新來的幫手沒看過你家的鍋，卻能照著食譜開火：Dream-1 與廚房裡那雙陌生的手

2026 年 10 月 28 日，APPI News 刊出一篇關於 Dream Labs 的 Dream-1 模型的長文。這個模型主打「零樣本」控制部分它沒見過的雙臂機器人：不用先為某臺機器人蒐集示範資料，就能讓它做抓取、擺放、堆疊這類動作。聽起來離廚房很遠，但你若曾在別人家開過火，就知道這件事的味道。

零樣本，像第一次用別人家的爐竈

你一定有過這種經驗。到朋友家借住，對方說冰箱有菜、爐上有鍋，你自己煮就好。你會做菜，這點沒變；變的是爐火的大小標在你看不懂的位置，鏟子比你家的短一截，調味料罐的排列順序完全陌生。菜最後煮得出來，但第一盤總是慢一點，鹹淡要試第二次。

Dream-1 的「零樣本」差不多是這個意思。按照 APPI News 的整理，它指的是模型沒有用目標機型的示範資料做專屬訓練，就能把已經學會的操作轉移到新的雙臂機器人上。Dream Labs 公布的案例包括 Maker Arm 關閉眼鏡盒、韓國 KAIST 的機器人折疊紙盒、新加坡 Cortex 的機器人把白杯疊到粉紅杯上。任務具名、機構具名，但證據來源都是 Dream Labs 自己發布的研究頁和影片，不是獨立的產線驗收。

這就像朋友轉述那道紅燒肉的做法講得頭頭是道，但他家爐竈的脾氣，只有真正開過火的人知道。

共用的語言：食譜寫的是「小火」，不是你家那個旋鈕轉幾度

Dream-1 怎麼讓同一個模型驅動不同機器人？文章給了一個清楚的機制：模型預測兩側夾爪末端要到的位置、方向和開合狀態，再交給各機器人自己的逆運動學求解器，換算成關節該轉的角度。

換成廚房的話，這就是一份寫「小火慢燉四十分鐘」的食譜，而各家爐子自己決定那個「小火」對應幾度火。食譜管的是結果與火候的語言，不管你家的旋鈕刻度。這層共用介面，正是 Dream-1 降低機型綁定的關鍵。

但 Dream Labs 自己也提醒了：求解器品質會影響表現。若手臂關節活動範圍有限、工作空間和訓練所見差異太大、中間有障礙，模型預測的終點可能到不了。放在廚房裡，這就是食譜說「翻炒均勻」，但你那口鍋太小、鏟子太長，翻到一半就是會灑出來。API 回傳了動作，和機器真的完成它，是兩件事。

這種「共用規格、各自調校」的處境，其實和借別家菜譜在自家爐子上炒菜是同一種滋味：菜譜借得來，爐子的脾氣借不來。

證據像湯的樣品，試喝不等於整鍋都好

文章裡最有意思的一段，是把證據分層。Dream Labs 的模擬評估涵蓋 27 種未見機器人，每種 300 次完整任務執行，其中一半測語言指令遵循、一半測未見任務泛化；實機部分則有 21 段操作片段。數字不小，但這些都是 Dream Labs 自己公布的，讀者仍需要看每項任務的條件、失敗怎麼定義、評分怎麼算。

這跟試湯一模一樣。舀一勺起來喝，燙口、鹹度對了，你說的是「這一勺可以」，還不能說整鍋每一口都一樣。換班、換光線、物件位置偏移之後的成功率，就像大火再滾十分鐘後的鹹淡，那是另一個問題。APPI News 也明確點出，展示影片回答的是「能不能在某些條件下跑起來」，還沒回答長時間現場運作的穩定性。

對照既有研究，這條路也不是 Dream-1 獨有。RSS 2024 的通用操作介面研究（UMI）就展示過人類手持夾爪的示範資料怎麼轉移到機器人策略上，只是它有自己的夾爪與攝影機條件。廚房裡的老規矩一直都在：誰家先學會的手路，都想找個法子傳下去。這也讓人想起能自己拿筷子喫一口飯，是多大的事那篇裡談的，一雙手學會一套動作有多不容易，教會另一雙手更是。

整合成本：鏡頭、夾爪、校正，樣樣都要錢

APPI News 給評估團隊的提醒很實際：鏡頭位置、視野遮擋、夾爪幾何、雙臂彼此的碰撞區域、標定精度，全都要進整合工作。共用模型介面省下的是模型訓練的負擔，不會替你把設備校正做好。

若相機只看得到物件的一面，模型得到的場景資訊就受限；若逆運動學解不出可行姿態，動作回傳了也是白回。這就像你照著影片學包水餃，影片只拍正面，摺子的手法你看不見背面那一下，學出來的形狀就是差一口氣。省下的學費，最後往往補在材料費上。

收在餐桌前

Dream-1 改變的是哪一段？縮短了冷啟動：新機型不必先蒐集一堆示範資料才能動手。它沒有改變的，是爐竈仍要自己認識、火候仍要在現場試。

下次你在別人家廚房手忙腳亂地找鹽罐，不妨想想，那個能照著一份通用食譜、在陌生的爐子上把一頓飯煮出來的能力，正是機器人現在努力學的事。而你早就會了，只是你從沒把它叫作「零樣本」。