FLUX 3 Action: 미래 영상과 행동을 함께 예측하는 로봇 AI
로봇 AI는 지시를 이해하는 데서 끝나지 않는다. 주변 환경이 어떻게 변할지 예측하고, 그에 맞는 동작을 빠르게 결정해야 한다. Black Forest Labs가 2026년 9월 24일 공개한 FLUX 3 Action은 미래 영상과 로봇 행동을 하나의 모델에서 함께 예측하는 접근법을 제시한다.
행동과 미래를 공동 예측하는 월드 액션 모델
FLUX 3 Action은 70억 개의 매개변수를 갖춘 월드 액션 모델(WAM)이다. 로봇 작업 공간을 촬영한 여러 카메라 프레임과 로봇 상태, 텍스트 지시를 입력받아 다음 행동 묶음과 다음 비디오 프레임을 함께 디노이징한다.12
핵심은 행동만 예측하지 않는다는 점이다. WAM은 미래 영상과 행동을 공동 예측함으로써 비디오 사전학습에서 얻은 세계 지식을 로봇 제어에 활용한다. 이미지·비디오·오디오 데이터로 학습된 FLUX 3의 지식을 행동 예측으로 확장한 구조다.1
이 방식은 모델이 “무엇을 해야 하는가”와 함께 “그 행동 이후 장면이 어떻게 달라질 것인가”를 다루도록 한다. 다만 영상과 행동을 동시에 처리하면 시퀀스가 길어져 계산 비용이 증가할 수 있다.1
성공률만큼 예측 구간과 추론 속도를 봐야 한다
FLUX 3 Action의 성능은 하나의 성공률로만 판단하기 어렵다. 체크포인트에 따라 성공률과 속도의 균형이 달라지기 때문이다.
단일 스텝 체크포인트의 RoboLab 성공률은 38.3%±0.38이다.
가이던스 증류 체크포인트의 RoboLab 성공률은 42.2%±0.36이다.
Black Forest Labs에 따르면 70억 개 매개변수 모델로 RoboLab-120 성공률 기록을 세웠다.1
예측 구간도 중요한 차이다. FLUX 3 Action은 한 번에 2.13초 길이의 로봇 동작을 예측하며, Pi0.5의 예측 구간은 1초다. 더 긴 동작을 한 번에 생성하면 로봇이 실행 중 다시 추론해야 하는 빈도를 줄일 수 있다.
속도 비교에서는 단일 스텝 체크포인트가 워크스테이션과 데이터센터 GPU에서 로봇 동작 시간 기준 Pi0.5보다 1.34~2.28배 빠르다. FP8 기반 기본 및 가이던스 증류 체크포인트는 GPU 종류에 따라 Cosmos 3 Nano FP8보다 1.52~3.95배 빠르다.1 따라서 도입을 검토할 때는 성공률뿐 아니라 사용할 GPU, 체크포인트, 예측 구간을 함께 비교해야 한다.
공개 가중치는 출발점이지 완성품이 아니다
FLUX 3 Action의 가중치는 Hugging Face에서 제공된다.2 그러나 기본 모델은 새 로봇에 맞는 행동 헤드를 학습하기 위한 구성 요소이며, 곧바로 현장에 배치할 수 있는 완성형 정책은 아니다.
실제 적용 전에는 다음 항목을 확인해야 한다.
대상 로봇의 상태와 행동 형식에 맞춘 미세조정이 필요한가
사용하려는 GPU에서 요구 지연 시간을 충족하는가
2.13초의 예측 구간이 작업 특성에 적합한가
시뮬레이터와 제한된 환경에서 충분히 검증했는가
관절 속도, 힘, 작업 범위를 제한할 별도 안전장치가 있는가
모델 자체가 로봇의 물리적 한계를 강제하지 않으므로, 공개 가중치와 벤치마크 성능만으로 배포 가능성을 판단해서는 안 된다.
요약: FLUX 3 Action의 의미는 최고 성공률 하나에 있지 않다. 미래 영상과 행동을 공동 예측하면서 로봇 제어에 필요한 속도와 긴 예측 구간을 제시했다는 점이 핵심이다. 실제 도입에서는 성공률, 하드웨어 비용, 추론 속도, 로봇별 미세조정과 안전 설계를 함께 평가해야 한다.
1FLUX 3 Action: A 7B World Action Model for Robot Control | Black Forest Labs
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.