Black Forest Labs-ը գործարկել է ռոբոտաշինության համար նախատեսված իր առաջին Flux 3 արհեստական բանականության մոդելը

Black Forest Labs-ը՝ գերմանական արհեստական բանականության հետազոտական լաբորատորիան, որը հայտնի է իր Flux պատկերներ գեներացնող մոդելներով, չորեքշաբթի օրը հայտարարեց Flux 3-ի մասին։ Սա բազմամոդալ հիմնային մոդել է, որը միաժամանակ սովորում է պատկերներից, տեսանյութերից և ձայնից, ինչպես նաև կարող է կանխատեսել ռոբոտների գործողությունները։ Գործարկումը նշանավորում է ընկերության պաշտոնական ընդլայնումը բովանդակության ստեղծումից դեպի ֆիզիկական արհեստական բանականություն։

Միակ մոդել պիքսելների և ռոբոտների համար

Ի տարբերություն իր նախորդների, որոնք կենտրոնացած էին բացառապես պատկերների գեներացման վրա, Flux 3-ը միաժամանակ մարզվում է տեսանյութերի, պատկերների և ձայնի վրա՝ միասնական ճարտարապետության շրջանակում։ Ընկերությունը պնդում է, որ իրատեսական տեսանյութերի գեներացումը ստիպում է մոդելին սովորել շփումը, շարժումը, քաշը և պատճառահետևանքային կապերը, ինչը գիտելիք է, որն անմիջապես փոխանցվում է ռոբոտների կառավարմանըmarkets.businessinsider+2.

Լայնածավալ մարզման ընթացքում Black Forest Labs-ը մոդելի ուսումնական ծրագրին ավելացրեց գործողությունների կանխատեսումը և նկատեց տեսանյութերի գեներացման որակի միայն կարճատև անկում, նախքան մոդելը կվերադառնար լիարժեք աշխատանքի՝ ցույց տալով, որ բովանդակության ստեղծումն ու ռոբոտաշինությունը կարող են կիսել նույն հիմքըbfl.

"Բովանդակության ստեղծումը և ֆիզիկական արհեստական բանականությունը նույն հիմքի երկու հավելվածներն են", — գրել է ընկերությունը մոդելի մասին հայտարարող իր բլոգային գրառման մեջbfl.

Flux 3 Video-ն՝ բնիկ ձայնային գեներացմամբ, և Flux 3 Action-ն այժմ հասանելի են վաղ հասանելիության ռեժիմում, իսկ Flux 3 Image-ը կհետևի առաջիկա շաբաթներինbfl+1.

Գործարանային հարկում փորձարկում Audi-ի հետ

Flux 3-ի մասին հայտարարությանը զուգահեռ, Black Forest Labs-ը հայտնեց Mimic Robotics-ի՝ ճկուն մանիպուլյացիայի ոլորտում մասնագիտացած շվեյցարական սթարթափի հետ համագործակցության մասին։ Միասին նրանք մշակել են Flux-mimic-ը՝ տեսա-գործողությունների մոդել, որը կառուցված է Flux 3-ի հիմքի վրա և մարզվել է ռոբոտների տվյալների վրա՝ ռոբոտների գործողությունները կանխատեսելու համարmimicrobotics+1.

Մոդելը փորձարկվել և տեղակայվել է Audi-ում, որտեղ այն լուծում է այնպիսի խնդիրներ, որոնք վաղուց դիմադրում էին սովորական ավտոմատացմանը. մասերի դասավորումը կառուցվածքային սկուտեղների մեջ, էլեկտրոնային կառավարման միավորների տեղադրումը նեղ հարմարանքների մեջ և փափուկ, ճկուն նյութերի, ինչպիսին են հերմետիկներն ու մալուխները, մանիպուլյացիանbfl.

"Մենք տեսել ենք, թե ինչպես են այս ռոբոտները լուծում փափուկ մարմինների մանիպուլյացիայի բարդ աշխատանքներ, որոնք պարզապես անհնար կլինեին սովորական ռոբոտաշինության միջոցով", — ասաց Քրիստոֆ Շնայդերը Audi-ի արտադրական լաբորատորիայից։ "Սա կարող է մեծ ազդեցություն ունենալ մեր աշխատակիցներին աջակցելու, արդյունավետության բարձրացման և արտադրական ու լոգիստիկ գործառույթներում ճկուն ավտոմատացման ընդլայնման գործում"bfl.

Արագություն և արդյունավետություն

Black Forest Labs-ը հայտնել է, որ Flux-mimic-ի հիմքը կարող է աշխատել մուտքային տվյալներից մինչև աշխարհի պատկերացումը 80 միլիվայրկյանից պակաս ժամանակում՝ մեկ RTX 5090 GPU-ի վրա, ինչը այն դնում է մարդու տեսողական արձագանքման ժամանակի հետ նույն մեծության կարգում։ Mimic-ի տեղակայման օպտիմալացումների շնորհիվ ամբողջական ռոբոտային համակարգն ապահովում է 101 միլիվայրկյան արձագանքման ժամանակbfl.

Ընկերությունը նախատեսում է առաջիկա ամիսներին բաց կշիռներով հասանելիություն տրամադրել բազմամոդալ հիմքին՝ ինչպես բովանդակության ստեղծման, այնպես էլ գործողությունների կանխատեսման համարbfl.