刚刚，全球首个机器人大脑API开放！英伟达DreamZero团队创业，葛云皓任CTO

机器之心报道

今天，DreamZero 团队创立的 Dream Labs 正式结束隐身，宣布完成 9000 万美元种子轮融资，同时上线 Dream API：全球首个开放给公众的机器人大脑 API。

这意味着， 任何人都可以将 Dream API 接入自己的机器人，只需提供自然语言指令，Dream API 就能生成相应的电机控制指令，让机器人执行任务。更重要的是，它还能适配训练中从未见过的机器人。

目前已有 20 多家硬件厂商加入合作。

这支来自英伟达的团队今年 2 月提出了 世界动作模型（WAM），WAM 如今已是具身智能最热的路线之一。

Dream API 背后搭载的是 Dream Labs 的首个模型 Dream-1，能够实时、闭环地控制机器人。开发者无需机器学习背景，就能将这一能力接入自己的机器人，使用价格仅为每小时 3 美元。任何人都可以到 dreamlabs.ai 官网尝试。

Dream-1 宣传片

Dream Labs官网： https://dreamlabs.ai/

本轮融资由 B Capital 领投，Kindred Ventures、A.Capital、Unusual Ventures、SV Angel、Wing VC、Scribble VC 以及 Adrian Aoun 等跟投。

机器人缺一个通用大脑

全球工厂里运行着创纪录的 500 万台工业机器人，但几乎每一台都只为单一任务编程，学到的东西没法迁移到另一台机器上。

与此同时，机器人硬件正在迅速变便宜：一套双臂机械臂最低约 2000 美元，低于 1.5 万美元的半人形机器人也越来越多。可这些机器人出厂时几乎都没有「大脑」。教会一台机器人做一件事，往往要专家花上几个月；换个任务、换台硬件，又得从头再来。

聊天机器人之所以能迅速普及，是因为一个通用模型，任何人打开电脑或手机就能用上。在 Dream Labs 看来，机器人也需要这样的时刻。便宜的硬件 加上能零样本泛化的模型，才能让数据飞轮转起来：机器人更早变得有用，就会有更多人用，产生更多数据，模型再变得更好。

Dream API：开放给所有人的机器人大脑

过去，想让机器人用上一个基础模型，往往要自己训练或和厂商深度合作。Dream API 是全球首个开放给公众的机器人基础模型 API：开发者注册后把机人接上 API 就能用。模型部署在全球多个数据中心，机器人在哪里都能快速响应。

围绕 Dream API，还有两项配套服务：

微调（FaaS）：遇到还不支持的硬件或新任务，开发者和机器人厂商提交少量演示数据，几小时内就能拿到定制模型。对一台新机器人，一条 5 分钟的轨迹 就足以完成适配：在 12 台参与 Beta 测试的合作伙伴机器人上， 有 10 台的 Language following 得分 得到提升。

Robot Playground：不用买机器人，打开浏览器就能给 Dream Labs 旧金山办公室里的真实机器人下指令，实时观看它的反应，全程不剪辑。

价格方面，除了每小时 3 美元的 Dream-1，还有更快更轻的 Dream-1-flash，每小时 2 美元。

Dream Labs 联合创始人兼 CTO 葛云皓说：「就像 ChatGPT 第一次面向公众发布那样，机器人也终于迎来了第一个开放给公众的通用大脑 API。它可能还不完美，但总有人需要迈出第一步。」

Dream-1：从视频里学会「跨本体」

Dream-1 能在不同厂商的机器人上工作。它在人们完成日常任务的视频上训练，学会预测接下来会发生什么，再据此决定机器人该做的动作。因为它是从视频、而不是从某一台机器上学习，学到的能力就能在不同硬件之间迁移：对于带夹爪的双臂机器人，Dream-1 开箱即可零样本上手。

Dream Labs 联合创始人兼 CEO Joel Jang 打了个比方：「你坐进一辆租来的车，不需要重新学开车，找到操控装置，过去的驾驶经验会搞定剩下的事。Dream-1 对待新机器人也是这样，一台新机器人几分钟就能干上有用的活，而不是几个月。」

为什么从视频学习就能跨本体？葛云皓告诉机器之心：「世界动作模型同时学习预测视频和动作，所以『控制一台机器人』和『想象这台机器人接下来会做什么』变成了同一个问题。而在头部相机看来，任何机器人都只是画面里移动的形状，视频是所有机器人共享的那一种表示。只要模型能预测出一台新机器人完成任务时的样子，它就能生成让机器人到达那里的动作。」

没见过的机器人、没教过的任务，也能零样本上手

团队在仿真中评测了 27 种 Dream-1  从没见过的机器人，包括宇树 R1、Baxter、双臂 UR5e、ALOHA 等，每种跑 300 次 rollout。以 YAM 的表现为 100%，其中 24 种达到一半以上，最高的双臂 PiPER 达到 91.2%。

在真机上，Dream-1 同样在没有任何特定本体数据的情况下，零样本控制了 MakerMods 的 Metal Arm 和 Maker Arm、Seeed Studio 的 reBot B601-DM、Anvil Robotics 的 OpenYAM，以及 Dexmate 的 Vega 等合作伙伴机器人，完成叠毛巾、关抽屉、把耳机挂到钩子上、「把不是猕猴桃的水果放进篮子」等指令。

Dream-1 零样本控制新机器人

它也能在没去过的环境里完成没见过的任务。Beta 测试伙伴在全球 9 个站点自主运行 Dream-1，包括 上海的  AGIBOT 、 深圳的 BitRobot、首尔的 KAIST、巴黎的 Hugging Face、旧金山的 Scale AI 等，任务从把螺丝刀放进盒子、折盒子，到把工具分类放进收纳箱。

Dream API

目前，Dream-1 主要处理桌面任务，比如抓取和放置物体、叠衣服。双臂平行夹爪机器人不需要额外数据就能用；对 20 多家硬件伙伴，Dream Labs 还会针对每台机器人进一步优化模型，这些机器人的价格大约在 2000 到 1 万美元之间。

大模型能直接控制机器人，还需要机器人大脑吗？

最近，GPT-6 Astra 等通用大模型被直接接上机械臂、控制机器人干活，不少人开始担心：专门训练的机器人基础模型，会不会被大模型取代？

在独立第三方评测机构 Robocurve 发布的 RoboDojo-RC Tier 1 评测中，Dream-1 每次任务尝试的平均得分达到 59%，是第一个超过 50% 的模型，高于 Claude Opus 5.5（48%）、Gemini 4 Argon（48%）、GPT-6 Astra（47%）、GPT-6.1 Sol（42%）等最新大模型，也高于 MolmoAct2（19%）和 GR00T N1.7（10%）等机器人模型。

主题：机器人