AREX Feed Article
Dyna 联合创始人 Jason Ma 披露：鼎泰丰每店每天折 1,000～1,100 张餐巾，Dyna 2 转向 World Action Model
10 月 9 日，Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在旧金山 Savant VC 的「Choose Good Quests」活动上发言。据行业媒体 ，Ma 在会上给出的运行数字是：在鼎泰丰（Din Tai Fung），每家门店每天折 1,000～1,100 张餐巾，所有门店共用同一个模型，没有做门店级定制；在 Best Western，每天处理约 1,000 条毛巾；健身房场景里也有机器人在运行。活动由专注 physical AI（面向物理世界的 AI）早期项目的基金 Savant VC 主办，其创始人 Jeson Lee 主持。
同一场对谈里，Ma 还谈到了模型路线的变化：Dyna 2 从视觉-语言-动作（Vision-Language-Action，VLA）模型转向 World Action Model（WAM，直译「世界动作模型」），后者用超过 100 万小时的人类视频预训练。
为什么先从餐巾和毛巾做起
Dyna 同时自研模型和硬件，衡量进展的方式是机器人在付费客户日常运行里的表现。它最早做的任务就是折餐巾、折毛巾，选择的原因有两个：这类任务允许机器人失败后重试，不会造成严重后果；同时它提供的学习信号足够多，能撑起包括全身控制在内的整套技术栈。鼎泰丰是 Dyna 的第一家大客户。
Ma 说，到新客户现场学一项新任务大约需要 2 小时的数据采集，零样本表现通常已经够用，补少量数据就能达到客户标准；在韩国的一场会议上，机器人还做过零样本折叠 T 恤的演示。
从 VLA 到 WAM：先预测视频，再落到动作
在 Ma 的解释里，VLA 模型能用，但在指令跟随上有短板，原因是它的预训练目标不是预测世界的未来状态；WAM 则从指令出发做视频预测，再生成动作，泛化可以随着视频数据增加而提升，哪怕没有新的动作数据。
这条路线在公司 8 月发布的技术报告里有更完整的表述：Dyna 2 在留出的人类数据上呈现 scaling law（缩放定律），公司称这首次给出了「人类到机器人」的迁移缩放定律；报告还把视频数据确立为新的扩展来源。报告在同等条件下把 WAM 与上一代生产用 VLA 架构 Dyna 1 做了对比，同时承认业界对两种架构谁更优尚无共识。
Taku 与一小时洗衣流程
9 月 29 日，Dyna 发布 Dyna 2.1，一套全栈的 physical agent（物理智能体）系统，配套的新本体叫 Taku，名字取自日语 Takumi（匠）：半人形，腰部以上是仿人的上身，下半身可折叠以便够到低处和高处，底部是四个可转向轮，两条手臂各有 7 个自由度。公司在当天的里放了一段未剪辑的一小时视频：机器人把毛巾从洗衣机搬进烘干机、加入洗涤凝珠、拧动旋钮；烘干机完成工作时，它会暂停折毛巾去处理机器，尽量让多个任务并行。按博客里的架构说明，系统分三层：100 Hz 的全身控制器把目标轨迹变成关节指令，约 5 Hz 的 Dyna 2 策略生成全身目标轨迹，最上层的工作流编排器是一个视觉语言模型，负责决定下一步做什么。
Ma 把这次升级类比为语言模型从自动补全（autocomplete）走向编码智能体（coding agents）。他对产品市场契合（product-market fit）的定义是完整自动化物理工作流，而不是在固定位置做单项操作。自己造硬件也出自同一个逻辑：市面上的机械臂是为研究者设计的，有的太大、有的太小，或者伸不进洗衣机和烘干机内部；多数物理工作流是按人的身体设计的，机器人的形态必须对得上。
学习成本的数据也在博客里：Dyna 2 仅靠人类视频预训练，就能在训练数据从未覆盖的场地上，让固定式机器人零样本通过 87% 的客户验收测试；上一代 Dyna 1 是 46%。在折叠部署里，新门店达到生产标准最快只要 3 天，此前需要数周到数月的现场工程。
磨损、模型回归与「99% 只是起点」
在 Ma 对问题的排序里，达到要求的性能只是第一步，把性能长期维持住才是更难的一步：磨损会让机器人变成非确定性系统，任务随之变成非平稳问题（non-stationary problem）。在他看来，模型回归（model regression）的研究明显不足，不专门花力气做这件事的团队解决不了。
他提到，可靠性会随任务长度指数下降：单步成功率 99%，十步连起来只剩约 90%。动作空间也在扩大，7 自由度手臂、3 自由度头部再加躯干，硬件可靠性因此更难保证。他由此认为，要让机器人获得正投资回报，工作必须覆盖整个技术栈，并把这条路线类比为语言模型领域的 harness engineering（围绕模型搭建的工程外围）。「99% 的成功率只是起点。」他说。
下一批发布、Lambda 与新一轮融资
按 Ma 的说法，下一批发布（叫 Dyna 2.2 还是 2.5 还没定）会带来更强的泛化能力、更广的硬件分发，并进入规模化生产。公司与数据中心建造商 Lambda 合作，做切换服务器的机器人，针对的是数据中心行业的用工短缺；公司还把物流和酒店列为接下来的市场。
对 Google 的 Astra，Ma 认为它与 Dyna 互补，公司还办了内部黑客松，测试把 Astra 当作可直接接入的推理模型。他还给出一个行业判断：行业把注意力过多放在模型上，放在硬件和分发上的太少；没有硬件和分发，模型到不了物理世界。
报道还提到，Dyna 的投资方 Ince Capital 的 Zhen Xie 说，公司很快会开启新一轮融资。目前已经进入付费客户日常流程的，仍是折餐巾、折毛巾这类部署；而按 Dyna 自己的说法，9 月底发布的 Dyna 2.1 与 Taku，下一步才是进入真实客户现场。