Dyna Robotics ha presentato lunedì DYNA-2, un nuovo modello base per robot che, secondo l’azienda, è stato addestrato su oltre un milione di ore di video umani e su zero dati robotici. L’azienda statunitense ritiene che questo approccio possa affrontare i problemi di costo e scalabilità che hanno limitato la robotica general-purpose — un ostacolo che ha mantenuto l’IA fisica indietro rispetto ad altri ambiti in cui il pre-addestramento su larga scala ha già generato rapidi progressi nelle capacità.

Il collo di bottiglia dei dati di addestramento nella robotica

Un ostacolo persistente nello sviluppo di robot general-purpose è l’acquisizione di dati di addestramento sufficienti. La maggior parte dei robot oggi apprende tramite teleoperazione, un processo in cui un operatore umano guida manualmente la macchina attraverso i compiti per molte ore. Questo metodo è lento, costoso e difficile da scalare, e finisce per limitare il livello di capacità raggiungibile da tali sistemi. Il problema è ampiamente riconosciuto nel settore, con attori tra cui Google DeepMind, Tesla e Physical Intelligence che investono pesantemente in strategie alternative di raccolta dati per i propri modelli base per robot.

DYNA-2 segue una strada diversa eliminando del tutto i dati robotici dalla fase di addestramento. Il modello è stato invece addestrato esclusivamente su video umani egocentrici — riprese effettuate dal punto di vista di una persona mentre interagisce con oggetti e con l’ambiente. Secondo l’azienda, questo dataset equivale a circa 170 anni di esperienza continua.

Today we are introducing Dyna-2, a world-action model pre-trained on one million hours of human video. At this scale, for the first time, we discovered several new scaling laws:

• world-action models exhibit scaling law on human data across four orders of magnitude, from 1000… pic.twitter.com/wZamR0axzS — Dyna Robotics (@DynaRobotics) August 10, 2026

Il co-fondatore Jason Ma ha spiegato la logica alla base dell’approccio: "Action data is scarce, but video is everywhere." Ha sostenuto che l’intuizione fisica "can be learned directly from human video" invece di richiedere milioni di ore di dati raccolti su un braccio robotico.

Nei compiti di manifattura ad alta precisione, DYNA-2 ha aumentato i tassi di successo dal 20% a un intervallo compreso tra l’80% e il 90%. Dyna attribuisce questo miglioramento alla pura scala del pre-addestramento video. Su 15 compiti benchmark, i modelli addestrati su volumi maggiori di video umani hanno costantemente superato quelli addestrati su volumi inferiori. Questo risultato richiama le leggi di scaling che hanno trasformato l’elaborazione del linguaggio naturale, dove le prestazioni dei modelli sono migliorate in modo prevedibile con l’aumento dei dati di addestramento e della potenza di calcolo — anche se resta aperta la domanda se tali principi si trasferiscano pienamente ai compiti del mondo fisico.

In cosa si differenzia l’architettura di DYNA-2

Dyna si distingue per una nuova architettura. Anziché affidarsi a un modello visione-linguaggio — l’approccio usato da sistemi come RT-2 di Google — DYNA-2 è un World-Action Model basato sulla generazione video. Durante il pre-addestramento, il modello prevede contemporaneamente sia il fotogramma video successivo sia l’azione successiva. Dyna afferma che questo duplice obiettivo fornisce al modello una comprensione interna della fisica del contatto e del ragionamento spaziale.

L’azienda si aspetta che la conoscenza trasferita dai video umani si generalizzi a diverse piattaforme robotiche — inclusi bracci fissi, prototipi umanoidi e mani destre — anche se nessuno di questi dispositivi è stato coinvolto nel pre-addestramento. L’adattamento di DYNA-2 a una nuova piattaforma richiede, secondo quanto riportato, solo poche ore di fine-tuning invece di settimane di nuova raccolta dati. Per esempio, Dyna riporta che appena 13 minuti di dati di fine-tuning hanno permesso a mani robotiche di svitare un tappo di bottiglia. Se questo trasferimento tra piattaforme sarà confermato da una valutazione indipendente, potrebbe ridurre in modo significativo la barriera all’impiego di robot capaci su diverse configurazioni hardware.

Implementazione nel mondo reale e piani futuri

Dyna gestisce già robot in ambienti commerciali, un elemento che la distingue da molti concorrenti nel settore della robotica. Secondo i report, i robot DYNA-1 dell’azienda sono attualmente impiegati in hotel, ristoranti, lavanderie automatiche e palestre. Questa esperienza operativa offre a Dyna un feedback di deployment che molte aziende di robotica orientate alla ricerca non possiedono.

Dyna è stata fondata da Lindon Gao, York Yang e Jason Ma, che in precedenza hanno lavorato in DeepMind. La roadmap dichiarata dall’azienda è quella di estendere la stessa metodologia di addestramento a 10 milioni di ore di video, descrivendo la sfida come un problema di raccolta dati piuttosto che di costruzione di una flotta. Mentre il settore osserva se il pre-addestramento basato su video saprà mantenere le sue promesse, restano aperte domande chiave, tra cui se i guadagni dimostrati da DYNA-2 si generalizzeranno oltre i compiti benchmark verso ambienti reali imprevedibili e con quale rapidità i concorrenti che perseguono architetture alternative riusciranno a colmare eventuali divari.