AREX Feed Article
Dream Labs 携 9,000 万美元种子轮出关：公开 API 发布 Dream-1，宣称零样本操控未见过的双臂机器人
北京时间 10 月 20 日凌晨（UTC 时间 10 月 19 日 17 时许），初创公司 Dream Labs 宣布出关（out of stealth），并发布其首个「World Action Model」（世界动作模型）Dream-1。据帖文，Dream-1 定位为「机器人基础模型」，以研究 beta（测试版）经公开 API 向所有人开放，运行价格自每小时 3 美元起；联合创始人兼 CEO Joel Jang 在中宣称，Dream-1 能零样本控制从未见过的双臂平行夹爪机器人，并「已经能驾驶从未见过的车辆」。
披露本轮为 9,000 万美元种子轮融资，科技媒体 unite.ai 称由 B Capital 领投、Kindred Ventures 联合领投。零样本操控与驾驶两项能力宣称目前均出自公司口径，跨本体评测主要在模拟环境完成，演示为官方视频；截至发稿，独立媒体报道以转述与分析为主，尚未检索到第三方在自己硬件上的复现报告。
unite.ai 报道配图：Dream Labs 团队，图片由公司提供。
出关当天：公告、创始团队与投资方
公告由公司账号于 UTC 时间 10 月 19 日 17:13 发出，七分钟后 Jang 以个人账号跟进长帖，开头一句是「今天，Dream Labs 出关」。公司 X 账号创建于 2026 年 6 月 2 日，简介自述「为日常机器人构建大脑」。截至发稿，公司帖文获得约 8.5 万次浏览、约 970 个点赞；Jang 的账号粉丝约 3,500，其帖文浏览量约 1.5 万。
Jang 在长帖中自述：2026 年 2 月，他与 Scott Reed、Youliang Tan、Yunhao Ge 三人在 NVIDIA 任职期间共同创立了这家公司，并开始把一类「从视频学习世界如何运动、再据此决定如何行动」的机器人模型称作 World Action Model。Ge 在其 X 账号简介中自述为 Dream Labs 联合创始人兼 CTO，此前是 NVIDIA 研究科学家（参与 DreamZero、GROOT、Cosmos）；Tan 自述为联合创始人，此前在 NVIDIA Research、伯克利等处工作；Jang 的个人简介写明他此前「在 NVIDIA 领导世界模型团队」，是 DreamZero、DreamDojo、DreamGen 的作者。
资金方面，unite.ai 报道 A.Capital、Unusual Ventures 及其他投资者也参与了本轮，融资将主要用于算力。Unusual Ventures 董事 Niamh O'Donnell 在「欢迎加入 Unusual Ventures 投资组合」。该报道还指出，团队此前参与过 DreamZero 与 NVIDIA 的 GR00T 机器人研究。
世界动作模型如何操控陌生机器人
Jang 在长帖中以租车作类比：人租一辆从没开过的车，不会重新学一遍驾驶，几分钟后那辆车就像自己的；「好的模型应该能接手一台新机器人就开工，不必从零再训练」。他把泛化称作自己做机器人研究的北极星：先是把视频世界模型蒸馏进视觉-语言-动作模型（VLA，DreamGen），然后直接从世界模型学习行动（DreamZero），现在是跨机器人迁移（Dream-1）。「把一个窄模型在单一任务上从 90% 推到 99.9% 是真功夫，但一旦泛化的模型到来，其中很大一部分会被抹掉。」
技术页面解释了跨机器人迁移的机制。多数机器人策略输出关节角度，模型因此绑定在特定机身上；Dream-1 预测的是末端执行器（end-effector，EEF）位姿——每只夹爪该到哪里、朝向如何、张开还是闭合——再由每台机器人自带的逆运动学（IK）求解器把位姿换算成本机的关节指令。凡是「两条手臂加平行夹爪」的机型，共享这一接口。
感知侧，Dream-1 通过三路摄像头观察世界：一路头部视角，每条手臂各一路腕部视角。页面称，此前通用操作界面（UMI，Universal Manipulation Interface）研究证明，当各机械臂共用同一种夹爪、策略只依赖腕部相机时，可以零样本跨臂迁移，但这条捷径要求夹爪硬件完全一致；World Action Model 把「控制机器人」与「预测机器人将看到什么」合成同一个视频预测问题——在头部相机里，无论 UMI 夹爪、双指夹爪还是没见过的机械臂，都只是场景中移动的形状，视频因此成为所有机型共享的表征。
页面同时列出三条限制：预测 EEF 位姿以部分控制力换取通用性，性能依赖每台机器人 IK 求解器的质量；Dream-1 只决定夹爪去哪里，不控制手臂经过的路径，靠近障碍物或关节极限时可能出问题；工作空间或运动学、动力学与训练分布差异过大的机器人，可能被预测出物理上不可行的状态。
官方证据：27 款陌生机器人与一份第三方评测
按页面说法，Dream-1 实际训练所用的机器人是 YAM。模拟评测覆盖 27 种未见过的机器人本体，每种本体 300 次 rollout（一次完整执行）：150 次针对 50 项任务考察语言跟随，150 次针对 150 项任务考察未见任务泛化，成绩以相对 YAM 的比例呈现。页面承认「性能因机器人而异」，公布了全部评测 rollout，并称这些 rollout 未使用任何本体特定数据。页面还称 Dream-1 能零样本操控 18 年前发布的双臂研究机器人 PR2，并自称这属于「首批见诸报告的对完全陌生本体的零样本泛化」之一，脚注同时承认此前的 LAP 研究已显示出跨本体泛化的迹象。
第二层证据是公司援引的第三方评测：公司独立机构 Robocurve 在发布前对 Dream-1 的评测结果称，Dream-1 在 RoboDojo-RC Tier 1 上得分 59，高于此前最佳替代方案的 48；页面进一步称其得分高于点名的对比模型 Opus 5.5 与 Gemini 4 Argon，每次任务尝试的成本为 Gemini 4 Argon 的十六分之一，速度比所称最快的 LLM（大语言模型）GPT-6 Astra 快 1.7 倍。Robocurve 自我介绍是一家向公众评测机器人前沿能力的公益公司（Public Benefit Corporation），其强调「互联网上充斥着精心挑选的演示视频」，并运营开源评测框架；页面标注该份 Dream-1 报告的日期为 10 月 18 日、以 CC BY 4.0 许可发布。
unite.ai 提醒了两处口径问题：这些相对分数不能当作绝对任务成功率；把策略迁移到另一台机器人，也不等于它能可靠完成每一项任务。页面自己的标注也保留了余地：真实演示覆盖从深圳、首尔到旧金山的多处场地，任务包括分装糖果、抽纸巾、叠杯、立瓶、码方块等，部分标注为「1 rollout」，部分标注为「1 of 2」「1 of 9」，页面未逐一解释标注含义；演示注明为自主运行，在测试者现场以 8 倍速、公司内部以 4 倍速播放。
Dream Labs 官方研究页面配图，背景为实验室中的机械臂。
把机器人策略做成公开 API：定价、微调与 Playground
Dream-1 的交付形态是公开 API。页面定价：Dream-1 每小时 3 美元，更轻更快的 Dream-1-flash 每小时 2 美元；模型每次调用返回 1.6 秒的动作序列，一小时折合 2,250 次调用，约 0.0013 美元一次动作（flash 约 0.0009 美元）。页面称接入不需要机器学习背景，客户端示例代码四行以内：创建客户端、指定 checkpoint 为 dreamlabs/dream-1、传入观测、取回动作。Jang 把公开 API 与泛化能力直接挂钩：「只会在一台机器人上做一件事的模型，服务不了数百万用户。」
零样本不够用时，公司提供 FaaS（Fine-tuning-as-a-Service，微调即服务）：开发者在自己的机器人上采集数据，交回微调。页面给出的最低例子是 5 分钟——两台合作方机器人（reBot B601-DM 与 Maker Arm）各采集 5 分钟数据后，同一指令「把香蕉放进碗」的完成度在零样本与微调版本的对照中显示出差别；离训练分布更远的本体要求数据更多：配 Sharpa 灵巧手的 Dexmate 用了 77 分钟，YAM 换装特殊末端执行器后用了 98 分钟。在 12 台 FaaS beta 合作机器人上，微调把其中 10 台的语言跟随分数拉高；页面同时承认单样本（one-shot）适配仍优于零样本，缩小这个差距是公司接下来的目标之一。
没有自己机器人的用户可以走浏览器端的 Robot Playground——unite.ai 介绍它允许用户向 Dream Labs 旧金山办公室里的实体机器人发送指令。页面还给出一层市场背景：一套可用的双臂机械臂如今约 2,000 美元，半人形机器人已出现低于 1.5 万美元的档位；页面援引 Yahoo Tech 报道称，Hugging Face 售价 399 美元的 Microduck 机器人于 8 月 28 日开启预售，4 天内售出逾 1 万台。公司的推论是：硬件变便宜把机器人送进更多场景，零样本可用的模型让新机器人不必先攒数据，飞轮才转得起来。
安全方面，页面以专门提示框写明：Dream-1 是研究 beta，会犯错，尚未针对安全关键用途完成验证，请在受控环境中测试、机器人靠近人员时格外小心，发现不安全行为可致信 。
早期实测：有人跑通，有人卡进循环，驾驶说法尚无细节
回复区的声音以机器人圈研究者的祝贺为主。新加坡国立大学助理教授 Jiafei Duan 「等不及大规模测试 Dream-1」；Michael Ludwig 称「连失败的运行记录也放出来，比又一条完美集锦有说服力得多」。
开发者 Robert Lukoszko 在了一次第三方实测：在模拟中用 i2rt 手跑通了任务，「至少卡住 3 次」，完成前还无端重复了两次动作；让他「翻转瓶子」时，机器人「明显陷入循环，连拿起来都没做到」。他用的 i2rt 手部硬件并不在页面所列「双臂平行夹爪」的支持范围内——页面示例中的灵巧手本体需要额外的微调数据；这次跑不通的方向，与页面自述的局限一致。
「驾驶」目前只是一句话。它出现在 Jang 的 X 帖文中，官方技术页面通篇聚焦双臂平行夹爪操作，未提供任何驾驶相关的演示、任务或评测；unite.ai 的报道也未涉及这一主张。页面预告的下一步同样是操作而非驾驶：把模型扩展到移动操作臂与灵巧手。
unite.ai 把真正的考验归结为一点：开发者把新机器人接上 Dream-1 之后，还需要多少定制数据与工程。零样本的成色与那句「驾驶」，都要等第三方在自己的机器人上给出答案。