モデルの位置づけ
Seed GR-3 は、ByteDance の Seed チームが開発した視覚・言語・動作(VLA)ロボット操作モデルで、汎用ロボット研究を対象としている。Transformer 混合アーキテクチャを採用し、視覚言語モジュールと動作生成モジュールを統合した約 40 億パラメータのエンドツーエンドモデルである。(seed.bytedance.com)
能力と用途
- **汎化と指示理解:**把持・配置実験において、学習時に見たことのない物体や環境、および空間関係や大きさなどの抽象概念を含む指示に対応する。
- **長期的・巧緻な操作:**ByteMini 双腕移動ロボットと組み合わせて、テーブル上の整理や双腕で協調して衣服を掛けるなどのタスクを実行でき、柔軟な物体の操作も含まれる。
- **迅速な適応:**学習にはロボットの軌跡、VR で収集した人間の軌跡、公開されている視覚言語データを組み合わせる。公式報告によると、少量の人間の軌跡を使用するだけで、新しいタスクや物体に適応するようモデルを微調整できる。
- **実験結果:**公式のテスト条件下では、テーブル上の整理タスクの平均進捗率は 95% を超え、衣服を掛けるタスクの平均進捗率は 86.7% だった。これらの数値は特定の実験におけるタスク進捗率であり、すべての場面における成功率と見なすべきではない。(seed.bytedance.com)
制限
公式によると、モデルは新しい概念や物体に関わる未見の指示で依然として誤る可能性があり、未見の形状の物体を把持することも難しい場合がある。物体の予期せぬ滑落や環境の変化など、分布外の状況に遭遇すると、停滞する可能性がある。公開 API の利用方法と重みの状態は未確認である。(seed.bytedance.com)
公開日
2025-07-22。この日付は ByteDance Seed の公式発表に明記されている。(seed.bytedance.com)
価格
2026-11-18 時点で、火山方舟の中国国内向け料金および BytePlus ModelArk の国際向け料金を調べたが、GR-3 に対する公式の人民元または米ドル建ての価格は確認できなかった。入力と出力の課金方法も未確認であり、他のモデルの価格を当てはめるべきではない。参考:火山方舟モデル価格;BytePlus ModelArk 料金。(console.volcengine.com)