কনটেন্টে যান

Flux 3 Action

ইন্টিগ্রেট করুন

মডেল id flux-3-action/so101
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/flux-3-action/so101?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ: ≈০.০০৩$ ৩ API ক্রেডিট এই পেজে চালান

API কী পান
Black Forest Labs ভিডিও থেকে ভিডিও #robotic#arm

ক্যামেরা ফ্রেম, জয়েন্ট স্টেট ও একটি নির্দেশনা থেকে SO-101 আর্মের অ্যাকশন চাঙ্ক পূর্বানুমানকারী রোবট পলিসি মডেল

Black Forest Labs · ডেটা (JSON)

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক 88 / 2000

স্বাভাবিক ভাষায় প্রকাশ করা রোবটের কাজের নির্দেশনা।

•আবশ্যক
একটি ফাইল ড্রপ করুন, অথবা

256x256-এ রিসাইজ করার পর স্থির দৃশ্যের ক্যামেরার বর্তমান ফ্রেম দেখানো বাম-টাইলের ছবি।

•আবশ্যক
একটি ফাইল ড্রপ করুন, অথবা

বর্তমান কবজি-ক্যামেরার ফ্রেম, ডান টাইল-এ রাখা এবং 256x256-এ রিসাইজ করা।

•আবশ্যক

ক্রম অনুযায়ী পরিমাপ করা স্টেট মান: শোল্ডার প্যান ও লিফট, এলবো ফ্লেক্স, কবজির ফ্লেক্স ও রোল, সবই ডিগ্রিতে; এরপর গ্রিপারের অবস্থান শতাংশে।

অ্যাডভান্সড history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
একটি ফাইল ড্রপ করুন, অথবা

`state_history` প্রয়োজন এমন ঐতিহাসিক scene-frame ইনপুট; বাদ দিলে এর পরিবর্তে বর্তমান ফ্রেম ব্যবহার হয়। দেওয়া ফ্রেমটি 7 টিক আগে নেওয়া ইতিহাসের প্রথম observation-কে উপস্থাপন করে।

একটি ফাইল ড্রপ করুন, অথবা

ইতিহাসের প্রথম টিকের কবজি-ক্যামেরার ফ্রেম; `state_history` প্রয়োজন।

ডিফল্ট 4

Euler denoising ধাপের সংখ্যা; checkpoint validation-এ 4টি ধাপ ব্যবহার করা হয়েছে।

ডিফল্ট 3

ভিডিও ও action উভয়ের জন্য classifier-free guidance-এর শক্তি; CFG নিষ্ক্রিয় করতে 1.0 সেট করুন।

DROID-এর জন্য 0 এবং SO-101-এর জন্য 42 reference-evaluation সেটিংসহ sampling seed। উল্লেখ না করলে এলোমেলোভাবে একটি seed নির্বাচন হয়।

পরিমাপ করা স্টেটের ইতিহাস; নতুন episode হলে বাদ থাকে, অন্যথায় `command_history` প্রয়োজন। `state`-এর ঠিক আগের 7টি কন্ট্রোল টিকের পরিমাপ 30 Hz-এ কালানুক্রমিকভাবে দিন।

`state_history` প্রয়োজন এমন absolute-command-এর ইতিহাস, যেখানে সর্বশেষ পাঠানো কমান্ডটি শেষ সারিতে থাকে। সারিগুলো 8টি observation tick জুড়ে কালানুক্রমিক এবং প্রতিটি টিকে কার্যকর কমান্ড নির্দিষ্ট করে।

POST /run/flux-3-action/so101?wait=20 মূল্য → ০.০০৩$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://vit.doitong.com/api/v1/run/flux-3-action/so101?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://vit.doitong.com/api/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Flux 3 Action সম্পর্কে

মিডিয়ার পরিবর্তে এটি পূর্বানুমান করা `actions`, তাদের কন্ট্রোল রেট, কলামের লেবেল এবং নতুন চাঙ্ক চাওয়ার আগে কতগুলো শুরুর ধাপ চালাতে হবে (`execute_steps`)—এসবসহ JSON ফেরত দেয়। প্রয়োজনীয় ইনপুট হলো একটি টেক্সট `prompt` (সর্বোচ্চ 2000 অক্ষর), `scene_image_url`, `wrist_image_url` এবং 6-মানের `state`। ঐচ্ছিক ইতিহাস ইনপুট (`state_history`, `command_history`, ইতিহাসের ছবি) সাময়িক প্রেক্ষাপট দেয়। `num_inference_steps` 1 থেকে 8 এবং `guidance_scale` 1 থেকে 10 চলে।

প্যারামিটার

নামধরন ডিফল্টঅনুমোদিত বিবরণ
promptআবশ্যক
ধরনstring
≤ ২,০০০টি অক্ষর
স্বাভাবিক ভাষায় প্রকাশ করা রোবটের কাজের নির্দেশনা।
scene_image_urlআবশ্যক
ধরনurl · image
256x256-এ রিসাইজ করার পর স্থির দৃশ্যের ক্যামেরার বর্তমান ফ্রেম দেখানো বাম-টাইলের ছবি।
wrist_image_urlআবশ্যক
ধরনurl · image
বর্তমান কবজি-ক্যামেরার ফ্রেম, ডান টাইল-এ রাখা এবং 256x256-এ রিসাইজ করা।
stateআবশ্যক
ধরনnumber[]
≤ ৬টি আইটেম≥ ৬টি আইটেম
ক্রম অনুযায়ী পরিমাপ করা স্টেট মান: শোল্ডার প্যান ও লিফট, এলবো ফ্লেক্স, কবজির ফ্লেক্স ও রোল, সবই ডিগ্রিতে; এরপর গ্রিপারের অবস্থান শতাংশে।
state_historyঐচ্ছিক
ধরনarray[]
≤ ৭টি আইটেম≥ ৭টি আইটেম
পরিমাপ করা স্টেটের ইতিহাস; নতুন episode হলে বাদ থাকে, অন্যথায় `command_history` প্রয়োজন। `state`-এর ঠিক আগের 7টি কন্ট্রোল টিকের পরিমাপ 30 Hz-এ কালানুক্রমিকভাবে দিন।
command_historyঐচ্ছিক
ধরনarray[]
≤ ৮টি আইটেম≥ ৮টি আইটেম
`state_history` প্রয়োজন এমন absolute-command-এর ইতিহাস, যেখানে সর্বশেষ পাঠানো কমান্ডটি শেষ সারিতে থাকে। সারিগুলো 8টি observation tick জুড়ে কালানুক্রমিক এবং প্রতিটি টিকে কার্যকর কমান্ড নির্দিষ্ট করে।
history_scene_image_urlঐচ্ছিক
ধরনurl · image
`state_history` প্রয়োজন এমন ঐতিহাসিক scene-frame ইনপুট; বাদ দিলে এর পরিবর্তে বর্তমান ফ্রেম ব্যবহার হয়। দেওয়া ফ্রেমটি 7 টিক আগে নেওয়া ইতিহাসের প্রথম observation-কে উপস্থাপন করে।
history_wrist_image_urlঐচ্ছিক
ধরনurl · image
ইতিহাসের প্রথম টিকের কবজি-ক্যামেরার ফ্রেম; `state_history` প্রয়োজন।
num_inference_stepsঐচ্ছিক
ধরনinteger
ডিফল্ট4
১ – ৮
Euler denoising ধাপের সংখ্যা; checkpoint validation-এ 4টি ধাপ ব্যবহার করা হয়েছে।
guidance_scaleঐচ্ছিক
ধরনnumber
ডিফল্ট3
১ – ১০
ভিডিও ও action উভয়ের জন্য classifier-free guidance-এর শক্তি; CFG নিষ্ক্রিয় করতে 1.0 সেট করুন।
seedঐচ্ছিক
ধরনinteger | null
DROID-এর জন্য 0 এবং SO-101-এর জন্য 42 reference-evaluation সেটিংসহ sampling seed। উল্লেখ না করলে এলোমেলোভাবে একটি seed নির্বাচন হয়।
আবশ্যক

ফাইল প্যারামিটার হিসেবে একটি পাবলিক https:// URL, 10 MB পর্যন্ত একটি data: URI, অথবা আপলোডের file_url গ্রহণ করা হয়। ফাইল

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "flux-3-action/so101",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "scene_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "wrist_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "state": [
      -18.94,
      134.52,
      120.15,
      28.3,
      -32.17,
      27.02
    ]
  },
  "output": {
    "actions": [
      [
        1.0
      ]
    ],
    "action_labels": [
      "string"
    ],
    "action_hz": 1.0,
    "execute_steps": 1,
    "seed": 42,
    "timings": {}
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://vit.doitong.com/api/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
actions
array of array of numberকালানুক্রমিক সারিতে কন্ট্রোল ধাপ উপস্থাপন করা predicted action array; মানগুলো unclipped, তাই রোবটে joint, velocity ও workspace সীমা প্রয়োগ করতে হবে। 30 Hz-এ SO-101 deg ও gripper %-এ 42x6 absolute command দেয়; 15 Hz-এ DROID rad-এ 32x8 absolute joint target এবং gripper-এর বন্ধ থাকার ভগ্নাংশ দেয়।
action_labels
array of stringaction কলামগুলোর সঙ্গে সম্পর্কিত নাম।
action_hz
numberaction সারিগুলোর কন্ট্রোল ফ্রিকোয়েন্সি।
execute_steps
integerআরেকটি chunk চাওয়ার আগে কার্যকর করা প্রাথমিক action-এর সংখ্যা।
seed
integersampling-এর সময় ব্যবহৃত random seed।
timings
objectসার্ভার থেকে পাওয়া সময় পরিমাপ, সেকেন্ডে প্রকাশ করা।

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/flux-3-action/so101.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt