Ny åben robotmodel scorer ifølge udvikleren højere end Nvidias

Det tyske AI-firma Black Forest Labs har udgivet FLUX 3 Action, en model til at styre robotter. Den er en såkaldt World Action Model med 7 milliarder parametre. Parametre er de indstillinger, en AI-model lærer under træning, og de bruges ofte som mål for modellens størrelse.

Modellen får kamerabilleder, robottens tilstand og tekstinstruktioner ind. Samtidig forudsiger den, hvordan scenen kommer til at se ud, og hvad robotten skal gøre. Ifølge VentureBeat udsender den de næste 32 handlinger sammen med forudsigelser af scenen.

Tal fra selskabet selv

På benchmarken RoboLab-120 opnåede basismodellen ifølge Black Forest Labs en succesrate på 42,92 procent. Nvidias Cosmos 3 Nano, der har 16 milliarder parametre, fik 36,8 procent ifølge selskabets egen tabel. VentureBeat skriver, at FLUX 3 Action ligger 3,9 procentpoint over den tidligere førende model, OASIS WAM, som fik 39,0 procent, og at den gør det med under halvdelen af parametrene.

Tallene er selskabets egne. VentureBeat skriver, at Nvidias offentlige rangliste endnu ikke var opdateret, da artiklen udkom. Avisen vurderer også, at resultaterne er udvalgte demonstrationer og ingen garanti for, at modellen virker lige godt andre steder. Sammenligninger er svære, fordi robotmodeller testes på forskellige måder.

Om hastigheden siger selskabet, at modellen er 1,52 til 3,95 gange hurtigere end Cosmos 3 Nano. VentureBeat nævner 1,43 gange hurtigere end Cosmos3-Nano-Policy. På en Nvidia B200-chip er svartiden mellem 32,29 og 41,06 millisekunder, og modellen kan forudsige 2,13 sekunders bevægelse pr. kald.

Mindre, destillerede varianter er hurtigere, men scorer lavere: 42,24 procent og 37,92 procent.

Åben, men ikke helt gratis

Modellens vægte, altså de færdigtrænede data, der gør den brugbar, er lagt åbent på Hugging Face og GitHub. Der er både ikke-kommercielle og kommercielle licensmuligheder. Kommerciel brug kræver dog licens, og priser er ikke annonceret. Der er heller ikke en kommerciel API endnu, og modellen udrulles via udvalgte forsknings- og erhvervspartnere.

Udgivelsen omfatter kode, finjusteringsopskrifter og eksempler. Modellen er kompatibel med Hugging Faces LeRobot, og en opskrift er afprøvet på robotarmen SO-101.

Positronic Robotics har ifølge selskabets side som uafhængig tredjepart testet modellen på en Franka-robotarm. Den klarede 28 af 30 forsøg på ti opgaver. Modellen er også vist styre en drone og spille Doom, men VentureBeat beskriver det som tidlige eksperimenter og ikke produktionsklare evner.