编者摘要：Dream Labs 在 2026 年 10 月发布Dream-1 世界动作模型 WAM，同步官宣 9000 万美元种子轮融资，开放全球公共 API，核心卖点是双臂平行夹爪机器人零样本跨本体泛化，开箱即可控制从未见过的机器人，无需机器人专属示范数据、不需要机器学习专业背景，调用成本低至 3 美元 / 小时，轻量化 Flash 版本 2 美元 / 小时。
机器人行业长期存在冷启动死循环：机器人需要大量专属本体数据才能变得可用，但数据只有大量用户采购后才能产生。Dream Labs 认为硬件降价 + 通用 WAM 模型可以打破循环：MakerMods 双臂机械臂低至 2000 美元，Hugging Face 399 美元 Microduck 上线 4 天卖出上万台，消费级廉价机器人正在迎来爆发，形成数据飞轮。
技术根基来自 2026 年 2 月 DreamZero 研究：仅用 YAM 机器人 30 分钟数据，模型就能零样本处理陌生任务。Dream-1 的核心创新是基于末端执行器位姿作为统一动作空间，搭配头部 + 双腕相机，依靠像素视频表征实现跨机器人泛化，区别于传统仅依靠腕相机、夹爪硬件必须完全一致的旧方案。模型预测夹爪目标位置，由机器人自带 IK 逆运动学求解器转换成关节动作，因此性能受 IK 质量、机器人运动学约束影响，遇到障碍物、关节极限时存在短板。
实测上，Dream-1 在仿真中完成 27 款陌生机器人零样本测试，真实硬件覆盖 PR2、Unitree R1、UR5e、SO-101 等 21 款双臂机器人；在全球多地完成分拣、堆叠、拾取、折叠等多样化陌生任务，Beta 场景运行速度 8 倍，内部测试 4 倍。第三方机构 Robocurve 独立评测显示，Dream-1 在 RoboDojo-RC Tier1 任务上超越 Gemini 4 Argon、Opus5.5，成本大幅降低，执行速度优于 GPT-6 Astra。
如果零样本效果不足，提供 FaaS 微调即服务：大部分机器人仅采集5 分钟本机数据就能显著提升性能；与训练分布差距较大的灵巧手机器人，需要几十至百分钟数据微调，微调后最高可达 5 倍运行速度。在 12 台测试机器人中，10 台微调后指令跟随能力提升。
当前 Dream-1 是研究 Beta 版本，存在明显局限：仅面向双臂平行夹爪，依赖机器人 IK，无法处理安全关键场景。长期目标是拓展到移动操作机器人、灵巧手，让普通开发者、爱好者都可以快速给机器人赋予通用操作能力，而不局限于大型科研实验室。
创始人和团队背景：Dream Labs 由原英伟达 GEAR 实验室 GR00T 机器人项目核心成员联合创立，四位联合创始人在具身智能、世界模型领域拥有深厚积累。CEO Joel Jang（장요엘）曾是英伟达 GR00T 世界模型负责人，主导 DreamZero、LAPA、DreamDojo 等关键研究，最早提出世界动作模型 WAM 范式。CTO 葛云皓（Yunhao Ge）曾任英伟达 GR00T 视频模型负责人，参与 Cosmos 世界基础模型研发，拥有斯坦福、南加大、谷歌、微软的研究经历。首席科学家 Scott Reed 是英伟达 GEAR 创始成员，此前在 DeepMind 任职 8 年，主导 Gato、Genie 等多模态基础模型，论文引用量超 15.8 万次。首席机器人官 You Liang Tan 为 GR00T 开源负责人，深耕 ROS2、Octo 等机器人开源体系，是全栈机器人工程专家。
团队在 2026 年 2 月于英伟达发布 DreamZero 论文，验证 WAM 可以凭借少量数据实现机器人跨任务泛化。基于该成果，团队独立创办 Dream Labs，拿到 9000 万美元种子轮融资，推出 Dream-1，目标打造一套可适配不同硬件的通用机器人大脑，破解机器人行业长期的冷启动数据困境。
20个关键问题Q&A
-
Q：Dream-1 是什么？ A：Dream Labs 推出的世界动作模型 WAM，面向双臂平行夹爪机器人的通用操控模型，支持零样本跨机器人本体泛化，对外提供公共 API。 -
Q：Dream Labs 本轮融资多少？ A：9000 万美元种子轮，发布产品时正式走出隐身模式。 -
Q：Dream-1 运行费用？ A：Dream-1：$3 / 小时；Dream-1-Flash 轻量化版本 $2 / 小时。单次调用输出 1.6s 动作。 -
Q：零样本是什么含义？ A：不需要该台机器人的任何示范数据，模型直接控制从未见过的机器人，执行未演示任务。 -
Q：Dream-1 的前置研究基础？ A：DreamZero，2026 年 2 月发布，验证少量数据即可实现任务泛化，提出 WAM 世界动作模型范式。 -
Q：WAM 世界动作模型核心思路？ A：联合预测画面视频与机器人动作，所有机器人统一以像素作为感知表征，不绑定特定机械本体。 -
Q：Dream-1 靠什么统一控制不同机器人？ A：输出末端夹爪位姿（位置 + 开合），由机器人自身 IK 逆运动学求解器翻译成关节指令。 -
Q：和旧的 UMI 腕相机零样本方案差异？ A：旧方案只能用相同夹爪，只能依靠腕相机；WAM 可以用头部全局相机，夹爪硬件不需要一致。 -
Q：Dream-1 支持哪些机器人？ A：带平行夹爪的双臂机器人，仿真测试 27 款，真实硬件测试 21 款，包含经典 PR2、Unitree R1、UR5e、Maker Arm、SO-101 等。 -
Q：Dream-1 的性能短板来自哪里？ A：模型只定义夹爪终点位置，不规划手臂避障轨迹；效果高度依赖机器人 IK 求解器；机器人运动学差异过大时预测状态不可行。 -
Q：FaaS 是什么？ A：Fine-tune as a Service，微调即服务。采集少量本机机器人数据，在线微调 Dream-1 适配当前机器人。 -
Q：FaaS 一般需要多少数据？ A：大部分双臂机器人仅 5 分钟数据；灵巧手、特殊末端执行器可能需要 77~98 分钟。 -
Q：FaaS 能带来多大提升？ A：12 台被测机器人中 10 台指令跟随分数提升；部分场景最高达到 5 倍运行速度。 -
Q：Dream-1 是否可以直接用于工业安全关键场景？ A：不可以，属于研究 Beta 版，未做安全验证，仅受控环境测试。 -
Q：第三方评测是谁？结果如何？ A：Robocurve 公益评测机构。Dream-1 超越 Gemini 4 Argon、Opus5.5，成本远低于 Gemini，速度快于 GPT-6 Astra。 -
Q：Dream Labs 提出的机器人产业飞轮逻辑？ A：硬件降价→更多机器人落地；通用模型让机器人开箱能用；机器人产生更多数据；数据持续优化模型赋能下一代硬件。 -
Q：Microduck 案例的意义？ A：399 美元消费级机器人 4 天售出万台，证明消费端廉价机器人市场潜力，是机器人爆发起点。 -
Q：Dream-1 的适用人群？ A：机器人开发者、爱好者、小型团队，不需要机器学习背景，API 接入即可快速部署。 -
Q：Dream-1 当前支持什么形态机器人？ A：仅限双臂 + 平行两指夹爪，暂不原生支持多自由度灵巧手。 -
Q：长期路线图目标？ A：扩展到移动操作机器人、灵巧手等更多本体，把通用机器人智能开放给普通用户，打破定制机器人策略的数据锁死困境。
附录 零样本适配全新机器人：Dream-1 正式发布
原文：RESEARCH . OCTOBER 2026
标题：Zero-Shot to New Robots: Introducing Dream-1 研究｜2026 年 10 月
今天，我们正式推出Dream-1，一款世界动作模型（World Action Model, WAM）。它可以控制从未见过的机器人、完成从未演示过的任务，运行成本低至 3 美元 / 小时。
Dream Labs 团队，2026 年 10 月
只要给 Dream-1 接入一台全新的带平行夹爪的双臂机器人，对接我们的 API，开箱即可执行任务。无需微调、不需要这台机器人的示范数据、也不需要机器学习专业知识。
这是迈向通用机器人智能的重要一步。 Dream Labs 今日同时结束隐身模式（走出 Stealth），获得9000 万美元种子轮融资，并向全球开放 Dream-1 公共 API。
从上线那一刻就能干活
Dream-1 能够控制从未见过的机器人，在陌生环境里完成从未见过的任务，运行成本低至 3 美元 / 小时。
打破机器人领域的 “鸡生蛋、蛋生鸡” 困境
机器人行业长期困在这个死循环里： 一台机器人，必须足够好用，人们才愿意购买；但要让机器人好用，又必须采集这台特定机器人的数据，而只有大量用户购买使用后，才能产生这些数据。Dream-1 是我们打破这个循环的第一步。
自动驾驶找到了破解冷启动难题的方案：汽车在完全没有自动驾驶能力时本身就具备使用价值，数百万人日常开车，持续产生数据，用来迭代更强的模型。但绝大多数机器人没有这个先天优势。
现在有两大变化正在改写现状：
-
机器人硬件价格快速下探，更多人可以负担。一套高性能双臂机械臂套装，最低只要约 2000 美元。 -
机器人不再需要预先采集海量专属数据集才能投入使用。如果模型能够零样本泛化到陌生环境、陌生任务，甚至陌生机器人，新机器人出厂就具备可用能力。
二者叠加，正向飞轮终于可以转动：更便宜的硬件让更多机器人落地；具备泛化能力的模型让机器人更早具备实用价值；可用的机器人产生更多数据；这些数据反过来持续优化模型，赋能下一代机器人。
廉价普惠机器人的寒武纪爆发
Dream Labs 赋能机器人产业。 机器人硬件降价速度超出所有人预期。例如 7 台半人形机器人总价不到 15000 美元，这个价格档位在一年前几乎不存在。在低端市场，Hugging Face 售价 399 美元的 Microduck 机器人，在 8 月底发布后 4 天内销量突破 1 万台。
我们相信机器人行业的爆发会从这类设备开始：
-
2000 美元：一套双臂机械臂系统（当前可用） -
7 台半人形机器人总价低于 15000 美元：带轮式底盘、双臂、平行夹爪，一年前几乎没有这个价位产品 -
399 美元：Hugging Face Microduck -
10000 + 台：Microduck 上线 4 天销量
它的买家是普通消费者、发烧友、小型团队，而不是大型企业客户。企业采购要做严格的成本收益测算：机器人如果在成本、速度、可靠性上无法超过人工，就不会采购，门槛极高。消费者不一样：超万人愿意花 399 美元买 Microduck，核心价值是好玩有趣，它可以行走、摇摆、轮滑。 在这种玩具级机器人和全能家用机器人之间，存在一个黄金区间：价格足够亲民，让人愿意轻松入手；能力足够实用，在家中占有一席之地。一旦机器人达到这个临界点，市场渗透率将指数级增长，每一台家用机器人都会成为新的训练数据来源。想象两台 Microduck，用夹爪 “嘴” 帮你叠衣服。
催生 Dream Labs 的关键实验成果
2026 年 2 月，Dream Labs 团队发布 DreamZero 论文，正式提出世界动作模型（WAM）。此后，WAM 范式被社区公认为机器人学习领域最有前景的路线之一。
当时最让我们震惊的实验结果：仅用 YAM 机器人30 分钟数据完成后训练，DreamZero 就能零样本完成从未见过的任务。过去要实现这种泛化能力，往往需要数百甚至数千小时专属具身数据。 只要一台机器人仅需 30 分钟数据，就能迁移通用任务能力，打破机器人行业死循环就不再是天方夜谭。叠加硬件降价浪潮，时机已经成熟，Dream Labs 由此成立。
经过六个月研发，我们很高兴公布依托世界动作模型实现的全新研究突破：具身机器人零样本泛化的早期验证成果。
Dream-1 正式介绍
Dream-1 是我们第一款面向全球开放公共 API 的世界动作模型，开箱即可在陌生环境中，控制从未见过的机器人完成未见过的任务。
测试场景： 合作方 beta 站点：12 处场地，运行速度 8 倍；Dream Labs 自研测试：18 组实验，速度 4 倍 加勒比：糖果分拣；中国深圳：抽纸巾；新加坡：白杯子叠在粉色杯子上；马来西亚吉隆坡：苹果放入棕色盒子；法国巴黎：拾取红色方块放入绿色容器；韩国首尔：折叠纸盒；印尼雅加达：找到记号笔并拾取；美国旧金山：直立摆放三个瓶子 / 堆叠方块高塔；洛杉矶：薯片放到托盘；纽约：从试管架拿起试管；中国上海：把苹果放到盘子上 全部为 Dream-1 自主完成陌生任务。Beta 站点运行速度 8 倍，内部测试 4 倍。
几分钟快速上手
我们希望拥有机器人的任何人，而不只是大型实验室，都可以用上通用机器人技术。因此 Dream-1 被设计成接近即插即用。接入你的机器人，对接 API，直接运行。无需机器学习背景。我们每周举办内部黑客松，持续缩短部署耗时。
import dream
client = dream.DreamClient(
api_key=<API_KEY>,
)
client.policy({"checkpoint": "dreamlabs/dream-1"})
client.set_observation(observation)
action = client.get_action()
client.close()
精简客户端示例代码
零样本控制从未见过的机器人
Dream-1 可以零样本泛化到大量搭载平行夹爪的双臂机器人。下面是我们测试过的机型，甚至能控制 18 年前发布的经典双臂科研机器人 PR2。所有测试都没有使用这台机器人专属的具身数据。
-
仿真环境：27 种陌生机器人，每种最多 5 组有效运行，速度 3 倍 -
真实物理机器人：双臂夹爪机器人，21 组实验片段，速度 4 倍
测试机器人清单：AI Worker、ALOHA/Trossen、ARX X5、Baxter、Bracket Bot、Maker Arm、Mantis、Metal Arm、OpenArm 2.0、OpenYAM、SO-101、Trossen Workbench、Unitree R1、UR5e 双臂、WidowX 250 双臂等。 任务示例：旋转刻度盘、按压蘑菇急停按钮、倾倒麦片盒、合上眼镜盒、拔出线缆、胶带卷套到瓶子上、持刀柄拾取刀具放到托盘、小碗放进大碗、抓取马克杯把手放到托盘等。
这是首批公开报道，可以零样本泛化到完全陌生机器人本体的成果。如果你拥有双臂平行夹爪机器人，可以尝试调用 Dream-1 并反馈效果。 零样本性能一定程度取决于机器人逆运动学求解器（IK solver）。我们编写了文档指南，帮你获得更好效果，不同机器人上性能表现存在差异。 下方是仿真环境中全部被测机器人的零样本性能，以训练用的 YAM 机器人作为基准（100%）。
仿真相对性能（YAM=100%） PiPER 双臂：91.2%｜Trossen Workbench：82.8%｜OpenYAM：82.7%｜Metal Arm：80.5%……PR2 达到 69.8%
评估方案：每个机器人本体执行 300 轮实验：150 轮 50 项任务，评估指令跟随；150 轮 150 项任务，评估陌生任务泛化。
下面解释零样本具身泛化的原理，以及它的局限性；再介绍一次性具身学习（one-shot embodiment learning）如何弥补性能缺口。
零样本具身泛化原理
机器人有两种控制方式：关节控制 / 末端执行器（EEF）控制。 传统机器人策略输出关节角度，模型绑定单一机器人本体。Dream-1 除原生支持的机器人外，还可以预测末端夹爪位姿：每个夹爪的空间位置、开合状态。 所有双臂平行夹爪机器人共享这套末端执行器动作空间；机器人自身 IK 求解器，把位姿指令转换成关节控制命令。这套统一接口，让 Dream-1 可以指挥从未见过的机器人。但仅有这套接口不足以实现零样本迁移。
这套方案为什么可行？ Dream-1 通过三路相机感知世界：头部主相机 + 每个机械臂腕部相机。 过往 UMI Gripper 研究证明：如果所有机械臂使用完全相同夹爪，策略只依靠腕部相机，就可以跨机械臂零样本迁移。从腕部视角看，不同机械臂看起来几乎一样。但这个方案存在硬限制：夹爪硬件必须完全一致，并且舍弃头部全局场景视角。
世界动作模型（WAM）突破这个限制：WAM 同时学习视频预测与动作生成，控制机器人、预测机器人后续画面，本质是同一个问题。所有机器人最终都以像素画面的形式被模型感知。头部相机看到 UMI 夹爪、两指夹爪，或是从未见过的机械臂，都只是场景里移动的几何体。视频像素，成为所有机器人共用的表征形式。如果 Dream-1 可以预测机器人执行任务时会呈现什么画面，就可以生成实现该画面对应的动作。这就是为什么它可以控制和 UMI 外观完全不同的夹爪，甚至通过头部相机识别全新机械本体。
局限性
预测末端执行器位姿，是以牺牲部分控制能力换取通用性。对比基于关节角度、适配单一机器人的方案：
-
性能高度依赖机器人自身 IK 求解器质量； -
Dream-1 只规定夹爪目标位置，不规划机械臂运动轨迹；遇到障碍物或关节极限时会出问题； -
如果机器人工作空间、运动学、动力学和模型见过的样本差异极大，模型预测的未来状态可能无法落地执行。
Dream-1 能做与不能做的边界
独立评测机构 Robocurve 对 Dream-1 做了评测，给出 RoboDojo-RC Tier1 任务单次尝试平均分。 在正式发布前，公益机构 Robocurve（专门面向公众评测前沿机器人能力）独立评估 Dream-1。报告显示 Dream-1 实现了新帕累托最优：性能更强、速度更快、成本更低。 它得分超过 Opus 5.5、Gemini 4 Argon；单次任务成本仅为 Gemini 4 Argon 的 1/16，速度比最快的大模型 GPT-6 Astra 快 1.7 倍。
当前大语言模型擅长高层规划，但机器人还需要一套快速、通用的底层即时执行系统（System 1），Dream-1 正是为此打造。
运行成本
Dream-1：3 美元 / 小时 Dream-1-Flash（轻量化高速版本）：2 美元 / 小时 每次模型调用输出 1.6 秒动作。1 小时约 2250 次调用： Dream-1 单次调用≈0.0013 美元；Dream-1-Flash 单次调用≈0.0009 美元。
超出小时算力成本的全部收益，归使用者所有。
任务能力分为八大类，从擅长到短板依次：拾取放置｜插入装配｜倾倒舀取｜布料柔性物体｜姿态调整｜推移滑动｜工具使用｜开合操作。
FaaS：按需微调服务 Fine-tune-as-a-Service
如果 Dream-1 在你关心的任务上效果不足，不必等待新版本。你可以采集少量本机机器人数据，通过 FaaS 服务，生成适配该任务的定制模型。
我们希望任何机器人开发者，都像一线部署工程师：找到真实需求任务，采集少量数据，适配 Dream-1，直接上线。如果你的机器人业务可以盈利，扣除小时算力成本后的利润全部归你。
⚠️ Dream-1 目前是研究测试版 模型会出错，未经过安全关键场景验证。请在受控环境测试，机器人靠近人员时务必格外小心。发现危险行为，请发送邮件 safety@dreamlabs.ai 反馈。
One-shot embodiment learning 一次性具身学习
当零样本效果不够理想，我们可以针对你的机器人微调 Dream-1，这项服务称为 FaaS（Fine-tuning-as-a-Service）。
实操效果：两个合作方机器人，各采集 5 分钟数据的延时录像。 reBot B601-DM（左）、Maker Arm 真实机器人（右），8 倍速播放数据采集过程。 仅仅 5 分钟本机数据微调后，效果对比零样本版本明显提升：模型更好理解机器人的可抓取区域与运动学特性。 任务示例指令：把香蕉放进碗里。
部分机器人本体和模型训练数据差距很大，就需要更多专属数据：
-
Dexmate + Sharpa 灵巧手：77 分钟数据，5 倍运行速度；任务：从烤面包机拾取面包放到盘子 -
YAM 更换柔性夹爪与特制刀具夹爪：98 分钟数据；任务：切掉草莓果蒂
12 台参与 FaaS 测试的机器人中，10 台在微调后语言指令跟随分数得到提升。
一次性微调方案依然和理想零样本存在差距，缩小这个差距是我们核心目标：零样本能力越强，新机器人开箱即用效果越好。
未来展望
今天的 Dream-1，是面向双臂平行夹爪机器人的操作策略，这只是起点。 我们相信强大的通用机器人基础模型，未来可以拓展到移动操作机器人、灵巧手，甚至我们现在还想象不到的机器人本体，解锁更多人们真正想要机器人完成的任务。
机器人问题不可能一天之内彻底解决，Dream-1 存在明确短板，我们已经全部透明展示。 机器人行业仍困在旧范式：每一台新机器人、每一项新任务，都需要采集新数据、定制独立策略，泛化能力有限。我们希望 Dream-1 机器人 API 打破这个循环，让通用机器人智能交到更多人手中，不止是科研人员，普通使用者也能挖掘通用机器人的全新落地场景。
Dream-1・公共 API 将 Dream-1 部署到你的机器人上 如果你正在开发机器人，或是把机器人投入真实任务，Dream-1 是快速赋予机器人实用能力的最优路径。欢迎告知你的项目。 平台地址：https://platform.dreamlabs.ai/ ｜邮箱 info@dreamlabs.co 00:00 / 00:16 Dream-1 控制 MicroDuck 演示 经过微调的 Dream-1 checkpoint，可以控制多种机器人，包含 Microduck。