Permulaan robotik yang dipanggil Dream Labs keluar secara senyap pada hari Jumaat dengan pembiayaan benih $90 juta dan pelancaran awam Dream-1, model yang dikatakan syarikat itu boleh mengawal robot yang tidak pernah dilihatnya sebelum ini, pada tugas yang tidak pernah ditunjukkan, bermula pada $3 sejam melalui API awam.
Pengumuman itu, yang diterbitkan pada halaman penyelidikan Dream Labs, dengan cepat sampai ke muka depan Berita Hacker, di mana pengulas membahaskan sama ada kawalan robot sifar tembakan akhirnya praktikal atau masih demo penyelidikan. Syarikat itu menerangkan Dream-1 sebagai "Model Tindakan Dunia" pertamanya yang tersedia kepada sesiapa sahaja, menandakan bidaan untuk menjadikan tingkah laku robot tujuan am sebagai boleh dipasang apabila penjanaan teks dan imej menjadi di bawah model bahasa yang besar. For more context on this story, see our ongoing latest AI developments.
Apa Sebenarnya Dream-1
Berikan Dream-1 robot bimanual dengan penggenggam selari, sambungkannya ke API, dan syarikat itu berkata model itu mula melaksanakan tugas di luar kotak — tiada penalaan halus, tiada demonstrasi daripada robot khusus itu dan tiada kepakaran pembelajaran mesin diperlukan.
"Kami mahu robotik yang boleh digeneralisasikan boleh diakses oleh sesiapa sahaja yang mempunyai robot, bukan hanya makmal besar," tulis syarikat itu dalam catatan pelancarannya, menggambarkan persediaan itu hampir dengan plug-and-play: sambungkan robot anda, halakan ke API dan jalankan. Pasukan itu berkata ia menjalankan hackathon dalaman mingguan untuk memastikan masa daripada mendaftar ke robot berfungsi sesingkat mungkin.
Bahan pelancaran syarikat menunjukkan penguji beta menjalankan Dream-1 merentasi pelbagai tugas atas meja: menyusun gula-gula ke dalam bekas di Anvil Robotics, menarik tisu di BitRobot di Shenzhen, menyusun cawan di Cortex di Singapura, melipat kotak di KAIST di Seoul dan memindahkan kiub antara bekas di makmal Hugging Face di Paris. Dream Labs berkata penguji beta di 12 tapak luaran menjalankan model secara autonomi pada lapan kali kelajuan biasa, dengan larian dalaman pada kelajuan empat kali ganda.
Satu set demonstrasi kedua menunjukkan sesi autonomi yang lebih panjang: melipat pakaian, membersihkan pinggan mangkuk ke dalam singki, memasukkan telur ke dalam karton, mengisi semula tin dari kotak dan mengelap permukaan meja dengan span.
Daripada Kertas 30 Minit kepada Syarikat
Dream Labs mengesan asal usulnya hingga Februari 2026, apabila pasukannya mengeluarkan DreamZero, kertas penyelidikan yang memperkenalkan Model Tindakan Dunia — paradigma yang dikatakan syarikat itu sejak itu telah diterima pakai oleh komuniti robotik sebagai salah satu pendekatan yang paling menjanjikan dalam pembelajaran robot. Keputusan yang mengejutkan pasukan itu, menurut siaran pelancaran, ialah selepas latihan selepas DreamZero pada hanya 30 minit data daripada robot YAM, model itu menyamaratakan pukulan sifar kepada tugas yang tidak pernah dilihatnya. Pemindahan jenis itu sebelum ini memerlukan ratusan atau bahkan ribuan jam data latihan khusus robot.
Selepas enam bulan membina, pasukan itu mengatakan bahawa keputusan telah matang menjadi "tanda awal generalisasi penjelmaan sifar pukulan", keupayaan Dream-1 kini mendedahkan melalui APInya.
Mengapa Masalah Data Penting
Robotik telah lama terperangkap dalam apa yang syarikat panggil gelung ayam-dan-telur: robot perlu berguna sebelum orang membelinya, tetapi menjadikannya berguna memerlukan data latihan daripada robot tepat itu, yang hanya terkumpul sebaik sahaja unit yang mencukupi berada di lapangan. Kereta pandu sendiri terlepas daripada versi masalah ini kerana pemandu manusia menjana data dari hari pertama. Kebanyakan robot tidak pernah mempunyai kemewahan itu.
Jika satu model boleh digeneralisasikan merentasi badan robot, mesin baharu bermula dengan kemahiran berguna dan bukannya set data kosong — dan setiap penempatan menambah data latihan yang menambah baik robot seterusnya, hujah itu berlaku.
Perkakasan Murah Merupakan Separuh Cerita
Dream Labs menggandingkan tuntutan modelnya dengan hujah perkakasan: robot berkebolehan semakin murah secara mendadak. Persediaan dua senjata kini berharga sekitar $2,000, kata syarikat itu, dan tujuh robot separa humanoid tersedia dengan harga di bawah $15,000 - peringkat harga yang hampir tidak wujud setahun lalu.
Pada penghujung pengguna, Dream Labs menunjuk kepada robot desktop Microduck $399 Hugging Face, yang dikatakan syarikat itu menjual lebih daripada 10,000 unit dalam masa empat hari selepas pelancarannya pada akhir Ogos. Perbezaan yang dibuat oleh syarikat adalah disengajakan: pembeli perusahaan membuat apa yang dipanggil keputusan hamparan, dan robot yang tidak dapat mengalahkan pekerja dari segi kos, kelajuan atau kebolehpercayaan tidak akan dibeli. Pengguna adalah berbeza — lebih daripada 10,000 orang membayar $399 dalam empat hari untuk sebuah mesin yang tugas utamanya adalah untuk menjadi menarik, mesin yang berjalan, berjalan, dan kasut roda. Di suatu tempat di antara mainan itu dan robot rumah yang berkebolehan sepenuhnya, Dream Labs berpendapat, terletak titik manis di mana penerimaan mula bertambah, dan setiap robot isi rumah menjadi sumber data latihan baharu.
Kaveat
Semua tuntutan prestasi datang daripada syarikat itu sendiri dan pengesahan bebas adalah terhad kepada perkara yang ditunjukkan oleh rakan kongsi beta secara terbuka. Dream Labs menumpukan bahagiannya sendiri kepada perkara yang tidak dapat dilakukan oleh Dream-1, satu pengakuan bahawa generalisasi kekal sempit: tugas yang ditunjukkan sebahagian besarnya adalah manipulasi atas meja dengan lengan yang dilengkapi penggenggam, jauh dari huru-hara rumah dan tapak pembinaan yang tidak berstruktur.
Sejarah robotik penuh dengan tunjuk cara menarik yang terhenti di luar makmal. Tetapi gabungan API awam, penetapan harga sejam dan paras harga perkakasan yang menurun ke arah wilayah pengguna menjadikan Dream-1 sebagai salah satu percubaan yang lebih konkrit untuk mengubah model asas robot menjadi infrastruktur yang boleh dipanggil oleh pemaju lain.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
