بلیک فارسٹ لیبز نے FLUX 3 ایکشن اوپن ویٹ روبوٹکس ماڈل جاری کیا۔

کیا ہوا؟

بلیک فارسٹ لیبز (BFL) نے FLUX 3 ایکشن جاری کیا، ایک 7 بلین پیرامیٹر اوپن ویٹ 'ورلڈ ایکشن ماڈل' روبوٹکس کے لیے ڈیزائن کیا گیا ہے۔ ماڈل جسمانی اعمال پیدا کرنے کے لیے کیمرے کے مشاہدات، روبوٹ کی حالت، اور قدرتی زبان کی ہدایات لیتا ہے۔ BFL نے NVIDIA کے RoboLab-120 بینچ مارک پر 42.92% کامیابی کی شرح کی اطلاع دی ہے، جس نے سابقہ ​​لیڈر NVIDIA کی Cosmos3-Nano-پالیسی (16B پیرامیٹرز) کو 6.1 فیصد پوائنٹس سے پیچھے چھوڑ دیا ہے۔ ریلیز میں وزن، کوڈ، اور فائن ٹیوننگ کی ترکیبیں شامل ہیں، جس سے ڈویلپرز کو LeRobot جیسے فریم ورک کا استعمال کرتے ہوئے مخصوص روبوٹس کے لیے ماڈل کو ڈھالنے کی اجازت دیتا ہے۔

بلیک فارسٹ لیبز، جو اپنی FLUX امیج اور ویڈیو ماڈلز کے لیے مشہور ہے، FLUX 3 ایکشن کی ریلیز کے ساتھ روبوٹکس میں پھیل گئی ہے۔ یہ 7-بلین پیرامیٹر ماڈل ایک کھلا وزن والا 'ورلڈ ایکشن ماڈل' (WAM) ہے جو بصری منظر کے ارتقاء کی پیشین گوئی کے ساتھ 32 جسمانی اعمال کی ترتیب کو آؤٹ پٹ کرنے کے لیے کیمرے کے ان پٹ، سسٹم اسٹیٹس، اور ٹیکسٹ ہدایات پر کارروائی کرتا ہے۔

VentureBeat کے مطابق، BFL رپورٹ کرتا ہے کہ FLUX 3 Action نے NVIDIA کے RoboLab-120 بینچ مارک پر کامیابی کی مجموعی شرح 42.92% حاصل کی ہے۔ یہ اسکور پچھلے ٹاپ اوپن ماڈل، NVIDIA کی Cosmos3-Nano-Policy سے 6.1 فیصد پوائنٹس سے زیادہ ہے۔ خاص طور پر، FLUX 3 Action Cosmos کے 16 بلین کے مقابلے میں صرف 7 بلین پیرامیٹرز استعمال کرتا ہے، اور BFL کا دعویٰ ہے کہ یہ 1.43 گنا زیادہ تیزی سے چلتا ہے، جس سے کارکردگی اور کارکردگی کے لیے ایک نیا Pareto فرنٹیئر قائم ہوتا ہے۔

ریلیز میں ماڈل کا وزن، کوڈ، فائن ٹیوننگ کی ترکیبیں، اور تولیدی مثالیں شامل ہیں۔ BFL کا کہنا ہے کہ ٹیمیں اپنے روبوٹ سے جمع کردہ مظاہروں کا استعمال کرتے ہوئے ماڈل کو ٹھیک بنا سکتی ہیں، خاص طور پر SO-101 روبوٹ اور Hugging Face کے LeRobot فریم ورک کے ساتھ مطابقت کا ذکر کرتے ہوئے کمپنی نے غیر روبوٹک ماحول میں ماڈل کی صلاحیتوں کا بھی مظاہرہ کیا، بشمول ڈرون اڑنا اور گیم میں موت کے بغیر ویڈیو گیم ڈوم کھیلنا، حالانکہ یہ ابتدائی تجربات کے طور پر نمایاں ہیں۔

BFL نے پہلی بار FLUX 3 ایکشن کا جائزہ جولائی میں وسیع تر FLUX 3 فیملی کو شروع کرتے ہوئے دیکھا، لیکن یہ ابتدائی طور پر منتخب تحقیق اور تجارتی شراکت داروں تک محدود تھا۔ موجودہ ریلیز وسیع تر رسائی کی طرف ایک تبدیلی کی نشاندہی کرتی ہے، حالانکہ ایکشن ماڈل کے لیے مخصوص تجارتی API کی قیمتوں کا ابھی تک اعلان نہیں کیا گیا ہے۔ ماڈل BFL کی سیلف فلو ریسرچ پر بنا ہے، جس کا مقصد علیحدہ منجمد نمائیندگی ماڈلز پر انحصار کیے بغیر ویڈیو ڈیٹا سے حرکت اور وجہ اور اثر کی مفید نمائندگی سیکھنا ہے۔

ماخذ کی تفصیلات: venturebeat.com ↗

یہ کیوں اہمیت رکھتا ہے۔

یہ ریلیز اہم ہے کیونکہ یہ بڑے ملکیتی یا بند روبوٹکس ماڈلز کے لیے ایک کمپیکٹ، اوپن ویٹ متبادل فراہم کرتا ہے۔ کم پیرامیٹرز (7B بمقابلہ 16B) اور تیز تر اندازہ کے ساتھ اعلی بینچ مارک اسکور حاصل کرنے سے، BFL ان ٹیموں کے داخلے میں رکاوٹ کو کم کرتا ہے جو بڑے پیمانے پر کمپیوٹ وسائل کے بغیر جدید روبوٹک پالیسیوں کو تعینات کرنا چاہتی ہیں۔ کھلے وزن کی نوعیت مقامی فائن ٹیوننگ اور ڈیٹا کی رازداری کی اجازت دیتی ہے، جو صنعتی ایپلی کیشنز کے لیے اہم ہے جہاں ملکیتی ڈیٹا سہولت کو نہیں چھوڑ سکتا۔ یہ 'ورلڈ ایکشن ماڈل' کے نقطہ نظر کی بھی توثیق کرتا ہے، جہاں ویڈیو کی پہلے سے تربیت جسمانی کنٹرول سے آگاہ کرتی ہے، ممکنہ طور پر وسیع روبوٹ مخصوص ڈیٹا اکٹھا کرنے کی ضرورت کو کم کرتی ہے۔

FLUX 3 ایکشن کا اجراء روبوٹکس انڈسٹری کے لیے نتیجہ خیز ہے کیونکہ یہ ایک اعلیٰ کارکردگی، اوپن ویٹ آپشن پیش کرتا ہے جو بڑے، زیادہ وسائل والے ماڈلز کو چیلنج کرتا ہے۔ کم پیرامیٹرز کے ساتھ اعلی معیار کے نتائج حاصل کرکے، BFL یہ ظاہر کرتا ہے کہ کارکردگی اور کارکردگی باہمی طور پر الگ نہیں ہیں، جو کہ کنارے کی تعیناتی کے لیے اہم ہے جہاں کمپیوٹ وسائل محدود ہیں۔

ڈویلپرز کے لیے، ماڈل کی کھلے وزن کی نوعیت ایک اہم فرق ہے۔ یہ ٹیموں کو اپنے بنیادی ڈھانچے کے اندر ماڈل کا معائنہ کرنے، اس میں ترمیم کرنے اور اسے ٹھیک کرنے کی اجازت دیتا ہے، اس بات کو یقینی بناتا ہے کہ مالکانہ روبوٹ کے مظاہرے اور آپریشنل ڈیٹا نجی رہیں۔ یہ میزبان روبوٹکس سروسز یا Google کے Gemini روبوٹکس آن ڈیوائس 2 جیسے ملکیتی ماڈلز پر ایک اہم فائدہ ہے، جو منتخب ٹیسٹرز تک محدود ہیں۔

ماڈل کا فن تعمیر، جو ویڈیو کی تیاری کو ایکشن جنریشن کے ساتھ جوڑتا ہے، جسمانی حرکیات کو سمجھنے کے لیے جنریٹیو ماڈلز کے استعمال کے بڑھتے ہوئے رجحان کے مطابق ہے۔ یہ نقطہ نظر تربیت کے لیے درکار روبوٹ کے مخصوص ڈیٹا کی مقدار کو کم کر سکتا ہے، کیونکہ ماڈل ویڈیو سے سیکھے گئے وسیع بصری اور جسمانی نمائندگی کا فائدہ اٹھا سکتا ہے۔ یہ چھانٹنا، اسمبلی اور نیویگیشن جیسے کاموں کے لیے روبوٹک نظام کی ترقی کو تیز کر سکتا ہے۔

تاہم، عملی اثر حتمی لائسنس کی شرائط اور رپورٹ شدہ نتائج کو دوبارہ پیش کرنے کی بیرونی ٹیموں کی صلاحیت پر منحصر ہے۔ روبوٹکس بینچ مارکس اکثر بکھرے ہوئے ہوتے ہیں، اور مختلف ماڈل آرکیٹیکچرز (WAMs، VLAs، اور ایکشن ریزننگ ماڈلز) کے درمیان براہ راست موازنہ مشکل ہے۔ FLUX 3 ایکشن کی کامیابی کا تعین بالآخر حقیقی دنیا، متنوع روبوٹک ماحول میں اس کی کارکردگی سے ہو گا نہ کہ صرف نقلی بینچ مارکس۔

آگے کیا دیکھنا ہے۔

ڈویلپرز کو حتمی تجارتی لائسنس کی شرائط کی دستیابی کی نگرانی کرنی چاہیے، کیونکہ موجودہ ریلیز بنیادی طور پر تحقیق اور شراکت دار تک رسائی کے لیے ہے۔ متنوع ہارڈ ویئر پر بینچ مارک کے نتائج کا آزادانہ پنروتپادن بہت اہم ہے، کیونکہ روبوٹکس بینچ مارک میں اکثر معیاری کاری کی کمی ہوتی ہے۔ مزید برآں، FLUX 3 Action کے وسیع تر تجارتی APIs میں انضمام پر نظر رکھیں یا BFL اپنی اوپن کور حکمت عملی کو مزید روبوٹکس کے مخصوص اختتامی نکات کو شامل کرنے کے لیے توسیع کرتا ہے۔

دیکھنے کے لیے سب سے فوری عنصر FLUX 3 ایکشن کے لیے حتمی تجارتی لائسنس کی شرائط کی اشاعت ہے۔ جبکہ BFL نے وزن اور کوڈ جاری کر دیا ہے، تجارتی استعمال، دوبارہ تقسیم، اور ترمیم کے لیے مخصوص شرائط ابھی تک مکمل طور پر مفصل نہیں ہیں۔ یہ اس بات کا تعین کرے گا کہ صنعتی ترتیبات میں ماڈل کو کس حد تک اپنایا جا سکتا ہے۔

بینچ مارک کے نتائج کی آزادانہ تصدیق بہت ضروری ہے۔ RoboLab-120 پر BFL کی رپورٹ کردہ 42.92% کامیابی کی شرح ان کی اپنی جانچ پر مبنی ہے، اور NVIDIA کے عوامی لیڈر بورڈ کو رپورٹ کے وقت ان نتائج کے ساتھ اپ ڈیٹ نہیں کیا گیا تھا۔ ماڈل کی کارکردگی اور عام ہونے کی تصدیق کے لیے فریق ثالث کے تحقیقی گروپوں کے ذریعے تولید ضروری ہو گا۔

ڈویلپرز کو موجودہ روبوٹکس فریم ورک اور ہارڈ ویئر میں FLUX 3 ایکشن کے انضمام کی بھی نگرانی کرنی چاہیے۔ BFL نے SO-101 روبوٹ اور LeRobot کے ساتھ مطابقت کو اجاگر کیا ہے، لیکن دوسرے عام روبوٹک پلیٹ فارمز، جیسے NVIDIA یا Ai2 پر ماڈل کی کارکردگی دیکھنا باقی ہے۔ متنوع ہارڈ ویئر پر فائن ٹیوننگ کی آسانی اس کو اپنانے کا ایک اہم عنصر ہوگا۔

آخر میں، کھلے وزن والے روبوٹکس میں مسابقتی زمین کی تزئین کی تیزی سے ترقی ہو رہی ہے۔ Ai2 کے MolmoAct 2 اور NVIDIA کے GR00T N1.7 جیسے ماڈلز کے ساتھ، FLUX 3 ایکشن کی کامیابی کا انحصار کارکردگی، کارکردگی، اور استعمال میں آسانی کے لحاظ سے الگ الگ فوائد پیش کرنے کی اس کی صلاحیت پر ہوگا۔ اگلے چند مہینوں میں ممکنہ طور پر مزید موازنہ اور معیارات نظر آئیں گے کیونکہ کمیونٹی مختلف ایپلی کیشنز میں ماڈل کی جانچ کرتی ہے۔

متعلقہ گائیڈز اور کوئزز