BFL udostępnia FLUX 3 Action do sterowania robotami
BFL udostępnia FLUX 3 Action do sterowania robotami
Black Forest Labs zaprezentowało FLUX 3 Action, model wideo o wielkości 7 mld parametrów, dostosowany do nagrań z robotów w celu jednoczesnego przewidywania przyszłych klatek i ruchów stawów.
Black Forest Labs (BFL) dokonało fine-tuningu modelu bazowego FLUX 3 na nagraniach operacji robotycznych, w których klatki z kamer są zsynchronizowane z pozycjami stawów i wykonywanymi akcjami. Model o wielkości 7 mld parametrów uczy się wspólnego denoisingu przyszłych klatek wideo oraz sekwencji ruchowych.
Przy zadaniu tekstowym, bieżących klatkach i stanie robota, model przewiduje ruchy stawów i chwytaków wraz z ich wizualnym efektem. Robot wykonuje część komend, otrzymuje nowe klatki i przelicza kolejne ruchy.
W symulacji RoboLab-120 model zajął pierwsze miejsce ze skutecznością 42,9%, w porównaniu z 36,8% dla modelu Cosmos 3 Nano o wielkości 16 mld parametrów. Dostosowanie (fine-tuning) jest wymagane dla każdego nowego typu robota. Wagi modelu są dostępne na licencji FLUX Kommunity License, a kod źródłowy został udostępniony na licencji Apache 2.0.
Dlaczego to ważne
AnalizaFLUX 3 Action demonstruje, jak modele wideo mogą stać się modelami politycznymi dla AI ucieleśnionej, przewidując konsekwencje wizualne i działania robota w jednej pętli. Otwarte wagi i kod na licencji Apache ułatwiają badaczom adaptację tego podejścia do nowych platform robotycznych.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
JSON — dane ustrukturyzowane dla aplikacji, API i agentów AI
Kompletny praktyczny przewodnik po formacie JSON: zasady składniowe, serializacja za pomocą parse/stringify, praca z REST API, JSON Schema oraz strukturalne wyjście dla sztucznej inteligencji.
Formaty DOCX i XLSX: kiedy potrzebny jest pełnoprawny dokument końcowy od AI
Kompletny praktyczny przewodnik po generowaniu i przetwarzaniu dokumentów DOCX oraz arkuszy XLSX za pomocą AI: porównanie z Markdown i CSV, inżynieria promptów, praca z formułami oraz automatyzacja w kodzie.
DeepSeek (Chiński przełom w otwartym AI)
Seria przełomowych modeli open-source od chińskiego laboratorium DeepSeek (V3, R1). Prezentuje najwyższy poziom w kodowaniu i rozumowaniu przy kosztach 10–20 razy niższych niż zachodnie odpowiedniki komercyjne.
DeepSeek-R1 (Model rozumowania DeepSeek)
Przełomowy otwarty model rozumowania (Open Weights Reasoning Model) oparty na architekturze MoE o rozmiarze 671B, który udowodnił możliwość kształtowania niezwykle złożonego myślenia logicznego poprzez czyste uczenie ze wzmocnieniem (GRPO).