ब्लैक फॉरेस्ट लैब्स ने रोबोट नियंत्रण के लिए एक 7B पैरामीटर ओपन-वेइट्स वर्ल्ड एक्शन मॉडल (WAM) FLUX 3 Action जारी किया है, जो RoboLab-120 लीडरबोर्ड पर 42.92% टास्क सक्सेस रेट के साथ पहले स्थान पर है।

  • मॉडल कैमरा फ्रेम, रोबोट स्टेट और टेक्स्ट निर्देशों को पढ़कर भविष्य की वीडियो फ्रेम्स और रोबोट एक्शन्स का संयुक्त रूप से अनुमान लगाता है।
  • यह 56% कम पैरामीटर उपयोग करते हुए NVIDIA के Cosmos 3 Nano से 6.1 प्रतिशत अंक से बेहतर प्रदर्शन करता है।
  • BFL तीन चेकपॉइंट रेसिपी प्रदान करता है: Base, Guidance-distilled (1.8x से 2x तेज), और Step-distilled (4x तक तेज)।
  • मॉडल LoRA के माध्यम से फाइन-ट्यूनिंग का समर्थन करता है और NVIDIA Jetson पर एज डिप्लॉयमेंट के लिए Hugging Face LeRobot में एकीकृत है।
  • एक Franka आर्म पर रियल हार्डवेयर मूल्यांकन ने दिखाया कि FLUX 3 Action प्रयासों का 93.3% पूरा करता है, जो Cosmos 3 Nano के 90% से अधिक है।

यह रिलीज वीडियो-प्रेडिक्टिव मॉडल्स की उच्च सटीकता और विजन-लैंग्वेज-एक्शन मॉडल्स की गति के बीच संतुलन बनाती है, जो एक डिप्लॉय करने योग्य समाधान प्रदान करती है।