BFL presenta FLUX 3 Action para controlar robots
BFL presenta FLUX 3 Action para controlar robots
Black Forest Labs lanzó FLUX 3 Action, un modelo de vídeo de 7B afinado con grabaciones de robots para predecir tanto los fotogramas futuros como los movimientos.
Black Forest Labs (BFL) ha afinado la base del modelo de vídeo FLUX 3 con grabaciones de trabajo de robots, donde los fotogramas de las cámaras están sincronizados con las posiciones de las articulaciones y las acciones. El modelo de 7B aprende a reconstruir conjuntamente, a partir de ruido, los fotogramas futuros y la secuencia de movimientos.
Dada una tarea textual, los fotogramas actuales y el estado del robot, el modelo predice los movimientos de las articulaciones y del agarre junto con su resultado visual. El robot ejecuta parte de las instrucciones, recibe nuevos fotogramas y recalcula los siguientes movimientos.
En la simulación RoboLab-120, el modelo ocupó el primer lugar con un 42,9 % de intentos exitosos, frente al 36,8 % de Cosmos 3 Nano de 16B. Se requiere afinamiento para un nuevo robot. Los pesos están disponibles bajo la licencia FLUX Kommunity License y el código bajo Apache 2.0.
Por qué es importante
AnálisisFLUX 3 Action muestra cómo los modelos de vídeo de IA pueden convertirse en modelos de control para IA encarnada, prediciendo consecuencias visuales y acciones robóticas en un mismo ciclo. Los pesos abiertos y el código bajo Apache 2.0 facilitan la adaptación a nuevos robots.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
JSON — Datos estructurados para programas, APIs y agentes de IA
Guía práctica y completa sobre JSON: especificación de sintaxis, serialización con parse y stringify, consumo de APIs REST, validación con JSON Schema y salidas estructuradas para LLMs.
Formato CSV: guía completa para automatizaciones y flujos de IA
Guía práctica sobre el formato CSV en flujos de IA: estándar RFC 4180, comparativa con XLSX y JSON, limpieza masiva, enriquecimiento de datos, scripts en Python y prompts para producción.
La IA escanea más de 450 cámaras para encontrar a Wally
Un modelo abierto analiza grabaciones de cámaras sin protección en todo el mundo para localizar a personas con un atuendo similar al de Wally.
DeepSeek (Ruptura China en IA Abierta)
Serie de modelos abiertos innovadores de la laboratorio chino DeepSeek (V3, R1). Demuestra el más alto nivel en codificación y razonamiento a un costo de 10 a 20 veces inferior al de los análogos comerciales occidentales.