VLA 图库 / 模型列表 / 产业界模型

GR-Dexter

ByteDance Seed · 2025-12

VLA产业界模型4Bdiffusion

以4B VLA控制装有2只21-DoF仿人手的固定双臂(共56-DoF)。

论文

GR-Dexter Technical ReportarXiv 2512.24210

概述

分类

产业界模型

类型

VLA

发布

2025-12

机构

ByteDance Seed

权重公开

未核实

参数

4B

架构

主干LLM

Qwen2.5 · Qwen2.5-VL (规模未公开)

视觉编码器

Qwen2.5-VL ViT

动作头

action diffusion transformer (88维) (diffusion)

动作块

未公开

控制频率

未公开

架构原文摘要

MoT: 预训练Qwen2.5-VL + action diffusion transformer;每时间步88维动作(手臂关节,6D EE pose,每只手16 active DoF,指尖3D位置)

训练

预训练加速器

未公开

预训练时长

未公开

预训练步数·批量

未公开

GPU·TPU-小时

未公开

微调

未公开

数据类型

真实机器人遥操作 + 网络视觉-语言 + 其他机器人(cross-embodiment)数据 + 人类视频(含3D手·手指跟踪)

数据规模

遥操作化妆品整理约20 h，pick-and-place约20 h；egocentric视频800 h以上；Fourier ActionNet约140 h；OpenLoong Baihu 100k+ traj；RoboMIND 107k traj(479 tasks)

主要数据集

Fourier ActionNet，OpenLoong Baihu，RoboMIND，GR-3网络VL数据，自有遥操作

任务·评估

长时程化妆品整理in-domain 0.97 / OOD 0.89；pick-and-place seen 0.93，unseen物体0.85，unseen指令0.83

机器人

Franka Research 3 ×2 + ByteDexter V2 21-DoF手(系统56-DoF，固定双臂)

推理

推理设备·速度

未公开

推理显存

未公开

权重 bf16（计算）

8 GB

运行位置

未公开

强化学习与底盘

强化学习

未使用 · 下一token预测 + flow matching 联合监督学习

强化学习依据

https://arxiv.org/html/2512.24210

底盘控制

固定 · 无底盘控制（Franka固定双臂 + 手）

备注

核心特点

以4B VLA控制装有2只21-DoF仿人手的固定双臂(共56-DoF)。每任务约20 h的遥操作数据，由其他机器人数据和带手部追踪的egocentric视频800 h以上补充。

备注

数据时长仅按来源注明，没有合计语句，因此数值栏留空。arXiv v1 2025-12-30，v2 2026-01-09（HTML头部的2026-07-27标注与提交记录不一致）。未找到公开仓库（核查无法确认）。

核验

已确认