被称“最无聊机器人”的Dyna，靠叠衣服找到机器人Scaling Law

《纽约邮报》曾称Dyna Robotics为“全世界最无聊的机器人”，而公司创始人认为这是“对一家机器人公司最高的赞美”。Dyna-1主攻叠毛巾、叠衣服；新发布的Dyna-2让机器人Taku进入洗衣房，完成放脏衣服、操作洗衣机、取出送烘干机、折叠放架等流程。联合创始人Jason Ma表示，机器人真正开始工作本就应是“无聊”的，真实部署是衡量机器人的“唯一评估”；机器人不能落地，不是因为没有腿或手，而是模型和整个系统不够好。

Dyna已将模型路线从VLA转向WAM，并将预训练数据扩大到100万小时第一人称人类视频。他们发现，随着人类视频数据增加，模型对未在预训练中见过的机器人动作预测得越来越好。

Jason认为，机器人行业目前可能处于GPT-2和GPT-3之间，纯数据规模仍小于GPT-3阶段的语言模型；但机器人产品形态不同，是否有“GPT时刻”可能没那么重要。他以自动驾驶为例称，Waymo、特斯拉十多年前已能演示，但从演示到真正落地距离仍很长，真实世界迭代过程必须经历。在具身领域，模型、数据和硬件必须一起进步，硬件包括本体、供应链等，且需将模型训练、部署心得融入硬件迭代形成闭环。

Dyna选择大脑和本体一体化路线。Jason称，客户付费不只针对模型，客户真正在乎的是机器人在自己场景中能否完成复杂多样任务；物理智能需大脑与本体结合才能达到好效果。公司从产品出发排优先级，不做炫酷演示，而从最终开发、生产、部署数万机器人的目标倒推必须解决的技术问题。

硬件设计上，Dyna从第一性原理出发，因预训练大量使用人的第一视角数据，机器人形态越像人迁移越好，最终选择半人形加底盘的权衡形态，可立即部署并受益于人类数据。公司暂不落地灵巧手，因其硬件成熟度不足，目前仅做基础研究。Jason强调，系统落地不仅要求模型做好，还需具备可观测性，了解模型和机器人每天做了什么、机器人电脑是否有资源争用等，每次更新机器和模型都要做好这些工作。