返回快讯

Dyna Robotics的机器人已在美国鼎泰丰门店规模化部署叠餐巾

Dyna Robotics的机器人已在美国鼎泰丰门店规模化部署叠餐巾,从实验室高成功率转入真实商业生产,并扩展至酒店洗衣等场景。

联合创始人兼首席科学家Jason Ma表示,Dyna-1在实验室24小时连续运行中实现99.4%成功率、折叠超850条餐巾;转入门店后初期仅约35条/小时、75%达标,每日约480条,远低于客户要求的18小时班次1500条。

Dyna-2将速度提升至95条/小时、质量达标率93%,每日产出约1590条可上桌餐巾,超额完成目标;客户将叠好餐巾分为5个等级,仅接受最高两级,几毫米与一厘米的缝线差异决定通过与否。

公司使用超100万小时人类第一人称视角视频预训练世界动作模型(WAM),发现更多人类视频可提升机器人动作预测准确度,即使模型未见过这些机器人本体;早期部署后机器人叠得越快,人工补料与清堆工作反而增加。

为此推出轮式半人形机器人Taku,可自主完成洗衣、烘干、折叠与上架的完整工作流,并在演示中实现约一小时无剪辑连续运行约79个步骤。

Jason Ma称该过程为“Bittersweet”:苦在实际难度远超预期、问题不酷炫,甜在解决后可大幅领先;他批评Physical Intelligence等通用大脑路线研究强但尚无成功商业案例,下游客户与上游模型均难盈利。

市场机制:餐厅与酒店为降低重复人工成本采购并部署机器人,资金流向能提供可靠产量与质量的硬件+模型供应商,受益于已跨过ROI门槛并获得多点签约的Dyna,承压于仍停留在演示阶段或无法满足班次产量的竞品。

来源:公开信息

ABAB AI 解读

Dyna由Lindon Gao、York Yang(此前Caper AI被Instacart以3.5亿美元收购)与前DeepMind/NVIDIA研究员Jason Ma联合创立,选择从固定双臂叠餐巾/毛巾切入,而非人形炫技;公司将部署反馈直接用于模型迭代,从Dyna-1的实验室高成功率推进至Dyna-2的商业产量。

资本路径上,资源集中于收集百万小时第一人称人类视频与真实门店数据,驱动从VLA向WAM转变,并以客户(鼎泰丰全网、Best Western等)的班次产量与质量验收作为验证闭环;动机在于用单一窄任务打通ROI后再横向扩展至完整工作流。

类比早期工业机器人在汽车装配线上的可靠重复作业,或洗衣自动化中的专项设备路径;当前Dyna处于从单任务可靠部署向端到端工作流扩展的阶段,与专注通用大脑但商业化案例稀缺的路径形成对照。

结构上属于技术替代与产业链重构:通过高可靠窄任务机器人替代重复人工,机制在于以客户定义的质量等级与班次产量为约束,将实验室成功率转化为可计量的商业产出,使“无聊”的持续工作成为盈利前提,而非演示本身。

ABAB News · 认知定律

  1. 实验室99%到门店70%,差距在细节

  2. 越快越忙,工作流比单任务更值钱

  3. 无聊的可靠,才是机器人真正开始工作