W piątek start-up zajmujący się robotyką o nazwie Dream Labs wyszedł z ukrycia, przekazując 90 milionów dolarów kapitału początkowego i publiczną premierę Dream-1, modelu, który według firmy może kontrolować roboty, których nigdy wcześniej nie widział, w zakresie zadań, których nigdy wcześniej nie pokazano, zaczynając od 3 dolarów za godzinę za pośrednictwem publicznego interfejsu API.

Ogłoszenie, opublikowane na stronie badawczej Dream Labs, szybko trafiło na pierwszą stronę Hacker News, gdzie komentatorzy debatowali, czy sterowanie robotem zero-shot jest już praktyczne, czy też nadal stanowi wersję demonstracyjną badań. Firma opisuje Dream-1 jako swój pierwszy „światowy model działania” dostępny dla każdego, co oznacza próbę uczynienia zachowań robotów ogólnego przeznaczenia tak łatwymi do podłączenia, jak generowanie tekstu i obrazów stało się w przypadku dużych modeli językowych. Więcej kontekstu na ten temat znajdziesz w naszych trendy AI.

Co właściwie robi Dream-1

Daj Dream-1 robota bimanualnego z równoległymi chwytakami, podłącz go do interfejsu API, a firma twierdzi, że model zacznie wykonywać zadania od razu po wyjęciu z pudełka – bez dostrajania, bez demonstracji konkretnego robota i bez konieczności posiadania specjalistycznej wiedzy w zakresie uczenia maszynowego.

„Chcemy, aby robotyka, którą można uogólnić, była dostępna dla każdego posiadacza robota, a nie tylko dla dużych laboratoriów” – pisze firma w swoim poście wprowadzającym na rynek, opisując konfigurację bliską plug-and-play: podłącz robota, skieruj go do interfejsu API i uruchom. Zespół twierdzi, że co tydzień organizuje wewnętrzne hackatony, aby czas od rejestracji do działającego robota był jak najkrótszy.

Materiały premierowe firmy przedstawiają beta testerów korzystających z Dream-1 do szeregu zadań na stole: sortowania cukierków do pojemników w Anvil Robotics, wyciągania chusteczek w BitRobot w Shenzhen, układania kubków w Cortex w Singapurze, składania pudełek w KAIST w Seulu i przenoszenia kostek między pojemnikami w laboratorium Hugging Face w Paryżu. Dream Labs twierdzi, że beta testerzy w 12 zewnętrznych lokalizacjach uruchomili model autonomicznie z ośmiokrotną szybkością normalną, a wewnętrzni uruchomili go z czterokrotnie większą szybkością.

Druga seria pokazów to dłuższe, autonomiczne sesje: składanie sukienki, zmywanie naczyń do zlewu, wkładanie jajek do kartonu, uzupełnianie puszek z pudełka i wycieranie gąbką blatu.

Od 30-minutowego referatu do firmy

Początki Dream Labs sięgają lutego 2026 r., kiedy jego zespół opublikował DreamZero, artykuł badawczy, w którym przedstawiono modele World Action Models — paradygmat, który według firmy został przyjęty przez społeczność robotyków jako jedno z najbardziej obiecujących podejść do uczenia się robotów. Jak podano w poście inauguracyjnym, rezultatem, który zaskoczył zespół, było to, że po przeszkoleniu DreamZero na zaledwie 30 minutach danych z robota YAM model uogólnił podejście zerowe do zadań, których nigdy wcześniej nie widział. Tego rodzaju transfer wymagał wcześniej setek, a nawet tysięcy godzin danych szkoleniowych specyficznych dla robota.

Zespół twierdzi, że po sześciu miesiącach budowania wynik dojrzał do „wczesnych oznak generalizacji ucieleśnienia typu zero-shot”, czyli możliwości, które Dream-1 udostępnia teraz za pośrednictwem interfejsu API.

Dlaczego problem z danymi ma znaczenie

Robotyka od dawna utknęła w czymś, co firma nazywa pętlą kury i jajka: robot musi być użyteczny, zanim ludzie go kupią, ale uczynienie go użytecznym wymaga danych szkoleniowych z tego konkretnego robota, które gromadzą się dopiero, gdy wystarczająca liczba jednostek znajdzie się w terenie. Samochody autonomiczne uniknęły wersji tego problemu, ponieważ kierowcy-ludzie generowali dane od pierwszego dnia. Większość robotów nigdy nie miała takiego luksusu.

Jeśli pojedynczy model może uogólniać działania na ciałach robota, nowa maszyna zaczyna działać z przydatnymi umiejętnościami, a nie z pustym zbiorem danych, a każde wdrożenie dodaje dane szkoleniowe, które ulepszają następnego robota – głosi argument.

Tani sprzęt to druga połowa historii

Dream Labs łączy swoje twierdzenia dotyczące modelu z argumentem sprzętowym: zdolne roboty są coraz tańsze. Firma twierdzi, że dwuramienny zestaw kosztuje obecnie około 2000 dolarów, a siedem półhumanoidalnych robotów można kupić za mniej niż 15 000 dolarów – to poziom cenowy, który ledwie istniał rok temu.

Z punktu widzenia konsumenta Dream Labs wskazuje na robota biurkowego Microduck firmy Hugging Face za 399 dolarów, który według firmy sprzedał się w ponad 10 000 egzemplarzy w ciągu czterech dni od premiery pod koniec sierpnia. Rozróżnienie, jakie wprowadza firma, jest zamierzone: nabywcy w przedsiębiorstwach podejmują tak zwaną decyzję w oparciu o arkusz kalkulacyjny, a robot, który nie jest w stanie pokonać pracownika pod względem kosztów, szybkości i niezawodności, nie jest kupowany. Konsumenci są inni — ponad 10 000 osób zapłaciło 399 dolarów w ciągu czterech dni za maszynę, której głównym zadaniem jest sprawianie przyjemności, czyli taką, która chodzi, kręci się i jeździ na rolkach. Dream Labs twierdzi, że gdzieś pomiędzy tą zabawką a w pełni sprawnym robotem domowym znajduje się idealny punkt, w którym adopcja zaczyna się nasilać, a każdy robot domowy staje się nowym źródłem danych szkoleniowych.

Ostrzeżenia

Wszystkie twierdzenia dotyczące wydajności pochodzą od samej firmy, a niezależna weryfikacja ogranicza się do tego, co partnerzy wersji beta pokazali publicznie. Dream Labs poświęca osobną sekcję temu, czego Dream-1 nie potrafi, potwierdzając, że uogólnienia są ograniczone: zademonstrowane zadania to w dużej mierze manipulacje na stole za pomocą ramion wyposażonych w chwytaki, z dala od nieuporządkowanego chaosu domów i placów budowy.

Historia robotyki jest pełna uderzających demonstracji, które utknęły w martwym punkcie poza laboratorium. Jednak połączenie publicznego interfejsu API, cen za godzinę i minimalnej ceny sprzętu spadającej w stronę terytorium konsumentów sprawia, że ​​Dream-1 jest jedną z bardziej konkretnych prób przekształcenia podstawowych modeli robotów w infrastrukturę, do której inni programiści mogą po prostu zadzwonić.

---

Bądź na Bieżąco z AI

Najnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.

Czytaj więcej wiadomości AI →