Black Forest Labs、ロボット用「FLUX 3 Action」公開

画像・動画生成AI「FLUX」シリーズを手がける独Black Forest Labsは、ロボット制御向けのAIモデル「FLUX 3 Action」を公開した。パラメータ数70億のオープンウェイトモデルで、GIGAZINEが報じた。

FLUX 3 Actionは「世界行動モデル（WAM）」と呼ばれる種類のモデルだ。まず動画生成モデルで「ある動作をしたら周囲がどう変わるか」という未来を予測し、そのうえで逆動力学モデル（IDM）が目標の結果に至るための動きを導き出す。カメラで状況を見ながら一歩ずつ対応する従来のやり方と比べ、動く前に頭の中でシミュレーションできるため、試行錯誤のコストを抑えられるという。

ロボット制御のベンチマーク「RoboLab-120」では、これまでクローズドモデルが成功率39.0％で首位だったが、FLUX 3 Actionは42.92％でこれを上回った。同社によると、従来最高のオープンモデルを6.1ポイント上回り、パラメータ数は56％少なく、動作は最大3.95倍速い。比較対象のNVIDIA「Cosmos3-Nano」は120億パラメータで、より小さなモデルで高い成績を出した形だ。100ドル・10分あたりの期待成功数の比較でも、OpenAIの「Astra」と組み合わせた構成が他の組み合わせより高い性能を示したとしている。

独自のデモデータで特定のロボットやタスク向けに調整でき、NVIDIAと共同でHugging Faceのオープンソースのロボット基盤にネイティブ統合した。微調整用のレシピや、NVIDIA Jetsonでのエッジ実行機能も用意している。同社はロボット以外にも、ゲームや車両の制御、コンピューター操作など、視覚的な環境を理解して次の行動を選ぶ用途で有望な結果が出ているとする。

画像生成の有力企業がフィジカルAIに本格参入し、しかも重みを公開したことで、ロボット制御モデルの選択肢と比較の土俵が一段広がったといえる。