8 月 11 日。Dyna Robotics 发了 Dyna-2，一个世界-动作模型，预训练只喂了 100 万小时人类视频，机器人遥操作数据为零。

它要解决的是「具身鸿沟」：人类的手和机器人的夹爪不是同一种身体，人怎么拿东西，机器人怎么学会？

答案是用视频扩散模型做骨架，让模型同时预测下一帧画面和下一个动作。不止知道该怎么动，还要理解动了之后世界会怎样。

结果是一条可预测的 scaling 曲线：1000 小时 → 20% 成功率，100 万小时 → 53%。锁盒钥匙转动任务，10 万小时以下还是 0%，100 万小时直接 90%。

和自家商用的 Dyna-1 VLA 正面对比，客户现场零样本通过率从 46% 跳到 87%。迪斯科灯、全黑、人为破坏已完成动作，都能继续干。

世界模型一直太慢，Dyna-2 用蒸馏把延迟从 10 秒压到 110 毫秒。

所有数字来自 Dyna 自己的技术报告，未经第三方复现。但这条路线如果成立，机器人训练不再需要先造百万台机器人——互联网上的海量人类视频就是燃料。

#DynaRobotics##Dyna2##具身智能#