Dream-1: Mô hình AI robot học một lần, điều khiển mọi cánh tay máy chưa từng gặp

Dream Labs vừa chính thức ra khỏi trạng thái ẩn danh (stealth) với 90 triệu USD vốn hạt giống và công bố Dream-1 — mô hình nền tảng robot đầu tiên của hãng, được cung cấp qua API công khai cho người dùng trên toàn thế giới. Điểm đáng chú ý: mô hình này có thể điều khiển những cánh tay máy hai nhánh chưa từng gặp, thực hiện những nhiệm vụ chưa từng thấy, trong môi trường hoàn toàn mới — mà không cần tinh chỉnh và không cần kiến thức về học máy.

Bài toán con gà và quả trứng của ngành robot

Suốt nhiều thập kỷ, robot mắc kẹt trong một vòng luẩn quẩn: robot phải hữu ích thì người ta mới mua, nhưng để hữu ích lại cần dữ liệu từ chính loại robot đó, và dữ liệu chỉ xuất hiện khi đủ nhiều người đã sử dụng.

Xe tự lái từng thoát khỏi bế tắc này nhờ một lợi thế đặc biệt: ô tô vốn đã hữu ích ngay từ ngày đầu, nên hàng triệu người lái mỗi ngày và tạo ra dữ liệu huấn luyện. Hầu hết robot khác không có may mắn đó.

Theo Dream Labs, hai yếu tố đang thay đổi cục diện:

• Phần cứng rẻ hơn nhanh chóng: một bộ cánh tay hai nhánh đủ năng lực giờ chỉ khoảng 2.000 USD, trong khi 7 robot bán người máy (semi-humanoid) có thể có giá dưới 15.000 USD — mức giá gần như chưa tồn tại cách đây một năm.
• Mô hình có thể tổng quát hóa: nếu AI có thể chuyển giao kiến thức sang môi trường, nhiệm vụ và thậm chí robot mới mà không cần dữ liệu riêng, robot mới có thể hữu ích ngay lập tức.

Một ví dụ đáng chú ý: robot Microduck giá 399 USD của Hugging Face đã bán hơn 10.000 chiếc chỉ trong 4 ngày sau khi mở đặt hàng hồi cuối tháng 8. Theo Dream Labs, làn sóng robot giá rẻ dành cho người tiêu dùng và các nhóm nhỏ chính là bệ phóng cho ngành robot.

Dream-1 làm được gì?

Dream-1 là World Action Model (WAM) — mô hình học cách dự đoán video và hành động cùng lúc. Cách tiếp cận này cho phép mô hình điều khiển robot hai tay, kẹp song song mà nó chưa từng được huấn luyện, bao gồm cả PR2 — robot nghiên cứu ra đời cách đây 18 năm.

Dream Labs cho biết đã thử nghiệm trên 27 robot chưa từng thấy trong môi trường mô phỏng và nhiều robot thực tế từ các đối tác như Anvil Robotics, Hugging Face, KAIST, AgiBot, Unitree, UFactory và cả hai cánh tay Franka Research 3.

Một số nhiệm vụ Dream-1 tự thực hiện được:

• Gấp váy, gấp áo sơ mi dài tay
• Đặt trứng vào ô trống trong khay trứng
• Cắm ống hút vào cổ chai
• Treo cốc lên móc
• Xếp các khối lập phương thành một tháp
• Dùng khăn lau khô đĩa và đặt lên giá

"Đây là một trong những báo cáo đầu tiên về khả năng tổng quát hóa zero-shot sang những thân robot hoàn toàn chưa từng gặp" — Dream Labs.

Cơ chế hoạt động

Điểm mấu chốt nằm ở cách Dream-1 biểu diễn hành động. Thay vì chỉ xuất ra góc khớp — vốn gắn chặt với một thân robot cụ thể — mô hình có thể dự đoán tư thế của bộ kẹp đầu cuối (end-effector): mỗi kẹp nên ở đâu và nên mở hay đóng. Mọi robot có hai tay và kẹp song song đều chia sẻ chung không gian hành động này.

Tuy nhiên, chỉ riêng giao diện chung là chưa đủ. Dream-1 quan sát thế giới qua ba camera: một camera đầu và một camera cổ tay trên mỗi nhánh. Với World Action Model, mỗi robot đều xuất hiện dưới cùng một dạng — các điểm ảnh. Nếu mô hình dự đoán được robot sẽ trông thế nào khi hoàn thành nhiệm vụ, nó có thể tạo ra hành động để đạt tới kết quả đó.

Chi phí và hiệu năng

Dream-1 được đánh giá độc lập bởi Robocurve, một tổ chức phi lợi nhuận chuyên đo lường năng lực robot tiên tiến. Kết quả cho thấy Dream-1 đạt điểm cao hơn các mô hình dẫn đầu khác như Opus 5.5 và Gemini 4 Argon, với chi phí thấp hơn 16 lần và nhanh hơn 1,7 lần so với mô hình ngôn ngữ lớn nhanh nhất.

Chi phí vận hành được công bố minh bạch:

• Dream-1: 3 USD/giờ, tương đương khoảng 0,0013 USD mỗi hành động
• Dream-1-flash: 2 USD/giờ, khoảng 0,0009 USD mỗi hành động

Mỗi lần gọi mô hình trả về 1,6 giây hành động, tức khoảng 2.250 lần gọi mỗi giờ.

Khi zero-shot chưa đủ: FaaS

Dream Labs thừa nhận Dream-1 vẫn có giới hạn. Với những thân robot quá xa dữ liệu huấn luyện, hãng cung cấp dịch vụ Fine-tuning-as-a-Service (FaaS): người dùng thu thập một ít dữ liệu trên robot của mình và nhận về mô hình tùy chỉnh.

Chỉ với 5 phút dữ liệu, hiệu năng đã cải thiện rõ rệt. Với những trường hợp khó hơn như bàn tay khéo léo của Dexmate cần tới 77 phút dữ liệu, hoặc kẹp biến thể trên YAM cần 98 phút.

Đặc biệt, Dream-1 chỉ cần 30 phút dữ liệu từ robot YAM để tổng quát hóa zero-shot sang những nhiệm vụ chưa từng thấy — con số từng phải mất hàng trăm đến hàng nghìn giờ dữ liệu riêng cho từng thân robot. Đây chính là kết quả đặt nền móng cho sự ra đời của Dream Labs.

Ý nghĩa với thị trường Việt Nam

Với các nhóm nghiên cứu, startup và phòng thí nghiệm robotics tại Việt Nam — nơi ngân sách thường eo hẹp hơn các trung tâm lớn — mô hình API công khai với chi phí vài USD mỗi giờ có thể mở ra cơ hội tiếp cận năng lực robot tiên tiến mà không cần đầu tư hạ tầng huấn luyện tốn kém.

Tuy vậy, cần lưu ý rằng Dream-1 hiện chỉ hỗ trợ robot hai tay với kẹp song song. Các nền tảng robot tại Việt Nam nếu muốn tận dụng cần đảm bảo phần cứng tương thích và có bộ giải động học nghịch (IK solver) phù hợp.

Nhìn về phía trước

Dream Labs khẳng định Dream-1 mới chỉ là điểm khởi đầu — một chính sách thao tác cho robot hai tay. Tham vọng tiếp theo là mở rộng sang robot di động, bàn tay khéo léo và những thân robot chưa ai hình dung tới.

"Robot sẽ không được giải quyết trong một ngày, và Dream-1 có những giới hạn thực sự mà chúng tôi đã cố gắng trình bày minh bạch."

Với cách tiếp cận API công khai, Dream Labs kỳ vọng không chỉ các nhà nghiên cứu mà cả người dùng hằng ngày có thể khám phá ra những ứng dụng mới cho trí tuệ robot đa dụng.