A Dyna Robotics, startup sediada em Redwood City, na Califórnia, apresentou um novo modelo de inteligência artificial voltado para robótica que promete reduzir um dos principais obstáculos do setor: a escassez de dados para ensinar robôs a executar tarefas físicas. O modelo, batizado de DYNA-2 World-Action, foi treinado com mais de 1 milhão de horas de vídeos gravados sob a perspectiva humana, o equivalente a cerca de 170 anos de experiência contínua de observação.
Diferentemente de abordagens tradicionais, que dependem de dados coletados diretamente da operação de robôs físicos (processo conhecido como teleoperação), o DYNA-2 aprendeu observando como pessoas interagem com objetos e ambientes no dia a dia. Segundo a empresa, essa mudança de estratégia torna o treinamento mais escalável à medida que as capacidades dos robôs avançam.
De acordo com a Dyna Robotics, os testes internos mostraram avanços expressivos. Em tarefas de manufatura que exigem alta precisão, a taxa de sucesso saltou de 20% para uma faixa entre 80% e 90%, atribuída exclusivamente ao aumento da escala de pré-treinamento com vídeos humanos.
O modelo também demonstrou capacidade de transferir habilidades entre diferentes tipos de hardware robótico, incluindo braços estacionários, protótipos humanoides e mãos robóticas de alta destreza. Em um dos testes citados pela empresa, apenas 13 minutos de dados foram suficientes para que um par de mãos robóticas com cinco dedos aprendesse a abrir a tampa de uma garrafa.
Na comparação com o modelo anterior da empresa, o DYNA-1, baseado em arquitetura de visão-linguagem-ação, o novo sistema apresentou desempenho superior: em uma implementação sem testes prévios para um cliente, o DYNA-2 alcançou taxa de aprovação de qualidade de 87%, contra 46% do modelo antigo.
O DYNA-2 utiliza um modelo de “modelagem do mundo”, que combina a previsão do próximo quadro de vídeo com a previsão da próxima ação a ser executada. Em vez de aprender apenas com ações já realizadas por robôs, o sistema constrói uma compreensão mais ampla sobre como ambientes físicos se comportam e como objetos reagem a diferentes movimentos.
Essa lógica permite que o conhecimento adquirido a partir do comportamento humano seja aplicado em diferentes plataformas robóticas. Segundo a Dyna Robotics, o modelo não teve contato com dados reais de robôs durante a fase de pré-treinamento, mas pode ser adaptado posteriormente a hardwares específicos com apenas algumas horas de ajustes locais.
A empresa também destacou ganhos em resiliência operacional. Em testes com tarefas como cortar alimentos e organizar espaços de trabalho, o DYNA-2 conseguiu se recuperar sozinho após interrupções físicas, sem necessidade de intervenção humana, algo que o modelo anterior não era capaz de fazer. Além disso, o método de co-treinamento com vídeos melhorou em 133% o desempenho em tarefas que exigem seguir instruções específicas.
A Dyna Robotics foi fundada por Lindon Gao, York Yang e Jason Ma, e conta com investimentos de fundos como CRV e First Round. A empresa vê o DYNA-2 como um passo relevante rumo a robôs capazes de adquirir novas habilidades físicas sem depender de grandes volumes de dados exclusivos para cada tipo de robô.
Fonte: Dyna Robotics
