12月2日，字节跳动Seed团队发布最新研究成果GR-RL，首次实现机器人真机强化学习完成整只鞋连续穿鞋带的任务。GR-RL通过从离线数据筛选到在线真机微调的强化学习框架，显著提升了操作成功率。相比前作监督学习模型GR-3，GR-RL将穿鞋带任务的成功率从45.7%提升至83.3%，同时减少了近70%的失败情况。这一成果拓展了VLA模型在长时程精细灵巧操作方面的能力边界，为机器人技术的发展提供了重要参考。