2025-12-02
ByteDance Seed / 豆包·国内
Seed GR-RL
模态图像·动作
字节跳动 Seed 发布的机器人强化学习框架,把通用视觉-语言-动作策略训练成擅长长时程灵巧操作的专用策略,官方认为人类演示在灵巧高精度任务里可能嘈杂且次优。官方以自建的穿鞋带真实世界任务自评:三阶段训练(离线数据过滤 → 物理对称性增强 → 在线强化学习)把成功率从行为克隆基线的 45.7% 推到 83.3%。
具身智能强化学习长时程操作自建任务自评
shoelace-lacing-success-rate 83.3%