Black Forest Labs เปิดตัว FLUX 3 Action โมเดล AI หุ่นยนต์

Black Forest Labs กำลังปล่อย FLUX 3 Action โมเดล AI แบบเปิดที่ออกแบบมาสำหรับหุ่นยนต์ โดยสร้างขึ้นบนพื้นฐานของ multimodal FLUX 3 model ซึ่งถูกฝึกฝนมาบนวิดีโอเป็นหลัก รวมถึงข้อมูลภาพและเสียง

ในฐานะที่เป็น world-action model โมเดลนี้จะรับข้อมูลวิดีโอจากกล้องหลายตัวในพื้นที่ทำงานของหุ่นยนต์ เพื่อคาดการณ์ว่าตัวแทน (agent) ควรดำเนินการอย่างไรต่อไป และสภาพแวดล้อมจะเปลี่ยนแปลงไปอย่างไรจากผลลัพธ์นั้น

จากข้อมูลของ BFL ระบุว่า FLUX 3 Action ได้สร้างสถิติใหม่สำหรับอัตราความสำเร็จบน RoboLab-120 leaderboard ด้วยพารามิเตอร์เพียง 7 พันล้านตัว ซึ่งมีขนาดน้อยกว่าครึ่งหนึ่งของ previous best open model ในขณะที่สามารถทำงานได้เร็วขึ้นถึง 3.95 เท่า

BFL กล่าวว่าโมเดลการให้เหตุผลขนาดใหญ่สามารถวางแผนได้ดี แต่พวกมันมักจะช้าและเทอะทะเกินไปสำหรับหุ่นยนต์ ทำให้ประสิทธิภาพที่รวดเร็วในลักษณะนี้มีความสำคัญอย่างยิ่งสำหรับการปรับใช้บนตัวอุปกรณ์ (on-device deployment)

นอกจากนี้ BFL ยังเห็นศักยภาพในสภาพแวดล้อมดิจิทัล โดยอาจใช้เป็นสนามทดสอบสำหรับการนำทางในวิดีโอเกม และพัฒนาต่อยอดเป็นตัวแทนควบคุมคอมพิวเตอร์ที่ตอบสนองอย่างรวดเร็วในอนาคต โดยตอนนี้น้ำหนักของโมเดล (weights) พร้อมใช้งานแล้วบน Hugging Face