FLUX 3의 핵심: 멀티모달 기반의 비디오-액션 모델 아키텍처 분석

요약

BFL은 차세대 멀티모달 파운데이션 모델인 FLUX 3를 공개하고, 이를 로봇 기업 mimic robotics와 협업하여 로봇 제어 모델인 FLUX-mimic으로 발전시켰다. 기존 FLUX 1과 2가 이미지 생성에 집중했다면, FLUX 3는 이미지, 비디오, 오디오를 통합 학습하여 물리 세계의 인과관계와 상호작용을 이해하는 세계 모델로 진화했다. 특히 전체 연산 비용의 95% 이상을 차지하는 비디오 예측 학습을 통해 로봇이 물리적 접촉, 무게, 동작 등을 정밀하게 제어할 수 있도록 설계되었다. 실제로 FLUX-mimic은 아우디(Audi) 공장에 배치된 로봇에 적용되어 실증을 마친 상태다. 이 모델은 단순히 콘텐츠 생성에 그치지 않고 물리적 세계의 거동을 학습함으로써 로봇 제어와 같은 실질적인 자동화 기술의 핵심 기반으로 활용될 전망이다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.