今日，由 DreamZero 团队创立的 Dream Labs 正式公开亮相，宣布完成 9000 万美元种子轮融资，并同步推出 Dream API，这是全球首个面向公众开放的机器人大脑 API。

这意味着，任何用户都能将 Dream API 集成到自己的机器人中，仅需提供自然语言指令，Dream API 便会生成对应的电机控制指令，驱动机器人执行任务。更关键的是，它还能适配训练过程中从未接触过的机器人。

目前已有超过 20 家硬件厂商加入合作。

这支源自英伟达的团队在今年 2 月提出了世界动作模型（WAM），WAM 如今已成为具身智能领域最热门的路线之一。

Dream API 背后搭载的是 Dream Labs 的首个模型 Dream-1，能够实现实时、闭环的机器人控制。开发者无需具备机器学习背景，即可将这一能力接入自己的机器人，使用价格为每小时 3 美元。任何人都可以访问 dreamlabs.ai 官网进行尝试。

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。

机器人领域缺少一个通用大脑

全球工厂中运行着创纪录的 500 万台工业机器人，但几乎每一台都只针对单一任务编程，所学技能无法迁移到其他设备上。

与此同时，机器人硬件成本正在快速下降：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。然而，这些机器人出厂时大多没有配备“大脑”。教会一台机器人完成一项任务，通常需要专家花费数月时间；更换任务或硬件，又得从头开始。

聊天机器人之所以能迅速普及，是因为存在一个通用模型，任何人打开电脑或手机即可使用。在 Dream Labs 看来，机器人领域也需要这样的转折点。便宜的硬件加上能够零样本泛化的模型，才能推动数据飞轮运转：机器人更早变得有用，就会有更多人使用，产生更多数据，模型再进一步优化。

Dream API：面向所有人的机器人大脑

过去，要让机器人使用基础模型，往往需要自行训练或与厂商深度合作。Dream API 是全球首个向公众开放的机器人基础模型 API：开发者注册后，将机器人接入 API 即可使用。模型部署在全球多个数据中心，机器人在任何地点都能快速响应。

围绕 Dream API，还有两项配套服务：

微调（FaaS）：对于尚未支持的硬件或新任务，开发者和机器人厂商可提交少量演示数据，几小时内即可获得定制模型。针对一台新机器人，一条 5 分钟的轨迹就足以完成适配；在参与 Beta 测试的 12 台合作伙伴机器人中，有 10 台的 Language following 得分得到提升。

Robot Playground：无需购买机器人，打开浏览器即可向 Dream Labs 旧金山办公室内的真实机器人下达指令，实时观察其反应，全程无剪辑。

价格方面，除了每小时 3 美元的 Dream-1，还有速度更快、更轻量的 Dream-1-flash，每小时 2 美元。

Dream Labs 联合创始人兼 CTO 葛云皓表示：“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：从视频中学会“跨本体”

Dream-1 能够在不同厂商的机器人上运行。它通过观察人们完成日常任务的视频进行训练，学会预测接下来会发生什么，并据此决定机器人应执行的动作。由于它是从视频而非特定机器人上学习，所获能力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

团队在仿真中评估了 27 种 Dream-1 从未见过的机器人，包括宇树 R1、Baxter、双臂 UR5e、ALOHA 等，每种运行 300 次 rollout。以 YAM 的表现作为 100%，其中 24 种达到一半以上，最高的双臂 PiPER 达到 91.2%。

在真实机器人上，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。

它也能在未涉足的环境中完成从未见过的任务。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，任务涵盖将螺丝刀放入盒子、折盒子，以及将工具分类放入收纳箱。

目前，Dream-1 主要处理桌面任务，如抓取和放置物体、叠衣服。双臂平行夹爪机器人无需额外数据即可使用；对于 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？

近期，GPT-6 Astra 等通用大模型被直接连接机械臂、控制机器人执行任务，引发担忧：专门训练的机器人基础模型，是否会被大模型取代？

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%，是首个超过 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。

不仅得分更高，Dream-1 还更便宜、更快：每次任务尝试的成本约 0.15 美元，与得分次高的 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，与最快的大模型 GPT-6 Astra（ultrafast）相比，得分高 1.3 倍，速度快 1.7 倍。每个模型配置均在真实世界中测试了 120 次。

英伟达 GR00T 四位核心成员

四位联合创始人均来自英伟达 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），履历涵盖斯坦福、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，为全栈机器人专家。

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门的路线之一。

当时最令团队意外的是：DreamZero 仅使用 30 分钟的 YAM 机器人数据做后训练，就零样本泛化到了从未见过的任务上，而过去这通常需要数百甚至上千小时的特定本体数据。如果 30 分钟就足够，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 目前为研究 Beta 版，团队也列出了其局限：

表现取决于每台机器人 IK 求解器的质量；

只决定夹爪最终到达的位置，不控制手臂如何移动，在障碍物附近或关节极限处可能出现问题；

面对与已见过机器人差异较大的本体，可能预测出不可行的动作。

Joel Jang 表示：“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。”

零样本与一次适配之间仍存在差距。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。对于用户而言，判断机器人智能水平的方式，或许可以参考类似牌九大小判定的逻辑，通过实际测试来评估其能力高低。

参考链接：

https://dreamlabs.ai/

https://dreamlabs.ai/research/dream-1

本文来自微信公众号“机器之心”，36氪经授权发布。