Робот PR2 появился в лаборатории Willow Garage в 2008 году и давно стал музейным экспонатом. В октябре 2026 года его подключили к чужому API, дали команду «нажми большую красную кнопку», и он её выполнил. Модель, которая им управляла, никогда не видела PR2, не тренировалась на его суставах и не знала его кинематики.

Это не демо ради лайков. Dream Labs, стартап из Сан-Франциско, вышел из стелса с $90 млн посевных, выложил research-статью на 3700 слов и открыл публичный API по цене $3 в час. Модель называется Dream-1, и её обещание звучит для робототехники почти неприлично: новому роботу больше не нужны собственные данные, чтобы начать хоть что-то делать.

Что такое Dream-1

Dream-1 это World Action Model, то есть сеть, которая одновременно предсказывает будущие кадры сцены и действия робота. На вход она получает три камеры (головную и по одной на каждом запястье), текущее состояние манипулятора и текстовую команду, на выходе отдаёт позы схватов. Один вызов возвращает 1,6 секунды действий. Работает с двумя руками и параллельными грипперами, стоит $3 в час, облегчённая Dream-1-flash стоит $2 в час.

Слово World Action Model здесь не маркетинговая наклейка. Парадигму ввели в феврале 2026 года в статье DreamZero, и сообщество быстро приняло её как одно из самых перспективных направлений robot learning. Идея простая: вместо того чтобы учить политику напрямую по парам «наблюдение, действие», модель учится предсказывать видео и действия вместе. Управлять роботом и воображать, что этот робот сделает, становится одной задачей.

Проблема курицы и яйца, из-за которой роботы не взлетели

Десятилетиями робототехника ходила по кругу. Робот должен быть полезным, чтобы его купили. Чтобы он стал полезным, нужны данные именно с этого робота. А данные появляются только после того, как достаточно людей начали им пользоваться. Круг замыкается, и выйти из него никто не мог.

Автопилот эту ловушку обошёл случайно. Машины были полезны с первого дня даже без всякой автономности: миллионы людей просто ездили, попутно генерируя данные для обучения. У роботов такого преимущества не было никогда.

Самое интересное в истории Dream Labs это даже не запуск продукта, а один эксперимент. После дообучения DreamZero на 30 минутах данных с робота YAM модель обобщилась на задачи, которых в этих данных не было. Раньше такой перенос требовал сотен и тысяч часов записи под конкретное тело. Полчаса вместо тысяч часов это и есть точка, в которой круг перестаёт быть замкнутым.

Железо подешевело быстрее, чем ожидали

Вторая половина уравнения пришла со стороны железа. Двурукий манипуляторный комплект сейчас можно собрать примерно за $2 тысячи, конкретно Maker Arm от MakerMods. Семь полугуманоидных роботов (колёса, две руки, параллельные грипперы) укладываются в $15 тысяч, а такой ценовой tier год назад почти не существовал.

Дальше начинается самое любопытное. Робот Microduck от Hugging Face за $399 разошёлся тиражом больше 10 тысяч штук за четыре дня после открытия предзаказов 28 августа. Он катается на роликах, ковыляет и в основном существует чтобы умилять. Dream Labs смотрят на это без иронии: покупатели Microduck это не корпорации, а люди и небольшие команды.

Логика покупателя здесь принципиально другая. Корпорация считает таблицу: если робот не обгоняет человека по цене, скорости или надёжности, покупки не будет. Частник покупает игрушку за $399, потому что она забавная. Между этими двумя режимами есть промежуток, где робот достаточно дешёвый, чтобы сказать «да» не думая, и достаточно полезный, чтобы занять место в доме. Когда этот промежуток заполнится, каждый робот в каждой квартире станет источником данных для следующей версии модели.

Как модель управляет роботом, которого не видела

Обычные политики выдают углы суставов. Это привязывает модель к одному телу: у другого робота другая длина звеньев, другие пределы, другой набор суставов. Dream-1 для своих тел тоже умеет так, но главный режим другой: она предсказывает позу конечного эффектора, то есть где должен оказаться схват и открыт он или закрыт. У любого робота с двумя руками и параллельными грипперами это общее пространство действий, а углы суставов считает его собственный IK-решатель.

Общего интерфейса, однако, недостаточно. Здесь помогает предыдущая работа под названием UMI, которая показала: политика переносится между руками, если у них одинаковый гриппер, а смотрит она только на камеры в запястьях. С точки зрения запястья все роботы выглядят одинаково. Ограничение этого трюка жёсткое: гриппер должен совпадать физически, а головная камера, которая видит всю сцену, выпадает из игры.

World Action Model снимает это ограничение. Робот попадает в модель как пиксели, а не как вектор суставов. Головная камера видит UMI-гриппер, обычный двухпалый схват или руку, которой Dream-1 никогда не встречала, как одинаковые движущиеся формы. Если модель умеет предсказать, как робот будет выглядеть в процессе выполнения задачи, она может выдать действия, которые к этому виду приводят. Видео оказывается единственным представлением, общим для всех типов тел.

Что показали тесты

В симуляции проверили 27 роботов, которых модель не видела. На каждый эмбодимент сделали 300 роллаутов: 150 прогонов на 50 задачах проверяли следование языковой команде, ещё 150 прогонов на 150 задачах проверяли перенос на незнакомые задачи. На реальном железе модель запустили на четырёх роботах, причём на чекпоинтах, которые на этих телах не обучались.

Список тел в статье выглядит как каталог всей индустрии: ALOHA от Trossen, Franka Research 3, KUKA LBR iiwa 14, Kinova Gen3, UR5e, ABB YuMi, Unitree R1, AgileX PiPER, SO-101 от Hugging Face, Seeed reBot B601-DM, OpenArm 2.0 и та самая PR2. Команды при этом бытовые и слегка абсурдные, как и положено робототехнике: сложить платье, снять крышку с синего маркера, повесить кружку на крючок, вытащить соломинку и вставить в горлышко бутылки, поднять кастрюлю за две ручки и поставить ровно на красный коврик.

Кроме собственных тестов было 12 внешних площадок: KAIST в Сеуле, Hugging Face в Париже, Scale AI и RoboCurve в Сан-Франциско, AgiBot в Шанхае, BitRobot в Шэньчжэне, XDOF в Джакарте, Eastworld в Куала-Лумпуре, Cortex в Сингапуре, Mecka в Нью-Йорке, Robo Inc. в Лос-Анджелесе и Anvil Robotics в Карибах.

Что сказали независимые измерители

Отдельная история, которая мне нравится больше всего. Robocurve, публичная некоммерческая корпорация, которая замеряет возможности фронтирных роботов и публикует отчёты, прогнала Dream-1 на бенчмарке RoboDojo-RC Tier 1 до релиза. Отчёт от 18 октября лежит в открытом доступе под лицензией CC BY 4.0.

Результат: Dream-1 обходит ближайших конкурентов, Opus 5.5 и Gemini 4 Argon, при цене попытки в 16 раз ниже, чем у Gemini 4 Argon, и скорости в 1,7 раза выше, чем у самой быстрой LLM в сравнении, GPT-6 Astra. Здесь важно понимать, с кем именно идёт сравнение. LLM хороши в планировании, но роботу нужна быстрая общая реакция, которую в когнитивистике называют System 1. Dream-1 претендует именно на эту роль: не «подумать над задачей», а «двинуть рукой прямо сейчас».

Экономика: $0,0013 за одно действие

Цифры здесь считаются честно и до конца, что для робототехники редкость. Один вызов возвращает 1,6 секунды действий, значит час это 2250 вызовов. При цене $3 в час одно действие стоит около $0,0013, для Dream-1-flash около $0,0009. Всё, что робот заработает выше этой ставки, остаётся владельцу.

Для сравнения масштаба: час аренды промышленного манипулятора вместе с интегратором считается совсем другими числами, и там ноль в конце другой. Понятно, что Dream-1 не заменяет промышленную автоматизацию, где нужна повторяемость в сотые доли миллиметра. Она метит в противоположную нишу: дешёвый робот, который делает бытовую работу достаточно хорошо, чтобы за него платили почасово.

Дообучение за пять минут записи

Когда zero-shot не хватает, включается Fine-tuning-as-a-Service. Вы загружаете демонстрации со своего робота и получаете собственный чекпоинт с model ID. На reBot B601-DM и Maker Arm хватило пяти минут записи, чтобы заметно поправить работу с предметами и кинематику.

Дальше начинаются интересные границы. Рука Dexmate с кистями Sharpa вместо грипперов потребовала 77 минут данных, потому что она далеко от того, что модель видела. YAM с нестандартными насадками, податливым гриппером и модифицированным ножевым захватом, потребовал 98 минут. На 12 роботах бета-партнёров дообучение подняло оценку следования языковой команде на десяти из двенадцати. То есть адаптация работает, но зависит от того, насколько новое тело не похоже на обучающую выборку.

Где Dream-1 ломается

Самое сильное место статьи Dream Labs в том, что они сами перечисляют ограничения, не дожидаясь, пока это сделают конкуренты. Предсказание позы схвата вместо углов суставов даёт универсальность, но забирает контроль. Модель не решает, как именно рука дойдёт до точки. Вокруг препятствий и рядом с пределами суставов это имеет значение.

Качество работы зависит от IK-решателя конкретного робота: хороший решатель вытягивает модель, плохой тянет её вниз. Если рабочее пространство или динамика сильно отличаются от виденного, модель может предсказать физически невыполнимое будущее состояние, и роллаут развалится. Плюс сам статус: Dream-1 это research beta, для задач, критичных по безопасности, она не валидирована. Рядом с людьми её просят запускать с осторожностью, а о небезопасном поведении сообщать на отдельный адрес.

Честно говоря, этот раздел и есть главный сигнал зрелости. Проект, который обещает универсальный интеллект для любого тела, но при этом пишет «вот здесь мы не работаем», вызывает куда больше доверия, чем очередное видео с идеально нарезанными удачными дублями.

Часто задаваемые вопросы

Чем Dream-1 отличается от обычной VLA-модели

VLA-модель отображает наблюдение и инструкцию напрямую в действие и обычно привязана к одному телу. Dream-1 предсказывает видео вместе с действиями, а командует позами схватов, поэтому переносится на роботов, которых не видела. Общий интерфейс здесь не углы суставов, а положение и состояние гриппера в пространстве.

Можно ли запустить Dream-1 на своём роботе

Да, если у робота две руки и параллельные грипперы. Нужно подключиться к публичному API, отправлять кадры с головной и запястных камер вместе с состоянием манипулятора и получать действия. Для нестандартных тел есть дообучение: от пяти минут демонстраций для близких эмбодиментов до полутора часов для далёких.

Стоит ли ждать, пока zero-shot станет идеальным

Нет. Dream Labs прямо пишут, что разрыв между zero-shot и адаптированной моделью сохраняется, и закрытие этого разрыва остаётся главной целью. Практический вывод простой: считать бюджет надо не на «подключил и забыл», а на короткий сбор данных под свою задачу.

Итог

Dream-1 это первый случай, когда кросс-эмбодиментный перенос вышел за пределы лабораторной статьи и стал почасовой услугой. Не потому, что модель решила робототехнику, а потому что она сняла самое дорогое ограничение: необходимость собирать данные с каждого нового тела до того, как это тело начнёт приносить пользу.

Для тех, кто строит роботов, это меняет порядок действий. Сначала берёшь дешёвое железо, потом подключаешь мозг по API, потом дособираешь пять минут данных под свою задачу. Если такой цикл действительно сократится до дней, следующий год в робототехнике будет выглядеть совсем иначе, чем предыдущие десять.

Практический шаг, если у вас есть двурукий манипулятор: возьмите одну бытовую задачу, которую сейчас делает человек, прогоните её через Dream-1 в контролируемых условиях и сравните не с демо в интернете, а со своим бейзлайном. Разница между этими двумя сравнениями обычно и есть ответ, стоит ли строить на этом продукт.