GR-3 技术报告

我们报告了在构建通用机器人策略方面的最新进展，即GR-3的开发。GR-3是一个大规模的视觉-语言-动作（VLA）模型。它在泛化到新颖物体、环境和涉及抽象概念的指令方面展现出卓越的能力。此外，它可以通过最少的人类轨迹数据进行高效微调，从而实现对新环境的快速且经济高效的适应。GR-3在处理长程和灵巧任务方面也表现出色，包括那些需要双手操作和移动的任务，展现出稳健可靠的性能。这些能力是通过多方面的训练方案实现的，其中包括与网络规模的视觉-语言数据共同训练、通过VR设备收集的人类轨迹数据进行高效微调，以及利用机器人轨迹数据进行有效的模仿学习。此外，我们推出了ByteMini，这是一种多功能双臂移动机器人，设计时具有出色的灵活性和可靠性，与GR-3集成后能够完成各种任务。通过广泛的实际世界实验，我们表明GR-3在各种具有挑战性的任务上超越了最先进的基线方法pi_0。我们希望GR-3能够成为构建能够协助人类日常生活的通用机器人的一个里程碑。