既能仰望星空，又能腳踏實(shí)地，這是我們對于科技創(chuàng)業(yè)者的理想畫像。

從投資 Dyna Robotics 以來，就一直被 Lindon、York、Jason 三位聯(lián)合創(chuàng)始人的技術(shù)遠(yuǎn)見和務(wù)實(shí)落地的精神所打動。而我們團(tuán)隊(duì)的謝巖（Monica）同學(xué)，更是被打動到躬身入局，已經(jīng)正式宣布回到灣區(qū)加入 Dyna，我們也期待她能夠繼續(xù)帶著好奇心探索技術(shù)前沿（但還是要繼續(xù)給我們錄播客的）

如何打造能夠自我提升并且高質(zhì)量完成任務(wù)的機(jī)器人系統(tǒng)？今天分享 Dyna 聯(lián)合創(chuàng)始人 York 的這篇文章，希望能對大家有所啟發(fā)。Enjoy！

真格基金管理合伙人戴雨森

DYNA 到底在做什么？

自從我們發(fā)布了 DYNA-1 以來，陸續(xù)收到了不少問題。有的是在公開社交媒體上提出來的，有的是朋友私下交流時提到的。核心都圍繞著同一個疑問：

DYNA 為什么跟別的公司這么不一樣？你們到底在做什么？

從外部視角來看，DYNA-1 的發(fā)布多少有點(diǎn)「莫名其妙」。當(dāng)全網(wǎng)都在為人形機(jī)器人能跳舞、能跑馬拉松而歡呼時，當(dāng)大家都在熱議那些能聽懂人類指令、完成多種任務(wù)的大模型機(jī)器人時——我們卻發(fā)布了一個在原地反復(fù)疊布餐巾、干滿 24 小時的「專用」機(jī)器人。

DYNA-1 機(jī)器人正在疊餐巾

這很容易讓人以為：DYNA 是不是一家傳統(tǒng)的垂類機(jī)器人公司？就像過去的工業(yè)機(jī)器人那樣，專注做一件事，把它做到極致，然后靠它賺錢。

這個疑問其實(shí)挺值得聊聊的。因?yàn)樵?DYNA 正式發(fā)布之前，我們原本以為公眾、同行、投資人對機(jī)器人發(fā)展的方向已經(jīng)有一定共識了。但發(fā)布之后我們才意識到：如今關(guān)于「機(jī)器人應(yīng)該是什么」的討論，其實(shí)還處于一個百花齊放、分歧巨大的階段。

今天就借這個機(jī)會，用我個人公眾號的方式，分享一下我們自己的思考。既然是個人寫的，我就不準(zhǔn)備用各種冠冕堂皇的大詞去糊弄大家，而是想聊點(diǎn)真實(shí)的東西，聊聊我們對機(jī)器人行業(yè)的長期愿景，以及 DYNA 的角色定位。

這篇是第一篇，主要講我們在科研方向的一些思考。后面我還會從其他角度繼續(xù)寫下去。

DYNA 是怎么起步的？

時間回到去年公司剛成立的時候。那時候，國內(nèi)人形機(jī)器人領(lǐng)域已經(jīng)很熱了。海外像 Figure、Physical Intelligence、Skild、The Bot Company 等等，也都陸續(xù)曝光并開啟大規(guī)模融資。

我們選擇在那個節(jié)點(diǎn)切入，其實(shí)算是一個偏晚的時間點(diǎn)。甚至有一位我不能透露姓名的投資人，直言不諱地質(zhì)疑我們：「你們啥背景都沒有，憑什么和這些行業(yè)老炮兒、教授們競爭？」

這個問題我們其實(shí)自己也認(rèn)真思考過很久——我們要做一家公司，什么樣的路徑才有可能在這個巨頭林立的生態(tài)中殺出一條血路？

那時候我和 Lindon、Jason 一起其實(shí)試過很多方向，最終才落地到我們現(xiàn)在堅(jiān)持的這條路上。整個決策背后，有幾個關(guān)鍵的判斷。

什么樣的技術(shù)路徑，才是真正可行的？

回到去年 9 月，當(dāng)時整個機(jī)器人圈正處于 diffusion policy 逐步成型、mobile ALOHA 大熱的時間點(diǎn)。

行業(yè)內(nèi)各種技術(shù)路線并存：

- 有堅(jiān)定支持 ALOHA 或 UMI 這種模仿學(xué)習(xí)方法的；

- 有主張從人類視頻中直接學(xué)習(xí)并遷移的（比如字節(jié)的 GR-1）；

- 有靠大規(guī)模多模態(tài)數(shù)據(jù)做表征學(xué)習(xí)的（比如 RT-X）；

- 有走強(qiáng)化學(xué)習(xí)路線的；

- 也有依賴仿真環(huán)境、合成數(shù)據(jù)的。

每條路線都有支持者，也都有一堆問題。我們能看到的，其實(shí)都是很早期的雛形。甚至直到今天，也沒有哪個方向真正被驗(yàn)證為「絕對可落地」的技術(shù)路徑。

我本人從 2016 年開始從事 AI 相關(guān)工作，從最早的傳統(tǒng)機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘，到中期深度學(xué)習(xí)的快速發(fā)展，再到近幾年 transformer 和各類生成式 AI 的興起，幾乎經(jīng)歷了整個機(jī)器學(xué)習(xí)行業(yè)的演進(jìn)過程。

撇開技術(shù)形式不談，我一直認(rèn)為，真正能夠長期、大規(guī)模落地的 AI 技術(shù)，必須具備高度的擴(kuò)展性。

深度學(xué)習(xí)其實(shí)在很長一段時間里都沒能實(shí)現(xiàn)真正的大規(guī)模應(yīng)用，根本原因在于：它在數(shù)據(jù)的獲取和使用上，始終受到采集、標(biāo)注等現(xiàn)實(shí)成本的嚴(yán)重限制。如果我們對比深度學(xué)習(xí)之前的傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)，尤其是廣泛應(yīng)用在推薦、廣告等領(lǐng)域的那些系統(tǒng)，它們能快速擴(kuò)展的關(guān)鍵，就在于數(shù)據(jù)獲取相對容易，且能形成低成本閉環(huán)。

很多推薦系統(tǒng)的問題可以通過自監(jiān)督方式冷啟動：只需分析用戶的點(diǎn)擊行為，就可以找到興趣相似的用戶，從而推薦相似內(nèi)容。整個系統(tǒng)的數(shù)據(jù)來源和反饋機(jī)制本身就是閉環(huán)的，可以低成本持續(xù)擴(kuò)展。

但進(jìn)入深度學(xué)習(xí)時代后，特別是在計算機(jī)視覺領(lǐng)域，數(shù)據(jù)問題一下子復(fù)雜了許多。數(shù)據(jù)的積累和標(biāo)注成為了核心瓶頸。與推薦系統(tǒng)不同，視覺任務(wù)很難通過自監(jiān)督方式獲得有效的訓(xùn)練信號，大多數(shù)情況下仍然依賴大規(guī)模的人工采集與精細(xì)標(biāo)注。這使得數(shù)據(jù)迭代呈現(xiàn)出高度的異構(gòu)性和任務(wù)專用性。像 ImageNet、COCO 這樣的大型通用數(shù)據(jù)集，雖然在學(xué)術(shù)上推動了研究范式的形成，但到了真正落地階段，我們看到的幾乎所有項(xiàng)目，依然是通過一條一條手工標(biāo)注數(shù)據(jù)堆出來的。這也是為什么整場深度學(xué)習(xí)革命在工業(yè)界的大規(guī)模應(yīng)用進(jìn)展得如此緩慢。

最典型的是無人駕駛，光是積累有效數(shù)據(jù)就花了十幾年。人臉識別、工業(yè)檢測、商品識別等領(lǐng)域也面臨類似問題，最終也都發(fā)展成了高度定制、缺乏通用性的模型體系。這也部分解釋了為何當(dāng)年的「AI 四小龍」，除了商湯在資本市場上取得了相對較好的結(jié)果，其他幾家如今都面臨較大困難。而深度學(xué)習(xí)之所以沒法像推薦系統(tǒng)那樣靠幾個通用數(shù)據(jù)集直接落地，核心問題在于：圖像任務(wù)的復(fù)雜度遠(yuǎn)高于推薦系統(tǒng)，通用數(shù)據(jù)集難以支撐穩(wěn)定的泛化性能。要想拿到能穩(wěn)定落地的結(jié)果，仍然得依賴更高質(zhì)量、更具場景針對性的數(shù)據(jù)，而這就意味著更高的人工成本，也正是這條路一直沒能跑通的原因。

再說到為什么這一波大模型反而跑通了？很多人說是 OpenAI 押對了「大力出奇跡」的策略，但我認(rèn)為真正的核心在于：語言數(shù)據(jù)具備天然優(yōu)勢——結(jié)構(gòu)清晰、規(guī)模龐大、易于獲取，且?guī)缀醪恍枰斯?biāo)注。

今天的大語言模型，幾乎都是建立在全網(wǎng)文本預(yù)訓(xùn)練的基礎(chǔ)上，而語言這種數(shù)據(jù)形式，本質(zhì)上就是一種由人類設(shè)計出來、用于表達(dá)世界的結(jié)構(gòu)化系統(tǒng)。相比于圖像、語音，語言的結(jié)構(gòu)化程度更高、數(shù)據(jù)噪音更少，是「先天干凈」的數(shù)據(jù)源。再加上語言模型的訓(xùn)練方式本質(zhì)是自監(jiān)督的，只需預(yù)測下一個 token，無需任何人工標(biāo)注，這就從根本上解決了模型規(guī)�；�(xùn)練中的成本問題。也正因?yàn)橛辛诉@樣一個可行、低成本的預(yù)訓(xùn)練路徑，才有了后續(xù)通過人工篩選構(gòu)建的 SFT 數(shù)據(jù)，以及 human-in-the-loop 的微調(diào)方式，最終跑通了 ChatGPT 這類產(chǎn)品背后的完整訓(xùn)練閉環(huán)。

所以，綜上來看，如果我們希望一個 AI 系統(tǒng)具備長期、規(guī)�；瘧�(yīng)用的潛力，必須同時滿足兩個前提條件：

1. 數(shù)據(jù)獲取的成本足夠低

2. 所獲取的數(shù)據(jù)本身足夠結(jié)構(gòu)化（換句話說，就是質(zhì)量夠高）

只要這兩個條件缺一，其實(shí)這個 AI 系統(tǒng)長期落地的可能性就非常有限。

回到 DYNA 創(chuàng)立之初的思考

如果你要考慮機(jī)器人這個領(lǐng)域的數(shù)據(jù)，其實(shí)和當(dāng)下的語言模型（甚至現(xiàn)在的多模態(tài) VLM）有天差地別的不同。從前面提到的兩個因素來看，首先機(jī)器人數(shù)據(jù)本身就是稀缺的。和文字?jǐn)?shù)據(jù)不同，機(jī)器人數(shù)據(jù)的體量目前可能只有文本或視頻數(shù)據(jù)的零頭。

機(jī)器人數(shù)據(jù)的采集需要實(shí)體機(jī)器人的介入，哪怕使用 UMI 這樣具備擴(kuò)展性的方式，數(shù)據(jù)獲取的成本仍然非常高。而通過人類視頻數(shù)據(jù)進(jìn)行學(xué)習(xí)，在技術(shù)上雖然可行，但本質(zhì)上存在非常大的 embodiment gap（具身差異）。從我們前面對于「高質(zhì)量數(shù)據(jù)」的定義來看，這意味著這類數(shù)據(jù)本身就不夠優(yōu)質(zhì)，要高效利用也非常困難。

同時，對于機(jī)器人來說，「高質(zhì)量數(shù)據(jù)」不僅意味著由機(jī)器人本體采集、沒有 embodiment gap，還意味著這些數(shù)據(jù)要能體現(xiàn)出機(jī)器人完成任務(wù)時的效率、穩(wěn)定性和可靠性。語言模型當(dāng)前最大的問題是 hallucination（幻覺），但如果同樣的問題發(fā)生在機(jī)器人身上，后果將是災(zāi)難性的，甚至可能直接影響安全。

所以，我們認(rèn)為可靠的技術(shù)路徑應(yīng)該是：

1. 采集少量高質(zhì)量、多任務(wù)、具備泛化能力的數(shù)據(jù)，先建立起對物理世界的基本理解——而這種理解必須能映射到機(jī)器人操作空間中（解決早期數(shù)據(jù)成本的問題）；

2. 利用強(qiáng)化學(xué)習(xí)在各種實(shí)際場景中提升執(zhí)行的可靠性，讓機(jī)器人真正具備自我提升能力（解決高質(zhì)量數(shù)據(jù)不足的問題）；

3. 利用這些高質(zhì)量數(shù)據(jù)反哺基礎(chǔ)模型，逐步替代早期的低質(zhì)量數(shù)據(jù)，不斷增強(qiáng)其通用能力；

4. 繼續(xù)采集更多任務(wù)數(shù)據(jù)，回到第 1 步，形成可持續(xù)迭代。

在這個過程中，其實(shí) DYNA 從不拘泥于任何單一的技術(shù)形態(tài)。我們用過 ALOHA、UMI，也嘗試過仿真環(huán)境和合成數(shù)據(jù)，同時也在探索世界模型與人類視頻。只要能推動這套迭代邏輯往前走的技術(shù)路徑，我們都會嘗試。目前行業(yè)內(nèi)很多路線，仍然延續(xù)了 ChatGPT 成功后的「大力出奇跡」式做法——無論是自建數(shù)據(jù)采集工廠，還是委托第三方團(tuán)隊(duì)，目標(biāo)都是大規(guī)模采集各種任務(wù)的操作數(shù)據(jù)。但我們認(rèn)為，問題在于：數(shù)據(jù)質(zhì)量缺乏明確標(biāo)準(zhǔn)。

目前實(shí)驗(yàn)室普遍以「成功率」作為模型能力的衡量標(biāo)準(zhǔn)，久而久之，這一指標(biāo)就被倒推出數(shù)據(jù)采集的標(biāo)準(zhǔn)——只要任務(wù)完成了，數(shù)據(jù)就是「有效的」。但我們認(rèn)為，在機(jī)器人時代，這樣的標(biāo)準(zhǔn)遠(yuǎn)遠(yuǎn)不夠，甚至連 ImageNet 或 GPT 用的互聯(lián)網(wǎng)數(shù)據(jù)的質(zhì)量都達(dá)不到。這也正是為什么我們選擇盡早走入真實(shí)場景，進(jìn)行數(shù)據(jù)采集的原因。

總結(jié)

高質(zhì)量、低成本，才是長期積累機(jī)器人數(shù)據(jù)的基石。而「高質(zhì)量」本身，只有在真實(shí)環(huán)境下、面對真實(shí)需求時才能被準(zhǔn)確衡量。所以，這條數(shù)據(jù)閉環(huán)鏈路里的每一個環(huán)節(jié)，缺一不可。

回到最初那個問題，我們?yōu)槭裁匆?demo 這樣一個看起來「莫名其妙」的 DYNA-1？其實(shí)我們是在驗(yàn)證前面提到的第 2 個閉環(huán)環(huán)節(jié)——如果一個機(jī)器人模型本身沒有自我提升的能力，而是完全依賴采集數(shù)據(jù)來驅(qū)動，那你幾乎不可能同時做到高質(zhì)量和低成本。

至于仿真數(shù)據(jù)、合成數(shù)據(jù)能不能用？當(dāng)然可以，我們并不否認(rèn)它們的價值。DYNA-1 只是展示了我們認(rèn)為目前最可行的一條路徑，它不代表其他路徑就無效。只是在我們看來，以當(dāng)前前沿成果為準(zhǔn)，仿真在精細(xì)操作領(lǐng)域依然存在巨大的 sim-to-real gap，而合成數(shù)據(jù)還處于早期階段，仍需要時間驗(yàn)證。相比之下，真實(shí)場景中的強(qiáng)化學(xué)習(xí)，是目前我們認(rèn)為最快、最可能跑通這個閉環(huán)的路徑，所以我們選擇從這一步先做起。

在 DYNA-1 里：

1. 我們強(qiáng)調(diào)了 24 小時的可靠性，是為了證明我們的強(qiáng)化學(xué)習(xí)方法可以讓機(jī)器人不斷自主學(xué)習(xí)、自我提升，進(jìn)而提升數(shù)據(jù)質(zhì)量。你可以想象一下，如果機(jī)器人不具備這個能力，強(qiáng)化學(xué)習(xí)過程將會非常痛苦——可能每幾分鐘就要人工干預(yù)一次，還不一定能探索出有效的策略空間。

2. 我們強(qiáng)調(diào)了數(shù)據(jù)質(zhì)量和任務(wù)完成速度。我們采用了真實(shí)客戶對最終產(chǎn)品的標(biāo)準(zhǔn)來評判數(shù)據(jù)質(zhì)量，而不是籠統(tǒng)地只看任務(wù)是否完成。這在上面的閉環(huán)中，是不可或缺的一環(huán)。試想一下，如果事前沒有任何標(biāo)準(zhǔn)，你對數(shù)據(jù)質(zhì)量的要求也只能是「盡量完成、盡量快、盡量少出錯」這種模糊的目標(biāo)。這種「盡量」式的反饋，對模型幾乎沒有訓(xùn)練價值。就像網(wǎng)球教練只會說「你盡量打準(zhǔn)一點(diǎn)」，這樣的反饋根本無助于提升你的動作質(zhì)量。

3. 我們也看到了泛化能力的提升。在高質(zhì)量數(shù)據(jù)的加持下，我們驚喜地發(fā)現(xiàn)模型的 zero-shot 泛化能力出現(xiàn)了明顯飛躍。比如在用低質(zhì)量數(shù)據(jù)訓(xùn)練時，機(jī)器人 zero-shot 去疊不同樣式的毛巾、衣服，或切換任務(wù)時，成功率都很低。但當(dāng)我們使用更高質(zhì)量，甚至強(qiáng)化學(xué)習(xí)優(yōu)化過的數(shù)據(jù)之后，zero-shot 的成功率有了質(zhì)變提升。雖然目前我們還無法完全解釋這個現(xiàn)象，但類比人類學(xué)習(xí)，可以理解為：當(dāng)你已經(jīng)在某個領(lǐng)域成為專家，你遷移學(xué)習(xí)到其他領(lǐng)域的能力也會更強(qiáng)，因?yàn)閷＜艺莆盏牟粌H是知識本身，更是高效學(xué)習(xí)的方法。

所以 DYNA-1 的 demo，并不是為了展示我們的「疊餐巾」任務(wù)可以商業(yè)化落地了。而是在科研層面上，演示了一個具備長期可持續(xù)性的商業(yè)-科研閉環(huán)和數(shù)據(jù)飛輪。如果這個閉環(huán)你跑不通，那很遺憾，從過往經(jīng)驗(yàn)來看，你很可能會成為那些最終撐不下去的項(xiàng)目之一。而 DYNA 從創(chuàng)立那天起，我們就設(shè)想它是一家能夠長期通用、長期可擴(kuò)展，并真正推進(jìn)人類 AGI 事業(yè)的公司。

好了，這篇是第一篇，主要從科研角度闡述 DYNA-1 的價值。接下來還會有幾篇，從不同角度繼續(xù)分享我們希望通過 DYNA-1 傳遞的長期愿景。希望大家拭目以待。