【專訪】Jason Ma：機器人不能落地，問題不在缺腿缺手
同業忙著讓機器人跳舞，打拳，Dyna Robotics的機器人卻在洗衣房裡洗衣，烘乾，摺好上架，被《紐約郵報》形容為全世界最無聊的機器人。創辦人們把這當成最高讚美。今年夏天，矽谷的新模型和新展示接連發表。《矽谷101》睽違一年半再訪這家公司，對談共同創辦人Jason Ma。他在賓州大學讀博士，待過Meta，NVIDIA，Google的研究團隊，現在負責Dyna的技術方向。
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
這場有三個重點。第一，實驗室的漂亮成績，不等於客戶願意買單。第二，人類生活影片也能教會機器人，而且資料愈多效果愈好，呈現出規律。第三，模型只是其中一塊，能承包整個工作流程的整套系統才是產品。三點合起來，Jason Ma描繪的是機器人正從展示走向商業落地：誰先真正部署，誰就先累積優勢。
◎實驗室九成九，到客戶手上只剩七成五
Dyna-1在實驗室摺餐巾，成功率99.4%。到鼎泰豐試點時，卻只有75%達到客戶接受的最高兩級，差幾公釐就算不及格。速度也不夠：每小時只摺35張，客戶要在18小時的班次裡摺完1500張。Jason Ma稱這段十個月的部署是苦樂參半的教訓：比想像中難，但解決了就能領先。換上Dyna-2後，每小時摺95張，每天1590張，才達到客戶標準。
◎一百萬小時人類影片，教會機器人沒見過的動作
Dyna-2換掉原本的VLA架構，改用世界動作模型WAM。它不只計算機器人怎麼動，也預測周遭世界接下來會怎麼變。預訓練資料是100萬小時，由人戴著相機拍下的第一人稱影片。從100小時到10萬小時，資料每多十倍，模型就更會預測機器人的動作，連預訓練沒見過的機器人也一樣。他坦言，最後一段進步放緩，原因是不少影片沒有標註。
◎客戶買的是做完的工作，不是模型
他說，客戶根本不在乎用的是什麼模型，只在乎任務能不能做完，所以Dyna大腦和機身一起做。新機器人Taku是輪式底盤的半人形，沒有腳，也沒有靈巧手，卻能從洗衣一路做到上架。他強調落不了地，「不是因為你沒有腿或者你沒有手」。他的盤算是：只做模型就得靠別人幫忙銷售；手上有大量已部署的機器人，別家模型更好時也能直接換用。
回到無聊這件事。Jason Ma認為，機器人大約處在GPT-2到GPT-3之間，未必會有一夕爆紅的時刻。這比較像自駕車：從展示到能在舊金山叫到車，要走很長的路。他認為瓶頸始終是資料和硬體。接下來值得注意三件事：資料推到上千萬小時，這個規律是否還成立；機器人邊移動邊操作的任務；以及Dyna-3。另外，Dyna目前沒有做家用機器人的計畫。
認為機器人大約在GPT-2到GPT-3之間，並以自駕車說明從展示到落地需要很長的迭代過程。
說明Dyna為何大腦與機身一起做：客戶不在乎用VLA還是世界模型，只在乎任務能不能完成。
解釋選擇半人形加底盤的考量：從人類資料學習，又能從現在就開始部署；靈巧手目前只做基礎研究。
說明鼎泰豐餐巾的五級標準，以及實驗室成功率99.4%，客戶合格率75%的差距從何而來。
談部署規模：部署1台到1000台會遇到完全不同的問題，並說明為何不做輸送帶型任務。
解釋100萬小時第一人稱影片的跨本體遷移規模定律，以及資料從10萬到100萬小時斜率下降的原因。
介紹新機器人Taku在洗衣房完成洗，烘，摺，上架的長程任務；換機型只需十幾到幾十分鐘的資料。
說明先做企業端而非家用的理由：進工廠比進家庭容易，家用機器人永遠看不到真正的測試環境。
看完今天的，讓明天的自己送上門
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
已出刊 144 期 ・ 隨時可退訂
