نموذج FLUX 3 Action من Black Forest Labs يتصدر RoboLab بسبعة مليارات معامل

دخلت Black Forest Labs، المختبر الذي يقف وراء نماذج الصور FLUX، مجال الروبوتات. فقد أطلقت FLUX 3 Action، وهو نموذج مفتوح الأوزان يضم سبعة مليارات معامل ومصمم للتحكم في الروبوتات، بحسب MarkTechPost وThe Decoder وGIGAZINE. والأوزان متاحة على منصة Hugging Face.

يندرج FLUX 3 Action ضمن ما تسميه الشركة نموذج العالم والفعل (World Action Model). ويقرأ هذا النوع من النماذج صور الكاميرات وحالة الروبوت وتعليمة نصية، ثم يتنبأ في الوقت نفسه بما سيبدو عليه المشهد في اللحظات التالية وبالحركات التي يجب أن ينفذها الروبوت. وهو مشتق من FLUX 3، النموذج متعدد الوسائط الذي دربه المختبر أساسا على الفيديو، بحسب The Decoder.

ما تظهره نتائج الاختبار

في ترتيب RoboLab-120، الذي يضم 120 مهمة على طاولة جرت محاكاتها في Isaac Sim بعشر محاولات لكل منها على ذراع روبوتية من طراز Franka، حل FLUX 3 Action أولا بنسبة نجاح 42.92 في المئة، بحسب MarkTechPost. وهو يتقدم بـ6.1 نقطة مئوية على Cosmos 3 Nano من إنفيديا، أفضل نموذج مفتوح حتى الآن بنسبة 36.8 في المئة، مع عدد معاملات أقل بنسبة 56 في المئة. أما المتوسط الذي قاسه المختبر عبر عدة تشغيلات لنسخته الموصى بها فيبلغ 42.24 في المئة، بهامش 0.36 نقطة.

وتصمد النتائج أيضا على عتاد حقيقي، بحسب المصدر نفسه. فقد أجرت Positronic Robotics تقييما أعمى على ذراع Franka بعشر مهام وثلاث محاولات لكل منها: نجح FLUX 3 Action في 28 محاولة من 30، وCosmos 3 Nano في 27، وDreamZero في 20، وسياسة π0.5 السريعة في 13.

• RoboLab-120 (محاكاة): 42.92 في المئة لـFLUX 3 Action، و36.8 في المئة لـCosmos 3 Nano، و28.0 في المئة لـπ0.5.
• روبوت حقيقي، تقييم أعمى من Positronic Robotics: 28 من 30 محاولة لـFLUX 3 Action، و27 لـCosmos 3 Nano، و20 لـDreamZero، و13 لـπ0.5.
• السرعة: أسرع بما يصل إلى 3.95 مرة من Cosmos 3 Nano بدقة FP8، بحسب Black Forest Labs.
• كل استدعاء ينتج 32 حركة بتردد 15 هرتز، أي 2.13 ثانية من الحركة، مقابل ثانية واحدة لكل استدعاء في π0.5.

المعضلة التي يحاول حلها

يشرح MarkTechPost أن سياسات الروبوتات المفتوحة تفرض عادة خيارا صعبا. فالنماذج التي تتنبأ بالفيديو، مثل Cosmos 3 Nano، أدق لكنها مكلفة: على شريحة B200 من إنفيديا، قاست Black Forest Labs أن Cosmos 3 Nano يحتاج إلى نحو 4.7 أضعاف وقت المعالجة الذي يحتاجه π0.5 لكل ثانية من حركة الروبوت. أما نماذج الرؤية واللغة والفعل مثل π0.5 فهي سريعة لكنها أقل نجاحا. ويحافظ FLUX 3 Action على التنبؤ المشترك بالفيديو والحركات، ويقلص فارق السرعة بشبكة أصغر وتقنية التقطير.

ويتوفر النموذج في ثلاث نسخ، لكل منها صيغتان من الدقة الرقمية: نسخة أساسية، ونسخة أسرع بمقدار 1.8 إلى 2 مرة بنتائج أفضل قليلا، ونسخة بخطوة واحدة أسرع بمقدار 3.15 إلى 4 مرات مقابل خسارة 3.5 إلى 4.3 نقطة من نسبة النجاح. ويلاحظ MarkTechPost أن أسرع نسخة تبقى أبطأ من π0.5 على بطاقة الرسوميات الاستهلاكية RTX 5090.

كيف درب النموذج

شكل الفيديو أكثر من 95 في المئة من الرموز المستخدمة في التدريب المسبق لشبكة FLUX 3. ثم مزج تدريب الحركات هذه البيانات بمقاطع فيديو مقرونة بالأفعال، مصدرها تسجيلات ألعاب، ومقاطع من منظور الشخص الأول لأيد بشرية، وملاقط محمولة باليد، وروبوتات يتحكم بها عن بعد على 14 آلة مختلفة، بحسب MarkTechPost. وللتدريب المسبق أثر كبير: فعند تدريبه على بيانات الروبوتات وحدها بقي النموذج دون 1 في المئة على RoboLab، أما مع التدريب المسبق فقد بلغ الإجراء نفسه 11.6 في المئة قبل أي تدريب إضافي.

واختبرت Black Forest Labs النموذج أيضا بوصفه النصف السريع في نظام هجين، يؤدي فيه نموذج GPT-6 Astra من OpenAI دور المخطط القادر على قبول الحركات المتوقعة أو تعديلها أو استبدالها. وحل هذا المزيج 90 في المئة من الحالات بتكلفة 8.77 دولار ونحو 8 دقائق لكل نجاح، في حين حل Astra وحده بأقصى جهد كل الحالات لكن بتكلفة 13.47 دولار وأكثر من 16 دقيقة لكل نجاح، بحسب المصدر.

شروط الاستخدام

يمكن للفرق تكييف النموذج مع روبوتاتها. فقد نشر المختبر وصفات تدريب، منها واحدة تبين أن مهارة التقاط الأشياء ووضعها للذراع منخفضة التكلفة SO-101 يمكن تعلمها بنحو 200 عرض توضيحي، ودمج النموذج بالتعاون مع إنفيديا في منصة LeRobot التابعة لـHugging Face، مع دعم لوحات Jetson من إنفيديا، بحسب MarkTechPost وGIGAZINE. وتحتاج السياسة الرئيسية إلى نحو 32 غيغابايت من ذاكرة الرسوميات، أو يمكن تشغيلها على بطاقات 24 غيغابايت بدقة أقل.

ثمة قيدان مهمان. فترخيص FLUX Kommunity لا يسمح إلا بالاستخدام غير التجاري. كما أن النموذج يخرج أهدافا للمفاصل من دون حدود مدمجة للسرعة أو القوة أو نطاق العمل، ويجب على التطبيق فرضها، كما يشدد MarkTechPost. وترى Black Forest Labs أيضا استخدامات خارج الروبوتات، مثل ألعاب الفيديو والتحكم في المركبات والوكلاء الذين يشغلون الحواسيب، بحسب The Decoder وGIGAZINE.

ماذا يعني ذلك لشركات العالم العربي

بالنسبة إلى الشركات الناشئة في مجال الروبوتات والمكاملين ومختبرات الجامعات، يمثل FLUX 3 Action مرجعا مجانيا جديدا للمقارنة مع نماذج إنفيديا على مهامها الخاصة، مع وصفات منشورة تخفض كلفة التجربة. لكنه ليس منتجا جاهزا للنشر على خطوط الإنتاج: فالترخيص يمنع الاستخدام التجاري من دون اتفاق آخر، وتبقى حدود السلامة المتعلقة بالقوة والسرعة من مسؤولية المكامل. ومن يعتزم استخدامه ضمن مشاريع الأتمتة الصناعية في المنطقة عليه أن يخصص الجهد الهندسي اللازم وأن يبحث في ترخيص تجاري قبل أي نشر لدى العملاء.