Una startup di robotica chiamata Dream Labs è uscita allo scoperto venerdì con 90 milioni di dollari in finanziamenti iniziali e il lancio pubblico di Dream-1, un modello che secondo la società può controllare robot mai visti prima, in compiti mai mostrati, a partire da 3 dollari l'ora attraverso un'API pubblica.
L'annuncio, pubblicato sulla pagina di ricerca di Dream Labs, ha raggiunto rapidamente la prima pagina di Hacker News, dove i commentatori hanno discusso se il controllo dei robot a colpo zero sia finalmente pratico o sia ancora una dimostrazione di ricerca. L'azienda descrive Dream-1 come il suo primo "World Action Model" disponibile a chiunque, segnando un tentativo di rendere il comportamento dei robot per scopi generali inseribile man mano che la generazione di testo e immagini è diventata sotto modelli linguistici di grandi dimensioni. Per maggiori informazioni su questa storia, consulta la nostra aggiornamenti sull'intelligenza artificiale.
Cosa fa realmente Dream-1
Dai a Dream-1 un robot bimanuale con pinze parallele, collegalo all'API e l'azienda afferma che il modello inizia a eseguire attività fuori dagli schemi: nessuna messa a punto, nessuna dimostrazione da quello specifico robot e nessuna esperienza di apprendimento automatico richiesta.
"Vogliamo che la robotica generalizzabile sia accessibile a chiunque abbia un robot, non solo ai grandi laboratori", scrive l'azienda nel suo post di lancio, descrivendo la configurazione come vicina al plug-and-play: collega il tuo robot, puntalo verso l'API ed esegui. Il team afferma di organizzare hackathon interni settimanali per ridurre al minimo il tempo trascorso dall'iscrizione a un robot funzionante.
Il materiale di lancio dell'azienda mostra beta tester che eseguono Dream-1 in una serie di attività da tavolo: smistare caramelle in contenitori presso Anvil Robotics, tirare fazzoletti presso BitRobot a Shenzhen, impilare tazze presso Cortex a Singapore, piegare scatole presso KAIST a Seoul e spostare cubi tra contenitori presso il laboratorio di Hugging Face a Parigi. Dream Labs afferma che i beta tester in 12 siti esterni hanno eseguito il modello in modo autonomo a una velocità otto volte superiore alla velocità normale, con esecuzioni interne a una velocità quattro volte superiore.
Una seconda serie di dimostrazioni mostra sessioni autonome più lunghe: piegare un vestito, pulire i piatti nel lavandino, mettere le uova in un cartone, rifornire i barattoli da una scatola e pulire il piano di lavoro con una spugna.
Da un articolo di 30 minuti a un'azienda
Dream Labs fa risalire la sua origine al febbraio 2026, quando il suo team ha pubblicato DreamZero, il documento di ricerca che ha introdotto World Action Models, un paradigma che secondo l'azienda la comunità della robotica ha adottato da allora come uno degli approcci più promettenti nell'apprendimento dei robot. Il risultato che ha sorpreso il team, secondo il post di lancio, è stato che dopo il post-addestramento di DreamZero su soli 30 minuti di dati provenienti da un robot YAM, il modello ha generalizzato lo zero-shot a compiti che non aveva mai visto. Questo tipo di trasferimento in precedenza richiedeva centinaia o addirittura migliaia di ore di dati di addestramento specifici del robot.
Dopo sei mesi di costruzione, il team afferma che il risultato è maturato in "primi segnali di generalizzazione dell'incarnazione zero-shot", la capacità che Dream-1 ora espone attraverso la sua API.
Perché il problema dei dati è importante
La robotica è rimasta a lungo bloccata in quello che l’azienda chiama il ciclo dell’uovo e della gallina: un robot deve essere utile prima che le persone lo acquistino, ma per renderlo utile sono necessari dati di addestramento provenienti da quel robot esatto, che si accumulano solo quando sul campo sono presenti abbastanza unità. Le auto a guida autonoma sono sfuggite a una versione di questo problema perché i conducenti umani hanno generato dati sin dal primo giorno. La maggior parte dei robot non ha mai avuto questo lusso.
Se un singolo modello può generalizzarsi su tutti i corpi dei robot, una nuova macchina inizia con competenze utili invece che con un set di dati vuoto e ogni implementazione aggiunge dati di addestramento che migliorano il robot successivo, si sostiene.
L'hardware economico è l'altra metà della storia
Dream Labs abbina le sue affermazioni sul modello con un argomento hardware: i robot capaci stanno diventando notevolmente più economici. Una configurazione a due bracci ora costa circa 2.000 dollari, dice l’azienda, e sette robot semi-umanoidi sono disponibili per meno di 15.000 dollari, una fascia di prezzo che esisteva a malapena un anno fa.
Per quanto riguarda il consumatore, Dream Labs punta al robot desktop Microduck da 399 dollari di Hugging Face, che secondo la società ha venduto più di 10.000 unità entro quattro giorni dal suo lancio a fine agosto. La distinzione tracciata dall’azienda è intenzionale: gli acquirenti aziendali prendono quella che viene chiamata una decisione basata su un foglio di calcolo e un robot che non può battere un lavoratore in termini di costi, velocità o affidabilità non viene acquistato. I consumatori sono diversi: più di 10.000 persone hanno pagato 399 dollari in quattro giorni per una macchina il cui compito principale è essere piacevole, una macchina che cammina, dondola e pattina a rotelle. Da qualche parte tra quel giocattolo e un robot domestico pienamente capace, sostiene Dream Labs, c’è un punto debole in cui l’adozione inizia ad aumentare e ogni robot domestico diventa una nuova fonte di dati di addestramento.
Gli avvertimenti
Tutte le dichiarazioni sulle prestazioni provengono dall'azienda stessa e la verifica indipendente è limitata a ciò che i partner beta hanno mostrato pubblicamente. Dream Labs dedica una propria sezione a ciò che Dream-1 non può fare, riconoscendo che la generalizzazione rimane ristretta: i compiti dimostrati sono in gran parte la manipolazione di tavoli con bracci dotati di pinze, molto lontani dal caos non strutturato di case e cantieri.
La storia della robotica è piena di dimostrazioni straordinarie rimaste bloccate fuori dal laboratorio. Ma la combinazione di un’API pubblica, prezzi orari e un prezzo minimo dell’hardware in calo verso il territorio dei consumatori rende Dream-1 uno dei tentativi più concreti finora di trasformare i modelli di base dei robot in infrastrutture che altri sviluppatori possono semplicemente chiamare.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
