DYNA-2

Dyna Robotics · 2026-08

기타2026 신규미공개영상 world model

1인칭 사람 영상 100만 시간 이상으로 사전학습한 세계 행동 모델(WAM)이다.

논문

백본 LLM: 없음 (영상 확산 백본)
비전 인코더: —
액션 헤드: 영상·액션 별도 flow matching (영상 world model)
청크: 미공개
제어 주기: 미공개
구조 원문 요약: 영상 확산 백본 위 MoT(DiT 층): 인과 마스킹 영상 토큰 + 양방향 액션 토큰, 텍스트는 영상 토큰에만 교차 어텐션; 영상·액션 별도 플로 매칭 속도장; 의사 액션은 3D 손 자세 추적(손목 자세·쥐기 신호)

사전학습 가속기: 미공개
사전학습 기간: 미공개
사전학습 스텝·배치: 미공개
GPU·TPU-시간: 미공개
파인튜닝: 미공개; 병뚜껑 과제 텔레옵 약 10분으로 파인튜닝(2차 13분), 현장 로컬 파인튜닝 수 시간(2차)
데이터 종류: 사람 영상(1인칭) 사전학습 + 실로봇 텔레옵 사후학습
데이터 규모: 1인칭 사람 영상 100만 시간 이상(1K·10K·100K·1M시간 중첩 부분집합으로 스케일링); 사전학습에 로봇 프레임 없음(2차)
주요 데이터셋: 자체 1인칭 사람 영상
태스크·평가: 14과제 평균 정규화 성능 1K 20%·10K 28%·100K 45%·1M시간 53%; 언어 추종 96%; 고객 현장 제로샷 통과 Dyna-1 46%·Dyna-2 87%; early Dyna-2 대 Dyna-1 맞대결 65% 대 29%(무승부 6%), 풀링 시 WAM 성공률이 VLA의 1.55배
로봇: 양팔 YAM (내부 12 + 외부 xdof ABC 27과제)

핵심 특징: 1인칭 사람 영상 100만 시간 이상으로 사전학습한 세계 행동 모델(WAM)이다. 사전학습 1K→1M시간에서 로봇 정규화 성능이 20%→53%로 올랐다.
비고: 수정 반영: 노트의 'WAM 65% vs VLA 29%'는 원문상 early Dyna-2 대 Dyna-1 맞대결(무승부 6%). 같은 단락 풀링 결과는 WAM이 VLA 성공률의 1.55배·등급의 1.12배. 공식 페이지 'August 2026'(2차 8월 10일·11일). 지표는 모두 자체 보고. 스케일링 적합: 사람 MSE 0.0691·D^-0.0184(R² 0.919).
검증: 수정 반영