Black Forest Labs uvádí Flux 3, první model umělé inteligence pro robotiku

Německá laboratoř pro výzkum umělé inteligence Black Forest Labs, známá svými modely pro generování obrázků Flux, oznámila ve středu vydání modelu Flux 3. Jde o multimodální základní model, který se společně učí z obrázků, videí a zvuku a dokáže předpovídat chování robotů. Toto uvedení představuje oficiální rozšíření aktivit společnosti z tvorby obsahu do oblasti fyzické umělé inteligence.

Jediný model pro pixely i roboty

Na rozdíl od svých předchůdců, kteří se zaměřovali výhradně na generování obrázků, je Flux 3 trénován napříč videem, obrázky a zvukem současně v rámci jednotné architektury. Společnost tvrdí, že generování realistického videa nutí model naučit se kontakt, pohyb, hmotnost a vztah příčiny a následku, tedy znalosti, které se přímo přenášejí do ovládání robotů.markets.businessinsider+2

Během rozsáhlého tréninku přidali tvůrci z Black Forest Labs do studijního plánu modelu predikci akcí a zaznamenali pouze krátký pokles kvality generování videa, než se model vrátil k plnému výkonu. To dokazuje, že tvorba obsahu a robotika mohou sdílet stejný základ.bfl

"Tvorba obsahu a fyzická umělá inteligence jsou dvě aplikace téhož základu," uvedla společnost v příspěvku na blogu oznamujícím tento model.bfl

Modely Flux 3 Video s nativním generováním zvuku a Flux 3 Action jsou nyní k dispozici v předběžném přístupu, přičemž Flux 3 Image bude následovat v příštích týdnech.bfl+1

Testování v továrně Audi

Spolu s oznámením modelu Flux 3 odhalila společnost Black Forest Labs partnerství se švýcarským startupem Mimic Robotics, který se specializuje na obratnou manipulaci. Společně vyvinuli systém Flux-mimic, což je video-akční model postavený na základu Flux 3 a trénovaný na datech robotů k předpovídání jejich akcí.mimicrobotics+1

Model byl testován a nasazen ve společnosti Audi, kde zvládá úkoly, jež dlouho odolávaly běžné automatizaci: skládání dílů do strukturovaných zásobníků, vkládání elektronických řídicích jednotek do těsných přípravků a manipulaci s měkkými, flexibilními materiály, jako jsou těsnění a kabely.bfl

"Viděli jsme, že tito roboti vyřešili složitou manipulaci s měkkými tělesy, která by byla s běžnou robotikou jednoduše nemožná," řekl Christoph Schneider z produkční laboratoře Audi. "Může to mít zásadní dopad na pomoc našim zaměstnancům, zvyšování efektivity a rozšiřování flexibilní automatizace napříč výrobními a logistickými operacemi."bfl

Rychlost a efektivita

Společnost Black Forest Labs uvedla, že základ systému Flux-mimic dokáže zpracovat vstup na reprezentaci prostředí za méně než 80 milisekund na jediné grafické kartě RTX 5090, čímž se řadí do stejného řádu jako lidská zraková reakční doba. S optimalizacemi nasazení od společnosti Mimic dosahuje celý robotický systém reakční doby 101 milisekund.bfl

Firma plánuje v příštích měsících uvolnit přístup s otevřenými váhami k multimodálnímu základu jak pro tvorbu obsahu, tak pro predikci akcí.bfl