Sebuah startup robotika bernama Dream Labs muncul secara diam-diam pada hari Jumat dengan pendanaan awal sebesar $90 juta dan peluncuran publik Dream-1, sebuah model yang menurut perusahaan dapat mengendalikan robot yang belum pernah dilihat sebelumnya, pada tugas-tugas yang belum pernah diperlihatkan, mulai dari $3 per jam melalui API publik.
Pengumuman tersebut, yang dipublikasikan di halaman penelitian Dream Labs, dengan cepat mencapai halaman depan Hacker News, di mana para komentator memperdebatkan apakah kendali robot zero-shot akhirnya praktis atau masih berupa demo penelitian. Perusahaan ini menggambarkan Dream-1 sebagai "Model Aksi Dunia" pertama yang tersedia bagi siapa saja, menandai upaya untuk membuat perilaku robot untuk tujuan umum dapat diterapkan seiring dengan pembuatan teks dan gambar dalam model bahasa besar. For more context on this story, see our ongoing AI news.
Apa yang Sebenarnya Dilakukan Dream-1
Berikan Dream-1 robot bimanual dengan gripper paralel, sambungkan ke API, dan perusahaan mengatakan model tersebut akan mulai melakukan tugas secara langsung — tanpa penyesuaian, tidak ada demonstrasi dari robot spesifik tersebut, dan tidak diperlukan keahlian pembelajaran mesin.
“Kami ingin robotika yang dapat digeneralisasikan dapat diakses oleh siapa saja yang memiliki robot, bukan hanya laboratorium besar,” tulis perusahaan tersebut dalam postingan peluncurannya, menggambarkan pengaturannya hampir seperti plug-and-play: sambungkan robot Anda, arahkan ke API, dan jalankan. Tim mengatakan mereka menjalankan hackathon internal mingguan untuk menjaga waktu mulai dari pendaftaran hingga robot yang berfungsi sesingkat mungkin.
Materi peluncuran perusahaan menunjukkan penguji beta menjalankan Dream-1 dalam berbagai tugas meja: menyortir permen ke dalam wadah di Anvil Robotics, menarik tisu di BitRobot di Shenzhen, menumpuk cangkir di Cortex di Singapura, melipat kotak di KAIST di Seoul, dan memindahkan kubus antar wadah di laboratorium Hugging Face di Paris. Dream Labs mengatakan penguji beta di 12 situs eksternal menjalankan model secara mandiri dengan kecepatan delapan kali lipat dari kecepatan normal, sedangkan pengujian internal dilakukan dengan kecepatan empat kali lipat.
Demonstrasi kedua menunjukkan sesi otonomi yang lebih panjang: melipat pakaian, membersihkan piring di wastafel, memasukkan telur ke dalam karton, mengisi kembali kaleng dari kotak, dan menyeka meja dengan spons.
Dari Makalah 30 Menit ke Perusahaan
Dream Labs berawal pada Februari 2026, ketika timnya merilis DreamZero, makalah penelitian yang memperkenalkan World Action Models – sebuah paradigma yang menurut perusahaan telah diadopsi oleh komunitas robotika sebagai salah satu pendekatan paling menjanjikan dalam pembelajaran robot. Hasil yang mengejutkan tim, menurut postingan peluncuran, adalah setelah pasca-pelatihan DreamZero hanya dengan data 30 menit dari robot YAM, model tersebut menggeneralisasi zero-shot ke tugas-tugas yang belum pernah dilakukan sebelumnya. Transfer semacam itu sebelumnya memerlukan ratusan atau bahkan ribuan jam data pelatihan khusus robot.
Setelah enam bulan membangun, tim mengatakan bahwa hasil tersebut telah berkembang menjadi "tanda-tanda awal generalisasi perwujudan zero-shot," kemampuan yang kini dipaparkan Dream-1 melalui API-nya.
Mengapa Masalah Data Penting
Robotika telah lama terjebak dalam apa yang disebut oleh perusahaan sebagai lingkaran ayam dan telur: robot harus berguna sebelum orang membelinya, namun untuk membuatnya berguna memerlukan data pelatihan dari robot tersebut, yang hanya terakumulasi ketika unit sudah cukup berada di lapangan. Mobil self-driving lolos dari masalah ini karena pengemudi manusia menghasilkan data sejak hari pertama. Kebanyakan robot tidak pernah memiliki kemewahan itu.
Jika sebuah model dapat digeneralisasi ke seluruh tubuh robot, mesin baru akan memulai dengan keterampilan yang berguna, bukan kumpulan data kosong — dan setiap penerapan akan menambahkan data pelatihan yang akan menyempurnakan robot berikutnya, demikian argumennya.
Perangkat Keras Murah Adalah Separuh Kisah Lainnya
Dream Labs memadukan klaim modelnya dengan argumen perangkat keras: robot yang mumpuni kini jauh lebih murah. Pengaturan dua tangan sekarang berharga sekitar $2.000, kata perusahaan, dan tujuh robot semi-humanoid tersedia dengan harga di bawah $15.000 – tingkat harga yang hampir tidak ada setahun yang lalu.
Di sisi konsumen, Dream Labs mengacu pada robot desktop Microduck seharga $399 dari Hugging Face, yang menurut perusahaan terjual lebih dari 10.000 unit dalam waktu empat hari sejak peluncurannya pada akhir Agustus. Perbedaan yang dibuat oleh perusahaan ini disengaja: pembeli perusahaan membuat apa yang disebut dengan keputusan spreadsheet, dan robot yang tidak dapat mengalahkan pekerja dalam hal biaya, kecepatan, atau keandalan tidak akan dibeli. Konsumen berbeda-beda — lebih dari 10.000 orang membayar $399 dalam empat hari untuk sebuah mesin yang tugas utamanya adalah menyenangkan, yaitu mesin yang dapat berjalan, berjalan terhuyung-huyung, dan bermain sepatu roda. Dream Labs berpendapat bahwa antara mainan tersebut dan robot rumahan yang berkemampuan penuh, terdapat titik manis di mana adopsi mulai meningkat, dan setiap robot rumah tangga menjadi sumber data pelatihan baru.
Peringatan
Semua klaim kinerja berasal dari perusahaan itu sendiri, dan verifikasi independen terbatas pada apa yang telah ditunjukkan oleh mitra beta kepada publik. Dream Labs mencurahkan bagiannya sendiri untuk hal-hal yang tidak dapat dilakukan oleh Dream-1, sebuah pengakuan bahwa generalisasi masih sempit: tugas-tugas yang ditunjukkan sebagian besar adalah manipulasi meja dengan lengan yang dilengkapi gripper, jauh dari kekacauan tak terstruktur di rumah dan lokasi konstruksi.
Sejarah robotika penuh dengan demo mencolok yang terhenti di luar lab. Namun kombinasi API publik, harga per jam, dan penurunan harga perangkat keras menuju wilayah konsumen menjadikan Dream-1 salah satu upaya lebih konkrit untuk mengubah model fondasi robot menjadi infrastruktur yang dapat dengan mudah digunakan oleh pengembang lain.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
