Black Forest Labsは、ロボット制御用に設計されたオープンウェイトの7Bパラメータ・ワールドアクションモデル（WAM）であるFLUX 3 Actionをリリースしました。従来のVision-Language-Action（VLA）モデルとは異なり、WAMは将来の行動と視覚的な結果の両方を共同で予測します。これにより、物理的な実行前に環境の変化をシミュレーションすることが可能になり、試行錯誤のコストを削減できます。
モデル発表提携Black Forest LabsFLUX 3 Action
Black Forest LabsがFLUX 3 Actionをリリース、ロボット制御のための7Bワールドアクションモデルが登場
この記事は翻訳です。 原文を読む
RoboLab-120ベンチマークにおいて、FLUX 3 Actionは42.92%の成功率を達成し、従来のリーダーであるNVIDIAのCosmos 3 Nano（36.8%）とオープンソースのpi0.5（28.0%）を上回りました。特筆すべきは、FLUX 3 Actionがより少ないパラメータ数でこれらの結果を達成しており、さまざまなハードウェア構成においてCosmos 3 Nanoよりも最大3.95x倍高速に動作することです。
このモデルは、画像、ビデオ、オーディオデータを取り入れて汎用性を向上させる「Self-Flow」手法を用いたマルチモーダルな学習アプローチの恩恵を受けています。また、展開の効率を高めるために、Black Forest Labsは知識蒸留を活用してモデルのシングルステップ版を作成しました。
Black Forest LabsはNVIDIAと提携し、FLUX 3 ActionをオープンソースのロボティクスプラットフォームであるLeRobotに統合しました。これにより、ファインチューニングのためのレシピや、NVIDIA Jetsonエッジデバイスへの展開サポートが提供されます。同社は、純粋なアクションモデルは効率的であるものの、それらをGPT 6 Astraのような推論モデルと組み合わせることで、複雑で長期的なタスクにおける性能をさらに向上させることができると述べています。
出典
- ロボット制御向けAIモデル「FLUX 3 Action」をBlack Forest Labsが公開 （GIGAZINE, 2026-09-25）
- Black Forest Labs