Dyna Robotics entrena a DYNA-2 con más de 1 millón de horas de video humano

Why it matters

Dyna Robotics is trying to reduce reliance on costly task-specific robot demonstrations by pretraining on abundant human video. If Dyna Robotics' reported results hold up under independent testing, robotics teams could adapt machines to new work with less local data.

Dyna Robotics founders Lindon Gao, York Yang and Jason Ma presentaron DYNA-2 el 10 de agosto de 2026, promocionando un modelo base para robots entrenado con más de 1 millón de horas de video humano en primera persona.

Los tres fundadores llegaron a esa apuesta desde distintos frentes de la IA física. Gao y Yang anteriormente construyeron Caper AI, que colocó cámaras, sensores y software de pago en carritos de supermercado. Instacart adquirió Caper AI por $350 millones en octubre de 2021. Ma completó un doctorado en el laboratorio de robótica GRASP de la Universidad de Pensilvania y trabajó en modelos base para robots y aprendizaje por refuerzo después de estancias de investigación en Google DeepMind, NVIDIA AI y Meta AI.

Esa mezcla explica el enfoque de Dyna Robotics: construir un modelo de investigación alrededor de datos que puedan escalar, mientras se prueba en trabajos comerciales mundanos donde las fallas son medibles. Dyna Robotics dice que sistemas impulsados por su modelo anterior DYNA-1 han trabajado en hoteles, restaurantes y lavanderías.

Qué significa "entrenado con video"

Dyna Robotics llama a DYNA-2 un World-Action Model, o WAM. El anuncio de Dyna Robotics describe un sistema basado en video que predice fotogramas futuros y acciones del robot, con video humano suministrando la señal de preentrenamiento.

Ma resumió la tesis en el anuncio: "Action data is scarce, but video is everywhere."

Dyna Robotics afirma que DYNA-2 fue preentrenado con más de 1 millón de horas de video humano en primera persona sin ver fotogramas de robots durante el preentrenamiento. Dyna Robotics también informó mejoras en 15 tareas de referencia a medida que aumentó la cantidad de preentrenamiento con video humano.

Dyna Robotics dice que sus resultados muestran una relación de escalamiento de humano a robot.

De las afirmaciones de escalamiento a las tareas físicas

Dyna Robotics informó que las tasas de éxito en tareas de manufactura de alta precisión aumentaron del 20% al 80%-90% a medida que aumentó el preentrenamiento, sin cambios en los datos posteriores al entrenamiento. Estos son resultados internos de Dyna Robotics.

En evaluaciones emparejadas en el mundo real, Dyna Robotics informó que DYNA-2 completó tareas 1.55 veces más a menudo que DYNA-1, el anterior modelo visión-lenguaje-acción de Dyna Robotics. En una implementación con un cliente, Dyna Robotics informó una tasa de éxito del 87% para DYNA-2 y del 46% para DYNA-1.

Las cifras de despliegue de Dyna Robotics ofrecen una prueba comercial más precisa, pero siguen siendo reportadas internamente. Un robot puede completar una evaluación y aun así ser demasiado lento, inconsistente o caro para trabajo remunerado. Serían necesarias pruebas independientes y datos de despliegue más completos para evaluar cómo se traducen las tasas de éxito entre clientes y hardware.

Una apuesta de un fundador por segunda vez respaldada con $143.5 millones

DYNA-2 llega aproximadamente dos años después de que Dyna Robotics fuera fundada en 2024. El camino de Gao hacia la robótica pasó por las finanzas e intentos repetidos con tecnología física para el comercio minorista. Un perfil de Stuyvesant Alumni Association dice que estudió negocios en NYU Stern, trabajó en banca de inversión en Goldman Sachs y fundó QueueHop, un negocio de etiquetas antipérdida para ropa aceptado en la cohorte Winter 2016 de Y Combinator, antes de desarrollar Caper AI.

Yang fue director de tecnología de Caper AI y más tarde trabajó como principal ingeniero de investigación en Instacart. Ma aportó experiencia como excientífico investigador en DeepMind enfocado en modelos base para robótica. DYNA-2 convierte los antecedentes combinados de los fundadores en hardware minorista y robótica en la estrategia de producto central de Dyna Robotics.

Los inversionistas han financiado fuertemente el esfuerzo. Dyna Robotics recaudó una ronda semilla de $23.5 millones copresidida por CRV y First Round Capital en marzo de 2025. Una Serie A de $120 millones siguió en 2025, liderada por RoboStrategy, CRV y First Round Capital. Salesforce Ventures también dijo haber participado.

Eso le da a Dyna Robotics al menos $143.5 millones en financiamiento divulgado. El capital compra el cómputo, las operaciones de datos, el trabajo de hardware y los despliegues en campo necesarios para probar si el rendimiento de DYNA-2 sigue mejorando más allá de 1 millón de horas.

Los competidores también están desarrollando modelos destinados a funcionar en distintas tareas o máquinas. Physical Intelligence describe openpi como una colección de código abierto de modelos y paquetes de robótica que incluye pi0, un modelo visión-lenguaje-acción. Skild AI describe su Skild Brain como inteligencia compartida diseñada para controlar distintos tipos de robots y tareas. Google DeepMind dice que Gemini Robotics On-Device está optimizado para inferencia local y de baja latencia y puede adaptarse a nuevas tareas mediante ajuste fino. Dyna Robotics está haciendo una apuesta más específica: el video de actividad humana puede convertirse en un insumo que se componga para la manipulación hábil con menos dependencia de datos de teleoperación de robots.

La economía para el cliente decidirá si esa ventaja técnica perdura. La comparación de tasas de éxito en sitio que presenta Dyna Robotics es evidencia interna alentadora. El tamaño de la flota, el tiempo de despliegue, la carga de mantenimiento y la cantidad de ingeniería requerida para cada nuevo flujo de trabajo determinarán si DYNA-2 se convierte en un producto repetible o en una costosa ventaja de investigación.