- 类别
- VLA 模型
- 开放程度
- 仅论文
- 发布时间
- 2025 年 7 月 21 日
- 发布方所在地
- 中国
项目简介
字节跳动 Seed 的视觉-语言-动作模型,用于双臂移动机器人。以 Qwen2.5-VL-3B-Instruct 为底座,配合动作扩散 Transformer 用流匹配生成动作块,输入多视角图像、语言指令和机器人状态。训练数据包括网络视觉语言数据、机器人轨迹和 VR 设备采集的人类轨迹,可用少量人类轨迹适配新物体。同时发布双臂移动机器人 ByteMini。只有技术报告。
- 规模
- 4B 参数(Qwen2.5-VL-3B-Instruct 底座 + 动作 DiT)
适配机器人
- ByteMini