跳到主要內容
AI 武林
影片進階EN9,473 次觀看

Robot Demos Are Easy. Reliability Is Hard — Jason Ma, Dyna Robotics

來源　AI Engineer

看影片（在新分頁開啟原站）連到 AI Engineer

摘要

Jason Ma 介紹 Dyna Robotics 如何透過獎勵模型與主動學習，將機器人折餐巾成功率從 80% 提升至 99.4%，並展示在餐廳與洗衣店的實際部署案例。

Jason Ma explains how Dyna Robotics uses reward models and active learning to achieve 99.4% reliability in robotic tasks like napkin folding across real-world deployments.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

  • 獎勵模型能即時偵測錯誤並引導定向資料收集。
  • 結合 20 萬小時預訓練資料與推理架構提升泛化能力。
  • 透過人類在迴路主動學習迴圈達成商業級穩定性。

章節

依話題轉折切分，標題由 AI 產生

  1. 00:00Intro
  2. 00:32About Dyna Robotics
  3. 01:12The research and deployment flywheel
  4. 02:16How robot foundation models work
  5. 03:11The pre-training data pyramid
  6. 04:21Reasoning model plus world action model
  7. 05:01New tasks with under an hour of data
  8. 06:10Why 80–90% success isn't enough
  9. 07:40Case study: restaurant napkin folding
  10. 09:00Dyna-1: 99.4% success over 24 hours
  11. 09:59What makes napkin folding hard
  12. 11:04Why standard post-training stalls at 80
  13. 11:39Reward models that score robot progress
  14. 13:04Scalable supervision and active learning
  15. 14:08Error recovery highlights
  16. 15:43Real deployments: restaurants and a laundromat
  17. 16:28Working at new sites with no new data
  18. 17:13Three days of T-shirt folding at CoRL
  19. 18:13Opening Red Bull cans at live events
  20. 18:58Summary Q&A

提到的工具與公司

  • Dyna-1

適合誰看

從事機器人開發、自動化部署或希望了解基礎模型如何轉化為可靠產品的工程師與研究者。

摘要依據

講者
Jason Ma
依據
自動字幕

為什麼排在這裡

人氣
0.75
新鮮
0.96

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）