コンテンツへスキップ

Flux 3 Action

統合

モデル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"

このリクエスト: ≈$0.003 3 APIクレジット このページで実行

APIキーを取得
Black Forest Labs 動画変換 #robotic#arm

カメラフレーム、関節状態、指示からSO-101アームの動作チャンクを予測するロボット方策モデル

Black Forest Labs · データ (JSON)

最初の結果がここに表示されます

以下でリクエストを作成し、APIキーで実行してください。出力はストレージにコピーされ、永久保存または無料で7日保存されます。

リクエストを作成

コントロールはモデルスキーマから生成されます。値を変更するとコードと価格が更新されます。

•必須 88 / 2000

自然言語で記述したロボットタスクの指示。

•必須
ファイルをドロップ、または

固定シーンカメラの現在のフレームを256x256にリサイズして表示する左タイル画像。

•必須
ファイルをドロップ、または

現在の手首カメラのフレーム。右タイルに配置し、256x256にリサイズします。

•必須

測定した状態値を順番に指定します。肩のパンとリフト、肘の屈曲、手首の屈曲とロールをすべて度数で示し、その後にグリッパー位置をパーセントで示します。

詳細設定 history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
ファイルをドロップ、または

シーンフレームの履歴入力。`state_history`が必要です。省略すると現在のフレームを使用します。指定するフレームは7ティック前の最も古い履歴観測を表します。

ファイルをドロップ、または

最も古い履歴ティック時点の手首カメラのフレーム。`state_history`が必要です。

デフォルト 4

Eulerノイズ除去ステップ数。チェックポイントの検証では4ステップを使用しました。

デフォルト 3

動画とアクションのclassifier-free guidance強度。CFGを無効にするには1.0に設定します。

サンプリングシード。DROIDの参照評価設定は0、SO-101は42です。指定しない場合はランダムにシードを選択します。

測定状態の履歴。新しいエピソードでは省略し、それ以外では`command_history`が必要です。`state`直前の7回の制御ティックの測定値を、30 Hzで時系列順に指定します。

絶対コマンドの履歴。`state_history`が必要で、最後の行には直近に送信したコマンドを指定します。行は8回の観測ティックにわたる時系列順で、各ティックで有効なコマンドを指定します。

POST /run/flux-3-action/so101?wait=20 見積もり → $0.003
# 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"

このリクエストを実行

キーはこのブラウザ内に保持されます。Doitong APIにのみ送信され、「記憶する」にチェックを入れた場合のみlocalStorageに保存されます。 APIキーを取得

Flux 3 Actionについて

メディアの代わりに、予測された `actions`、制御レート、列ラベル、新しいチャンクを要求する前に実行する先頭ステップ数(`execute_steps`)を含むJSONを返します。必須入力は、最大2000文字のテキスト `prompt`、`scene_image_url`、`wrist_image_url`、6つの値を持つ `state` です。任意の履歴入力(`state_history`、`command_history`、履歴画像)で時間的コンテキストを追加できます。`num_inference_steps` は1〜8、`guidance_scale` は1〜10です。

パラメータ

名前型 デフォルト許可される値 説明
prompt必須
型string
≤ 2,000文字
自然言語で記述したロボットタスクの指示。
scene_image_url必須
型url · image
固定シーンカメラの現在のフレームを256x256にリサイズして表示する左タイル画像。
wrist_image_url必須
型url · image
現在の手首カメラのフレーム。右タイルに配置し、256x256にリサイズします。
state必須
型number[]
≤ 6項目≥ 6項目
測定した状態値を順番に指定します。肩のパンとリフト、肘の屈曲、手首の屈曲とロールをすべて度数で示し、その後にグリッパー位置をパーセントで示します。
state_history任意
型array[]
≤ 7項目≥ 7項目
測定状態の履歴。新しいエピソードでは省略し、それ以外では`command_history`が必要です。`state`直前の7回の制御ティックの測定値を、30 Hzで時系列順に指定します。
command_history任意
型array[]
≤ 8項目≥ 8項目
絶対コマンドの履歴。`state_history`が必要で、最後の行には直近に送信したコマンドを指定します。行は8回の観測ティックにわたる時系列順で、各ティックで有効なコマンドを指定します。
history_scene_image_url任意
型url · image
シーンフレームの履歴入力。`state_history`が必要です。省略すると現在のフレームを使用します。指定するフレームは7ティック前の最も古い履歴観測を表します。
history_wrist_image_url任意
型url · image
最も古い履歴ティック時点の手首カメラのフレーム。`state_history`が必要です。
num_inference_steps任意
型integer
デフォルト4
1 – 8
Eulerノイズ除去ステップ数。チェックポイントの検証では4ステップを使用しました。
guidance_scale任意
型number
デフォルト3
1 – 10
動画とアクションのclassifier-free guidance強度。CFGを無効にするには1.0に設定します。
seed任意
型integer | null
サンプリングシード。DROIDの参照評価設定は0、SO-101は42です。指定しない場合はランダムにシードを選択します。
必須

ファイルパラメータには、公開されたhttps:// URL、10 MBまでのdata: URI、またはアップロードしたファイルのfile_urlを指定します。 ファイル

出力

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"
  }
}
ファイルの保存期間を選択すべてのoutputs[].urlはストレージ上のコピーです。アカウント設定または?storage=により、永久保存(GB・月単位で有料)または無料で7日保存できます。
すべてのモデルで同じ形式画像、動画、音声のいずれでも、type、url、content_type、width、height、durationが含まれます。outputはモデル独自の結果オブジェクトです。
出力フィールド
actions
array of array of number制御ステップを表す時系列順の行で構成された予測アクション配列。値はクリップされないため、ロボット上で関節、速度、ワークスペースの制限を適用する必要があります。30 HzではSO-101がdegの42x6絶対コマンドとグリッパーの%を提供し、15 HzではDROIDがradの32x8絶対関節目標とグリッパーの閉鎖率を提供します。
action_labels
array of stringアクション列に対応する名前。
action_hz
numberアクション行の制御周波数。
execute_steps
integer次のチャンクを要求する前に実行する初期アクション数。
seed
integerサンプリングに使用するランダムシード。
timings
objectサーバーからのタイミング測定値(秒)。

AIエージェント向け:このページのMarkdown版はこちらです: https://doitong.com/ja/developers/models/flux-3-action/so101.md. すべてのモデルとガイド: https://doitong.com/developers/llms.txt