GR-3

바이트댄스(Seed)🇨🇳 중국GR (Seed Robotics) 계열

행동 생성 (VLA)발표일 2025.07가중치 비공개

바이트댄스 Seed의 대규모 행동 생성 (VLA) 모델로, 웹 시각-언어 데이터·VR 사람 궤적·로봇 데이터를 공동 학습해 새 물체·환경 일반화와 옷 걸기 같은 변형 물체 조작을 시연했어요. 양팔 이동 로봇 ByteMini와 함께 공개됐으며 가중치는 비공개예요.

파라미터: 4공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: —

공식 자료프로젝트 페이지 seed.bytedance.com 논문 arxiv.org

무엇인가

행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
발표일 2025-07
가중치 비공개 — 설명·결과만 공개됨

확인된 정보

사양 9개 항목 중 6개에 값이 있음
공식 공식 6개: 구조, 입력, 파라미터 (B), 학습용 데이터셋, 적용 로봇 형태, 발표 벤치마크
값 확인일 2025-07 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

값 없는 기본 사양 (공개 자료에서 찾지 못함): 제어 빈도 (Hz)
수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요

어떤 모델인가

GR-3는 ByteDance Seed가 2025년 7월 기술 보고서로 공개한 4B 파라미터 행동 생성 (VLA) 모델로, 새 물체·환경·추상적 지시에 대한 일반화와 장기·정밀 양팔 조작을 목표로 한다. 이해·계획 (VLM) 모델인 Qwen2.5-VL-3B-Instruct가 다시점 카메라 영상과 언어 지시를 처리하고, Mixture-of-Transformers 구조로 연결된 flow matching 기반 액션 DiT가 로봇 상태를 함께 받아 액션 청크를 생성한다. 지시를 잘 따르도록 과제 상태(진행·종료·무효)도 함께 예측한다.

학습의 중심은 원격조작 로봇 궤적의 모방학습에 웹 규모 시각-언어 데이터를 섞은 공동학습이며, 연구원들이 VR 기기로 모은 소수의 사람 궤적으로 새 물체에 빠르게 적응시킨다. 22자유도 양팔 이동 로봇 ByteMini에서 픽앤플레이스, 식탁 정리, 옷걸이에 옷 걸기를 시연했고, 회사 측은 식탁 정리 지시 따르기 성공률 97.5%(π0 53.8%), 미학습 지시 77.1%(π0 40%)로 π0보다 우수하다고 발표했다. 가중치와 코드 공개는 발표되지 않았다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	Qwen2.5-VL-3B-Instruct 이해·계획 (VLM) 백본 + 플로우 매칭 액션 DiT(Mixture-of-Transformers)공식
입력	다시점 카메라, 언어 지시, 로봇 상태공식
파라미터 (B)	4공식
학습용 데이터셋	웹 규모 시각-언어 데이터 + VR 기기로 수집한 사람 궤적(소량 few-shot) + 원격조작 로봇 데이터 공동학습공식
적용 로봇 형태	ByteMini 양팔 이동 로봇(22자유도)공식
발표 벤치마크	공용 벤치마크 없음; 실로봇 일반화 픽앤플레이스·장기 테이블 정리·옷 걸기에서 π0 대비 우위 보고공식

출처 5건

arxiv.org [1][2][3]
seed.bytedance.com [1][2]

한눈에 읽기