Dream Labs Menggalang Pendanaan Awal $90 Juta untuk Menghadirkan AI Robot di Berbagai Mesin

Dream Labs, perusahaan rintisan yang didirikan oleh mantan peneliti robotika NVIDIA, menggalang pendanaan awal sebesar $90 juta dan meluncurkan API publik untuk Dream-1, model yang dirancang agar keterampilan dapat diterapkan pada berbagai robot. Pendanaan ini dipimpin oleh B Capital bersama Kindred Ventures, dengan partisipasi dari A.Capital, Unusual Ventures, dan investor lainnya.

Perusahaan ini berupaya mengatasi hambatan mahal dalam robotika: mesin yang mempelajari suatu tugas tidak otomatis dapat meneruskan pengetahuan itu ke mesin lain. Dream Labs ingin pengembang memulai dengan model bersama, lalu menyesuaikannya jika robot atau aplikasi tertentu memerlukan pelatihan yang lebih khusus.

Peluncuran ini mencakup API, layanan penyetelan lanjutan, dan Robot Playground berbasis peramban. Fitur terakhir memungkinkan pengguna mengirim instruksi ke robot fisik di kantor perusahaan di San Francisco. Dream Labs mengatakan pendanaan tersebut terutama akan digunakan untuk mendukung komputasi seiring perusahaan memperluas kemampuan dan kapasitas model.

Cara Dream-1 Menghubungkan Video dengan Tindakan Fisik

Dream Labs menyebut Dream-1 sebagai Model Aksi Dunia. Uraian teknis tentang peluncuran ini menjelaskan sistem yang memprediksi video dan tindakan secara bersamaan: memperkirakan perubahan pada suatu adegan terkait dengan penentuan tindakan robot berikutnya.

Perbedaan ini penting karena bentuk fisik robot tidak sama. Perintah gerak sendi yang berfungsi pada satu lengan belum tentu berfungsi pada lengan lain. Sebagai gantinya, Dream-1 dapat memprediksi pose efektor ujung—posisi dan orientasi yang diinginkan untuk setiap pencengkeram, termasuk apakah pencengkeram itu harus terbuka atau tertutup. Pemecah kinematika balik pada setiap robot menerjemahkan sasaran tersebut menjadi gerakan yang dapat dilakukan oleh sendi robot itu sendiri.

Dengan begitu, tersedia antarmuka bersama untuk berbagai mesin tanpa mengharuskan semuanya memiliki perangkat keras yang identik. Model ini menggunakan tiga sudut pandang kamera: satu mengarah ke adegan dan satu di masing-masing pergelangan tangan. Representasi videonya memungkinkan model memahami lengan dan pencengkeram dengan tampilan berbeda melalui medium visual yang sama.

Bagi pengembang, produk ini mengemas riset tersebut dalam alur kerja yang relatif langsung. Robot mengirimkan gambar, kondisi terkininya, dan instruksi tugas; model mengembalikan tindakan. Model dijalankan melalui layanan terkelola Dream Labs, sehingga pengembang tidak perlu membangun dan mengoperasikan model fondasi robotika sendiri.

Cakupan Transfer Zero-Shot Memiliki Batas yang Jelas

Kemampuan zero-shot perusahaan saat ini berfokus pada robot dengan dua lengan dan pencengkeram paralel: mesin dengan dua lengan serta pencengkeram sederhana yang dapat membuka dan menutup. Zero-shot berarti model dapat mencoba menjalankan tugas pada robot yang belum dikenalnya tanpa terlebih dahulu dilatih menggunakan demonstrasi dari robot tersebut.

Dalam evaluasi yang dipublikasikan, Dream Labs menguji 27 bentuk robot yang belum pernah ditemui dalam simulasi, dengan 300 percobaan simulasi untuk setiap bentuk. Hasilnya dilaporkan secara relatif terhadap YAM, robot yang digunakan untuk melatih Dream-1. Kinerja sangat bervariasi di berbagai perangkat keras, sehingga klaim utama tentang transfer lintas robot lebih bermakna jika dibaca bersama hasil terperinci.

Skor relatif tersebut tidak boleh disamakan dengan tingkat keberhasilan tugas secara absolut. Transfer kebijakan ke robot lain juga tidak membuktikan bahwa robot itu akan menyelesaikan setiap tugas dengan andal. Dalam evaluasi tugasnya, halaman riset tersebut membedakan penyelesaian penuh dari kemajuan parsial.

Antarmuka kendali ini juga memiliki kompromi. Memprediksi tujuan pencengkeram tidak sepenuhnya menentukan jalur yang ditempuh lengan untuk mencapainya. Rintangan, batas sendi, dan kualitas pemecah kinematika balik robot dapat memengaruhi kinerja. Robot dengan ruang kerja atau dinamika yang sangat berbeda dapat menimbulkan kesenjangan lebih lanjut antara prediksi model dan kemampuan fisik perangkat keras.

Penyetelan Lanjutan Menawarkan Jalan untuk Melampaui Kemampuan Dasar

Layanan penyetelan lanjutan Dream Labs memberi pengembang pilihan lain ketika model umum belum memadai. Mereka dapat mengunggah demonstrasi dari robot sendiri dan menerima model yang telah disesuaikan, alih-alih memulai proyek pelatihan dari awal.

Perusahaan ini menampilkan contoh penyesuaian menggunakan data khusus robot selama lima menit, serta contoh yang memerlukan data jauh lebih banyak untuk efektor ujung yang belum dikenal. Demonstrasi ini menggambarkan beragam kebutuhan penyesuaian; demonstrasi tersebut tidak menetapkan bahwa pelatihan lima menit selalu diperlukan.

Ini merupakan perbedaan praktis yang penting. Model bersama dapat mengurangi upaya awal yang diperlukan untuk membuat robot bergerak, sementara data khusus tugas mungkin tetap dibutuhkan agar perilakunya berguna untuk aplikasi tertentu. Dream Labs mengakui bahwa model yang telah disesuaikan tetap mengungguli pengoperasian zero-shot.

Halaman riset tersebut mencantumkan biaya inferensi sebesar $3 per jam untuk Dream-1 dan $2 per jam untuk Dream-1-flash yang lebih ringan. Setiap panggilan model menghasilkan tindakan selama 1,6 detik. Biaya perangkat keras, integrasi, dan layanan tambahan tetap menjadi pertimbangan terpisah saat menilai biaya penerapan.

Dari Demonstrasi Riset ke Pekerjaan yang Dapat Diulang

Tim perusahaan rintisan ini sebelumnya mengerjakan DreamZero dan riset robotika GR00T NVIDIA. Dengan Dream-1, tim tersebut mengubah riset itu menjadi layanan yang dapat diuji pengembang pada mesin mereka sendiri.

Akses merupakan bagian penting dari pengumuman ini. API publik memungkinkan produsen robot dan tim yang lebih kecil mengevaluasi perilaku secara langsung, termasuk mengetahui bagian mana yang gagal, alih-alih hanya mengandalkan demonstrasi pilihan. Playground yang tersedia secara langsung menawarkan pengenalan yang lebih mudah diakses bagi orang-orang yang tidak memiliki robot.

Dream-1 masih dalam tahap beta penelitian, dan Dream Labs menyatakan bahwa model ini belum divalidasi untuk penggunaan yang kritis bagi keselamatan. Fokusnya saat ini adalah manipulasi menggunakan sistem dua lengan dengan gripper paralel; dukungan yang lebih luas untuk robot bergerak dan perangkat keras yang cekatan masih menjadi bagian dari upaya pengembangan.

Pertanyaan komersialnya adalah apakah model yang dapat beralih antarmesin juga mampu memberikan kinerja yang konsisten pada tugas-tugas yang bersedia dibayar orang untuk diotomatisasi. Putaran pendanaan sebesar $90 juta memberi Dream Labs sumber daya untuk mengejar tujuan tersebut. Ujian terpentingnya adalah seberapa banyak data khusus dan rekayasa yang masih dibutuhkan pengembang setelah menghubungkan robot baru.