对话Dyna Robotics：被部署教训了300天后，找到机器人Scaling Law

（本文作者为 硅谷101，钛媒体经授权发布） 文 | 硅谷101 “全世界最无聊的机器人。”这是最近《纽约邮报》的一篇报道标题，而这家公司的创始人们却认为，这是“对一家机器人公司最高的赞美”，这家公司叫Dyna Robotics。 看多了机器人跳舞、打拳、跳钢水等酷炫的视频，Dyna确实很“无聊”：此前发布的Dyna-1主攻叠毛巾、叠衣服。这次发布Dyna-2之后，新机器人Taku进了洗衣房，默默把脏衣服放进洗衣机、操作机器，再把衣服拿出来，送进烘干机，最后取出、折好、放到架子上。 联合创始人Jason Ma说：机器人如果真的开始工作了，本来就应该是“无聊”的。而在这份“无聊”的背后，真实部署是衡量机器人的“唯一评估”，在Jason看来，机器人不能落地，不是因为没有腿、没有手，而是因为模型和整个系统还不够好。 为了让机器人更好地工作，Dyna也重新选择了模型路线：从VLA（视觉-语言-动作模型）转向WAM（世界动作模型），将预训练数据扩大到100万小时第一人称人类视频。他们发现，随着人类视频数据增加，模型对未在预训练中见过的机器人动作，也预测得越来越好。 这些探索意味着机器人正在接近自己的“GPT时刻”吗？这一期视频播客，时隔一年半，我们再次回到Dyna Robotics。我们从技术和部署的角度，聊聊Dyna过去两年经历的挫败、教训、反思与优化。我们也想通过Jason，理解这一轮硅谷具身智能正在发生的变化与趋势。 以下是我们和Jason的对话。 陈茜：Jason你好，欢迎做客《硅谷101》。 Jason：你好，非常荣幸参加你们的播客。 陈茜：这次对话我们也邀请了在机器人行业工作的君武，作为特邀联合主持人，希望能就一些专业问题展开更深入的讨论。 张君武：你好，我现在在Blue River Technology做机器人工程师。 陈茜：Dyna最近有一系列发布，硅谷机器人行业也很热闹，很多公司都在发布新模型、新演示。你觉得机器人行业进入了一个新的里程碑吗？为什么最近有这么集中的发布？ Jason：我觉得要把通用机器人做下去，还是至少需要一两个突破。很多公司的大路线差不多，首先要扩大数据规模，也想做出模型的一些能力。也可能暑假是个发布的好时机，所以大家都把东西发出来了。 整个机器人领域现在正逐渐从演示走向真正的商业落地，我们公司也在这方面做了很多工作。所以我觉得这是做机器人非常激动人心的时刻。 陈茜：从你的角度看，现在机器人行业进入了什么阶段？如果和LLM（大语言模型）相比，有人说是不是快到GPT-3的时刻了，可以这样对比吗？ Jason：我觉得可能还在GPT-2和GPT-3之间。纯从数据规模看，机器人拥有的数据量，相对于GPT-3阶段的语言模型还是要小一些。 但机器人和语言模型也不一样。你可以有很强的机器人模型，完成指令下的一些特定场景任务；语言模型如果不能跟你流利地聊天，其实没有什么能力能真正用上。所以从产品形态来说，机器人有没有“GPT时刻”，可能没有那么重要。 张君武：现在也有一种说法，机器人行业不一定会有“GPT时刻”，因为机器人的形态、处理的具体任务都不太一样。你觉得会有这样的时刻吗，还是要看情况？ Jason：我觉得要看情况。在具身智能之前，我们可以看自动驾驶。自动驾驶就没有人提过“GPT时刻”这个概念。Waymo、特斯拉在10多年前已经能做好一个演示，但从演示到真正落地，能在旧金山打到一辆Waymo的车，中间的距离还是很长。 在真实世界里迭代，这个过程比较长。虽然现在相比无人车刚开始的时候，已经有很多更好的技术，但这个过程仍然必须经历。它肯定不能像语言模型一样，大家已经有手机、电脑，只要能上ChatGPT的网站，就能用到这种智能。在具身领域，如何把智能用起来，本身就是一个很难的问题。 陈茜：你刚才说，数据和模型都有进展，是这两个方面的进展让机器人又能往前迈一步了吗？ Jason：这两点非常重要，但还有一个特别重要的东西，就是硬件。没有硬件，模型再厉害，你也感受不到。如果硬件只是一个只有5个自由度的小机器人，它也只能做一些很简单的抓取。 在具身领域，模型、数据和硬件必须一起进步，才能最终做成一个让不同的人、千家万户都能用上的产品。 陈茜：硬件主要指本体、供应链，还是运控？ Jason：首先指本体。供应链对于扩大本体规模也有很大作用。现在有很多不同的机器人，但在设计过程中，要把机器学习、人工智能中的一些概念，以及模型训练、部署的心得，放进硬件迭代的过程。最后能形成闭环，是一个很大的壁垒。 陈茜：你们的联合创始人York之前把行业分成三派：一类是模型优先，只做大脑，比如Physical Intelligence，也就是π；一类是硬件优先，只做本体；还有一类是一体化集成，全部都做。Dyna属于第三类，大脑和本体同时做，为什么选择这个路线？ Jason：因为最终部署机器人智能时，客户付费的并不只是模型，模型只是整个技术栈的一部分。我们跟客户聊，他们根本不在乎我们用VLA（视觉-语言-动作模型）还是世界模型，也不知道这些是什么。他们最后在乎的是，在自己的场景里，机器人能不能完成复杂、多样的任务。 从这个角度出发，我觉得必须把大脑和本体放在一起做，才能达到最好的效果。从技术层面来说，也很难把两者分开，做出一个非常通用的东西。在真实世界里，物理智能是大脑和本体连在一起，才能达到很好的效果。就像人一样，我们的大脑也适配了自己的身体。 陈茜：我觉得Dyna是一家偏务实的公司，从演示和本体设计上都能看出你们非常克制，没有追求很炫酷的演示或动作，而是从叠毛巾、叠衣服这些很具体的商业化场景来设计路线。这是为什么？ Jason：从纯学术角度来说，机器人领域能做的事情太多了，任何一个话题都可以花好几年做研究。但我觉得，机器人学习技术已经到了有可能商业化的阶段，现在非常需要从产品出发，思考哪些问题必须解决，哪些问题现在解决与否还不是特别重要。 这样可以帮助整个团队排好优先级，确保我们在技术研发、公司这两年的成长过程中，每个节点都能做出更正确的技术判断和选择。 从过去的演示中可能也能感受到，我们做的能力，都是我们认为真正落地必需的能力，而不是为了拍一个炫酷的视频。这个领域现在很火，很多人的做法可能更以演示为导向，但我觉得那样可能本末倒置了。 我们是从最终要开发、生产、派出几万个机器人的目标出发，思考哪些技术问题必须从今天开始解决，以此决定整个团队的技术路线。 张君武：我想追问一下硬件的协同设计，以及你们在客户现场获得的经验。我之前也做过物流、挑拣，客户的要求很高。你们是一开始就想自己做硬件，还是到了客户现场，有了某些经验教训之后，才觉得一定要自己做？ Jason：两个都有。从第一性原理出发，要做通用机器人，必须先想数据从哪里来、用什么数据训练，再以此引导硬件设计。 我们现在已经发布了Dyna-2，预训练用了大量人的第一视角数据。如果预训练要向人学习，那么部署时，机器人的形态越像人，迁移就会越好。 但做人形机器人，要权衡是否做腿、是否做手。我们从中间选了一个很好的权衡点：半人形加底盘。这个形态可以从今天开始部署，也能获得从人的数据中训练的很大好处。这就是我们从第一性原理出发设计硬件的思路。 陈茜：你们没有做全人形，没有双足，也没有灵巧手，但觉得现在的形态已经能落地做很多事情了？ Jason：对，现在的形态已经能做很多事情。如果现在不能落地，不是因为没有腿或者没有手。 我们内部也做很多灵巧手研究，但目前是纯粹的基础研究，还没有把灵巧手落地的打算。因为现在灵巧手硬件的成熟度，还没到能直接落地的状态。 陈茜：刚才看你们的演示，动作挺顺畅，但有些灵巧手的演示反而会让动作变慢，这也是你们的考量吗？ Jason：现在用灵巧手做操作或遥操作，比夹爪难很多，要把遥操作速度提上去也很难。所以灵巧手的演示通常会慢一些。 陈茜：你刚才说，不能落地不是因为手或脚，是因为模型不够好吗？ Jason：我觉得是整个系统不够好。我们在部署的博文里也讲过，一套系统能不能落地，不仅要求模型百分之百做好，还必须有很多Observability（可观测性）。 你要知道这一天模型做了什么、机器人做了什么，机器人上的电脑有没有资源争用等问题，这些对部署都很重要。所以每次更新机器、更新模型，我们都会把这些工作做好，才能在真实的客户现场具备Observability（可观测性）。 张君武：你讲到了机器人的形态对Cross-embodiment transfer（跨本体迁移）的影响，也谈到了“GPT时刻”和互联网规模的数据量，我们后面会继续讨论。 陈茜：我也很感兴趣，你们在部署中学到了什么。先从最开始复盘一下，你在研究中的品味和选择，可能也奠定了Dyna的技术路线。你是什么时候开始对机器人感兴趣的？ Jason：从博士一年级开始。我的导师做机器人和强化学习，宾大也有GRASP Laboratory，是一个很大的机器人研究中心。我刚读博士时，本来想学强化学习。 陈茜：因为你大学时就在做强化学习？ Jason：大学时我没有做很多研究，当时在探索不同的方向，但觉得强化学习非常合乎逻辑，就想继续读博研究。 更早的时候，我在国内长大，小时候下了很多围棋。AlphaGo刚出来时，我正好在美国读高三。我觉得这个东西很神奇，能把这么难的游戏都解决了，就想上大学一定要研究一下。后来觉得很有趣，就继续读了博士。 陈茜：AlphaGo打败李世石是在你高中时，那场比赛对你意味着什么？ Jason：他们不只下了一场，而是五场。我很惊讶，AlphaGo可能是4比1打败了李世石。我很小的时候就看李世石、古力下围棋，所以看到李世石被打败，觉得不可思议。 陈茜：“神之一手”，也就是第37步，有惊讶到你吗？ Jason：肯定有。我觉得第37步，以及强化学习找到的其他方案，都非常神奇。其实这和最近语言模型解决一些很难的数学问题，是同一个概念：在固定场景里，如果奖励函数比较确定，人工智能肯定能找到比人能想到的更好的方案。我觉得10年过去，这个原则没有变。 张君武：你当时对人工智能的大脑如何决策感兴趣。机器人、自动驾驶也是强化学习中比较主流的应用，对吗？ Jason：对，但在机器人领域，强化学习必须用得更谨慎。 陈茜：因为它是实体的？ Jason：对。或者说，强化学习能奏效，一个很大的原因是这个领域必须有很好的模拟器。比如游戏，游戏本身就是模拟器；做语言模型时，语言模型自身可以模拟语言的演进过程。 但在机器人很多应用场景上，做一个很好的模拟器非常难。现在教机器人跑步、跳舞，都是在模拟器里通过强化学习做出来的。但抓取、Contact-rich manipulation（密集接触操作）这些任务，现在的仿真还有一些距离。 我不太鼓励在真机上跑强化学习，因为我曾经做过。真机的并行程度太低，远不如模拟器可以4000个环境一起跑。 张君武：这是不是也是你们选择毛巾的原因？力度不准确，毛巾也不会被捏碎，不像我们之前包装维生素瓶子，力气一大，整个瓶子就被压碎了。 Jason：对。所以公司一开始，希望商业化和技术同时往前走，就先从叠毛巾、叠衣服出发，因为很难叠坏。 机器人会出错，但不是致命的错误。 陈茜：对，最差就是把毛巾或者衣服撕坏。 Jason：目前好像还没有发生。 陈茜：游戏很适合强化学习，DeepMind也训练了很多游戏，后来往大语言模型走了。但你没有选择大模型，反而选择了机器人方面的强化学习，是因为导师，还是自己的兴趣？ Jason：读博士时，主要是自己的兴趣。一开始在机器人里做强化学习，我觉得前几篇论文做得还不错。导师也建议我继续在一个路线上做最顶尖的工作，比起做很多不同的工作，但在每个领域都马马虎虎，回报会更高。 陈茜：你怎么找自己感兴趣的论文选题？从论文题目和选题看，你似乎喜欢挑战现有认知的方向。 Jason：博士后面几年，我确实是这样想的。如果要写一篇论文，这个问题必须很新颖，没有现成的基线方法。机器人现在还没有被解决，一个很大的原因是，大家对问题定义还没有完全形成共识。在这种情况下，如果只是沿用一个已经设定好的问题，去超过某个基线方法，我觉得意义不是很大。 机器人学习的探索空间很大。博士后面几年，我从第一性原理去想：要让强化学习在机器人上真正奏效，有哪些瓶颈？很容易就会发现，最大的瓶颈是奖励函数没办法设定。 玩游戏、下围棋时，游戏规则、围棋规则就是奖励函数，告诉你拿几分。但机器人学走路、跑步、跳舞，或者抓东西、切菜，没有人给你奖励函数。你没办法编一个程序，完全用数学方法把怎么切菜写出来。我当时觉得，这个问题必须解决，否则没办法做强化学习。 张君武：生活中完成一件事，比如拿杯子，没有一个标准答案。你可以从左边去拿，也可以从右边去拿。这时候该怎么设计奖励函数？ Jason：很多操作任务没有最优解。所以我有一篇论文叫VIP，就是从人的视频里学习一个Prior（先验），学习一个很大的奖励模型，看人是怎么做的，再用人的做法指导这个奖励模型。 陈茜：这是2022年你在Meta做的论文？ Meta内部一直有研究机器人的团队？我知道他们现在也在做机器人。 Jason：对，Meta一直有机器人研究。之前更偏学术，我当时在FAIR。2022年的FAIR可以做很多基础研究。 陈茜：可能是FAIR最好的时光。 Jason：对，现在很不一样了。 陈茜：VIP（价值隐式预训练）解决的问题，是从人类视频的时间顺序里学习价值函数？ Jason：对。比如抓一个东西，从第一张图到最后一张图是一个过程，把这个过程、这个顺序理好，就可以帮助判断：机器人做同一个任务时，在这一张图完成了百分之多少，下一张图又完成了百分之多少。这是一种可规模化地学习奖励函数模型的方法。 2022年的机器人数据很少，现在我觉得也少，当时就更不用说了，所以当时觉得这个方法很合理。 陈茜：你说的是遥操作数据？ Jason：不管是不是遥操作，机器人视频都没有那么多，所以必须有一种方法，不依靠机器人数据学习奖励函数。机器人最终还是要解决人在物理世界里想解决的任务，因此从人的视频出发是合理的。 陈茜：当时能用什么人类视频？也是UMI？ Jason：当时还没有UMI（通用操作接口）。2021年，FAIR有一篇论文叫Ego4D，可能是第一篇大规模、以人为中心的第一视角视频数据工作。当时的数据有3000小时。 陈茜：是戴着头盔采集的吗？ Jason：这个细节我可能不知道。当时觉得3000小时很大，但和现在的规模比，就太小了。 张君武：从你当时的研究到现在，好像有一个连续性。Dyna-2也在讲，怎么利用更现成的互联网视频，以及相对更好采集的视频数据。 Jason：其实没有特意想沿用之前的论文。做机器人必须实际一点，我之前的一些论文有时可能过于超前，比如后面可以聊到的Eurek这些技术当时可以做研究，但想拿来做产品，还不是特别合适。 所以Dyna刚创立时，我很少用之前的方法，而是先把一些我觉得肯定能奏效的方式扩大规模。 陈茜：你觉得2023年在英伟达做的Eureka太早了吗？ Jason：当时做出来的效果已经很惊艳。不只是大家可能看过的转笔演示，而是用人工智能自动生成奖励函数。 陈茜：我做功课时才发现，你那时已经让GPT-4写奖励函数代码了。 Jason：对，和现在Astra写很多东西相似。 陈茜：但区别是，当时GPT-4写的是奖励函数代码，不直接输出策略，也不直接驱动机器人。 Jason：对。当时先用GPT-4写奖励函数代码，再在仿真里跑强化学习，得到一个策略。看这个策略的表现，再给GPT-4反馈。这样基本上就是RSI（递归自我改进），不断改进奖励函数代码。 陈茜：很早的RSI（递归自我改进）。 Jason：现在大家都叫RSI（递归自我改进），当时的名字没这么炫酷。 陈茜：你们当时用的是英国Shadow的灵巧手，让它学会转笔？ Jason：对，是在模拟器里学的。真机上按理说也应该可以，但工程量会很大。 当时灵巧手市场没有现在这么多选择，可能只有Shadow Hand可以做，而且很贵。 陈茜：几万美元一只。 Jason：对，我们当时也没有这个资源，就先在仿真里做了。做研究，一开始先在模拟器里验证一个想法，是很好的方法。 之后我们发了一篇论文，叫DrEureka，教机器狗在瑜伽球上保持平衡、行走。这是把Eureka放到真实世界的后续研究。 陈茜：最近很多人在讨论GPT-6 Astra对机器人领域的影响。它现在带来的影响，和你当时用GPT-4写奖励函数代码，有什么根本区别？ Jason：用GPT-6，你直接说想要什么，它就能一口气做很多事情，帮你完成。我们当时用GPT-4，Eureka也开源了代码，可以看到我们如何让GPT-4自己写代码，再把代码融入仿真环境。现在GPT-6可以自己安装仿真环境，把这些都处理好。 陈茜：GPT-6可以自行安装？ Jason：对，而且能力也更强。以前GPT-4主要是语言模型，对视觉、空间的理解不是很好。现在GPT-6的空间理解很好，可以直接完成一些对空间推理要求很高的机器人任务，这是一个本质区别。 张君武：未来哪些领域会更多用到GPT-6这样的智能体驱动的机器人技术，哪些领域又会更多受益于人工智能、智能体对训练的帮助？ Jason：在我看来，两者没有很大的本质区别。最重要的是给模型、给智能体系统一个奖励函数。 比如训练模型，有training loss（训练损失），你可以跟GPT-6说，一直改参数，直到Training loss（训练损失）达到2.3左右。让它做智能体驱动的机器人技术也是同样的概念，一直写代码，直到把任务完成。最终就是要给模型一个目标。 张君武：奖励函数很重要。 陈茜：你2023年在英伟达的路线大量依赖仿真，很有英伟达的特点。当时Jim Fan也和你在这篇论文上合作？ Jason：对，Jim Fan是末位作者。我当时和Jim、Yuke在英伟达合作，但做这个项目时，也没有说必须用仿真。 因为之前做了VIP（价值隐式预训练），从人的视频里学习奖励函数，所以一开始想做转笔时，我们先想能不能从人的视频学出转笔的奖励函数。但尝试时发现，我没有真正的灵巧手，没办法在真机上验证转笔策略。 如果真机是瓶颈，就必须从仿真开始。但问题也很明显：我都不知道模拟器能不能训练出一个会转笔的模型。机器人仿真的一个大问题是，有些任务，你甚至不知道能不能被模拟出来。转笔当时没人做过，所以是未知的。 那就先手动写一些奖励函数。但手动写没有出路，必须用模型自己开发奖励函数，这就变成了Eureka。 陈茜：你后来去了谷歌，做了GVL（生成式价值学习），好像又回到VIP（价值隐式预训练）的延续工作上？ Jason：可以这么说。我博士期间的大部分工作，是解决机器人领域的奖励函数，以及其他标注从哪里来的问题。 加入谷歌时，正好Gemini 1.5刚出来。Gemini的多模态能力一直不错，我想能不能用在机器人上，就做了一个算法，用VLM（视觉语言模型）直接做上下文学习，把奖励函数写出来。当时效果很好，我也很惊讶，为什么这东西会奏效？它应该不奏效，这些肯定不在预训练里。 现在也有很多创业公司在做GVL（生成式价值学习）这样的事情，用VLM（视觉语言模型）标注奖励函数、做子任务标注。说实话，GVL（生成式价值学习）可能比Eureka和VIP（价值隐式预训练）都更商业化一些。 陈茜：今年出现了很多数据公司，很大的一个落地方向就是把数据卖给机器人公司，最近很赚钱。 Jason：对。标注是一个大问题，用VLM（视觉语言模型）标注挺好。 陈茜：你是在谷歌之后想创业的。为什么没有加入实习过的三家公司，反而选择创业？ Jason：当时做了很多研究，我想在真实世界产生更大的影响。写论文对我已经没有太大吸引力。我觉得具身机器人的战场，不是在实验室里写论文，而是真正把机器人带到应用场景里，看能不能工作。 陈茜：所以你当时就意识到部署很重要？ Jason：对。我在学术界，不管企业研究实验室还是学校，写过很多论文、做过很多演示。我个人的感觉是，自己在评估自己的作业，没有真实的客户，也没有真实基准。 当时机器人领域每篇论文都有新的演示，都想更炫酷一点，但任务是研究员自己设定的。比如在DrEureka里，教机器狗在球上保持平衡，之前没人做过。我想出这个任务，是为了验证算法，觉得很酷，但和实际应用是两码事。 我想让研究的影响力更大。做一家初创公司，尤其是像我们这样把产品和研究放在一起的公司，我觉得能学到更多，影响也会更大。 张君武：你在三个不同的实验室待过，对之后有什么影响？原本我好奇技术方面的影响，但听下来，似乎更多是选择和非技术方面，或者说商业化方面的影响？ Jason：在这些大厂工作，对我最有帮助的有几点。首先是人脉，之前的导师现在也是机器人领域非常有影响力的人，我和他们的关系一直很好。 其次，不管在三家公司还是读博士时，我都没有沿着一种方法一直写论文。我尝试过从人的视频里学习，用VLM（视觉语言模型）直接推理，也用仿真做奖励函数。因为覆盖面比较广，创业时就没有限定必须从某一种技术路线出发，可以更客观地看每个阶段用什么方法最好。这对公司长期发展有帮助，不会只堵在一条技术路线上。 张君武：你前面说，有时并不期待模型能奏效，结果它反而奏效了。现在很多正在读博士，或者准备读博士的同学可能会想，模型是不是已经能处理大部分甚至所有任务？模型方面还有新的研究问题吗？还有没有必要读博士？ Jason：新的问题还有很多。读博士最重要的是探索新问题，而不是在已有问题上比别人多刷两三分。你要写那种没有现成基线方法的论文，提出一个新问题。如果问题合理，自然会有很多人跟进。 做Eureka时也没有基线方法，我得自己想。因为当时没人从语言模型里生成奖励函数，做RSI（递归自我改进）这些东西。VIP（价值隐式预训练）、GVL（生成式价值学习）也是一样。把问题定义想清楚，是研究最重要的事。 所以博士生最重要的是找新问题，而不是去和GPT-6或其他模型比较基准测试分数，那样没有太大意义。 陈茜：你什么时候认识York和Lindon的？ Jason：2024年3月，我来到谷歌。刚来几周，就认识了Lindon和York。 陈茜：他们不在谷歌吧？当时Caper已经被收购了吗？ Jason：对，已经被收购了。当时Lindon应该在迈阿密，York好像在国内。 陈茜：是在被收购后的休息期吗？ Jason：我觉得没有，我们三个都不是闲得下来的人。当时是Monica介绍的。我刚加入谷歌，也在想接下来做什么。我想把机器人带到真实环境里，而不是在实验室里自己想任务。他们的想法和我能走到一起。 陈茜：Lindon和York在上一个创业项目中已经是联合创始人，项目被收购、退出后，想做机器人。Monica之前是投资人，现在也已经加入你们了。当时他们需要一个做前沿模型的科学家，所以找到了你？ 张君武：你当时无论研究还是创业，应该有很多选择。Lindon和York身上有哪些特质，让你觉得一拍即合？ Jason：首先，要做好一家机器人公司，我个人觉得不能只做学术。即使我是学术背景，最终还是想把模型、本体做成产品，也就是我们现在的技术路线。如果只跟研究员创业，创始团队会有很大的偏差，长期未必是最优的发展路线。 其次，他们做过创业公司，而且做得很好，也是硬件公司。他们在一些领域懂的东西，和我在技术上懂的东西很互补，这很重要。 陈茜：你们三个现在各自负责什么？ Jason：Lindon是CEO，更多负责战略和管理，以及对外的事情。 陈茜：找钱、找人、找方向。 Jason：对。我主要负责技术路线，研究员做什么、技术里程碑是什么，公司接下来在技术上做哪些东西。 York是我目前见过工程能力最强的工程师之一，有什么特别难的东西，他都可以做，也负责一些工程管理。 陈茜：你们三个会吵架吗？ Jason：我觉得必须有争议，没有争议，说明交流还不够多。但我不会把争议称为吵架。争议是好事，能让大家尽早发现问题、解决问题，因为我们三个都想把公司做好、做大。 陈茜：比如会在哪些问题上有争议？ Jason：技术路线、商业路线，大家可能有不同想法，但最后都是能解决的。 陈茜：技术路线和商业路线有时会冲突吗？ Jason：做好Dyna这样的公司，最难的一点是如何在商业和技术上找到共鸣点：做的任务既能推动商业部署，也能让模型、整个飞轮搭得更好。 我们一开始学折叠，就是这个原因。我觉得这是做机器人Foundation model（基础模型）的第一个任务，因为容错率高，不会把东西撕坏；不像洗盘子，打碎一个就很麻烦。我们从这个角度找第一个、第二个任务。但现在公司做大后，接下来的策略也可能有一些改变。 陈茜：回到Dyna刚起步、准备发布Dyna-1的时候，你们选择叠毛巾、叠衣服作为演示，当时挺有先驱性，也因为叠毛巾的演示火起来了。现在很多公司都在叠毛巾、叠衣服，我之前去WAIC（世界人工智能大会）、WRC（世界机器人大会），也发现大家都在做。当时你们是同时从商业和技术考虑，觉得这是一个很好的首个落地场景？ Jason：是。当时觉得叠毛巾、叠餐巾，模型应该能做。最大的问题不是能不能做，而是能不能100%完成。 第一个模型发布的重点就是，当时有这么多VLA（视觉-语言-动作模型）、通用模型，但都没有达到很高的成功率。如果成功率很低，就没有任何商业价值。所以第一个技术突破，是能不能达到100%。 Dyna-1发布后，我觉得大部分其他公司都在这个方向跟进，很多公司开始发布可靠性演示。这说明我们当时发布的东西有很大影响力。 陈茜：开始创业后，你们讨论过只做Foundation model（基础模型）这一层吗？比如Physical Intelligence从一开始就想只做智能层、不碰硬件，你们没有往这个方向考虑过？ Jason：一开始没有硬件，肯定先买别人的机械臂尝试，把模型做起来，但我们从一开始就有做硬件的打算。把硬件做好要花很长时间，所以最近才把最新的硬件发布出来。 张君武：你们能一边部署、一边改进硬件，很厉害。我之前做挑拣机器人时，如果线束设计不当，或者相机位置不合适，可能导致线受力过大，影响重复操作的一致性和可靠性。为了达到好的可靠性，你们一开始是不是也在硬件上花了很大功夫？ Jason：肯定的。不管做智能层还是其他层，最后都要做到可靠。但这不只是模型的可靠性，而是整个系统的稳定性。如果只做模型、不做硬件，整个系统稳定性的很大一部分，你根本没办法掌握。这样做产品会很吃亏。 陈茜：你们最开始叠毛巾时，没有现在这样的轮式底盘，好像也没有机器人的头，就是两个夹爪？ Jason：对，基本上是两个机械臂。 陈茜：当时跟投资人聊，他们会觉得你们不够炫酷吗？ Jason：有可能，我觉得是不够炫酷。 陈茜：同期很多公司已经有人形、双足机器人了，你们不会受干扰吗？ Jason：我们肯定在想接下来的硬件怎么做，但公司一直很务实，不会一步做一个很炫酷、却没有落地机会的东西。 我们非常相信通过迭代推进技术发展，不会从零一步做出最终的硬件。这样中间出错率很高，也没有商业落地闭环的反馈，对于想把技术做好来说，其实很吃亏。 陈茜：“想把技术做好会很吃亏”，这句话怎么理解？ Jason：比如把模型做好，必须在硬件上做很多评估。但如果硬件很不稳定，连评估都做不了，就没办法知道模型能不能工作，以及背后的原因。 很多人形机器人都有这个问题，系统太不稳定，对模型发展产生很多负面反馈。我们先用比较简单的系统部署，让当前的部署和模型形成飞轮，同时把自己的硬件做好，两者可以并行。 张君武：是不是除非任务涉及跨越复杂地形、大范围移动，否则不一定需要做人形？有些人形机器人展示，也是在固定位置工作。 Jason：我个人觉得没有什么必要。很多室内工作其实不需要双腿，尤其是工厂、商业场景。 但家用不一样。家是为人设计的，人有腿，比如客厅有上下楼梯，轮式机器人就可能有局限。工业、商业场景的地面通常很平，尤其美国有一些规定，必须把地面做得很平，这对早期部署有很大优势。 陈茜：回到叠毛巾，难点在哪里？ Jason：一开始觉得叠毛巾难，后来发现模型叠得很好、很快。最后难的是，能不能把叠好的毛巾一条一条很整齐地摞起来。 对精准度要求比较高。 尤其要摞10条毛巾，如果第三条比较歪，上面的就会继续歪，误差会累积放大。 陈茜：所以每条毛巾都要叠得很整齐，放在很准确的位置。 Jason：对，后来发现，提升整齐度还比较难。 陈茜：最难的一点是什么？比如夹爪的难点在哪里？ 发现叠错了，怎么纠正过来，这块最难。 Dyna-1有三个环节，从基础奖励模型，到自主探索，再到有目的的失败恢复。也就是说，搞砸了，但能掰回来，这一步是模型最重要、最难的一步？ Jason：对，这是最难让模型学会的一类动作，有一些难点。但现在距离Dyna-1发布已经一年多，对我们公司来说，已经知道如何解决，而且能解决得很好。 陈茜：怎么解决？ Jason：这个不能透露。 陈茜：通过强化学习吗？ Jason：强化学习是一种，但我们有多种方法。 张君武：是独家秘诀。我也很好奇