Dyna-2 pousse plus loin l’apprentissage robotique à partir de vidéos humaines

Dyna Robotics a dévoilé Dyna-2, un modèle d’action pour la manipulation robotique pré-entraîné sur plus d’un million d’heures de vidéos humaines en vue subjective. La société dit vouloir contourner le goulet d’étranglement des données d’action, souvent coûteuses à produire en téléopération. L’enjeu est concret : mieux faire passer ce que les humains font en vidéo vers des robots de production. Et, pour une fois, la machine n’a pas besoin d’avoir vécu 170 ans pour apprendre.

Des vidéos humaines pour apprendre à agir

Dyna-2 est présenté comme un world-action model, ou WAM : un modèle génératif qui prédit à la fois la vidéo future et un bloc d’actions futures. Dyna Robotics explique qu’il repose sur une architecture de type diffusion, avec des traitements séparés pour les séquences vidéo et les séquences d’action, puis des mécanismes d’attention croisée entre les deux. Les signaux proprioceptifs, c’est-à-dire les informations sur l’état du robot, alimentent directement le module d’action.

Sur le papier, l’intérêt est double. D’abord, le modèle apprend à partir de données plus faciles à collecter que des démonstrations robotisées annotées. Ensuite, l’entreprise affirme que la vidéo aide surtout à généraliser d’un corps robotique à un autre, ce qui compte pour les sites où les machines changent, mais pas les tâches. Le système reste toutefois opéré par Dyna Robotics : aucune version publique avec poids téléchargeables, API ou licence n’a été annoncée à ce stade.

Ce que montrent les tests de montée en échelle

Les résultats publiés reposent sur une montée en échelle allant de 1 000 à 1 000 000 d’heures de données, avec des sous-ensembles imbriqués conservant les mêmes proportions de sources. Selon la note technique, les performances progressent de façon monotone sur les données humaines et suivent une loi de puissance sur quatre ordres de grandeur. Le modèle passe ensuite sur des tâches robotiques qu’il n’a pas vues en pré-entraînement, avec une amélioration zéro-shot mesurée sur 39 tâches et deux plateformes YAM stationnaires.

La société insiste surtout sur un point : le co-entraînement vidéo + action fait mieux que l’action seule. À taille de données d’action fixée à 50 000 heures, l’ajout d’heures de vidéo fait baisser l’erreur robotique de 0,340 à 0,120 en zéro-shot, selon le rapport. Sur les tâches post-entraînées, le score normalisé moyen passe de 20 % à 28 %, puis 45 % et 53 % quand on monte en échelle. Les gains sont visibles sur des cas très concrets, comme l’ouverture d’un cadenas à clé ou le dévissage d’un bouchon de bouteille.

Un outil pensé pour les sites de travail répétitif

Dyna Robotics relie déjà Dyna-2 à un usage industriel et de services. Ses robots Dyna-1 seraient en production dans des hôtels, des restaurants et des laveries, selon l’annonce du 10 août 2026 citée par l’entreprise. Le positionnement vise donc des exploitants multi-sites et des opérations répétitives, comme l’hôtellerie, la restauration, le linge commercial, l’assemblage léger, le kitting ou le nettoyage.

Les 14 tâches de post-entraînement décrites dans la documentation collent à ces cas d’usage : tri de plateaux, préparation de kits de premiers secours, construction de bacs, service d’aliments, nouage de corde ou récupération ciblée d’une boisson dans un réfrigérateur. Le système n’est pas pensé pour un laboratoire qui voudrait exécuter le modèle en local, mais pour une cellule robotique fournie par l’éditeur. C’est moins libre, certes, mais nettement plus proche d’un déploiement réel.