Apa yang terjadi
Black Forest Labs (BFL) merilis FLUX 3 Action, 'Model Aksi Dunia' berbobot terbuka dengan 7 miliar parameter yang dirancang untuk robotika. Model tersebut mengambil observasi kamera, keadaan robot, dan instruksi bahasa alami untuk menghasilkan tindakan fisik. BFL melaporkan tingkat keberhasilan sebesar 42,92% pada benchmark RoboLab-120 NVIDIA, melampaui pemimpin sebelumnya, Cosmos3-Nano-Policy (parameter 16B) NVIDIA, sebesar 6,1 poin persentase. Rilisan ini mencakup bobot, kode, dan resep penyempurnaan, memungkinkan pengembang untuk mengadaptasi model ke robot tertentu menggunakan kerangka kerja seperti LeRobot.
Black Forest Labs, yang terkenal dengan model gambar dan video FLUX, telah berkembang ke bidang robotika dengan merilis FLUX 3 Action. Model dengan 7 miliar parameter ini adalah 'Model Aksi Dunia' (WAM) berbobot terbuka yang memproses masukan kamera, status sistem, dan instruksi teks untuk menghasilkan rangkaian 32 tindakan fisik beserta prediksi evolusi pemandangan visual.
Menurut VentureBeat, BFL melaporkan bahwa FLUX 3 Action mencapai tingkat keberhasilan keseluruhan 42,92% pada benchmark RoboLab-120 NVIDIA. Skor ini melebihi model terbuka teratas sebelumnya, Cosmos3-Nano-Policy NVIDIA, sebesar 6,1 poin persentase. Khususnya, FLUX 3 Action hanya menggunakan 7 miliar parameter dibandingkan dengan Cosmos yang 16 miliar, dan BFL mengklaim bahwa ia berjalan 1,43 kali lebih cepat, menciptakan batasan Pareto baru untuk efisiensi dan kinerja.
Rilis ini mencakup bobot model, kode, resep penyesuaian, dan contoh yang dapat direproduksi. BFL menyatakan bahwa tim dapat menyempurnakan model menggunakan demonstrasi yang dikumpulkan dari robot mereka sendiri, secara khusus menyebutkan kompatibilitas dengan robot SO-101 dan kerangka kerja LeRobot Hugging Face. Perusahaan juga mendemonstrasikan kemampuan model tersebut di lingkungan non-robot, termasuk menerbangkan drone dan memainkan video game Doom tanpa kematian dalam game, meskipun hal ini dikategorikan sebagai eksperimen awal.
BFL pertama kali mempratinjau FLUX 3 Action pada bulan Juli ketika meluncurkan keluarga FLUX 3 yang lebih luas, namun pada awalnya terbatas pada mitra penelitian dan komersial terpilih. Rilis saat ini menandai peralihan ke arah aksesibilitas yang lebih luas, meskipun harga API komersial spesifik untuk model Action belum diumumkan. Model ini dibangun berdasarkan penelitian Self-Flow BFL, yang bertujuan untuk mempelajari representasi gerak dan sebab-akibat yang berguna dari data video tanpa bergantung pada model representasi beku yang terpisah.
Detail sumber: venturebeat.com ↗
Mengapa itu penting
Rilisan ini penting karena memberikan alternatif yang ringkas dan berbobot terbuka dibandingkan model robotika berpemilik atau tertutup yang lebih besar. Dengan mencapai skor benchmark yang lebih tinggi dengan parameter yang lebih sedikit (7B vs 16B) dan inferensi yang lebih cepat, BFL menurunkan hambatan masuk bagi tim yang ingin menerapkan kebijakan robotik canggih tanpa sumber daya komputasi yang besar. Sifat open-weight memungkinkan penyesuaian lokal dan privasi data, yang sangat penting untuk aplikasi industri di mana data kepemilikan tidak dapat keluar dari fasilitas. Hal ini juga memvalidasi pendekatan 'Model Aksi Dunia', di mana pelatihan awal video menginformasikan kontrol fisik, sehingga berpotensi mengurangi kebutuhan pengumpulan data khusus robot secara ekstensif.
Peluncuran FLUX 3 Action sangat penting bagi industri robotika karena menawarkan opsi berbobot terbuka dan berperforma tinggi yang menantang model yang lebih besar dan lebih intensif sumber daya. Dengan mencapai hasil benchmark yang unggul dengan parameter yang lebih sedikit, BFL menunjukkan bahwa efisiensi dan kinerja tidak eksklusif, yang sangat penting untuk penerapan edge di mana sumber daya komputasi terbatas.
Bagi pengembang, sifat model yang open-weight merupakan pembeda utama. Hal ini memungkinkan tim untuk memeriksa, memodifikasi, dan menyempurnakan model dalam infrastruktur mereka sendiri, memastikan bahwa demonstrasi robot dan data operasional tetap bersifat pribadi. Ini merupakan keuntungan yang signifikan dibandingkan layanan robotika yang dihosting atau model kepemilikan seperti Gemini Robotics On-Device 2 milik Google, yang terbatas pada penguji terpilih.
Arsitektur model, yang menggabungkan pra-pelatihan video dengan pembuatan tindakan, sejalan dengan tren penggunaan model generatif yang sedang berkembang untuk memahami dinamika fisik. Pendekatan ini dapat mengurangi jumlah data khusus robot yang diperlukan untuk pelatihan, karena model tersebut dapat memanfaatkan representasi visual dan fisik luas yang dipelajari dari video. Hal ini dapat mempercepat pengembangan sistem robot untuk tugas-tugas seperti penyortiran, perakitan, dan navigasi.
Namun, dampak praktisnya bergantung pada persyaratan lisensi akhir dan kemampuan tim luar untuk mereproduksi hasil yang dilaporkan. Tolok ukur robotika sering kali terfragmentasi, dan perbandingan langsung antara arsitektur model yang berbeda (WAM, VLA, dan model penalaran tindakan) sulit dilakukan. Keberhasilan FLUX 3 Action pada akhirnya akan ditentukan oleh kinerjanya di dunia nyata, lingkungan robotik yang beragam, bukan hanya tolok ukur simulasi.
Mekanisme Interaktif: Cara Kerja Sebenarnya
Jelajahi teknologi yang mendasari di balik perkembangan ini secara interaktif.
In AI, what are a model's "parameters"?
Apa yang harus ditonton selanjutnya
Pengembang harus memantau ketersediaan persyaratan lisensi komersial final, karena rilis saat ini terutama untuk penelitian dan akses mitra. Reproduksi independen hasil benchmark pada beragam perangkat keras sangatlah penting, karena benchmark robotika sering kali kurang memiliki standarisasi. Selain itu, perhatikan integrasi FLUX 3 Action ke dalam API komersial yang lebih luas atau apakah BFL memperluas strategi inti terbukanya untuk menyertakan lebih banyak titik akhir khusus robotika.
Faktor yang paling mendesak untuk diperhatikan adalah publikasi persyaratan lisensi komersial final untuk FLUX 3 Action. Meskipun BFL telah merilis bobot dan kodenya, ketentuan spesifik untuk penggunaan komersial, redistribusi, dan modifikasi belum sepenuhnya dirinci. Hal ini akan menentukan seberapa luas model tersebut dapat diadopsi di lingkungan industri.
Verifikasi independen terhadap hasil benchmark sangatlah penting. Tingkat keberhasilan 42,92% yang dilaporkan BFL pada RoboLab-120 didasarkan pada pengujian mereka sendiri, dan papan peringkat publik NVIDIA belum diperbarui dengan hasil ini pada saat laporan dibuat. Reproduksi oleh kelompok penelitian pihak ketiga akan diperlukan untuk memastikan kinerja dan kemampuan generalisasi model.
Pengembang juga harus memantau integrasi FLUX 3 Action ke dalam kerangka kerja dan perangkat keras robotika yang ada. BFL telah menyoroti kompatibilitas dengan robot SO-101 dan LeRobot, namun performa model tersebut pada platform robot umum lainnya, seperti yang berasal dari NVIDIA atau Ai2, masih harus dilihat. Kemudahan penyesuaian pada beragam perangkat keras akan menjadi faktor penentu utama penerapannya.
Terakhir, lanskap persaingan dalam robotika open-weight berkembang pesat. Dengan model seperti MolmoAct 2 dari Ai2 dan GR00T N1.7 dari NVIDIA yang sudah tersedia, keberhasilan FLUX 3 Action akan bergantung pada kemampuannya untuk menawarkan keunggulan tersendiri dalam hal kinerja, efisiensi, dan kemudahan penggunaan. Beberapa bulan ke depan kemungkinan akan terlihat lebih banyak perbandingan dan tolok ukur saat komunitas menguji model tersebut dalam berbagai aplikasi.