字节跳动 Seed 团队发布全新 Vision-Language-Action 模型 GR-3，该模型具备理解抽象语言指令、精细操作柔性物体的能力，并可高效泛化至新物体与新环境。与以往模型不同，GR-3 仅需少量人类数据即可完成微调，显著降低训练成本。

GR-3 通过融合遥操作机器人数据、VR 人类轨迹数据及大规模视觉语言数据进行联合训练，提升任务处理能力。配合专为其打造的双臂移动机器人 ByteMini，GR-3 可在狭小空间完成高精度操作。

实验表明，GR-3 在多步指令执行、衣物整理、新物体抓取等任务中表现优异，成功率显著提升，展现通用机器人“大脑”的潜力。