7月22日，字節(jié)跳動(dòng)Seed團(tuán)隊(duì)在機(jī)器人技術(shù)領(lǐng)域邁出了重要一步，發(fā)布了通用機(jī)器人模型GR-3，同時(shí)推出了配套的通用雙臂移動(dòng)機(jī)器人ByteMini。這一創(chuàng)新組合有望顯著提升機(jī)器人在復(fù)雜環(huán)境中執(zhí)行任務(wù)的能力，并為機(jī)器人技術(shù)的未來發(fā)展指明了新方向。?

GR-3是一種全新的Vision-Language-Action（VLA）模型，其設(shè)計(jì)旨在理解和執(zhí)行人類指令，同時(shí)適應(yīng)新的物體和環(huán)境。與傳統(tǒng)的VLA模型不同，GR-3通過少量的人類數(shù)據(jù)即可實(shí)現(xiàn)高效微調(diào)，從而快速且低成本地遷移至新任務(wù)，以及認(rèn)識新物體。這種方法不僅提高了模型的適應(yīng)性，還大大降低了訓(xùn)練所需的時(shí)間和資源成本。?

此外，GR-3在處理長程任務(wù)和高靈巧度操作方面表現(xiàn)出色，包括雙手協(xié)同操作、柔性物體操作，以及融合底盤移動(dòng)的全身操作等。這些能力通過一種多樣的模型訓(xùn)練方法實(shí)現(xiàn)，團(tuán)隊(duì)融合了遙操作機(jī)器人收集的真機(jī)數(shù)據(jù)、基于VR設(shè)備的人類軌跡數(shù)據(jù)，以及公開可用的大規(guī)模視覺語言數(shù)據(jù)，這種多源數(shù)據(jù)的結(jié)合是GR-3區(qū)別于現(xiàn)有VLA模型的關(guān)鍵特征之一。?

為了將GR-3的潛力轉(zhuǎn)化為實(shí)際應(yīng)用，字節(jié)跳動(dòng)Seed團(tuán)隊(duì)開發(fā)了通用雙臂移動(dòng)機(jī)器人ByteMini。這款機(jī)器人專為與GR-3模型協(xié)同工作而設(shè)計(jì)，具備22個(gè)全身自由度以及獨(dú)特的手腕球角設(shè)計(jì)，使其能夠在狹小空間中完成各種精細(xì)操作。ByteMini搭載GR-3模型后，能夠在真實(shí)環(huán)境中高效處理復(fù)雜任務(wù)，為智能家居、物流、醫(yī)療等多個(gè)領(lǐng)域的應(yīng)用提供了可能。?

在一系列測試中，GR-3展現(xiàn)出了卓越的性能。在超長序列（子任務(wù)數(shù)≥10）的餐桌整理任務(wù)中，GR-3能夠高魯棒性、高成功率地完成任務(wù)，并嚴(yán)格跟隨人類發(fā)出的分步指令。在復(fù)雜靈巧的掛衣服任務(wù)中，GR-3能夠控制雙臂協(xié)同操作可形變的柔性物體，識別并整理不同擺放方式的衣物。此外，GR-3在抓取放置任務(wù)中表現(xiàn)出良好的泛化能力，能夠處理未見過的物體，并理解包含復(fù)雜抽象概念的指令。?

經(jīng)過上千次系統(tǒng)性實(shí)驗(yàn)測試，GR-3的表現(xiàn)超過了業(yè)界此前可測試具體性能的VLA頭部模型π0。在應(yīng)對未見過的物體時(shí)，通過VR設(shè)備采集少量（10條）軌跡數(shù)據(jù)，GR-3操作這些物體的成功率可從不到60%提升到超過80%。在跟隨分步指令的能力測試中，GR-3也顯著領(lǐng)先于基準(zhǔn)模型，能夠準(zhǔn)確判斷并執(zhí)行復(fù)雜指令，或在指令無效時(shí)保持不動(dòng)。?

展望未來，Seed團(tuán)隊(duì)計(jì)劃進(jìn)一步擴(kuò)大GR-3的模型規(guī)模和訓(xùn)練數(shù)據(jù)量，并引入強(qiáng)化學(xué)習(xí)訓(xùn)練，以持續(xù)提升模型的性能和適應(yīng)性。隨著技術(shù)的不斷進(jìn)步，GR-3和ByteMini有望成為推動(dòng)通用機(jī)器人發(fā)展的重要力量，為更多領(lǐng)域帶來創(chuàng)新解決方案。