# GR-RL：实现灵巧精准的长程机器人操作

- 来源：字节 Seed：Research Papers（网页内嵌数据）
- 作者：Yunfei Li, Xiao Ma, Jiafeng Xu, Yu Cui, Zhongren Cui, Zhigang Han, Liqun Huang, Tao Kong, Yuxiao Liu, Hao Niu, Wanli Peng, Jingchao Qiao, Zeyu Ren, Haixin Shi, Zhi Su, Jiawen Tian, Yuyang Xiao, Shenyu Zhang, Liwei Zheng, Hang Li, Yonghui Wu
- 发布时间：2025-12-02 00:00
- AIHOT 链接：https://aihot.virxact.com/items/cmnw1zbgj0294slc38kikvkob
- 原文链接：https://arxiv.org/abs/2512.01801

## AI 摘要

GR-RL 框架通过多阶段训练将通用 VLA 策略转化为长程灵巧操作专家。针对精细任务中人类演示的次优性，利用离线 RL 的 Q 值过滤有效轨迹，结合形态对称增强与在线 RL 对齐部署行为。在自主系鞋带任务中实现 83.3% 成功率，首次完成需毫米级精度和长程推理的复杂操作。

## 正文

该来源未收录可展示正文，站内仅提供摘要。