近日，具身智能企业Dyna Robotics正式推出全新机器人AI基础模型DYNA-2，凭借超大规模人类视频预训练与超高任务执行精度，刷新通用机器人学习范式。该模型以超过100万小时第一人称人类行为视频完成预训练，等效积累约170年人类连续实操经验，真机测试任务成功率最高可达90%，有效破解机器人数据稀缺、泛化薄弱、实操不准等行业痛点，为通用具身智能迭代升级开辟全新路径。

当前机器人AI模型普遍依赖真机实操数据训练，不仅数据采集成本高、周期长，且场景覆盖有限，难以适配真实生活中复杂多变的非结构化环境。多数模型存在学得多、落地少的问题，零样本泛化能力不足，更换作业场景、微调任务细节后失误率大幅上升，严重制约通用机器人的规模化落地。DYNA-2创新舍弃传统机器人专属训练数据，完全依托海量人类第一视角视频完成预训练，让机器人通过观察人类日常操作，自主学习物理世界运行规律与实操行为逻辑，突破传统训练模式的核心瓶颈。

作为新一代世界动作模型，DYNA-2搭载视频扩散主干架构与混合Transformer结构，可对视频画面与动作指令进行独立编码、交叉关联学习，同步实现未来视频预测与动作片段生成。这种独特的技术架构，让模型既能看懂环境变化，又能预判行为结果，精准建立场景、动作、结果三者的关联逻辑，习得贴近人类的物理直觉与操作思维，彻底摆脱机械复刻式的执行模式，具备更强的自主决策与动态适配能力。

海量数据积累带来能力质的飞跃，实测数据充分验证了DYNA-2的硬核实力。在同等训练条件下，依托百万小时人类视频预训练的DYNA-2，真机平均任务完成成绩从原有20%大幅提升至53%，多项复杂实操任务成功率最高突破90%，整体任务完成效率较前代模型提升1.55倍。在39项机器人通用任务测试中，模型零样本动作预测能力随数据规模扩容持续优化，无需针对性微调即可适配多样陌生场景，跨设备、跨场景泛化优势显著。

相较于行业同类模型，DYNA-2最大的创新优势是实现了人类经验向机器人能力的高效迁移。模型通过学习人类日常精细操作、环境交互逻辑与应急处理方式，可灵活适配家居整理、物品分拣、场景运维、简易装配等多元实操场景，能够精准应对环境杂物干扰、物体摆放偏移、操作路径变动等动态情况。无需海量真机试错训练，即可快速适配全新任务，大幅降低机器人研发与场景适配成本，提升落地效率。

此次DYNA-2的成功落地，有力验证了具身智能领域的数据缩放定律，证明大规模人类行为视频数据，可有效赋能机器人通用能力升级，打破机器人学习对真机数据的高度依赖。这种全新的训练范式，为行业解决数据壁垒、降低研发门槛、提升通用智能水平提供了核心新思路。未来，随着DYNA-2模型持续迭代优化，将广泛赋能家用服务、商用运维、轻型工业等多领域机器人，推动通用具身智能从定点示范走向全域规模化落地，加速人工智能与物理世界的深度融合。