FLUX 3 Action이 바꾸는 로봇 제어 모델의 평가 기준
로봇 제어 모델의 경쟁 기준이 성공률뿐 아니라 계산 효율과 예측 범위까지 넓어지고 있다. Black Forest Labs가 출시한 FLUX 3 Action은 미래 장면과 로봇의 다음 행동을 함께 예측하면서, 이 방식의 계산 부담을 줄이는 데 초점을 맞춘 모델이다.
세계 이해를 행동 예측으로 연결한다
FLUX 3 Action은 70억 개 매개변수 규모의 오픈 웨이트 월드 액션 모델이다. 카메라 프레임, 로봇 상태, 텍스트 지시를 입력받아 미래 비디오 프레임과 다음 행동 묶음을 함께 예측한다.1
일반적인 행동 모델이 주로 ‘무엇을 할지’를 예측한다면, 월드 액션 모델은 그 행동으로 장면이 어떻게 달라질지도 함께 학습한다. 이를 통해 대규모 영상 사전학습에서 얻은 물체와 움직임에 대한 이해를 로봇의 행동 예측에 전이할 수 있다.2
다만 영상과 행동을 공동 예측하면 시퀀스가 길어져 연산량과 지연 시간이 늘어날 수 있다. 따라서 FLUX 3 Action을 평가할 때는 세계 이해와 행동 생성을 결합했다는 점뿐 아니라, 이를 얼마나 효율적으로 구현했는지도 함께 봐야 한다.
더 작은 백본과 증류로 계산 부담을 낮췄다
Black Forest Labs는 멀티모달 Self-Flow 사전학습을 사용해 Cosmos 3 Nano의 절반 미만 크기인 백본을 구현했다. 증류 과정에서는 별도의 가이던스 패스를 제거하고 샘플링 단계를 한 단계로 줄였다.2
이러한 설계는 RoboLab 결과에서도 차이를 보였다. 단일 단계 체크포인트의 성공률은 38.3% ± 0.38이었고, 가이던스 증류 체크포인트는 42.2% ± 0.36을 기록했다.2
RoboLab-120 종합 표에서는 FLUX 3 Action의 전체 성공률이 42.92%로 기재됐다. 같은 표에서 Cosmos 3 Nano Policy는 36.8%, π0.5는 28.0%였다.2 다만 체크포인트별 결과와 RoboLab-120 종합 수치는 평가 항목이 다를 수 있으므로 직접 혼용하지 않고 구분해 해석해야 한다.
호출 속도보다 동작 구간 전체를 봐야 한다
FLUX 3 Action은 한 번에 2.13초 분량의 동작을 예측한다. π0.5의 예측 구간은 1초다.2 이는 모델의 실용성을 판단할 때 단일 호출의 지연 시간만 비교해서는 부족하다는 뜻이다.
실제 로봇 시스템에서는 다음 항목을 함께 살펴볼 필요가 있다.
한 번의 추론에 걸리는 시간
한 번에 생성하는 동작 구간의 길이
일정 시간의 로봇 동작을 생성하는 데 필요한 총 호출 횟수
목표 하드웨어에서의 처리량과 튜닝 비용
실제 작업 환경에서의 성공률
예측 구간이 길면 호출 횟수를 줄일 가능성이 있지만, 긴 구간의 행동이 실제 환경 변화에 얼마나 안정적으로 대응하는지도 별도로 검증해야 한다.
오픈 웨이트와 즉시 적용은 다르다
오픈 웨이트라고 해서 모든 로봇에 바로 연결할 수 있는 것은 아니다. 공개된 기본 모델은 적응을 위한 기반이며, 새로운 로봇에 적용하려면 전용 액션 헤드와 미세조정이 필요하다.1
따라서 도입 여부는 벤치마크 점수만으로 결정하기보다 대상 로봇과 작업에 맞추는 비용, 실제 추론 성능, 예측 구간, 성공률을 함께 비교해야 한다.
요약: FLUX 3 Action의 핵심 가치는 단일 최고 점수가 아니라, 영상 기반 세계 이해와 행동 예측을 더 작은 백본과 효율적인 샘플링 방식으로 결합했다는 데 있다. 로봇 제어 모델을 평가할 때도 성공률뿐 아니라 계산 비용, 예측 구간, 시스템 적응 비용까지 함께 봐야 한다.
1black-forest-labs/flux-3-action-base · Hugging Face
2FLUX 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.