VLA 갤러리 / 모델 목록 / 산업계 모델

GR-Dexter

ByteDance Seed · 2025-12

VLA산업계 모델4Bdiffusion

21-DoF 인간형 손 2개를 단 고정 양팔(총 56-DoF)을 4B VLA로 제어한다.

논문

GR-Dexter Technical ReportarXiv 2512.24210

개요

분류

산업계 모델

유형

VLA

발표

2025-12

기관

ByteDance Seed

가중치 공개

미확인

파라미터

4B

구조

백본 LLM

Qwen2.5 · Qwen2.5-VL (크기 미공개)

비전 인코더

Qwen2.5-VL ViT

액션 헤드

action diffusion transformer (88차원) (diffusion)

청크

미공개

제어 주기

미공개

구조 원문 요약

MoT: 사전학습 Qwen2.5-VL + action diffusion transformer; 타임스텝당 88차원 행동(팔 관절, 6D EE pose, 손당 16 active DoF, 손끝 3D 위치)

학습

사전학습 가속기

미공개

사전학습 기간

미공개

사전학습 스텝·배치

미공개

GPU·TPU-시간

미공개

파인튜닝

미공개

데이터 종류

실로봇 텔레옵 + 웹 비전-언어 + 타 로봇(cross-embodiment) 데이터 + 사람 영상(3D 손·손가락 추적 포함)

데이터 규모

텔레옵 화장품 정리 약 20 h, pick-and-place 약 20 h; egocentric 영상 800 h 이상; Fourier ActionNet 약 140 h; OpenLoong Baihu 100k+ traj; RoboMIND 107k traj(479 tasks)

주요 데이터셋

Fourier ActionNet, OpenLoong Baihu, RoboMIND, GR-3 웹 VL 데이터, 자체 텔레옵

태스크·평가

장기 화장품 정리 in-domain 0.97 / OOD 0.89; pick-and-place seen 0.93, unseen 물체 0.85, unseen 지시 0.83

로봇

Franka Research 3 ×2 + ByteDexter V2 21-DoF 손(시스템 56-DoF, 고정 양팔)

추론

추론 장치·속도

미공개

추론 메모리

미공개

가중치 bf16 (계산)

8 GB

실행 위치

미공개

강화학습 · 베이스

강화학습

미사용 · 다음 토큰 예측 + flow matching 공동 지도학습

강화학습 근거

https://arxiv.org/html/2512.24210

베이스 제어

고정 · 베이스 제어 없음 (Franka 고정 양팔 + 손)

비고

핵심 특징

21-DoF 인간형 손 2개를 단 고정 양팔(총 56-DoF)을 4B VLA로 제어한다. 과제당 약 20 h의 텔레옵 데이터를 타 로봇 데이터와 손 추적이 붙은 egocentric 영상 800 h 이상으로 보완한다.

비고

데이터 시간은 출처별로만 명시되고 합계 문장이 없어 수치 칸 비움. arXiv v1 2025-12-30, v2 2026-01-09(HTML 헤더의 2026-07-27 표기는 제출 이력과 불일치). 공개 저장소를 찾지 못함(검증 확인불가).

검증

확인