Dream Labs 融资 9000 万美元种子轮，推动机器人 AI 跨不同机器应用

Dream Labs是一家由前 NVIDIA 机器人研究人员创立的初创公司，已完成 9000 万美元种子轮融资，并为 Dream-1 推出公开 API。Dream-1 是一款旨在让技能在不同机器人之间迁移的模型。本轮融资由 B Capital 领投，Kindred Ventures 共同参与，A.Capital、Unusual Ventures 及其他投资者也参与了投资。

这家公司正着手解决机器人领域一个代价高昂的瓶颈：一台机器学会某项任务，并不意味着这份知识就能自动迁移到另一台机器上。Dream Labs 希望开发者先使用一个通用模型，再在特定机器人或应用需要更专业训练时对其进行调整。

此次发布包括一个 API、一项微调服务，以及一款基于浏览器的 Robot Playground。用户可以通过后者向该公司位于旧金山办公室内的实体机器人发送指令。Dream Labs 表示，随着模型能力和容量的扩展，这笔资金将主要用于支持算力。

Dream-1 如何将视频与实体动作联系起来

Dream Labs 将 Dream-1 称为世界动作模型。其关于此次发布的技术说明介绍了一套能够同时预测视频和动作的系统：预测场景将如何变化，与判断机器人接下来应该做什么相互关联。

这一差异很重要，因为不同机器人的机身结构各不相同。在一条机械臂上可行的关节指令，不一定适用于另一条机械臂。Dream-1 可以改为预测末端执行器的姿态——每个夹爪应处的位置和朝向，以及夹爪应处于张开还是闭合状态。每台机器人的逆运动学求解器会将这些目标转换为其关节能够执行的动作。

这样一来，不同机器就能使用统一接口，而无需配备完全相同的硬件。该模型使用三个摄像头视角：一个面向场景，另外两个分别位于左右腕部。它的视频表征使模型能够通过同一种视觉媒介，对外观各异的机械臂和夹爪进行推理。

对于开发者而言，这款产品将相关研究整合成一个相对直接的工作流程：机器人提供图像、当前状态和任务指令，模型则返回动作。模型通过 Dream Labs 托管的服务运行，因此开发者无需各自构建并运营机器人基础模型。

零样本迁移的适用范围有明确界定

该公司目前的零样本能力主要针对配有平行夹爪的双臂机器人，也就是具有两条机械臂和简单开合式夹爪的机器。零样本是指模型无需先使用来自某台特定机器的演示数据进行训练，就能尝试在一台陌生机器人上执行任务。

Dream Labs 公布的评估在模拟环境中测试了 27 种未见过的机器人形态，每种形态进行了 300 次 rollout。结果以 YAM 为参照进行报告；YAM 是 Dream-1 的训练对象机器人。不同硬件上的表现差异显著，因此，结合详细结果阅读跨机器人迁移这一核心主张，更能看清其实际意义。

这些相对得分不应与任务绝对成功率混为一谈。此外，将策略迁移到另一台机器人，并不能证明它一定能可靠地完成每项任务。研究页面还在任务评估中分别区分了完全完成和取得部分进展。

这种控制接口也带来了一些权衡。预测夹爪的目标位置，并不能完全确定机械臂到达该位置时所走的路径。障碍物、关节限位以及机器人逆运动学求解器的质量，都可能影响性能。工作空间或动力学特性差异很大的机器人，还可能进一步暴露模型预测与硬件实际可执行动作之间的差距。

微调提供了超越基准模型的途径

当通用模型表现不佳时，Dream Labs 的微调即服务为开发者提供了另一种选择。他们可以上传来自自有机器人的演示数据，获取经过调整的模型，而不必从头启动训练项目。

该公司展示了使用五分钟机器人专属数据进行调整的示例，也展示了面对陌生末端执行器时需要多得多的数据的示例。这些演示说明了调整需求的差异，并不能证明训练时间普遍只需五分钟。

这是一个重要的实际区别。通用模型可以减少让机器人开始运转所需的初始工作，但要让它在特定应用中表现出实用价值，仍可能需要任务专属数据。Dream Labs 承认，经过调整的模型仍然优于零样本运行。

研究页面列出的推理费用为：Dream-1 每小时 3 美元，轻量版 Dream-1-flash 每小时 2 美元。每次模型调用会返回 1.6 秒的动作。在评估部署成本时，硬件、集成以及任何额外服务费用仍需另行考虑。

从研究演示走向可重复的实际作业

这家初创公司的团队此前曾参与 DreamZero 和NVIDIA 的 GR00T 机器人研究。如今，他们正借助 Dream-1 将相关研究转化为一项服务，让开发者能够在自己的机器上进行测试。

开放访问是这项公告的重要组成部分。公开 API 让机器人制造商和规模较小的团队能够直接评估模型的表现，包括了解它在哪些情况下会失败，而不必只依赖经过筛选的演示。在线 Playground 则为没有机器人的用户提供了更便捷的入门方式。

Dream-1 仍处于研究测试阶段，Dream Labs 表示，该模型尚未通过安全关键用途的验证。目前，它主要面向采用双臂平行夹爪系统的操作任务；对移动机器人和灵巧型硬件的更广泛支持，仍属于开发工作的一部分。

商业层面的关键问题是：一个能够跨不同机器迁移的模型，能否在用户愿意付费自动化的任务上也持续稳定地发挥作用。这轮 9000 万美元融资为 Dream Labs 推进这一目标提供了资源。最重要的考验在于，开发者接入一台新机器人后，仍需投入多少定制数据和工程工作。