רובוטיקה מגיעה לנקודת שבירה: מודל חדש מכליל משימות משתי סביבות שונות

חברת הרובוטיקה Dyna Robotics הכריזה על DYNA-2, מודל בינה מלאכותית לרובוטים שלטענת החברה מפגין לראשונה "חוק סקאלה" (scaling law) עקבי בתחום הרובוטיקה: ככל שהמודל צובר יותר שעות של צפייה בווידאו אנושי, כך משתפרת יכולתו לבצע משימות פיזיות — בלי להיתקע ברמת רוויה, כפי שקורה לרוב במודלים המבוססים על נתוני הפעלה מצומצמים של רובוטים. ההכרזה, שפורסמה ב-הודעה רשמית של החברה ב-10 באוגוסט 2026, ממוקמת את הפריצה בהקשר רחב יותר: כמה קבוצות בתעשיית הרובוטיקה מדווחות במקביל על מודלים שמצליחים להכליל משימות בין סביבות שונות — סימן, ככל הנראה, לכך שהתחום מתקרב לשלב בשלות חדש.

מיליון שעות של וידאו אנושי במקום נתוני רובוט

לפי ההודעה, DYNA-2 הוא "מודל עולם-פעולה" (World-Action Model, בקיצור WAM) שאומן על יותר ממיליון שעות של וידאו אנושי ממבט גוף ראשון (egocentric) — מה שהחברה משווה ל-170 שנות ניסיון ערות רציף. בניגוד לגישה המקובלת, שמזינה למודלים נתוני הפעלה (teleoperation) שנאספים ידנית מרובוטים ולכן יקרים ואיטיים לאיסוף, DYNA-2 אומן כולו על צילומי אדם, ללא ולו פריים אחד של נתוני רובוט בשלב האימון המקדים. הארכיטקטורה, שמשלבת חיזוי הפריים הבא וחיזוי הפעולה הבאה בו-זמנית, מאפשרת להעביר "אינטואיציה פיזית" — הבנת תנועה, מגע ופיזיקה — שנלמדה מתנועת בני אדם, ישירות אל חומרת רובוטים.

לדברי החברה, זו הפעם הראשונה שמודל רובוטיקה מפגין מה שהיא מכנה "חוק סקאלה מאדם לרובוט": ביצועי הרובוט משתפרים בצורה חלקה וצפויה עם כל שעת נתונים אנושיים נוספת. במשימות ייצור בדיוק גבוה, שיעור ההצלחה עלה מ-20% ל-80–90% אך ורק בזכות הגדלת היקף האימון המקדים — ללא כל שינוי בנתוני האימון המשני. המודל גם מדגים "העברה בין-גופנית" (cross-embodiment transfer): אותה בסיס ידע עובד על זרועות רובוט נייחות, אבטיפוסים הומנואידים וכפות רובוטיות זריזות כאחד. מייסד-שותף בחברה, ג'ייסון מא, נמסר בהודעה: "פעולה היא נדירה, אבל וידאו נמצא בכל מקום… אנחנו מראים שבינה מלאכותית פיזית יכולה להתרחש בצורה חלקה וצפויה." המודל הקודם של החברה, DYNA-1, כבר פועל בסביבות מסחריות כמו בתי מלון, מסעדות ומכבסות.

למה זה חשוב

צוואר הבקבוק המרכזי ברובוטיקה כללית היה עד כה איסוף נתוני הפעלה — תהליך יקר ואיטי שדורש מפעיל אנושי שמנחה רובוט פיזית, משימה שאינה ניתנת לקנה מידה. אם טענת החברה לגבי חוק סקאלה עקבי אכן תחזיק מעמד בבדיקות עצמאיות, המשמעות היא שפיתוח רובוטים למשימות חדשות עשוי להתקצר מחודשים של איסוף נתונים לשעות בודדות של כוונון מקומי (fine-tuning), עם ביצועים ברמת ייצור כבר בניסיון הראשון בסביבה חדשה (zero-shot).

מגמה דומה מדווחת, ככל הנראה, גם אצל שחקנים אחרים בתעשייה: לפי דיווח שטרם אומת מול הודעה רשמית של החברה, Figure Robotics הציגה גרסה מעודכנת של מודל ה-Helix שלה, שהצליחה, על פי הדיווח, להכליל משימות בית באופן zero-shot על פני כשלושים בתים שונים. אם שתי החברות אכן משיגות הכללה בין סביבות שונות בעת ובעונה אחת, זהו סימן שהתחום עובר מהוכחות היתכנות מבודדות למודלים שמתפקדים מחוץ לתנאי המעבדה — אם כי היקף האימות העצמאי של הטענות הללו עדיין מוגבל, וכדאי להמתין לנתונים נוספים ולבדיקות חיצוניות לפני שקובעים שמדובר בפריצת דרך קבועה.