ብላክ ፎረስት ቤተሙከራዎች FLUX 3 Action ክፍት ክብደት ያላቸው ሮቦቲክስ ሞዴልን ለቋል

ምን ተፈጠረ

ብላክ ፎረስት ላብስ (BFL) ለሮቦቲክስ ተብሎ የተነደፈ ባለ 7-ቢሊዮን መለኪያ ክፍት ክብደት 'World Action Model' FLUX 3 Action አወጣ። ሞዴሉ አካላዊ ድርጊቶችን ለመፍጠር የካሜራ ምልከታዎችን፣ የሮቦት ሁኔታን እና የተፈጥሮ ቋንቋ መመሪያዎችን ይወስዳል። BFL በNVIDIA's RoboLab-120 ቤንችማርክ ላይ የ42.92% የስኬት ምጣኔን ዘግቧል፣ከቀዳሚው መሪ NVIDIA's Cosmos3-Nano-Policy (16B መለኪያዎች) በ6.1 በመቶ ነጥብ በልጧል። የሚለቀቀው ክብደት፣ ኮድ እና ጥሩ ማስተካከያ የምግብ አዘገጃጀቶችን ያካትታል፣ ይህም ገንቢዎች እንደ LeRobot ያሉ ማዕቀፎችን በመጠቀም ሞዴሉን ከተወሰኑ ሮቦቶች ጋር እንዲላመዱ ያስችላቸዋል።

በFLUX ምስል እና ቪዲዮ ሞዴሎች የሚታወቀው ብላክ ፎረስት ቤተሙከራዎች FLUX 3 Action በመለቀቁ ወደ ሮቦቲክስ ተስፋፋ። ይህ ባለ 7-ቢሊየን መለኪያ ሞዴል የካሜራ ግብአቶችን፣ የስርዓት ሁኔታዎችን እና የጽሑፍ መመሪያዎችን ከእይታ ትእይንት የዝግመተ ለውጥ ትንበያ ጋር 32 ተከታታይ አካላዊ እርምጃዎችን ለማውጣት የሚያስችል ክፍት ክብደት 'የአለም የድርጊት ሞዴል' (WAM) ነው።

በVentureBeat መሰረት፣ BFL ዘግቧል FLUX 3 Action በNVIDIA's RoboLab-120 benchmark ላይ አጠቃላይ የስኬት መጠን 42.92% ደርሷል። ይህ ነጥብ ከቀዳሚው ከፍተኛ ክፍት ሞዴል NVIDIA Cosmos3-Nano-Policy በ6.1 በመቶ ነጥብ በልጧል። በተለይም FLUX 3 Action የሚጠቀመው ከኮስሞስ 16 ቢሊዮን ጋር ሲነጻጸር 7 ቢሊዮን መለኪያዎችን ብቻ ነው፣ እና BFL 1.43 ጊዜ በፍጥነት እንደሚሰራ ተናግሯል፣ ይህም ለቅልጥፍና እና አፈጻጸም አዲስ የፓርቶ ድንበር አቋቁሟል።

ልቀቱ የሞዴሉን ክብደቶች፣ ኮድ፣ ጥሩ ማስተካከያ የምግብ አዘገጃጀቶችን እና ሊባዙ የሚችሉ ምሳሌዎችን ያካትታል። BFL ቡድኖች ከራሳቸው ሮቦቶች የተሰበሰቡ ማሳያዎችን በመጠቀም ሞዴሉን በጥሩ ሁኔታ ማስተካከል እንደሚችሉ ይገልፃል፣ በተለይም ከ SO-101 ሮቦት እና ከ Hugging Face የሌሮቦት ማዕቀፍ ጋር ተኳሃኝነትን ጠቅሷል። ኩባንያው ሮቦቲክ ባልሆኑ አካባቢዎች የአምሳያውን አቅም አሳይቷል፣ የሚበር ሰው አልባ አውሮፕላኖችን እና የቪዲዮ ጌም ጨዋታን ያለጨዋታ ሞት መጫወትን ጨምሮ፣ ምንም እንኳን እነዚህ እንደ መጀመሪያ ሙከራዎች ተለይተው ይታወቃሉ።

ሰፊውን የFLUX 3 ቤተሰብ ሲያስጀምር BFL በጁላይ ወር ላይ FLUX 3 Actionን አስቀድሞ አይቷል፣ ግን መጀመሪያ ላይ ለተመረጡት የምርምር እና የንግድ አጋሮች ብቻ ነበር። የአሁኑ ልቀት ወደ ሰፊ ተደራሽነት የሚደረግ ሽግግርን ያሳያል፣ ምንም እንኳን የተለየ የንግድ ኤፒአይ ለድርጊት ሞዴል ዋጋ ገና ይፋ ባይሆንም። ሞዴሉ የሚገነባው በBFL's Self-Flow ምርምር ላይ ነው፣ ዓላማውም ጠቃሚ የእንቅስቃሴ እና መንስኤ-እና-ውጤት ከቪዲዮ ውሂብ በተለየ የቀዘቀዙ የውክልና ሞዴሎች ላይ ሳይመሰረቱ ለመማር ነው።

የምንጭ ዝርዝሮች: venturebeat.com ↗

ለምን አስፈላጊ ነው።

ይህ ልቀት ጠቃሚ ነው ምክንያቱም የታመቀ ክፍት ክብደት አማራጭ ከትላልቅ የባለቤትነት ወይም የተዘጉ የሮቦቲክስ ሞዴሎች ያቀርባል። ባነሰ ግቤቶች (7B vs 16B) እና ፈጣን ግምት ከፍተኛ የቤንችማርክ ነጥቦችን በማሳካት BFL የላቁ የሮቦት ፖሊሲዎችን ያለ ትልቅ ስሌት ግብአት ለማሰማራት ለሚፈልጉ ቡድኖች የመግባት እንቅፋት ይቀንሳል። ክፍት የክብደት ተፈጥሮ የአካባቢን ማስተካከያ እና የውሂብ ግላዊነትን ይፈቅዳል, ይህም የባለቤትነት መረጃ ከተቋሙ ሊወጣ በማይችልበት ለኢንዱስትሪ አፕሊኬሽኖች ወሳኝ ነው. እንዲሁም የቪዲዮ ቅድመ-ስልጠና አካላዊ ቁጥጥርን የሚያሳውቅበትን የ'ወርልድ አክሽን ሞዴል' አካሄድ ያረጋግጣል፣ ይህም ሰፊ ሮቦት-ተኮር መረጃ የመሰብሰብን ፍላጎት ሊቀንስ ይችላል።

የFLUX 3 Action መለቀቅ ለሮቦቲክስ ኢንዱስትሪ ከፍተኛ አፈጻጸም ያለው፣ ክፍት ክብደት ያለው አማራጭ ስለሚሰጥ ትልቅ እና የበለጠ ሀብትን የያዙ ሞዴሎችን የሚፈታተን ነው። ባነሰ መመዘኛዎች የላቀ የማመሳከሪያ ውጤቶችን በማሳካት፣ BFL ቅልጥፍና እና አፈጻጸም የማይነጣጠሉ አለመሆናቸውን ያሳያል፣ ይህም የማስላት ግብዓቶች ውስን በሆኑበት ጠርዝ ላይ ለማሰማራት ወሳኝ ነው።

ለገንቢዎች, የአምሳያው ክፍት-ክብደት ባህሪ ቁልፍ ልዩነት ነው. ቡድኖች ሞዴሉን በራሳቸው መሠረተ ልማት ውስጥ እንዲፈትሹ፣ እንዲያሻሽሉ እና እንዲያስተካክሉ ያስችላቸዋል፣ ይህም የባለቤትነት ሮቦት ማሳያዎች እና የአሠራር መረጃዎች የግል እንደሆኑ እንዲቆዩ ያደርጋል። ይህ ከተስተናገዱ የሮቦቲክስ አገልግሎቶች ወይም እንደ Google's Gemini Robotics On-Device 2 ባሉ የባለቤትነት ሞዴሎች ላይ ትልቅ ጥቅም ነው፣ ይህም ለተመረጡ ሞካሪዎች ብቻ ነው።

የቪዲዮ ቅድመ-ስልጠናን ከድርጊት ማመንጨት ጋር የሚያጣምረው የአምሳያው አርክቴክቸር አካላዊ ተለዋዋጭነትን ለመረዳት አመንጪ ሞዴሎችን የመጠቀም አዝማሚያ ጋር ይዛመዳል። ሞዴሉ ከቪዲዮ የተማሩትን ሰፊ የእይታ እና የአካል ውክልናዎችን መጠቀም ስለሚችል ይህ አካሄድ ለስልጠና የሚያስፈልገውን ሮቦት-ተኮር መረጃ መጠን ሊቀንስ ይችላል። ይህ እንደ መደርደር፣ መሰብሰብ እና ማሰስ ላሉ ተግባራት የሮቦቲክ ሲስተም እድገትን ሊያፋጥን ይችላል።

ነገር ግን ተግባራዊ ተፅእኖ የሚወሰነው በመጨረሻው የፍቃድ ውሎች እና የውጪ ቡድኖች ሪፖርት የተደረጉትን ውጤቶች እንደገና ለማባዛት ባለው ችሎታ ላይ ነው። የሮቦቲክስ መመዘኛዎች ብዙውን ጊዜ የተበታተኑ ናቸው፣ እና በተለያዩ የሞዴል አርክቴክቸር (WAMs፣ VLAs እና የድርጊት አመክንዮ ሞዴሎች) መካከል ቀጥተኛ ንፅፅር አስቸጋሪ ነው። የFLUX 3 Action ስኬት በመጨረሻው ላይ የሚወሰነው በገሃዱ ዓለም፣ የተለያዩ የሮቦቲክ አካባቢዎች ላይ ባለው አፈጻጸም ብቻ ሳይሆን የማስመሰል መለኪያዎችን ነው።

ቀጥሎ ምን እንደሚታይ

አሁን የተለቀቀው በዋነኛነት ለምርምር እና ለአጋር መዳረሻ በመሆኑ ገንቢዎች የመጨረሻውን የንግድ ፈቃድ ውሎች መኖራቸውን መከታተል አለባቸው። የሮቦቲክስ መመዘኛዎች ብዙውን ጊዜ ደረጃቸውን የጠበቁ በመሆናቸው በተለያዩ ሃርድዌር ላይ የቤንችማርክ ውጤቶችን ማባዛት ወሳኝ ነው። በተጨማሪም፣ የFLUX 3 Actionን ወደ ሰፊ የንግድ ኤፒአይዎች ውህደት ወይም BFL ተጨማሪ ሮቦቲክስ-ተኮር የመጨረሻ ነጥቦችን ለማካተት ክፍት-ኮር ስልቱን እያሰፋ እንደሆነ ይመልከቱ።

ለመመልከት በጣም አፋጣኝ የሆነው የFLUX 3 Action የመጨረሻ የንግድ ፍቃድ ውሎች መታተም ነው። BFL ክብደቶችን እና ኮድን ቢያወጣም፣ ለንግድ አጠቃቀም፣ መልሶ ማከፋፈል እና ማሻሻያ ልዩ ሁኔታዎች እስካሁን ሙሉ በሙሉ አልተዘረዘሩም። ይህ ሞዴል በኢንዱስትሪ መቼቶች ውስጥ ምን ያህል በስፋት ጥቅም ላይ ሊውል እንደሚችል ይወስናል.

የቤንችማርክ ውጤቶችን ገለልተኛ ማረጋገጥ ወሳኝ ነው። BFL በRoboLab-120 ላይ የተመዘገበው 42.92% የስኬት መጠን በራሳቸው ሙከራ ላይ የተመሰረተ ነው፣ እና የNVIDIA የህዝብ መሪ ሰሌዳ በሪፖርቱ ጊዜ በእነዚህ ውጤቶች አልዘመነም። የአምሳያው አፈጻጸም እና አጠቃላይነት ለማረጋገጥ በሶስተኛ ወገን የምርምር ቡድኖች ማባዛት አስፈላጊ ይሆናል።

ገንቢዎች የFLUX 3 Actionን ከሮቦቲክስ ማዕቀፎች እና ሃርድዌር ጋር መቀላቀልን መከታተል አለባቸው። BFL ከ SO-101 ሮቦት እና ከሌሮቦት ጋር ተኳሃኝነትን አጉልቶ አሳይቷል፣ ነገር ግን የአምሳያው አፈጻጸም በሌሎች የተለመዱ የሮቦት መድረኮች ለምሳሌ ከNVIDIA ወይም Ai2፣ መታየት ያለበት ነው። በተለያዩ ሃርድዌር ላይ የማስተካከል ቀላልነት የጉዲፈቻው ቁልፍ ውሳኔ ይሆናል።

በመጨረሻም፣ በክፍት ክብደት ሮቦቲክስ ውስጥ ያለው የውድድር ገጽታ በፍጥነት እያደገ ነው። እንደ Ai2's MolmoAct 2 እና NVIDIA's GR00T N1.7 ባሉ ሞዴሎች የFLUX 3 Action ስኬት በአፈጻጸም፣ በቅልጥፍና እና በአጠቃቀም ቀላልነት ላይ ልዩ ጥቅሞችን ለመስጠት ባለው ችሎታ ላይ ይመሰረታል። ማህበረሰቡ በተለያዩ አፕሊኬሽኖች ውስጥ ሞዴሉን ሲሞክር የሚቀጥሉት ጥቂት ወራት ብዙ ንጽጽሮችን እና መመዘኛዎችን ሊያዩ ይችላሉ።

ተዛማጅ መመሪያዎች እና ጥያቄዎች