Black Forest Labs lanza Flux 3, su primer modelo de IA para robótica

Black Forest Labs, el laboratorio alemán de investigación en IA conocido por sus modelos de generación de imágenes Flux, anunció el miércoles Flux 3, un modelo base multimodal que aprende conjuntamente de imágenes, video y audio, y puede predecir acciones robóticas. El lanzamiento marca la expansión formal de la empresa desde la creación de contenido hacia la IA física.

Un único modelo para píxeles y robots

A diferencia de sus predecesores, que se centraban únicamente en la generación de imágenes, Flux 3 se entrena en video, imágenes y audio simultáneamente dentro de una arquitectura unificada. La empresa sostiene que generar video realista obliga a un modelo a aprender contacto, movimiento, peso y causa y efecto, un conocimiento que se transfiere directamente al control de robots.markets.businessinsider+2

En un entrenamiento a gran escala, Black Forest Labs agregó la predicción de acciones al plan de estudios del modelo y observó solo una breve caída en la calidad de la generación de video antes de que el modelo regresara a su rendimiento total, lo que demuestra que la creación de contenido y la robótica pueden compartir la misma base.bfl

"La creación de contenido y la IA física son dos aplicaciones de la misma base", escribió la empresa en una publicación de blog anunciando el modelo.bfl

Flux 3 Video con generación de audio nativa y Flux 3 Action ya están disponibles en acceso anticipado, y Flux 3 Image les seguirá en las próximas semanas.bfl+1

Pruebas en la planta de producción con Audi

Junto con el anuncio de Flux 3, Black Forest Labs reveló una asociación con Mimic Robotics, una startup suiza especializada en manipulación diestra. Juntos desarrollaron Flux-mimic, un modelo de video y acción construido sobre la base de Flux 3 y entrenado con datos de robots para predecir acciones robóticas.mimicrobotics+1

El modelo ha sido probado e implementado en Audi, donde maneja tareas que durante mucho tiempo se han resistido a la automatización convencional: agrupar piezas en bandejas estructuradas, insertar unidades de control electrónico en accesorios ajustados y manipular materiales blandos y flexibles como sellos y cables.bfl

"Hemos visto a estos robots resolver trabajos complejos de manipulación de cuerpos blandos que habrían sido simplemente imposibles con la robótica convencional", dijo Christoph Schneider del Laboratorio de Producción de Audi. "Esto puede tener un impacto importante en la asistencia a nuestros empleados, el aumento de la eficiencia y la expansión de la automatización flexible en las operaciones de producción y logística".bfl

Velocidad y eficiencia

Black Forest Labs dijo que la base de Flux-mimic puede pasar de la entrada a la representación del mundo en menos de 80 milisegundos en una sola GPU RTX 5090, situándola en el mismo orden de magnitud que el tiempo de reacción visual humana. Con las optimizaciones de implementación de Mimic, el sistema robótico completo logra tiempos de reacción de 101 milisegundos.bfl

La empresa planea lanzar acceso de pesos abiertos a una base multimodal tanto para la creación de contenido como para la predicción de acciones en los próximos meses.bfl