ロボット研究所の一角に、18年前に製造された旧型双腕ロボット「PR2」が静かに佇んでいた。発表されたばかりのDream-1インターフェースに接続した瞬間、平行グリッパーがスムーズに伸び、物体の把持と配置を難なくこなしてみせた。開発チームの手元にあるこの骨董品ロボットに関する訓練データは、正真正銘の「ゼロ」である。
2026年10月、スタートアップのDream Labsが9000万ドルのシード資金調達を完了し、ステルス状態を解除した。同時に、世界の開発者に向けて汎用ロボット制御モデル「Dream-1」の提供を開始した。同社が掲げるのは、ロボットの「脳」と「身体」を完全に切り離すアプローチだ。一度も見たことのない機械の躯体を、単一の汎用ポリシーで操る。電源を入れた初日からロボットに現場仕事をさせられる者が、身体性AI業界が10年にわたり直面してきた停滞を打破する。
18年前の骨董品が初日から稼働、訓練データはゼロ
従来のロボットプログラミングは、操り人形の劇を仕込む作業に似ていた。ハードウェアを変更すれば、モーターのトルク、関節の長さ、カメラの画角がすべて変わってしまう。たとえアームのメーカーを変えるだけでも、制御コードと動作モデル全体を一から作り直さざるを得なかった。コップを掴めるようにするだけで、オペレーターが同型機を使って数千回もの動作軌道を記録するのが常態だった。
Dream-1はこの煩雑なプロセスを丸ごと飛び越える。公式が打ち出した仕様は極めて明快だ。平行グリッパーを備えた双腕ロボットであれば、APIドキュメントに沿って接続するだけで即座に動き出す。モデルのファインチューニング（微調整）も、専用の動作実演データも不要で、機械学習の専門家を雇い入れる必要すらない。
PR2での検証結果は、この主張を裏付ける最大の証拠となった。18年前に登場したこの研究用双腕ロボットの機構は、現代の軽量アームとは全く似ていない。Dream LabsのデータベースにもPR2の動作履歴は一件も記録されていなかった。見たこともない旧式ハードウェアを既成モデルで直ちに掌握できた事実は、制御ポリシーが特定の物理的形態の制約から脱却し始めたことを証明している。
図：Dream-1 公開デモ画面。出典：Dream Labs
ハードは2000ドルを割り込んだが、ロボット産業は循環の罠にある
過去2年間で、ロボットハードウェアの低価格化は予想を遥かに超えるスピードで進んだ。MakerModsの双腕システム「Maker Arm」は初期費用約2000ドルまで下がり、市場では半人型ロボット7機種の価格が1万5000ドルの大台を割り込んだ。2026年8月28日、オープンソースコミュニティのHugging Faceが399ドルの卓上ロボット「Microduck」の予約を開始すると、わずか4日間で1万台以上が売れ飛んだ。
数千ドルで買えるハードウェアが普及した一方で、実用的な作業をこなせるロボットは依然として極めて稀だ。業界は長い間、悪循環に閉じ込められてきた。実環境の稼働データが足りないためモデルの性能が上がらず、性能が低いため顧客が購入せず、稼働台数が増えないため企業にデータが蓄積されない。どれほど安価に製造できても、納品されたその場で立ち尽くすだけなら、単なる高価な金属の置物に過ぎない。
かつての自動運転業界も同じ壁に突き当たった。運転支援システムが実用的な足がかりを得た転換点は、納車された初日から先行車追従や車線維持をこなせたことにあった。まず公道で走らせることで、膨大な走行データが車輪を通じてデータセンターへと循環し始めた。汎用ポリシーの真の価値は、このコールドスタートの壁を乗り越える点にある。「データを集めてから働かせる」から「まず現場で稼働させ、働きながらデータを集める」へと順序を逆転させたのだ。
30分で新しい動作を習得、汎用ブレインが主役に浮上
過去のモデルが別の身体に移ると動作不能に陥っていたのに対し、なぜDream-1はシームレスに引き継げるのか。その核心は、前作の成果と視覚動作表現の設計にある。2026年2月、同チームは「DreamZero」において世界動作モデル（World Action Models、WAMs）を提案した。モデル内部に物理世界のシミュレーション空間を構築し、「コップを左に10センチ動かす」という物理意図を捉え、どのグリッパー位置からどう押すかをリアルタイムで算出して動作に変換する。
当時、DreamZeroはYAMロボットのわずか30分間の事後学習（post-training）データだけで、未知の新規タスクに対するゼロショット汎化を達成した。30分といえば、人間がコーヒーを一杯飲みながら単純な動作を数十回記録する程度の時間だ。従来の強化学習であればウォームアップすら終わらない。事後学習をわずか30分に短縮できた事実は、基底モデルが物理的な相互作用の普遍的パターンをすでに内面化している証左である。
この技術スタックは、学会における過去2年間の重要成果を統合している。第一に、RSS 2024で発表された汎用マニピュレーションインターフェース「UMI（Universal Manipulation Interface）」グリッパーだ。各種ロボットのエンドエフェクタを規格化された視点に統一し、千差万別の機械の手に共通の手袋をはめる役割を果たした。第二に、人間による膨大な日常動画から機構に依存しない動作意図を抽出する潜在動作事前学習技術「LAP（Latent Action Pretraining, arXiv 2602.10556）」。そして第三に、RoboCurveが2026年10月18日にCC BY 4.0ライセンスで公開した「RoboDojo-RC」第1段階ベンチマークであり、形態横断制御の標準的な評価基盤を整えた。
図：Dream-1 研究概要ビジュアル。出典：Dream Labs
世界12拠点と接続、APIを叩く感覚で双腕アームを動かす
このソリューションが社外の環境でも機能することを証明するため、Dream Labsは大陸横断の実証実験を行った。自社内での18回に及ぶテストスイートに加え、世界12カ所の外部提携拠点にAPIアクセスを提供した。アジアでは深センのBitRobot、上海のAgiBot（智元機器人）、ソウルのKAIST、シンガポールのCortex、クアラルンプールのEastworld、ジャカルタのXDOFが参加。欧米・カリブ地域ではパリのHugging Face、サンフランシスコのRoboCurveおよびScale AI、ロサンゼルスのRobo Inc.、ニューヨークのMecka、カリブ海のAnvil Roboticsが名を連ねた。
これら12組織が保有するロボットは多種多様で、自由度、制御周波数、カメラの配置位置も大きく異なっていた。従来であれば、これほど多様なハードウェアにアルゴリズムを導入するにはエンジニアが数カ月常駐し、各個体のパラメータを校正してデータを集め直す必要があった。しかし今回、各地のチームは同一のAPIをリモートから呼び出すだけで、自前のロボットアームを稼働させた。
この提供形態は、身体性AIを近代的なソフトウェアエンジニアリングの軌道に乗せるものだ。かつてクラウドが基盤サーバーの差異を抽象化したように、Dream-1は動作APIを通じて機械公差や形態の違いを隠蔽しようとしている。形態横断APIのビジネスモデルが確立されれば、中堅・新興のハードウェアメーカーは数千万ドル規模の自社アルゴリズム開発費を節約できる。
デモ動画の成功から工場の量産導入まで立ちはだかる3つの壁
9000万ドルという巨額のシード調達と華々しいデモの裏で、冷静な見極めも欠かせない。現在提示されているDream-1のゼロショット形態横断能力の証拠は、すべて開発元による自社テストと提携12拠点での実演に限られている。技術報告書には失敗の境界条件が明示されておらず、光を反射する金属パーツ、透明なガラスコップ、柔軟に変形する布などを扱う際、ファインチューニングなしの把持成功率がどこまで低下するかを示す定量的な検証データはまだ公開されていない。
テスト環境の客観性にも疑問が残る。12カ所の外部拠点の検証において、整理されていない雑然とした日常環境でのブラインドテストがどれほど含まれていたのか。発表に合わせて綿密に照明や配置を整えたデモ撮影にとどまっていないか。ロボット分野では、制御されたデモで満点を取りながら現場テストで頓挫した事例が枚挙にいとまがない。
「動かせる」ことと「工場で人間の代わりに働き続けられる」ことの間には、長大なエンジニアリングの溝が存在する。産業現場や家庭内支援では、数千サイクルに及ぶ連続動作においてノーエラーが求められる。クラウド経由の通信レイテンシ、双腕協調のミリ単位の精度、予期せぬ衝突時の力覚制御による安全保護など、克服すべき難題は山積みだ。
それでも、Dream-1が決定的な突破口を切り拓いたことは間違いない。「機体ごとに脳を一から作り直す」泥沼から業界を引きずり出し、汎用ポリシーが未知のハードウェアを直接駆動できることを実証した。世界中に存在する低コストなロボットアームが、電源を入れた初日から物体を掴めるようになれば、長年業界を縛り付けてきた「データ不足」の悪循環は、ついに解消へ向かい始める。
参考リンク：
- Dream Labs 公式発表および研究ページ
- DreamZero: World Action Models 技術報告書
- LAP 潜在動作事前学習論文 (arXiv 2602.10556)
- UMI 汎用マニピュレーションインターフェース論文 (RSS 2024)
- RoboCurve RoboDojo-RC Tier-1 ベンチマークドキュメント
