Dyna-2发布：100万小时人类视频，把机器人带进Scaling Law时代
图：Dyna Robotics官方发布图（由人类操作视频帧拼合）Dyna Robotics发布世界行动模型Dyna-2：用超100万小时人类视频预训练，首次给出'人类数据→机器人能力'的可预测缩放规律；在陌生客户现场零样本部署通过率87%，远超前代VLA架构的46%。这被多位研究者称为今年最重要的机器人学习进展之一。
机器人学习领域迎来一个里程碑式的发布。8月11日，Dyna Robotics推出世界行动模型（WAM）Dyna-2——用超过100万小时的人类操作视频做预训练，并宣称首次证明了机器人领域的'缩放规律'（Scaling Law，即数据规模可预测地换来能力提升）：喂给模型的人类视频越多，它控制一台从未见过的机器人的零样本能力就越强。
机器人学习的老大难一直是数据。遥操作（人拿设备操控机器人示教）能产出高质量带动作标注的数据，但又慢又贵；而互联网上的海量人类视频没有动作标签，此前一直难以直接用于训练。Dyna-2的核心主张，就是把'人类视频'变成了可规模化的主力燃料。
官方公布的数字相当激进：在全新客户现场的零样本部署中，Dyna-2生产环境通过率达87%，大幅超过前代VLA（视觉-语言-动作）架构模型Dyna-1的46%；视频协同训练把语言指令跟随成功率从35%提到67%，继续扩大语料后在内部基准上冲到96%。
架构层面，这次发布正面挑战了行业主流。过去一年，物理智能圈一直在'微调现有语言模型（VLA路线）'与'从头构建世界模型'之间激辩，Dyna-2把宝押在后者：以视频预测（预判画面接下来会怎样）为核心能力，公司称这是跨机器人本体泛化的关键；同时通过一步视频生成蒸馏，把推理延迟降低了两个数量级。
配套动作也说明其野心：同日发布的Mantis UMI手持数据采集设备，让数据采集不再依赖真机遥操作——人拿着采集器干活就是在给机器人'录教材'。多位研究者当天评论称，'机器人预训练的门槛时刻已经跨过'，明年可能出现上亿小时级别的预训练。
需要说明证据边界：87%、96%等数字均来自公司自报与内部基准，尚无第三方复现；'缩放规律是否长期成立'也要更大规模验证。但方向意义已经足够清晰——如果人类视频真能持续换来机器人能力，数据竞赛的下一站将不在实验室，而在每个人的日常劳动画面里。
截至2026年8月11日发稿，Dyna-2技术报告已公开，业界评测尚在进行中。