블랙포레스트랩, 7B 로봇 제어 모델 'FLUX 3 Action' 오픈소스로 공개

FLUX 3 Action은 블랙포레스트랩이 오픈 가중치로 공개한 7B 규모의 로봇 제어용 세계 행동 모델(World Action Model)입니다.

그동안 로봇 제어 모델을 다루는 개발자들은 큰 딜레마를 겪었습니다. 영상과 행동을 함께 예측해 정밀하지만 너무 무겁고 느린 Cosmos 3 Nano 같은 모델을 쓰거나, 속도는 빠르지만 성공률이 크게 떨어지는 Pi0.5 같은 모델을 써야 했습니다. FLUX 3 Action은 이 타협점을 완전히 바꿔놓았습니다.

FLUX 3 Action은 16B 크기인 Cosmos 3 Nano의 절반도 안 되는 7B 파라미터 크기임에도, RoboLab 벤치마크에서 증류 체크포인트 기준 42.2%(벤치마크 표 기준 42.92%)의 성공률을 기록했습니다. 이는 Cosmos 3 Nano의 36.8%와 Pi0.5의 28.0%를 가뿐히 넘어서는 성적입니다.

속도와 정확도를 모두 잡은 원리

비결은 대규모 영상 사전 학습과 증류에 있습니다. FLUX 3 Action은 전체 훈련 토큰 중 영상 데이터 비중이 95% 이상을 차지하는 FLUX 3 멀티모달 기반 위에서 개발되었습니다. 영상 사전 학습 없이 행동 데이터만 학습했을 때는 성공률이 1% 미만에 그쳤으나, 영상 학습을 거치자마자 성능이 11.6%로 수직 상승하며 물리 세계에 대한 이해도를 입증했습니다.

이어진 중간 학습 단계에서는 14가지 로봇 하드웨어의 원격 제어 데이터와 손 조작 영상뿐만 아니라, 19.55%의 게임 플레이 녹화 데이터까지 함께 학습시켰습니다. 덕분에 로봇 팔 제어는 물론 디지털 환경에서의 실시간 컴퓨터 제어에도 바로 활용할 수 있습니다.

속도 측면에서는 Self-Flow 아키텍처와 함께 가이던스 연산 패스를 없앤 1스텝 샘플링 증류 기술을 적용했습니다. 그 결과 FP8 구동 시 일반 GPU부터 데이터센터 GPU까지 전 구간에서 Cosmos 3 Nano 대비 1.52배에서 최대 3.95배 빠른 실행 속도를 보여줍니다. 한 번에 예측하는 행동 시계열도 2.13초로 Pi0.5의 1.0초보다 훨씬 깁니다.

스펙과 실행 방법

현재 모델 가중치와 파인튜닝 가이드 문서가 모두 공개되어 있습니다. 7B 기본 모델의 용량은 약 14GB에 불과해 일반 소비자용 그래픽카드나 단일 워크스테이션 환경에서도 여유롭게 구동할 수 있습니다.

사용 방식은 간단합니다. 텍스트 목표와 함께 카메라 입력, 로봇 관절 위치를 전달하면 모델이 모터 제어 명령과 함께 행동 후 예상되는 시각적 상태를 동시에 출력합니다. 로봇이 해당 동작을 수행한 뒤 다시 카메라로 상황을 확인하며 오차를 보정해 나가는 방식입니다.

고성능 추론 모델과의 결합도 돋보입니다. 복잡한 작업을 GPT 6 Astra 단독으로 처리하면 성공당 16분과 13.47달러가 들지만, 상위 계획만 GPT 6 Astra에 맡기고 물리 제어를 FLUX 3 Action으로 위임하면 90%의 성공률을 유지하면서도 비용은 8.77달러로 29% 절감되고 시간은 8분으로 40% 단축됩니다.

왜 중요한가

로봇 제어나 엣지 환경의 시각 에이전트를 개발하고 있다면 FLUX 3 Action은 지금 당장 테스트해 볼 가치가 충분합니다. 대규모 서버 랙 없이도 14GB 크기의 단일 모델로 정밀한 피지컬 AI 루프를 손쉽게 구현할 수 있기 때문입니다.

상위 추론은 클라우드 대형 모델이 맡고, 지연 시간에 민감한 물리 제어는 가볍고 빠른 오픈소스 소형 모델이 책임지는 하이브리드 구도가 앞으로 로봇 공학의 가장 실용적인 표준이 될 것임을 잘 보여줍니다.