任何人都可以将 Dream API 接入自己的机器人，只需提供自然语言指令，Dream API 就能生成相应的电机控制指令，让机器人执行任务。更重要的是，它还能适配训练中从未见过的机器人。
文章作者、来源：微信公众号“机器之心”
今天，DreamZero 团队创立的 Dream Labs 正式结束隐身，宣布完成 9000 万美元种子轮融资，同时上线 Dream API：全球首个开放给公众的机器人大脑 API。
这意味着， 任何人都可以将 Dream API 接入自己的机器人，只需提供自然语言指令，Dream API 就能生成相应的电机控制指令，让机器人执行任务。更重要的是，它还能适配训练中从未见过的机器人。
目前已有 20 多家硬件厂商加入合作。
这支来自英伟达的团队今年 2 月提出了 世界动作模型（WAM），WAM 如今已是具身智能最热的路线之一。
Dream API 背后搭载的是 Dream Labs 的首个模型 Dream-1，能够实时、闭环地控制机器人。开发者无需机器学习背景，就能将这一能力接入自己的机器人，使用价格仅为每小时 3 美元。任何人都可以到 dreamlabs.ai 官网尝试。
本轮融资由 B Capital 领投，Kindred Ventures、A.Capital、Unusual Ventures、SV Angel、Wing VC、Scribble VC 以及 Adrian Aoun 等跟投。
机器人缺一个通用大脑
全球工厂里运行着创纪录的 500 万台工业机器人，但几乎每一台都只为单一任务编程，学到的东西没法迁移到另一台机器上。
与此同时，机器人硬件正在迅速变便宜：一套双臂机械臂最低约 2000 美元，低于 1.5 万美元的半人形机器人也越来越多。可这些机器人出厂时几乎都没有「大脑」。教会一台机器人做一件事，往往要专家花上几个月；换个任务、换台硬件，又得从头再来。
聊天机器人之所以能迅速普及，是因为一个通用模型，任何人打开电脑或手机就能用上。在 Dream Labs 看来，机器人也需要这样的时刻。便宜的硬件加上能零样本泛化的模型，才能让数据飞轮转起来：机器人更早变得有用，就会有更多人用，产生更多数据，模型再变得更好。
Dream API：开放给所有人的机器人大脑
过去，想让机器人用上一个基础模型，往往要自己训练或和厂商深度合作。Dream API 是全球首个开放给公众的机器人基础模型 API：开发者注册后把机人接上 API 就能用。模型部署在全球多个数据中心，机器人在哪里都能快速响应。
围绕 Dream API，还有两项配套服务：
- 微调（FaaS）：遇到还不支持的硬件或新任务，开发者和机器人厂商提交少量演示数据，几小时内就能拿到定制模型。对一台新机器人，一条 5 分钟的轨迹 就足以完成适配：在 12 台参与 Beta 测试的合作伙伴机器人上，有 10 台的 Language following 得分得到提升。
- Robot Playground：不用买机器人，打开浏览器就能给 Dream Labs 旧金山办公室里的真实机器人下指令，实时观看它的反应，全程不剪辑。
价格方面，除了每小时 3 美元的 Dream-1，还有更快更轻的 Dream-1-flash，每小时 2 美元。
Dream Labs 联合创始人兼 CTO 葛云皓说：「就像 ChatGPT 第一次面向公众发布那样，机器人也终于迎来了第一个开放给公众的通用大脑 API。它可能还不完美，但总有人需要迈出第一步。」
Dream-1：从视频里学会「跨本体」
Dream-1 能在不同厂商的机器人上工作。它在人们完成日常任务的视频上训练，学会预测接下来会发生什么，再据此决定机器人该做的动作。因为它是从视频、而不是从某一台机器上学习，学到的能力就能在不同硬件之间迁移：对于带夹爪的双臂机器人，Dream-1 开箱即可零样本上手。
Dream Labs 联合创始人兼 CEO Joel Jang 打了个比方：「你坐进一辆租来的车，不需要重新学开车，找到操控装置，过去的驾驶经验会搞定剩下的事。Dream-1 对待新机器人也是这样，一台新机器人几分钟就能干上有用的活，而不是几个月。」
为什么从视频学习就能跨本体？葛云皓告诉机器之心：「世界动作模型同时学习预测视频和动作，所以『控制一台机器人』和『想象这台机器人接下来会做什么』变成了同一个问题。而在头部相机看来，任何机器人都只是画面里移动的形状，视频是所有机器人共享的那一种表示。只要模型能预测出一台新机器人完成任务时的样子，它就能生成让机器人到达那里的动作。」
没见过的机器人、没教过的任务，也能零样本上手
团队在仿真中评测了 27 种 Dream-1 从没见过的机器人，包括宇树 R1、Baxter、双臂 UR5e、ALOHA 等，每种跑 300 次 rollout。以 YAM 的表现为 100%，其中 24 种达到一半以上，最高的双臂 PiPER 达到 91.2%。
在真机上，Dream-1 同样在没有任何特定本体数据的情况下，零样本控制了 MakerMods 的 Metal Arm 和 Maker Arm、Seeed Studio 的 reBot B601-DM、Anvil Robotics 的 OpenYAM，以及 Dexmate 的 Vega 等合作伙伴机器人，完成叠毛巾、关抽屉、把耳机挂到钩子上、「把不是猕猴桃的水果放进篮子」等指令。
它也能在没去过的环境里完成没见过的任务。Beta 测试伙伴在全球 9 个站点自主运行 Dream-1，包括上海的 AGIBOT、深圳的 BitRobot、首尔的 KAIST、巴黎的 Hugging Face、旧金山的 Scale AI 等，任务从把螺丝刀放进盒子、折盒子，到把工具分类放进收纳箱。
目前，Dream-1 主要处理桌面任务，比如抓取和放置物体、叠衣服。双臂平行夹爪机器人不需要额外数据就能用；对 20 多家硬件伙伴，Dream Labs 还会针对每台机器人进一步优化模型，这些机器人的价格大约在 2000 到 1 万美元之间。
大模型能直接控制机器人，还需要机器人大脑吗？
最近，GPT-6 Astra 等通用大模型被直接接上机械臂、控制机器人干活，不少人开始担心：专门训练的机器人基础模型，会不会被大模型取代？
在独立第三方评测机构 Robocurve 发布的 RoboDojo-RC Tier 1 评测中，Dream-1 每次任务尝试的平均得分达到 59%，是第一个超过 50% 的模型，高于 Claude Opus 5.5（48%）、Gemini 4 Argon（48%）、GPT-6 Astra（47%）、GPT-6.1 Sol（42%）等最新大模型，也高于 MolmoAct2（19%）和 GR00T N1.7（10%）等机器人模型。
不只是得分更高，Dream-1 还更便宜、更快：每次任务尝试的成本约 0.15 美元，和得分次高的 Gemini 4 Argon 相比，得分高 1.2 倍，成本却低约 16 倍。平均用时 1.4 分钟，和最快的大模型 GPT-6 Astra（ultrafast）相比，得分高 1.3 倍，速度快 1.7 倍。每个模型配置都在真实世界中测试了 120 次。
英伟达 GR00T 四位核心成员
四位联合创始人都来自英伟达 GR00T 机器人团队：
- Joel Jang（联合创始人兼 CEO）：英伟达 GR00T 世界模型负责人，主导了 LAPA、DreamGen、DreamDojo 和 DreamZero；
- 葛云皓（联合创始人兼 CTO）：英伟达 GR00T 视频模型负责人，参与构建了英伟达 Cosmos 世界基础模型系列（Predict、Transfer、Policy），履历横跨斯坦福、南加州大学、谷歌和微软；
- Scott Reed（联合创始人兼首席科学家）：英伟达 GEAR 实验室创始成员，主导 GR00T N1 至 N1.7 系列模型；此前在 DeepMind 工作 8 年，打造了 Gato 和 Genie，Google Scholar 引用超过 15.8 万次；
- You Liang Tan（联合创始人兼 Chief Robot Officer）：英伟达 GR00T 开源负责人，参与构建了 ROS 2、Octo、SERL、EgoScale。全栈机器人专家。
今年 2 月，这支团队还在英伟达时发布了 DreamZero，首次明确提出世界动作模型（ World Action Model，WAM ）。此后半年，WAM 迅速成为具身智能最热的路线之一。
当时最让团队意外的是：DreamZero 只用 30 分钟的 YAM 机器人数据做后训练，就零样本泛化到了没见过的任务上，而过去这往往需要数百甚至上千小时的特定本体数据。如果 30 分钟就够，机器人「没数据就没用、没用就没数据」的死循环就有可能被打破。团队由此决定创业。六个月后，Dream-1 问世。
领投方 B Capital 合伙人（ General Partner ）Daisy Cai 表示：「一台能干活的机械臂，已经从豪车的价格降到了高端笔记本的价格，它现在缺的是智能。这个团队在英伟达完成了机器人学习领域一些开创性的工作，现在任何拿到 Dream API 的人都可以在此基础上构建。」
局限与下一步
Dream-1 目前是研究 Beta 版，团队也写明了它的局限：
- 表现取决于每台机器人 IK 求解器的质量；
- 只决定夹爪最终到哪里，不控制手臂怎么到达，在障碍物附近或关节极限处可能出问题；
- 面对和已见过的机器人差别很大的本体，可能预测出不可行的动作。
Joel Jang 说：「我们不给大家看剪辑过的 demo，而是给大家一个可以自己测试的、真正能用的模型，连同它的错误一起。」
零样本和一次适配之间仍有差距。葛云皓表示：「我们真正想要的是连这 5 分钟都不需要。零样本和一次适配之间的差距，就是我们接下来最主要的工作。」
下一步，Dream-1 将支持轮式移动机器人和灵巧手。本轮融资将主要用于算力，以扩展 Dream-1 能处理的任务和机器人种类，并支撑更多用户。
在硬件越来越便宜、却仍然缺少「大脑」的机器人世界里，一个能直接接管陌生机器人的模型能走多远？Dream-1 交出了第一份可以亲手检验的答卷。