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

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。

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：开发者注册后把机器人接上 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。

不只是得分更高，Dream-1 还更便宜、更快：每次任务尝试的成本约 0.15 美元，和得分次高的 Gemini 4 Argon 相比，得分高 1.2 倍，成本却低约16 倍。平均用时 1.4 分钟，和最快的大模型 GPT-6 Astra（ultrafast）相比，得分高 1.3 倍，速度快1.7 倍。每个模型配置都在真实世界中测试了 120 次。

英伟达 GR00T 四位核心成员

四位联合创始人都来自英伟达 GR00T 机器人团队：

Joel Jang（联合创始人兼 CEO）：英伟达 GR00T 世界模型负责人，主导了 LAPA、DreamGen、DreamDojo 和 DreamZero；

葛云皓（联合创始人兼 CTO）：英伟达 GR00T 视频模型负责人，参与构建了英伟达 Cosmos 世界基础模型系列（Predict、Transfer、Policy），履历横跨斯坦福、南加州大学、谷歌和微软；

Scott Reed（联合创始人兼首席科学家）：英伟达 GEAR 实验室创始成员，主导 GR00T N1 至 N1.7 系列模型；此前在 DeepMind 工作 8 年，打造了 Gato 和 Genie，Google Scholar 引用超过 15.8 万次；

You Liang Tan（联合创始人兼 Chief Robot Officer）：英伟达 GR00T 开源负责人，参与构建了 ROS 2、Octo、SERL、EgoScale。全栈机器人专家。

今年 2 月，这支团队还在英伟达时发布了 DreamZero，首次明确提出世界动作模型（ World Action Model，WAM ）。此后半年，WAM 迅速成为具身智能最热的路线之一。

当时最让团队意外的是：DreamZero 只用 30 分钟的 YAM 机器人数据做后训练，就零样本泛化到了没见过的任务上，而过去这往往需要数百甚至上千小时的特定本体数据。如果 30 分钟就够，机器人「没数据就没用、没用就没数据」的死循环就有可能被打破。团队由此决定创业。六个月后，Dream-1 问世。

领投方 B Capital 合伙人（ General Partner ）Daisy Cai 表示：「一台能干活的机械臂，已经从豪车的价格降到了高端笔记本的价格，它现在缺的是智能。这个团队在英伟达完成了机器人学习领域一些开创性的工作，现在任何拿到 Dream API 的人都可以在此基础上构建。」

局限与下一步

Dream-1 目前是研究 Beta 版，团队也写明了它的局限：

表现取决于每台机器人 IK 求解器的质量；
只决定夹爪最终到哪里，不控制手臂怎么到达，在障碍物附近或关节极限处可能出问题；
面对和已见过的机器人差别很大的本体，可能预测出不可行的动作。

Joel Jang 说：「我们不给大家看剪辑过的 demo，而是给大家一个可以自己测试的、真正能用的模型，连同它的错误一起。」

零样本和一次适配之间仍有差距。葛云皓表示：「我们真正想要的是连这 5 分钟都不需要。零样本和一次适配之间的差距，就是我们接下来最主要的工作。」

下一步，Dream-1 将支持轮式移动机器人和灵巧手。本轮融资将主要用于算力，以扩展 Dream-1 能处理的任务和机器人种类，并支撑更多用户。

在硬件越来越便宜、却仍然缺少「大脑」的机器人世界里，一个能直接接管陌生机器人的模型能走多远？Dream-1 交出了第一份可以亲手检验的答卷。

最后附上一个彩蛋：

参考链接：

https://dreamlabs.ai/

https://dreamlabs.ai/research/dream-1

文章来自于"机器之心"，作者 "机器之心"。