BFL представили FLUX 3 Action для управління роботами
BFL представили FLUX 3 Action для управління роботами
Black Forest Labs представили 7B-модель FLUX 3 Action, яка поєднує відеогенерацію та планування рухів для управління роботами.
Black Forest Labs (BFL) дообучили базову відеомодель FLUX 3 на записах роботи роботів, у яких кадри з камер синхронізовані з положеннями суглобів і виконуваними діями. 7B-модель навчається спільно відновлювати з шуму майбутні кадри та послідовність рухів.
За текстовим завданням, поточними кадрами та станом робота модель передбачає рухи суглобів і захоплення разом із їхнім візуальним результатом. Робот виконує частину команд, отримує нові кадри та перераховує наступні рухи.
На симуляційному середовищі RoboLab-120 модель посіла перше місце з 42,9% успішних спроб проти 36,8% у 16B-модель Cosmos 3 Nano. Для нового робота потрібне дообучення. Ваги доступні під FLUX Kommunity License, код — під Apache 2.0.
Чому це важливо
АналітикаFLUX 3 Action показує, як відеомодель ШІ може одночасно передбачати візуальний результат і дії робота, що відкриває новий шлях для втіленого ШІ. Публікація ваг і коду спрощує дослідження ШІ-керованої робототехніки.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками
Пов'язані матеріали екосистеми
Практичні гайди, термінологія та агентські скіли
JSON — структуровані дані для програм, API та AI-агентів
Повний практичний посібник з формату JSON: синтаксичні правила, серіалізація через parse/stringify, робота з REST API, JSON Schema та структурований вивід для штучного інтелекту.
Формати DOCX та XLSX: коли потрібен повноцінний фінальний документ від ШІ
Повний практичний посібник з генерації та опрацювання документів DOCX і таблиць XLSX за допомогою ШІ: порівняння з Markdown та CSV, промпт-інжиніринг, робота з формулами та автоматизація в коді.
DeepSeek (Китайський прорив у відкритому ШІ)
Серія проривних відкритих моделей від китайської лабораторії DeepSeek (V3, R1). Демонструє найвищий рівень у кодингу та міркуванні за вартістю у 10–20 разів нижчою за західні комерційні аналоги.
DeepSeek-R1 (Модель міркування DeepSeek)
Проривна відкрита модель міркування (Open Weights Reasoning Model) на базі 671B MoE архітектури, що довела можливість формування надскладного логічного мислення через чисте навчання з підкріпленням (GRPO).