DynaのLindon Gao氏、ワークフロー1つが動けばすべてに通じると主張、支出は事前学習へシフト

Dyna Roboticsの創業者兼CEO、Lindon Gao氏は、今週公開されたZhang Xiaojun氏のポッドキャスト「商業訪談録（ビジネスインタビュー）」第154回で171分のインタビューに応じ、1つのシナリオを完全に動かせるようにすることは、すべてのシナリオを動かせるようにすることと同じだと語った。この言葉の裏にある賭けは予算配分の変更だ。仕様は満たしたものの人の付き添いを必要としたナプキンの製品を経て、Dynaは事前学習と事後学習を半々にしていた配分から、事前学習にはるかに多くを投じるようになった。Gao氏はこの変化を今年の出来事と位置づける。Dynaが自ら出した投稿がその検証材料を示しており、洗濯のサイクルは約79のステップをつなぐもので、1ステップ95%では「人の助けなしではほとんど完了しない」としている。

番組のショーノートは、ワークフローを最小単位とみなし、実際のタスクからモデルの事前学習を進めるDynaの路線と、Physical Intelligenceの純粋な脳研究の路線を対比させている。Gao氏は、1つのワークフローをこなすことと100をこなすことの差を「100のワークフロー分のデータにすぎない」と表現した。

ナプキンのロボットは仕様を満たしても見守る人が必要だった

Dynaは2025年6月にDyna-1を出荷し、6月から9月にかけてナプキン折りに投入した。Gao氏によると、ロボットは5つの折り目のうち4つをこなし、最も難しい最後の折りはレストランのスタッフに任せていた。1日1,300枚のナプキンを必要とする非常に大規模なレストランの顧客は、最後の折りにどれだけスタッフの時間が取られるかを見て、苦情を述べた。Dyna-1は当初、24時間で850枚のナプキンを折り、これは1日の必要量の約65%だった。速度を上げる取り組みで目標に届いた。2枚のナプキンを同時につかむとほどくのに約2分かかり、Gao氏は二重つかみの割合が10%になれば1日の目標には届かないと述べた。

ナプキンの製品には10社を超える顧客がいたが、Gao氏は、ロボットがタスクを終えてもワークフロー全体を終えられなかったため、2025年にこの製品を拡大しないと決めたと語った。同氏は「ロボットに見守る人が必要」という状態を、製品上の非常に大きな問題と呼んだ。

Gao氏はその理由を一言にまとめた。「不完全な製品を拡大すれば、後で負担になる」。根本的な問題はロボットの脳にあると主張する研究機関について問われると、同氏は「脳が足りないのなら、どこが足りないのか」と逆に問い、続けて「だがナプキン折りのシナリオでは、それは脳の問題だったのか」と述べた。タスクの中では知能は制約ではなかったと同氏は言う。シナリオが失敗したのは、ワークフロー全体にわたる閉ループが形成されなかったからだ。

事前学習が拡大し、Gao氏はデータ品質の自らのルールを覆す

Gao氏によると、2025年当時の基盤モデルは実装に耐えるものではなかった。遅く、乱雑で、1つのことを1回うまくやれる程度だった。そこで同氏はチームに成功率99%を研究目標として課した。Dyna-1には、Gao氏が最高品質と呼ぶデータを使い、チームにそこへ全力を注ぐよう指示した。同氏は、一部のデータを除くと事前学習が改善したと報告した言語モデルや動画生成の研究者から、自分が聞きたいことだけを選択的に聞き取っていたと語る。

ワークフローがルールを変えた。Gao氏によると、Dynaが1つのワークフローを単位として扱うようになると、優先すべきはモデルがどれだけ多様で広範な人間の経験を見るかになり、インターネット規模のデータに到達する前の徹底した品質最適化は「必ずしも第一原理ではない」という。同氏は、2025年の終わりごろにDynaが戦略的な混迷の時期を迎え、実装を優先するグループと研究を優先するグループに割れたと述べ、自身は研究に傾いたという。今年に入って配分は動き、事前学習は今では事後学習よりもはるかに多くの予算を占める。モデルの頑健さの大半は事前学習から来ると同氏は言う。

79ステップのサイクルを無人で終えるにはステップ当たり99.9%近くが要る

この79のステップをそれぞれ独立とみなし、立て直しを一切認めないとすると、1ステップ95%ではサイクルが完了するのは約**1.7%**の確率になる。99%なら約45%、99.9%なら約92%だ。Dynaの79というステップ数は推計であり、実際のシステムは一部の失敗から復帰する。この計算では、1つのワークフローが1回の無人のシフトを担えるのは、1ステップ当たりの信頼性が99.9%近くにあるときだけだ。

Dynaは9月29日にTakuを発表した。上半身が人型で下半身が折りたたみ式のセミヒューマノイドで、操舵できる車輪を4つ、低減比の遊星アクチュエータを使った7自由度の腕を2本備える。同社は1時間の洗濯室ワークフローを無編集かつ自律でこなす様子を公開した。スタックは3層で動く。シミュレーションで強化学習により訓練され100Hzで動く全身制御、全身の目標軌道を生成する世界行動モデルであるDyna-2ポリシー、そしてワークフローを追跡しテキストの記憶を保ちながら次のステップを選ぶ視覚言語モデルのオーケストレーターだ。Dynaは洗濯のサイクルに13の意思決定点を数えている。

事前学習の賭けには独自の数字がある。2026年8月に公開されたDyna-2は、100万時間を超える一人称視点の人間動画、およそ170年分で事前学習されており、14のタスクでの正規化スコアの平均は、人間のデータが1,000時間、1万時間、10万時間、100万時間と増えるにつれて20%、28%、45%、53%へと上がった。1,000倍の増加で33ポイントの伸びだ。どちらのモデルも見たことのない顧客現場で、DynaはDyna-1の本番合格率が46%、Dyna-2が**87%**だと報告しており、41ポイントの差がある。

ワークフローごとに固有の復旧作業がなお必要だ

Gao氏自身の説明は、データの議論がどこまで届くかを限定している。決まった位置の箱にナプキンをきれいに置くのは事前学習が言語を通じて解ける問題だと同氏は言い、Dynaは自社VLAの言語追従の弱さを事前学習に帰した。2枚のナプキンを同時につかむのは事前学習では解けない問題で、ワークフローにはその固有の失敗に対する事後学習の作業がなお必要だ。

87%という数字は実際の顧客現場の証拠だが、それは据え置き型のタスクのもので、Dynaによれば新しい現場は最短3日で本番の基準に達するという。ワークフロー全体については、まだ比べられる数字がない。

Dynaの9月の2つの文書は、実装がどこまで進んだかで食い違う。技術ブログは実世界の顧客現場を「次のマイルストーン」と呼ぶが、同じ日のプレスリリースはDyna 2.1がホテル、コインランドリー、レストランに導入されているとしている。Gao氏は、このワークフローには商業顧客がいるが「まだ完全には導入されていない」と述べ、ホテルを挙げた。ホテルの洗濯室はホテルによって2人から5人が必要だとし、この手法は米国のホテル10万軒に届きうる、市場規模は「数十億ドル」だと述べた。ロボットが拡張可能なプロダクトマーケットフィットに達するのは「1〜2年」先だとし、Dynaはすでに自身の価値指標を上回っていると述べた。24時間働くロボットが米国の労働者の8時間勤務に匹敵するという指標だ。

87%が顧客現場の洗濯ワークフロー全体で保たれるなら、事前学習へのシフトは、その数字を買い取ったものだったように見えるだろう。

2025年のナプキン開発では、スタッフが新しい束を所定の位置に置かなかったため、ロボットが30分間続けて止まっていることもあったとGao氏は言う。9月、Takuは洗濯室を無編集の1時間にわたって独力で動かした。