百萬小時人類影片助訓機器人　Dyna-2表現來自公司自測

超過100萬小時的人類第一人稱影片正用於機器人訓練。Dyna Robotics表示，該公司以人類影片預訓練Dyna-2；在擴大資料規模的實驗中，14項任務的平均正規化表現從20%提升至53%。

Dyna Robotics於2026年8月公開的研究涵蓋烹飪、整理、摺疊與組裝等日常工作影片。部分影片追蹤手部姿勢，擷取手腕軌跡與抓取動作資訊。研究團隊將預訓練資料規模從1,000小時逐步增加至100萬小時，並比較結果。

53%並非任務成功率，而是各項任務相對於公司所定義「可達最高表現」的平均正規化數值。這不代表所有機器人或工作環境都能達到相同表現，結果也來自公司自行進行的實驗。

人類影片呈現手部與物體接觸、工作場景變化等過程。Dyna Robotics在研究中指出，這些資訊有助於機器人學習物體操作。這種做法是在透過直接操控機器人蒐集示範資料之外，進一步把日常影片作為訓練素材。

然而，人手與機器人的關節在結構和動作上並不相同。要把影片中觀察到的行為轉換成機器人可執行的關節指令與力量控制，仍需額外的轉換與驗證。僅擷取手部軌跡，並不代表機器人就能重現抓取和移動實體物品的動作。

刊載於國際人工智慧聯合會議（IJCAI）的2026年調查論文指出，如何將非結構化影片整理成可供訓練的任務單位，以及如何把影片資訊轉換為機器人動作，都是待解決的課題。論文也提到，需要建立能預測實際部署表現的評估方法。影片數量與任務資訊的準確度，仍須分別檢視。

資料蒐集方式包括一般影片與專用動作捕捉設備。InnoData表示，已於2026年9月30日在美國紐澤西州里奇菲爾德公園啟用動作捕捉研發實驗室。公司稱，設施設計採用Vicon紅外線光學攝影機，可將動作追蹤至次毫米等級。

這項規格是公司公布的設施追蹤精度，並非資料產量或訓練模型表現的指標。精密設備記錄動作與利用日常影片，兩種方式的蒐集環境和記錄資訊不同，因此難以用相同標準直接比較。

Scale AI在實體AI資料業務中，介紹了遠端操控示範以及不需機器人的第一人稱影片蒐集平台。這是業者公布的產品與營運方式。若要合併使用蒐集條件和標註方式不同的資料，也須確認其中的任務資訊是否一致。

使用人類影片時，也需決定拍攝資料的處理方式。探討製造業人機協作的倫理研究，討論了取得勞工同意，以及依照事先告知的目的處理資料。工作場所影片的保存期限、再利用範圍，以及是否用於雇主監控或評估，也都需要檢視。

僅憑Dyna Robotics的實驗結果，難以推論以影片訓練的機器人在實際現場的表現。仍需進一步評估影片中的動作能否準確轉換為可執行指令，以及在實際機器人和工作環境中能否重現相同表現。人類影片目前被定位為補充直接蒐集機器人示範資料的另一種資料來源。