Ein Robotik-Startup namens Dream Labs kam am Freitag mit einer Anschubfinanzierung in Höhe von 90 Millionen US-Dollar und dem öffentlichen Start von Dream-1 aus dem Verborgenen. Dabei handelt es sich um ein Modell, das nach Angaben des Unternehmens Roboter steuern kann, die es noch nie zuvor gesehen hat, und zwar für nie zuvor gezeigte Aufgaben, und zwar ab 3 US-Dollar pro Stunde über eine öffentliche API.

Die Ankündigung, die auf der Forschungsseite von Dream Labs veröffentlicht wurde, erreichte schnell die Titelseite von Hacker News, wo Kommentatoren darüber debattierten, ob die Zero-Shot-Robotersteuerung endlich praktikabel ist oder noch eine Forschungsdemo ist. Das Unternehmen beschreibt Dream-1 als sein erstes „Weltaktionsmodell“, das für jedermann zugänglich ist, und markiert damit den Versuch, das Verhalten von Allzweckrobotern so steckbar zu machen, wie es bei der Text- und Bildgenerierung unter großen Sprachmodellen der Fall war. Weitere Informationen zu dieser Geschichte finden Sie in unserer KI-Branchenberichterstattung.

Was Dream-1 tatsächlich macht

Geben Sie Dream-1 einen bimanuellen Roboter mit parallelen Greifern, verbinden Sie ihn mit der API, und das Unternehmen sagt, dass das Modell sofort mit der Ausführung von Aufgaben beginnt – keine Feinabstimmung, keine Demonstrationen von diesem bestimmten Roboter und keine Kenntnisse im Bereich maschinelles Lernen erforderlich.

„Wir wollen, dass verallgemeinerbare Robotik für jeden zugänglich ist, der einen Roboter hat, nicht nur für große Labore“, schreibt das Unternehmen in seinem Einführungsbeitrag und beschreibt den Aufbau als nahezu Plug-and-Play: Schließen Sie Ihren Roboter an, richten Sie ihn auf die API und führen Sie ihn aus. Das Team gibt an, wöchentlich interne Hackathons durchzuführen, um die Zeit von der Anmeldung bis zu einem funktionierenden Roboter so kurz wie möglich zu halten.

Das Einführungsmaterial des Unternehmens zeigt Betatester, die Dream-1 bei einer Reihe von Tischaufgaben ausführen: Süßigkeiten in Behälter bei Anvil Robotics sortieren, Taschentücher bei BitRobot in Shenzhen ziehen, Becher bei Cortex in Singapur stapeln, Schachteln bei KAIST in Seoul falten und Würfel zwischen Behältern im Labor von Hugging Face in Paris bewegen. Laut Dream Labs ließen Betatester an 12 externen Standorten das Modell autonom mit achtfacher Normalgeschwindigkeit laufen, interne Läufe erfolgten mit vierfacher Geschwindigkeit.

Eine zweite Reihe von Demonstrationen zeigt längere autonome Sitzungen: ein Kleid falten, Geschirr in eine Spüle räumen, Eier in einen Karton legen, Dosen aus einer Schachtel auffüllen und eine Arbeitsplatte mit einem Schwamm abwischen.

Von einem 30-Minuten-Beitrag zum Unternehmen

Der Ursprung von Dream Labs geht auf Februar 2026 zurück, als sein Team DreamZero veröffentlichte, das Forschungspapier, das World Action Models einführte – ein Paradigma, das die Robotik-Community nach Angaben des Unternehmens seitdem als einen der vielversprechendsten Ansätze beim Roboterlernen übernommen hat. Das Ergebnis, das das Team laut dem Startbeitrag überraschte, war, dass das Modell nach dem Training von DreamZero mit nur 30 Minuten Daten eines YAM-Roboters Zero-Shot auf Aufgaben verallgemeinerte, die es noch nie gesehen hatte. Bisher waren für diese Art der Übertragung Hunderte oder sogar Tausende Stunden an roboterspezifischen Trainingsdaten erforderlich.

Nach sechs Monaten Bauzeit sagt das Team, dass das Ergebnis zu „ersten Anzeichen einer Zero-Shot-Verkörperungsgeneralisierung“ ausgereift ist, der Fähigkeit, die Dream-1 nun über seine API offenlegt.

Warum das Datenproblem wichtig ist

Die Robotik steckt seit langem in einer sogenannten Henne-Ei-Schleife fest: Ein Roboter muss nützlich sein, bevor die Leute ihn kaufen, aber um ihn nützlich zu machen, sind Trainingsdaten von genau diesem Roboter erforderlich, die sich erst ansammeln, wenn genügend Einheiten im Einsatz sind. Selbstfahrende Autos entgingen einer Version dieses Problems, weil menschliche Fahrer vom ersten Tag an Daten generierten. Die meisten Roboter hatten diesen Luxus nie.

Wenn ein einzelnes Modell über Roboterkörper hinweg verallgemeinert werden kann, startet eine neue Maschine mit nützlichen Fähigkeiten statt mit einem leeren Datensatz – und jeder Einsatz fügt Trainingsdaten hinzu, die den nächsten Roboter verbessern, so das Argument.

Billige Hardware ist die andere Hälfte der Geschichte

Dream Labs verbindet seine Modellansprüche mit einem Hardware-Argument: Leistungsfähige Roboter werden dramatisch billiger. Ein zweiarmiger Aufbau kostet laut Angaben des Unternehmens mittlerweile etwa 2.000 US-Dollar, und sieben halbhumanoide Roboter sind für unter 15.000 US-Dollar erhältlich – eine Preisklasse, die es vor einem Jahr kaum gab.

Auf der Verbraucherseite verweist Dream Labs auf den 399 US-Dollar teuren Microduck-Desktoproboter von Hugging Face, von dem nach Angaben des Unternehmens innerhalb von vier Tagen nach seiner Markteinführung Ende August mehr als 10.000 Einheiten verkauft wurden. Die Unterscheidung, die das Unternehmen trifft, ist bewusst: Unternehmenskäufer treffen eine so genannte Tabellenkalkulationsentscheidung, und ein Roboter, der einen Arbeiter in Bezug auf Kosten, Geschwindigkeit oder Zuverlässigkeit nicht schlagen kann, wird nicht gekauft. Verbraucher sind anders – mehr als 10.000 Menschen zahlten in vier Tagen 399 US-Dollar für eine Maschine, deren Hauptaufgabe darin besteht, Freude zu bereiten, die läuft, watschelt und Rollschuhe fährt. Irgendwo zwischen diesem Spielzeug und einem voll funktionsfähigen Heimroboter liegt laut Dream Labs ein idealer Punkt, an dem die Akzeptanz zunimmt und jeder Haushaltsroboter zu einer neuen Quelle für Trainingsdaten wird.

Die Vorbehalte

Alle Leistungsansprüche stammen vom Unternehmen selbst und die unabhängige Überprüfung beschränkt sich auf das, was Beta-Partner öffentlich gezeigt haben. Dream Labs widmet dem, was Dream-1 nicht leisten kann, einen eigenen Abschnitt und räumt damit ein, dass die Verallgemeinerung eng bleibt: Bei den demonstrierten Aufgaben handelt es sich größtenteils um Tischmanipulationen mit mit Greifern ausgestatteten Armen, weit entfernt vom unstrukturierten Chaos in Häusern und auf Baustellen.

Die Geschichte der Robotik ist voll von beeindruckenden Demos, die außerhalb des Labors ins Stocken geraten sind. Aber die Kombination aus einer öffentlichen API, stundenweisen Preisen und einer Hardware-Preisuntergrenze, die in Richtung Verbraucherbereich sinkt, macht Dream-1 zu einem der bisher konkreteren Versuche, Roboterfundamentmodelle in eine Infrastruktur umzuwandeln, die andere Entwickler einfach nennen können.

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →