Black Forest Labsは、ロボット制御用の7Bパラメータ・オープンウェイト世界行動モデル（WAM）であるFLUX 3 Actionをリリースしました。このモデルはRoboLab-120リーダーボードで42.92%のタスク成功率を記録し、首位を獲得しています。

  • モデルはカメラフレーム、ロボットの状態、テキスト指示を読み取り、未来の動画フレームとロボットの行動を同時に予測します。
  • パラメータ数を56%削減しながらも、NVIDIAのCosmos 3 Nanoを6.1パーセントポイント上回ります。
  • BFLは3つのチェックポイントレシピを提供しています：Base、Guidance-distilled（1.8倍〜2倍高速）、Step-distilled（最大4倍高速）。
  • モデルはLoRAによるファインチューニングに対応し、NVIDIA JetsonでのエッジデプロイメントのためにHugging Face LeRobotに統合されています。
  • Frankaアームでの実機評価では、FLUX 3 Actionは試行の93.3%を完了し、Cosmos 3 Nanoの90%を上回りました。

今回のリリースは、動画予測モデルの高い精度とビジョン・ランゲージ・アクションモデルの速度のバランスが取れたデプロイ可能なソリューションを提供します。