравнение, при фиксирани checkpoint и задача, ранната версия на Dyna-2 печели в <b>65%</b> от случаите, Dyna-1 — в 29%, а 6% завършват наравно.</div> </div> <div class="card"> <div class="cardhd">Без допълнително обучение на реални клиентски обекти · производствени критерии за преминаване</div> <div class="brow"><div class="blab">Dyna-1 в собствената среда</div><div class="btrack"><div class="bfill" id="b5a" style="background:#4A4F54"></div></div><div class="bnum" id="n5a">100%</div></div> <div class="brow"><div class="blab">Dyna-2 в собствената среда</div><div class="btrack"><div class="bfill" id="b5b" style="background:#4A4F54"></div></div><div class="bnum" id="n5b">100%</div></div> <div class="brow"><div class="blab">Dyna-1 на обекта</div><div class="btrack"><div class="bfill" id="b5c" style="background:#8A8F94"></div></div><div class="bnum" id="n5c">46%</div></div> <div class="brow"><div class="blab">Dyna-2 на обекта</div><div class="btrack"><div class="bfill" id="b5d" style="background:#E8B84B"></div></div><div class="bnum" id="n5d">87%</div></div> <div class="callout">И двата модела преминават в почти 100% от случаите в собствената среда. На клиентски обекти, които не са виждали преди, разликата е <b>41 процентни пункта</b> при идентичен бюджет за дообучаване. Оценката е извършена от оператори на място, които не са участвали в разработването на моделите.</div> </div> <div class="card"> <div class="cardhd">Генериране на видео в една стъпка · един H100</div> <div class="brow"><div class="blab">Учител, 100 NFE</div><div class="btrack"><div class="bfill" id="b6a" style="background:#4A4F54"></div></div><div class="bnum" id="n6a">10203ms</div></div> <div class="brow"><div class="blab">Дистилиран, 1 NFE</div><div class="btrack"><div class="bfill" id="b6b" style="background:#E8B84B"></div></div><div class="bnum" id="n6b">110ms</div></div> <div class="callout">Около <b>90 пъти по-бързо</b> при трисекундно видео с три изгледа на манипулация. Едностъпковият ученик запазва FVD на 121 и трептене на 1.94 спрямо 2.37 за реално записаните кадри; движението е на 75% от реалното, но все още изостава от пълния учител.</div> </div> </div> <div class="src"> Всички фигури по-горе са взети от техническия доклад на Dyna Robotics, <a href="https://www.dyna.co/dyna-2" target="_blank" rel="noopener">Dyna-2: Закон за мащабирането на моделите за действия в света при 1 милион часа</a> (август 2026 г.). Интерактивното обяснение е създадено от <a href="https://www.marktechpost.com" target="_blank" rel="noopener">Marktechpost</a>. Никакви стойности не са изчислявани или интерполирани. </div> </div> <script> (function(){ var LAD=['1k','10k','100k','1M']; var D={ h:{mse:[0.062,0.057,0.056,0.054],l1:[0.140,0.131,0.129,0.127],a1:[0.017,0.021,0.024,0.026],a5:[0.40,0.44,0.45,0.47]}, r:{mse:[0.180,0.174,0.124,0.117],a5:[0.067,0.074,0.136,0.159]}, p:{mean:[20,28,45,53],lock:[0,0,0,90],cap:[10,10,40,50],drink:[58,75,83,83]} }; var VID=['0','1k','10k','50k']; var V={mse:[0.340,0.245,0.170,0.120],robot:[100,72,50,34],human:[100,101,103,104]}; function $(id){return document.getElementById(id);} function pct(v,lo,hi){var p=(v-lo)/(hi-lo)*100;return Math.max(3,Math.min(100,p));} function inv(v,lo,hi){return pct(hi-v+lo,lo,hi);} // tabs var tabs=document.querySelectorAll('.tab'); for(var i=0;i<tabs.length;i++){ tabs[i].addEventListener('click',function(){ for(var j=0;j<tabs.length;j++){tabs[j].classList.remove('on');document.getElementById('p'+j).classList.remove('on');} this.classList.add('on');$('p'+this.getAttribute('data-p')).classList.add('on'); setTimeout(resize,60); }); } // architecture toggle var vidIds=['gVidT','gVidIn','gVidArrow','gVidOut','gTrunk']; function setArch(train){ for(var i=0;i<vidIds.length;i++){ var el=$(vidIds[i]); if(!el) continue; el.setAttribute('class', train?'lit':'dim'); } $('tTrain').classList.toggle('on',train); $('tInfer').classList.toggle('on',!train); $('archHd').textContent = train ? 'Обучение — съвместно премахване на шума от видео + действия' : 'Инференция — реактивна политика, видеоклонът не се използва'; $('outNote').textContent = train ? 'съгласуване на потока · предвиждане на скоростта' : 'не се генерира и не се използва бъдещо видео'; $('archNote').innerHTML = train ? '<b>Обучение.</b> Загубата за видео и загубата за действия споделят общ ствол и се напасват като две отделни маргинални полета на скоростта при съгласуване на потока.' : '<b>Инференция.</b> Мрежата за действия никога не приема зашумения латентен вектор на видеото като аргумент. Тя все пак обръща внимание на <b>контекстуалните</b> видеотокени, така че политиката остава реактивна и работи в реално време.'; setTimeout(resize,60); } $('tTrain').addEventListener('click',function(){setArch(true);}); $('tInfer').addEventListener('click',function(){setArch(false);}); // ladder builders function buildLadder(host,labels,onPick){ var h=$(host); h.innerHTML=''; labels.forEach(function(l,i){ var b=document.createElement('button'); b.className='rung'+(i===0?' on':''); b.textContent=l; b.addEventListener('click',function(){ var kids=h.querySelectorAll('.rung'); for(var k=0;k<kids.length;k++)kids[k].classList.remove('on'); b.classList.add('on'); onPick(i); }); h.appendChild(b); }); } function selectRung(host,i){ var kids=$(host).querySelectorAll('.rung'); for(var k=0;k<kids.length;k++)kids[k].classList.toggle('on',k===i); } // panel 1 function render1(i){ $('r1lbl').textContent=LAD[i]; $('m1a').textContent=D.h.mse[i].toFixed(3); $('f1a').style.width=inv(D.h.mse[i],0.050,0.064)+'%'; $('m1b').textContent=D.h.l1[i].toFixed(3); $('f1b').style.width=inv(D.h.l1[i],0.124,0.142)+'%'; $('m1c').textContent=D.h.a1[i].toFixed(3); $('f1c').style.width=pct(D.h.a1[i],0.014,0.028)+'%'; $('m1d').textContent=D.h.a5[i].toFixed(2); $('f1d').style.width=pct(D.h.a5[i],0.38,0.48)+'%'; ['m1a','m1b','m1c','m1d'].forEach(function(id){$(id).classList.toggle('good',i===3);}); } buildLadder('lad1',LAD,render1); render1(0); // panel 2 function render2(i){ $('r2lbl').textContent=LAD[i]; $('m2a').textContent=D.r.mse[i].toFixed(3); $('f2a').style.width=inv(D.r.mse[i],0.110,0.190)+'%'; $('m2b').textContent=D.r.a5[i].toFixed(3); $('f2b').style.width=pct(D.r.a5[i],0.050,0.170)+'%'; ['m2a','m2b'].forEach(function(id){$(id).classList.toggle('good',i===3);}); $('b2m').style.width=D.p.mean[i]+'%'; $('n2m').textContent=D.p.mean[i]+'%'; $('b2l').style.width=Math.max(1,D.p.lock[i])+'%'; $('n2l').textContent=D.p.lock[i]+'%'; $('b2b').style.width=D.p.cap[i]+'%'; $('n2b').textContent=D.p.cap[i]+'%'; $('b2d').style.width=D.p.drink[i]+'%'; $('n2d').textContent=D.p.drink[i]+'%'; var hot=(i===3)?'#E8B84B':'#8A8F94'; $('b2l').style.background=hot; $('b2b').style.background=(i>=2)?'#E8B84B':'#8A8F94'; $('b2d').style.background=(i>=2)?'#E8B84B':'#8A8F94'; } buildLadder('lad2',LAD,render2); render2(0); // panel 3 function render3(i){ $('m3a').textContent=V.mse[i].toFixed(3); $('f3a').style.width=inv(V.mse[i],0.100,0.350)+'%'; $('m3a').classList.toggle('good',i===3); $('b3r').style.width=V.robot[i]+'%'; $('n3r').textContent=V.robot[i]+'%'; $('b3h').style.width=V.human[i]+'%'; $('n3h').textContent=V.human[i]+'%'; } buildLadder('lad3',VID,render3); render3(0); // panel 4/5 comparison function render4(on){ $('b4a').style.width=on?'50%':'0'; $('b4b').style.width=on?'77.5%':'0'; $('b4c').style.width=on?'50%':'0'; $('b4d').style.width=on?'56%':'0'; $('b5a').style.width=on?'100%':'0'; $('b5b').style.width=on?'100%':'0'; $('b5c').style.width=on?'46%':'0'; $('b5d').style.width=on?'87%':'0'; $('b6a').style.width=on?'100%':'0'; $('b6b').style.width=on?'1.1%':'0'; } render4(true); // autoplay helpers function autoplay(host,render,btn,n){ var busy=false; $(btn).addEventListener('click',function(){ if(busy)return; busy=true; var i=0; selectRung(host,0); render(0); var t=setInterval(function(){ i++; if(i>=n){clearInterval(t);busy=false;return;} selectRung(host,i); render(i); },900); }); } autoplay('lad1',render1,'play1',4); autoplay('lad2',render2,'play2',4); autoplay('lad3',render3,'play3',4); $('play4').addEventListener('click',function(){render4(false);setTimeout(function(){render4(true);},260);}); // resize function resize(){ try{ var h=document.body.offsetHeight+40; if(window.parent&&window.parent!==window){ window.parent.postMessage({mtpFrame:'dyna2',height:h},'*'); } }catch(e){} } window.addEventListener('load',function(){resize();setTimeout(resize,400);}); window.addEventListener('resize',resize); setTimeout(resize,120); })(); </script> </body> </html> ">

Основни изводи

Dyna-2 е модел за действия в света, предварително обучен с над 1 милион часа егоцентрично видео от хора.
Законите за мащабирането се запазват при задържани човешки данни в диапазон от четири порядъка.
За първи път този закон се прехвърля без допълнително обучение към роботизирани данни, които не са били виждани при предварителното обучение.
Съвместното обучение с видео — а не данните за действия — стимулира обобщаването между различни въплъщения.
Няма тегла, няма API: внедряването днес означава роботизирана клетка Dyna, управлявана от доставчика.

Прочетете пълния технически доклад: Dyna-2: Закон за мащабирането на моделите за действия в света при 1 милион часа и Съобщението. Също така можете да ни последвате в Twitter и не забравяйте да се присъедините към нашия SubReddit с над 150 хил. членове за машинно обучение и да се абонирате за нашия бюлетин. Чакайте! В Telegram ли сте? Вече можете да се присъедините към нас и в Telegram.

Имате нужда от партньор за популяризиране на вашето GitHub хранилище, страница в Hugging Face, продуктово издание, уебинар и т.н.? Свържете се с нас

Преведено автоматично от английски. Оригиналната статия е на връзката по-долу.