VLA 图库 / 模型列表 / 产业界模型

GR-RL

ByteDance Seed · 2025-12

VLA产业界模型5Bflow matching

用学到的task progress(Q值)筛选演示，经左右对称增强后用潜在噪声预测器进行在线RL。

论文

GR-RL: Going Dexterous and Precise for Long-Horizon Robotic ManipulationarXiv 2512.01801

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

5B(VLA + critic MoT整体)；在线RL noise predictor训练参数51.5M

架构

主干LLM

Qwen2.5-3B · Qwen2.5-VL-3B配置

视觉编码器

Qwen2.5-VL ViT

动作头

flow matching DiT + 分布式critic (flow matching)

动作块

未公开

控制频率

未公开

架构原文摘要

MoT: VLA(Qwen2.5-VL-3B-Instruct + flow-matching action DiT) + multi-task distributional critic;用于在线RL的latent noise predictor

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（以在线RL 500 steps检查点评估）

数据类型

真实机器人演示 + 真实机器人在线RL

数据规模

演示时长·episode数、在线RL时长未公开

主要数据集

自有系鞋带演示数据

任务·评估

穿鞋带45.7%(GR-3) → 61.6%(过滤) → 72.7%(对称增强) → 83.3%(在线RL)

机器人

ByteMini-v2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）

10 GB

运行位置

未公开

强化学习与底盘

强化学习

使用 (VLA RL后训练) · 用分布式critic筛选并增强演示后，进行实机在线RL（训练潜在噪声预测器 51.5M）。鞋带成功率 45.7% → 83.3%

强化学习依据

https://arxiv.org/html/2512.01801

底盘控制

固定 · 未提及底盘移动（穿鞋带双臂精细操作）

备注

核心特点

用学到的task progress(Q值)筛选演示，经左右对称增强后用潜在噪声预测器进行在线RL。将穿鞋带成功率从GR-3的45.7%提高到83.3%。

备注

GR-3描述为4B，GR-RL描述为含critic共5B。Seed页面日期2025-12-02，arXiv v1 2025-12-01。未找到公开仓库(核验无法确认)。

核验

已确认