Ne oldu?
Black Forest Labs (BFL), robotik için tasarlanmış 7 milyar parametreli açık ağırlıklı bir 'Dünya Aksiyon Modeli' olan FLUX 3 Action'ı piyasaya sürdü. Model, fiziksel eylemler oluşturmak için kamera gözlemlerini, robot durumunu ve doğal dil talimatlarını alır. BFL, NVIDIA'nin RoboLab-120 kıyaslamasında %42,92'lik bir başarı oranı bildirerek önceki lider NVIDIA'nin Cosmos3-Nano-Policy'sini (16B parametreleri) 6,1 puan geride bıraktı. Sürüm, geliştiricilerin LeRobot gibi çerçeveler kullanarak modeli belirli robotlara uyarlamasına olanak tanıyan ağırlıklar, kod ve ince ayar tarifleri içeriyor.
FLUX görüntü ve video modelleriyle tanınan Black Forest Labs, FLUX 3 Action'ın piyasaya sürülmesiyle robot bilimine doğru genişledi. Bu 7 milyar parametreli model, kamera girişlerini, sistem durumlarını ve metin talimatlarını işleyerek görsel sahnenin evrimine ilişkin bir tahminle birlikte 32 fiziksel eylemden oluşan bir diziyi çıktılayan açık ağırlıklı bir 'Dünya Aksiyon Modeli'dir (WAM).
VentureBeat'e göre BFL, FLUX 3 Action'ın NVIDIA'nin RoboLab-120 kıyaslamasında %42,92 genel başarı oranına ulaştığını bildirdi. Bu puan önceki en iyi açık model olan NVIDIA'nin Cosmos3-Nano-Policy'sini yüzde 6,1 puan aşıyor. Özellikle FLUX 3 Action, Cosmos'un 16 milyarına kıyasla yalnızca 7 milyar parametre kullanıyor ve BFL, verimlilik ve performans için yeni bir Pareto sınırı oluşturarak 1,43 kat daha hızlı çalıştığını iddia ediyor.
Sürüm, model ağırlıklarını, kodu, ince ayar tariflerini ve tekrarlanabilir örnekleri içerir. BFL, ekiplerin kendi robotlarından toplanan gösterileri kullanarak modelde ince ayar yapabileceklerini, özellikle de SO-101 robotu ve Hugging Face'nin LeRobot çerçevesiyle uyumluluğundan bahsederek belirtiyor. Şirket ayrıca modelin robotik olmayan ortamlardaki yeteneklerini de gösterdi; bunlar arasında dronların uçması ve oyun içi ölümler olmadan Doom video oyununun oynanması yer alıyor; ancak bunlar erken deneyler olarak nitelendiriliyor.
BFL, daha geniş FLUX 3 ailesini piyasaya sürerken ilk olarak Temmuz ayında FLUX 3 Action'ın ön izlemesini yaptı, ancak başlangıçta seçilen araştırma ve ticari ortaklarla sınırlıydı. Mevcut sürüm, daha geniş erişilebilirliğe doğru bir değişimi işaret ediyor, ancak Action modeli için özel ticari API fiyatlandırması henüz açıklanmadı. Model, ayrı donmuş temsil modellerine dayanmadan, video verilerinden hareketin ve neden-sonucun faydalı temsillerini öğrenmeyi amaçlayan BFL'nin Self-Flow araştırmasını temel alıyor.
Kaynak ayrıntıları: venturebeat.com ↗
Neden önemli?
Bu sürüm önemlidir çünkü daha büyük özel veya kapalı robot modellerine kompakt, açık ağırlıklı bir alternatif sunar. Daha az parametreyle (7B'ye karşı 16B) ve daha hızlı çıkarımla daha yüksek kıyaslama puanları elde eden BFL, büyük bilgi işlem kaynakları olmadan gelişmiş robotik politikalar uygulamak isteyen ekipler için giriş engelini azaltır. Açık ağırlık yapısı, özel verilerin tesisten çıkamadığı endüstriyel uygulamalar için kritik olan yerel ince ayar ve veri gizliliğine olanak tanır. Ayrıca, video ön eğitiminin fiziksel kontrolü bilgilendirdiği ve robota özgü kapsamlı veri toplama ihtiyacını potansiyel olarak azalttığı 'Dünya Eylem Modeli' yaklaşımını da doğruluyor.
FLUX 3 Action'ın piyasaya sürülmesi, robotik endüstrisi için önemli çünkü daha büyük, daha kaynak yoğun modellere meydan okuyan yüksek performanslı, açık ağırlık seçeneği sunuyor. Daha az parametreyle üstün kıyaslama sonuçları elde eden BFL, verimlilik ve performansın birbirini dışlamadığını, bunun da bilgi işlem kaynaklarının sınırlı olduğu uç dağıtım için kritik olduğunu gösteriyor.
Geliştiriciler için modelin açık ağırlıklı yapısı önemli bir farklılaştırıcıdır. Ekiplerin modeli kendi altyapıları içerisinde incelemesine, değiştirmesine ve ince ayar yapmasına olanak tanıyarak özel robot gösterimlerinin ve operasyonel verilerin gizli kalmasını sağlar. Bu, barındırılan robot hizmetlerine veya Google'nin Gemini Robotics On-Device 2 gibi seçilen test kullanıcılarıyla sınırlı olan tescilli modellerine göre önemli bir avantajdır.
Video ön eğitimini eylem oluşturmayla birleştiren modelin mimarisi, fiziksel dinamikleri anlamak için üretken modellerin kullanılmasına yönelik artan trendle uyumludur. Bu yaklaşım, model videodan öğrenilen geniş görsel ve fiziksel temsillerden yararlanabileceğinden, eğitim için gereken robota özgü veri miktarını azaltabilir. Bu, sıralama, montaj ve navigasyon gibi görevler için robotik sistemlerin geliştirilmesini hızlandırabilir.
Ancak pratik etki, nihai lisans koşullarına ve dış ekiplerin raporlanan sonuçları yeniden üretme becerisine bağlıdır. Robotik kıyaslamaları genellikle parçalıdır ve farklı model mimarileri (WAM'ler, VLA'lar ve eylem-akıl yürütme modelleri) arasında doğrudan karşılaştırmalar zordur. FLUX 3 Action'ın başarısı sonuçta sadece simülasyon kıyaslamalarından ziyade gerçek dünyadaki, çeşitli robotik ortamlardaki performansıyla belirlenecek.
İnteraktif Mekanizma: Aslında Nasıl Çalışıyor?
Bu gelişmenin arkasında yatan teknolojiyi etkileşimli olarak keşfedin.
In AI, what are a model's "parameters"?
Bundan sonra ne izlenecek?
Mevcut sürüm öncelikle araştırma ve iş ortağı erişimine yönelik olduğundan, geliştiricilerin nihai ticari lisans koşullarının kullanılabilirliğini izlemesi gerekir. Robotik kıyaslama testleri genellikle standardizasyondan yoksun olduğundan, kıyaslama sonuçlarının farklı donanımlarda bağımsız olarak çoğaltılması çok önemlidir. Ek olarak, FLUX 3 Action'ın daha geniş ticari API'lere entegrasyonunu veya BFL'nin açık çekirdek stratejisini robotiğe özgü daha fazla uç nokta içerecek şekilde genişletip genişletmediğini izleyin.
İzlenmesi gereken en acil faktör, FLUX 3 Action'ın nihai ticari lisans koşullarının yayınlanmasıdır. BFL ağırlıkları ve kodu yayınlamış olsa da ticari kullanım, yeniden dağıtım ve modifikasyona ilişkin özel koşullar henüz tam olarak ayrıntılı değildir. Bu, modelin endüstriyel ortamlarda ne kadar geniş çapta benimsenebileceğini belirleyecektir.
Karşılaştırma sonuçlarının bağımsız olarak doğrulanması çok önemlidir. BFL'nin RoboLab-120'de bildirdiği %42,92'lik başarı oranı, kendi testlerine dayanmaktadır ve NVIDIA'nin halka açık skor tablosu, raporun hazırlandığı tarihte bu sonuçlarla güncellenmemişti. Modelin performansını ve genellenebilirliğini doğrulamak için üçüncü taraf araştırma grupları tarafından çoğaltılması gerekli olacaktır.
Geliştiriciler ayrıca FLUX 3 Action'ın mevcut robotik çerçevelere ve donanıma entegrasyonunu da izlemelidir. BFL, SO-101 robotu ve LeRobot ile uyumluluğunun altını çizdi, ancak modelin NVIDIA veya Ai2 gibi diğer yaygın robotik platformlardaki performansı henüz bilinmiyor. Çeşitli donanımlarda ince ayarın kolaylığı, benimsenmesinde önemli bir belirleyici olacaktır.
Son olarak, açık ağırlık robotiğindeki rekabet ortamı hızla gelişiyor. Ai2'nin MolmoAct 2 ve NVIDIA'nin GR00T N1.7'si halihazırda mevcut olduğundan, FLUX 3 Action'ın başarısı performans, verimlilik ve kullanım kolaylığı açısından belirgin avantajlar sunma yeteneğine bağlı olacaktır. Topluluk modeli çeşitli uygulamalarda test ettikçe önümüzdeki birkaç ay muhtemelen daha fazla karşılaştırma ve kıyaslama görecek.