Black Forest Labs ha lanzado FLUX 3 Action, un Modelo de Acción Mundial (WAM) de 7B parámetros con pesos abiertos para el control de robots que ocupa el primer puesto en el ranking RoboLab-120 con una tasa de éxito del 42.92%.

  • El modelo predice conjuntamente los futuros fotogramas de vídeo y las acciones del robot al leer fotogramas de la cámara, el estado del robot y las instrucciones de texto.
  • Supera a Cosmos 3 Nano de NVIDIA en 6.1 puntos porcentuales mientras utiliza un 56% menos de parámetros.
  • BFL proporciona tres recetas de puntos de control: Base, Guidance-distilled (de 1.8x a 2x más rápido) y Step-distilled (hasta 4x más rápido).
  • El modelo admite el ajuste fino mediante LoRA y está integrado en Hugging Face LeRobot para su despliegue en edge en NVIDIA Jetson.
  • Las evaluaciones con hardware real en un brazo Franka mostraron que FLUX 3 Action completó el 93.3% de los intentos, superando el 90% de Cosmos 3 Nano.

El lanzamiento ofrece una solución desplegable que equilibra la alta precisión de los modelos predictivos de vídeo con la velocidad de los modelos de visión-lenguaje-acción.