Dyna-2：小时级自主性的通用物理智能体

机器人领域正在经历一场从「演示级」到「实用级」的跨越，而 Dyna Robotics 最新发布的 Dyna-2 系统，正试图用「小时级自主性」重新定义通用物理智能体的能力边界。该公司首席科学家 Jason Ma 在一期技术播客中，详细拆解了他们对 World Action Models 的技术押注以及物理 AI 的下一站方向。

为什么「小时级自主性」是一个分水岭

过去几年，机器人演示视频层出不穷，但绝大多数任务在几分钟内就结束了。真正让机器人走出实验室、进入仓储或家庭场景的瓶颈，不是单次任务的成功率，而是长时间连续运行下的稳定性。

Dyna-2 的核心卖点正是「Hour-Long Autonomy」——在真实环境中持续执行任务长达一小时而不需要人工干预。这个数字听起来不惊人，但在物理 AI 领域，它意味着系统必须同时解决累积误差、环境变化、任务切换和异常恢复等一系列长尾问题。Jason Ma 在对话中强调，一小时不是营销数字，而是他们内部定义的「可部署门槛」：低于这个时长，机器人的经济价值无法覆盖部署和维护成本。

World Action Models：Dyna 的技术赌注

Dyna 将赌注押在一个他们称为「World Action Models」的方向上。这个概念融合了两个近年来快速演进的技术脉络：一是世界模型（World Models），即让 AI 在内部模拟环境动态并预测行动后果；二是动作模型（Action Models），即直接从感知输入生成机器人控制信号。

Jason Ma 的解释是，传统机器人栈将感知、规划、控制拆分成独立模块，每个环节的误差会在长时程任务中逐级放大。World Action Models 试图用一个统一的预测框架，让机器人「一边想象未来，一边生成动作」，从而在长时程任务中保持一致性。

这一思路与当前具身智能领域从「模块化流水线」向「端到端基础模型」迁移的大趋势一致，但 Dyna 的差异化在于，他们把物理约束作为模型训练的核心信号，而非事后加一个安全层。这让他们在小时级任务中表现出更好的鲁棒性。

世界模型（World Models） 是一类让 AI 在内部构建环境动态表征、并据此预测「如果我采取某个动作，接下来会发生什么」的模型。它最早在强化学习领域被提出（如 Ha & Schmidhuber 2018 年的经典工作），核心思想是让智能体在学习到的「想象空间」中进行规划和试错，从而减少对真实环境交互的依赖。近年来，随着视频生成模型的进步，世界模型开始具备更强的视觉预测能力，代表性工作包括 Genie、Dreamer 系列以及各类视频预测基础模型。对于机器人而言，世界模型的价值在于：它可以把昂贵、危险的真实试错转移到内部模拟中完成，尤其适合长时程任务中的前瞻规划。

动作模型（Action Models） 则聚焦于从感知输入直接映射到机器人控制信号，典型代表是近年兴起的视觉-语言-动作模型（VLA），如 RT-2、OpenVLA 等。这类模型通常以预训练的多模态大模型为骨干，通过机器人数据微调，直接输出关节位置、末端执行器轨迹或离散动作 token。其优势是端到端、泛化性好，但缺点是缺乏显式的未来预测能力，在需要多步推理的任务中容易「走一步看一步」。World Action Models 尝试把两者的长处结合：既保留动作模型的端到端生成能力，又引入世界模型的预测与规划机制。

物理 AI 的下一站：从专用到通用

当被问及物理 AI 的未来时，Jason Ma 给出了一个清晰的判断：专用机器人的时代正在收窄，通用物理智能体的窗口正在打开。

他的论据有两层。第一层是数据：随着遥操作和仿真数据采集成本的下降，训练一个跨任务通用策略的数据基础正在形成。第二层是硬件：机器人本体成本的快速下降，使得「一台机器干多种活」在经济上变得可行——前提是软件层面能支撑通用性。

不过他也坦承，通用物理智能体面临的最大挑战不是算法，而是评估。语言模型有成熟的 benchmark，但物理世界中的长时程任务评估极其昂贵且难以标准化。Dyna 内部为此构建了一套小时级任务评测体系，但 Jason Ma 认为整个行业仍缺乏共识性的评测标准。

具身智能中的「评估」问题之所以棘手，根源在于物理世界任务的多维性。语言模型的 benchmark 通常是静态的、可复现的（给定输入即有确定输出），而机器人任务涉及连续状态、随机环境扰动、物体位姿变化、传感器噪声等，同一条策略在不同时刻的表现可能差异巨大。此外，长时程任务的评测成本极高：一次小时级测试需要占用真实机器人、场地和人员，难以像跑 benchmark 那样大规模并行。这导致学术界和工业界难以用统一标准比较不同系统，也让「成功率」这类单一指标无法反映系统在长时间运行下的真实可靠性。目前业界尝试的方向包括标准化仿真评测平台（如 SimplerEnv、RoboArena）、真实环境任务套件以及基于日志的长时程稳定性指标，但距离形成共识仍有距离。

对开发者与行业意味着什么

对于关注具身智能的开发者而言，Dyna-2 传递了几个值得追踪的信号。其一，长时程自主性正在成为区分「demo」和「产品」的关键指标，未来评估机器人系统时，运行时长可能比单次成功率更能说明问题。其二，World Action Models 作为一个技术方向，正在吸引越来越多的团队投入，这可能会催生新的模型架构和训练范式。

Jason Ma 在对话末尾提到，Dyna 的下一步重点是将小时级自主性扩展到更复杂的多步骤任务中，并探索跨场景的泛化能力。物理 AI 的竞赛，正在从「能不能做」转向「能连续做多久」。