字节跳动 Seed Research 团队正式发布最新研究成果 GR-RL，在真实机器人平台上首次实现了「连续为整只鞋穿鞋带」的复杂操作。字节跳动称，这一突破标志着视觉-语言-动作（VLA）模型在精细灵巧任务上的能力边界被显著拓展。

团队指出，主流模仿学习存在两大缺陷：人类演示数据的「次优性」以及训练与推理之间的「执行错位」，导致模型在毫米级精度任务中频繁失败。

为此，Seed 团队选择真机强化学习路径，提出了多阶段训练框架，包括离线数据筛选、数据增强以及在线强化学习。在双臂机器人 ByteMini-v2 上，GR-RL 将穿鞋带任务成功率从监督学习基线 GR-3 的 45.7% 提升至 83.3%，失败率减少近 70%。

其中，数据过滤、镜像增强和在线强化学习均对性能提升贡献显著。实验中，模型展现出类似人类的「纠错智能」，在鞋带滑落或摆放位置不佳时能主动调整并重试，体现了对任务物理逻辑的理解，而非单纯轨迹记忆。团队认为，强化学习经验应进一步蒸馏回基础 VLA 模型，以构建兼具高精度操作与强大泛化能力的通用策略。