Dyna-2：具备小时级自主性的通用物理智能体——Jason Ma，Dyna Robotics

Dyna Robotics 最近在物理 AI 领域引发关注：他们发布了 Dyna-2，一个在百万小时人类视频上预训练的世界动作模型，并声称在人类数据上观察到了跨四个数量级的新缩放定律。这意味着，机器人学习可能正在复制语言模型领域“数据规模驱动能力跃迁”的路径，只是这次的对象是物理动作与真实世界交互。对于关注 AI 工程与机器人学习的中文读者，这是一个值得追踪的技术信号。

更引人注目的是 Dyna-2.1 所展示的“小时级自主性”。在真实餐厅场景中，系统连续 24 小时折叠餐巾纸，成功率高达 99.4%，甚至能在整叠餐巾纸被拉倒后自行恢复。这不再是精心剪辑的短演示，而是对长时程可靠性、错误恢复和持续运行能力的考验。物理 AI 的难点往往不在单次动作是否漂亮，而在能否在数小时、数天里稳定工作。

Jason Ma 在节目中讨论了机器人如何从少至 45 分钟的演示中学习新任务。如果这一能力可泛化，将显著降低机器人部署到新任务、新环境的数据门槛。传统机器人编程依赖大量工程调参和结构化环境，而基于世界动作模型的路线试图让机器人像大模型一样，从人类视频和少量示范中迁移技能。

Dyna Robotics 与鼎泰丰等真实场景的合作也值得注意：机器人每天折叠数千张餐巾纸，说明物理 AI 正在从实验室演示走向生产环境。对中文读者来说，这不仅是技术新闻，也涉及餐饮、服务、制造等行业的自动化前景，以及机器人可靠性、成本与规模化部署的现实问题。

本期播客还包含 Taku 机器人的现场演示，建议结合视频观看以理解系统实际表现。整体而言，这期内容适合关注世界模型、机器人学习、缩放定律和物理 AI 落地的读者，它把“模型规模—数据规模—真实任务可靠性”这条链路讲得比较具体。