Dyna Robotics的機器人已在美國鼎泰豐門店規模化部署疊餐巾
Dyna Robotics的機器人已在美國鼎泰豐門店規模化部署疊餐巾，從實驗室高成功率轉入真實商業生產，並擴展至酒店洗衣等場景。
聯合創始人兼首席科學家Jason Ma表示，Dyna-1在實驗室24小時連續運行中實現99.4%成功率、摺疊超850條餐巾；轉入門店後初期僅約35條/小時、75%達標，每日約480條，遠低於客戶要求的18小時班次1500條。
Dyna-2將速度提升至95條/小時、質量達標率93%，每日產出約1590條可上桌餐巾，超額完成目標；客戶將疊好餐巾分爲5個等級，僅接受最高兩級，幾毫米與一釐米的縫線差異決定通過與否。
公司使用超100萬小時人類第一人稱視角視頻預訓練世界動作模型（WAM），發現更多人類視頻可提升機器人動作預測準確度，即使模型未見過這些機器人本體；早期部署後機器人疊得越快，人工補料與清堆工作反而增加。
爲此推出輪式半人形機器人Taku，可自主完成洗衣、烘乾、摺疊與上架的完整工作流，並在演示中實現約一小時無剪輯連續運行約79個步驟。
Jason Ma稱該過程爲“Bittersweet”：苦在實際難度遠超預期、問題不酷炫，甜在解決後可大幅領先；他批評Physical Intelligence等通用大腦路線研究強但尚無成功商業案例，下游客戶與上游模型均難盈利。
市場機制：餐廳與酒店爲降低重複人工成本採購並部署機器人，資金流向能提供可靠產量與質量的硬件+模型供應商，受益於已跨過ROI門檻並獲得多點簽約的Dyna，承壓於仍停留在演示階段或無法滿足班次產量的競品。
來源：公開信息
ABAB AI 解讀
Dyna由Lindon Gao、York Yang（此前Caper AI被Instacart以3.5億美元收購）與前DeepMind/NVIDIA研究員Jason Ma聯合創立，選擇從固定雙臂疊餐巾/毛巾切入，而非人形炫技；公司將部署反饋直接用於模型迭代，從Dyna-1的實驗室高成功率推進至Dyna-2的商業產量。
資本路徑上，資源集中於收集百萬小時第一人稱人類視頻與真實門店數據，驅動從VLA向WAM轉變，並以客戶（鼎泰豐全網、Best Western等）的班次產量與質量驗收作爲驗證閉環；動機在於用單一窄任務打通ROI後再橫向擴展至完整工作流。
類比早期工業機器人在汽車裝配線上的可靠重複作業，或洗衣自動化中的專項設備路徑；當前Dyna處於從單任務可靠部署向端到端工作流擴展的階段，與專注通用大腦但商業化案例稀缺的路徑形成對照。
結構上屬於技術替代與產業鏈重構：通過高可靠窄任務機器人替代重複人工，機制在於以客戶定義的質量等級與班次產量爲約束，將實驗室成功率轉化爲可計量的商業產出，使“無聊”的持續工作成爲盈利前提，而非演示本身。
ABAB News · 認知定律
實驗室99%到門店70%，差距在細節
越快越忙，工作流比單任務更值錢
無聊的可靠，纔是機器人真正開始工作