체화 지능 기업 Dyna Robotics가 최신 로봇 기반 모델 DYNA-2를 공개했다. 100만 시간 이상의 1인칭 인간 영상으로 학습했으며, 작업 성공률은 최대 90%에 달한다.
DYNA-2는 공식적으로 세계 행동 모델(World Action Model)로 설명되며, 인간의 활동을 관찰해 행동이 물리적 세계를 어떻게 변화시키는지 학습하는 것을 목표로 한다. 관련 스크린샷은 다음과 같다.
학습 측면에서 DYNA-2의 사전 학습은 100% 인간 영상 데이터에 의존하며, 100만 시간이 넘는 1인칭 인간 영상이 사용됐다. 이는 170년의 인간 경험에 해당한다.
공동 창업자 Jason Ma는 범용 로봇이 오랫동안 데이터 병목 현상에 제약받아 왔다고 말했다. 물리적 원격 조작 데이터를 사람이 수집하는 방식은 범용 지능으로 확장하기 어렵지만, DYNA-2는 인간의 활동을 관찰해 행동이 물리적 세계를 어떻게 변화시키는지 학습한다는 설명이다.
이 회사는 DYNA-2가 행동을 취하기 전에 물리적 세계가 어떻게 움직일지 먼저 예측함으로써, 기존 비전·언어 모델(vision-language models)에 부족한 공간 추론 및 접촉 물리 능력을 로봇에 보완할 수 있다고 밝혔다.
이 모델은 다음 영상 프레임의 내용과 취해야 할 행동을 예측하는 두 가지 학습 목표를 통해 공간적 관계, 움직임의 방식, 물체가 접촉 후 어떻게 반응하는지 등에 관한 정보를 습득한다.
Dyna Robotics가 공개한 결과에 따르면, 사전 학습 단계에 더 많은 인간 영상 데이터를 추가할수록 로봇의 15개 벤치마크 작업 성능이 향상됐다. 이 회사는 이러한 현상을 인간에서 로봇으로 이어지는 스케일링 법칙이라고 부르며, 학습 데이터 규모가 커지면 성능이 비교적 예측 가능한 방식으로 향상된다고 설명했다.
한 실험에서는 로봇 전용 데이터 13분만으로 5손가락 로봇 손 2개가 병뚜껑을 돌려 여는 방법을 학습했다. 제조 작업에서는 후속 학습 데이터 세트를 동일하게 유지한 상태에서 사전 학습 규모를 늘리자 성공률이 약 20%에서 80%~90%로 향상됐다.
Dyna Robotics는 또 한 차례의 고객 배포에서 Dyna-2가 87%의 품질 합격률을 기록했으며, 이전 세대인 Dyna-1은 46%였다고 밝혔다. 사용자 지시에 따라 서로 다른 행동을 수행해야 하는 작업에서는 영상 공동 학습을 통해 점수가 133% 향상됐다.
