En robotstartup som heter Dream Labs kom ur smyg på fredagen med $90 miljoner i startfinansiering och den offentliga lanseringen av Dream-1, en modell som företaget säger kan styra robotar som det aldrig har sett förut, på uppgifter som det aldrig visades, med start på $3 per timme genom ett offentligt API.
Tillkännagivandet, publicerat på Dream Labs forskningssida, nådde snabbt framsidan av Hacker News, där kommentatorer diskuterade huruvida zero-shot robotstyrning äntligen är praktiskt eller fortfarande en forskningsdemo. Företaget beskriver Dream-1 som sin första "World Action Model" tillgänglig för vem som helst, vilket markerar ett försök att göra robotbeteende för allmänna ändamål lika pluggbart som text- och bildgenerering blev under stora språkmodeller. For more context on this story, see our ongoing AI news.
Vad dröm-1 faktiskt gör
Ge Dream-1 en bimanuell robot med parallella gripdon, anslut den till API:t, och företaget säger att modellen börjar utföra uppgifter direkt - ingen finjustering, inga demonstrationer från den specifika roboten och ingen maskininlärningsexpertis krävs.
"Vi vill att generaliserbar robotik ska vara tillgänglig för alla med en robot, inte bara stora labb", skriver företaget i sitt lanseringsinlägg och beskriver installationen som nära plug-and-play: anslut din robot, rikta den mot API:et och kör. Teamet säger att det kör interna hackathons varje vecka för att hålla tiden från registrering till en fungerande robot så kort som möjligt.
Företagets lanseringsmaterial visar betatestare som kör Dream-1 över en rad bordsuppgifter: sortera godis i behållare på Anvil Robotics, dra vävnader på BitRobot i Shenzhen, stapla muggar på Cortex i Singapore, fälla lådor på KAIST i Seoul och flytta kuber mellan containrar på Hugging Faces labb i Paris. Dream Labs säger att betatestare på 12 externa platser körde modellen autonomt med åtta gånger normal hastighet, med interna körningar på fyra gånger hastigheten.
En andra uppsättning demonstrationer visar längre självständiga sessioner: vika en klänning, rensa disken i ett handfat, lägga ägg i en kartong, fylla på burkar från en låda och torka av en bänkskiva med en svamp.
Från ett 30-minuterspapper till ett företag
Dream Labs spårar sitt ursprung till februari 2026, då dess team släppte DreamZero, forskningsrapporten som introducerade World Action Models – ett paradigm som företaget säger att robotsamhället sedan dess har antagit som ett av de mest lovande tillvägagångssätten inom robotinlärning. Resultatet som förvånade teamet, enligt lanseringsinlägget, var att efter att ha tränat DreamZero på bara 30 minuters data från en YAM-robot, generaliserade modellen zero-shot till uppgifter som den aldrig hade sett. Den typen av överföring krävde tidigare hundratals eller till och med tusentals timmar av robotspecifik träningsdata.
Efter sex månaders konstruktion säger teamet att resultatet har mognat till "tidiga tecken på generalisering av noll-shot embodiment", förmågan som Dream-1 nu exponerar genom sitt API.
Varför dataproblemet är viktigt
Robotik har länge fastnat i vad företaget kallar en kyckling-och-ägg-loop: en robot måste vara användbar innan folk köper den, men för att göra den användbar krävs träningsdata från den exakta roboten, som bara ackumuleras när tillräckligt många enheter är i fält. Självkörande bilar undkom en version av detta problem eftersom mänskliga förare genererade data från dag ett. De flesta robotar hade aldrig den lyxen.
Om en enskild modell kan generalisera över robotkroppar, börjar en ny maskin med användbara färdigheter istället för en tom datauppsättning – och varje implementering lägger till träningsdata som förbättrar nästa robot, lyder argumentet.
Billig hårdvara är den andra hälften av historien
Dream Labs parar sina modellkrav med ett hårdvaruargument: kapabla robotar blir dramatiskt billigare. En tvåarmad installation kostar nu runt 2 000 dollar, säger företaget, och sju semi-humanoida robotar är tillgängliga för under 15 000 dollar - en prisnivå som knappt fanns för ett år sedan.
På konsumentsidan pekar Dream Labs på Hugging Faces Microduck-skrivbordsrobot på 399 $, som företaget säger sålde mer än 10 000 enheter inom fyra dagar efter lanseringen i slutet av augusti. Skillnaden som företaget gör är avsiktlig: företagsköpare fattar vad de kallar ett kalkylbladsbeslut, och en robot som inte kan slå en arbetare på kostnad, hastighet eller tillförlitlighet köps inte. Konsumenterna är olika – mer än 10 000 personer betalade 399 USD på fyra dagar för en maskin vars huvudsakliga uppgift är att vara förtjusande, en som går, vaggar och åker rullskridskor. Någonstans mellan den leksaken och en fullt kapabel hemmarobot, hävdar Dream Labs, ligger en söt plats där adoption börjar bli sammansatt, och varje hushållsrobot blir en ny källa för träningsdata.
Varningar
Alla prestationsanspråk kommer från företaget självt, och oberoende verifiering är begränsad till vad betapartner har visat offentligt. Dream Labs ägnar sitt eget avsnitt åt vad Dream-1 inte kan göra, ett erkännande av att generaliseringen förblir snäv: de demonstrerade uppgifterna är till stor del bordsmanipulation med gripar-utrustade armar, en lång väg från det ostrukturerade kaoset i hem och byggarbetsplatser.
Robotics historia är full av slående demos som stannade utanför labbet. Men kombinationen av ett offentligt API, prissättning per timme och ett hårdvarupris som sjunker mot konsumentområdet gör Dream-1 till ett av de mer konkreta försöken hittills att förvandla robotfundamentmodeller till infrastruktur som andra utvecklare helt enkelt kan anropa.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
