Rapporto Tecnico GR-3

GR-3 Technical Report

July 21, 2025

Autori: Chilam Cheang, Sijin Chen, Zhongren Cui, Yingdong Hu, Liqun Huang, Tao Kong, Hang Li, Yifeng Li, Yuxiao Liu, Xiao Ma, Hao Niu, Wenxuan Ou, Wanli Peng, Zeyu Ren, Haixin Shi, Jiawen Tian, Hongtao Wu, Xin Xiao, Yuyang Xiao, Jiafeng Xu, Yichu Yang

cs.AI

Abstract

Riportiamo i recenti progressi verso la costruzione di politiche robotiche generaliste, con lo sviluppo di GR-3. GR-3 è un modello su larga scala visione-linguaggio-azione (VLA). Dimostra capacità eccezionali nel generalizzare a nuovi oggetti, ambienti e istruzioni che coinvolgono concetti astratti. Inoltre, può essere efficientemente adattato con un minimo di dati di traiettoria umana, consentendo un adattamento rapido ed economico a nuovi contesti. GR-3 eccelle anche nella gestione di compiti a lungo termine e di destrezza, inclusi quelli che richiedono manipolazione bi-manuale e movimento mobile, mostrando prestazioni robuste e affidabili. Queste capacità sono raggiunte attraverso una ricetta di formazione multifaccettata che include co-addestramento con dati visione-linguaggio su scala web, adattamento efficiente da dati di traiettoria umana raccolti tramite dispositivi VR e apprendimento per imitazione efficace con dati di traiettoria robotica. Inoltre, introduciamo ByteMini, un robot mobile bi-manuale versatile progettato con flessibilità e affidabilità eccezionali, in grado di realizzare un'ampia gamma di compiti quando integrato con GR-3. Attraverso estesi esperimenti nel mondo reale, dimostriamo che GR-3 supera il metodo di riferimento state-of-the-art, pi_0, in una vasta gamma di compiti impegnativi. Speriamo che GR-3 possa rappresentare un passo verso la costruzione di robot generalisti capaci di assistere gli esseri umani nella vita quotidiana.

English

We report our recent progress towards building generalist robot policies, the development of GR-3. GR-3 is a large-scale vision-language-action (VLA) model. It showcases exceptional capabilities in generalizing to novel objects, environments, and instructions involving abstract concepts. Furthermore, it can be efficiently fine-tuned with minimal human trajectory data, enabling rapid and cost-effective adaptation to new settings. GR-3 also excels in handling long-horizon and dexterous tasks, including those requiring bi-manual manipulation and mobile movement, showcasing robust and reliable performance. These capabilities are achieved through a multi-faceted training recipe that includes co-training with web-scale vision-language data, efficient fine-tuning from human trajectory data collected via VR devices, and effective imitation learning with robot trajectory data. In addition, we introduce ByteMini, a versatile bi-manual mobile robot designed with exceptional flexibility and reliability, capable of accomplishing a wide range of tasks when integrated with GR-3. Through extensive real-world experiments, we show GR-3 surpasses the state-of-the-art baseline method, pi_0, on a wide variety of challenging tasks. We hope GR-3 can serve as a step towards building generalist robots capable of assisting humans in daily life.