အကြောင်းအရာသို့ ကျော်ရန်

Flux 3 Action

ပေါင်းစည်းရန်

မော်ဒယ် 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"

ဤတောင်းဆိုချက်: ≈၀.၀၀၃ $ ၃ API ခရက်ဒစ် ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်
Black Forest Labs ဗီဒီယိုမှ ဗီဒီယို #robotic#arm

ကင်မရာဖရိမ်များ၊ အဆစ်အခြေအနေနှင့် ညွှန်ကြားချက်မှ SO-101 လက်တံလုပ်ဆောင်ချက်အပိုင်းများကို ခန့်မှန်းပေးသည့် စက်ရုပ်မူဝါဒမော်ဒယ်

Black Forest Labs · ဒေတာ (JSON)

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

•လိုအပ်သည် 88 / 2000

ရိုးရိုးဘာသာစကားဖြင့် ဖော်ပြထားသော စက်ရုပ်လုပ်ငန်းတာဝန် ညွှန်ကြားချက်များ။

•လိုအပ်သည်
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

256x256 သို့ အရွယ်ပြောင်းပြီးနောက် ပုံသေမြင်ကွင်းကင်မရာ၏ လက်ရှိဖရိမ်ကို ပြသသည့် ဘယ်ဘက် tile ပုံ။

•လိုအပ်သည်
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

ညာဘက် tile တွင် ထည့်ထားပြီး 256x256 သို့ အရွယ်ပြောင်းထားသော လက်ကောက်ဝတ်ကင်မရာ၏ လက်ရှိဖရိမ်။

•လိုအပ်သည်

အစဉ်လိုက်တိုင်းတာထားသော အခြေအနေတန်ဖိုးများ။ ပခုံး pan နှင့် lift၊ တံတောင်ဆစ် flex၊ လက်ကောက်ဝတ် flex နှင့် roll ကို ဒီဂရီဖြင့် ဖော်ပြပြီးနောက် gripper အနေအထားကို ရာခိုင်နှုန်းဖြင့် ဖော်ပြသည်။

အဆင့်မြင့် history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

`state_history` လိုအပ်သော ယခင်မြင်ကွင်းဖရိမ် ထည့်သွင်းချက်။ မပေးထားပါက လက်ရှိဖရိမ်ကို အသုံးပြုသည်။ ပေးထားသောဖရိမ်သည် လွန်ခဲ့သော tick 7 ခုက အစောဆုံးမှတ်တမ်းမြင်ကွင်းကို ကိုယ်စားပြုသည်။

ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

အစောဆုံးမှတ်တမ်း tick ရှိ လက်ကောက်ဝတ်ကင်မရာဖရိမ်။ `state_history` လိုအပ်သည်။

မူလ 4

Euler denoising အဆင့်အရေအတွက်။ checkpoint validation တွင် အဆင့် 4 ခု အသုံးပြုခဲ့သည်။

မူလ 3

ဗီဒီယိုနှင့် လုပ်ဆောင်ချက်နှစ်ခုလုံးအတွက် classifier-free guidance အား။ CFG ပိတ်ရန် 1.0 သတ်မှတ်ပါ။

DROID အတွက် 0 နှင့် SO-101 အတွက် 42 ဟူသော reference-evaluation ဆက်တင်များပါသည့် sampling seed။ မသတ်မှတ်ထားပါက seed ကို ကျပန်းရွေးသည်။

အသစ်စတင်သည့် episode တွင် မပါဝင်ဘဲ အခြားအခြေအနေများတွင် `command_history` လိုအပ်သော တိုင်းတာထားသည့်အခြေအနေ မှတ်တမ်း။ `state` မတိုင်မီ ချက်ချင်းရှိသော control tick 7 ခုအတွက် တိုင်းတာချက်များကို အချိန်အစဉ်လိုက် 30 Hz ဖြင့် ပေးပါ။

နောက်ဆုံးအတန်းတွင် နောက်ဆုံးပေးပို့ထားသော command ပါဝင်ပြီး `state_history` လိုအပ်သော absolute-command မှတ်တမ်း။ အတန်းများသည် observation tick 8 ခုအတွင်း အချိန်အစဉ်လိုက်ဖြစ်ပြီး tick တစ်ခုစီတွင် အသက်ဝင်သည့် command ကို သတ်မှတ်သည်။

POST /run/flux-3-action/so101?wait=20 ကုန်ကျစရိတ် → ၀.၀၀၃ $
# 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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ API ကီး ရယူရန်

Flux 3 Action အကြောင်း

မီဒီယာအစား ခန့်မှန်းထားသော `actions`၊ ၎င်းတို့၏ ထိန်းချုပ်နှုန်း၊ ကော်လံအညွှန်းများနှင့် အပိုင်းအသစ်မတောင်းမီ လုပ်ဆောင်ရမည့် ရှေ့ဆုံးအဆင့်အရေအတွက် (`execute_steps`) ပါဝင်သော JSON ကို ပြန်ပေးသည်။ လိုအပ်သော ထည့်သွင်းချက်များမှာ စာသား `prompt` (အများဆုံး စာလုံး 2000)၊ `scene_image_url`၊ `wrist_image_url` နှင့် တန်ဖိုး 6 ခုပါ `state` ဖြစ်သည်။ ရွေးချယ်နိုင်သော မှတ်တမ်းထည့်သွင်းချက်များ (`state_history`၊ `command_history`၊ မှတ်တမ်းပုံများ) သည် အချိန်အလိုက် အကြောင်းအရာကို ပေးသည်။ `num_inference_steps` သည် 1 မှ 8 အထိ လုပ်ဆောင်ပြီး `guidance_scale` သည် 1 မှ 10 ဖြစ်သည်။

ပါရာမီတာများ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
promptလိုအပ်သည်
အမျိုးအစားstring
စာလုံး ၂,၀၀၀ လုံးထက် မပိုပါ
ရိုးရိုးဘာသာစကားဖြင့် ဖော်ပြထားသော စက်ရုပ်လုပ်ငန်းတာဝန် ညွှန်ကြားချက်များ။
scene_image_urlလိုအပ်သည်
အမျိုးအစားurl · image
256x256 သို့ အရွယ်ပြောင်းပြီးနောက် ပုံသေမြင်ကွင်းကင်မရာ၏ လက်ရှိဖရိမ်ကို ပြသသည့် ဘယ်ဘက် tile ပုံ။
wrist_image_urlလိုအပ်သည်
အမျိုးအစားurl · image
ညာဘက် tile တွင် ထည့်ထားပြီး 256x256 သို့ အရွယ်ပြောင်းထားသော လက်ကောက်ဝတ်ကင်မရာ၏ လက်ရှိဖရိမ်။
stateလိုအပ်သည်
အမျိုးအစားnumber[]
အကြောင်းအရာ ၆ ခုထက် မပိုပါအကြောင်းအရာ ၆ ခုထက် မနည်းပါ
အစဉ်လိုက်တိုင်းတာထားသော အခြေအနေတန်ဖိုးများ။ ပခုံး pan နှင့် lift၊ တံတောင်ဆစ် flex၊ လက်ကောက်ဝတ် flex နှင့် roll ကို ဒီဂရီဖြင့် ဖော်ပြပြီးနောက် gripper အနေအထားကို ရာခိုင်နှုန်းဖြင့် ဖော်ပြသည်။
state_historyရွေးချယ်နိုင်သည်
အမျိုးအစားarray[]
အကြောင်းအရာ ၇ ခုထက် မပိုပါအကြောင်းအရာ ၇ ခုထက် မနည်းပါ
အသစ်စတင်သည့် episode တွင် မပါဝင်ဘဲ အခြားအခြေအနေများတွင် `command_history` လိုအပ်သော တိုင်းတာထားသည့်အခြေအနေ မှတ်တမ်း။ `state` မတိုင်မီ ချက်ချင်းရှိသော control tick 7 ခုအတွက် တိုင်းတာချက်များကို အချိန်အစဉ်လိုက် 30 Hz ဖြင့် ပေးပါ။
command_historyရွေးချယ်နိုင်သည်
အမျိုးအစားarray[]
အကြောင်းအရာ ၈ ခုထက် မပိုပါအကြောင်းအရာ ၈ ခုထက် မနည်းပါ
နောက်ဆုံးအတန်းတွင် နောက်ဆုံးပေးပို့ထားသော command ပါဝင်ပြီး `state_history` လိုအပ်သော absolute-command မှတ်တမ်း။ အတန်းများသည် observation tick 8 ခုအတွင်း အချိန်အစဉ်လိုက်ဖြစ်ပြီး tick တစ်ခုစီတွင် အသက်ဝင်သည့် command ကို သတ်မှတ်သည်။
history_scene_image_urlရွေးချယ်နိုင်သည်
အမျိုးအစားurl · image
`state_history` လိုအပ်သော ယခင်မြင်ကွင်းဖရိမ် ထည့်သွင်းချက်။ မပေးထားပါက လက်ရှိဖရိမ်ကို အသုံးပြုသည်။ ပေးထားသောဖရိမ်သည် လွန်ခဲ့သော tick 7 ခုက အစောဆုံးမှတ်တမ်းမြင်ကွင်းကို ကိုယ်စားပြုသည်။
history_wrist_image_urlရွေးချယ်နိုင်သည်
အမျိုးအစားurl · image
အစောဆုံးမှတ်တမ်း tick ရှိ လက်ကောက်ဝတ်ကင်မရာဖရိမ်။ `state_history` လိုအပ်သည်။
num_inference_stepsရွေးချယ်နိုင်သည်
အမျိုးအစားinteger
မူလတန်ဖိုး4
၁ – ၈
Euler denoising အဆင့်အရေအတွက်။ checkpoint validation တွင် အဆင့် 4 ခု အသုံးပြုခဲ့သည်။
guidance_scaleရွေးချယ်နိုင်သည်
အမျိုးအစားnumber
မူလတန်ဖိုး3
၁ – ၁၀
ဗီဒီယိုနှင့် လုပ်ဆောင်ချက်နှစ်ခုလုံးအတွက် classifier-free guidance အား။ CFG ပိတ်ရန် 1.0 သတ်မှတ်ပါ။
seedရွေးချယ်နိုင်သည်
အမျိုးအစားinteger | null
DROID အတွက် 0 နှင့် SO-101 အတွက် 42 ဟူသော reference-evaluation ဆက်တင်များပါသည့် sampling seed။ မသတ်မှတ်ထားပါက seed ကို ကျပန်းရွေးသည်။
လိုအပ်သည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

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"
  }
}
သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။
မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။
ထွက်ရလဒ်၏ Fields များ
actions
array of array of numberထိန်းချုပ်မှုအဆင့်များကို အချိန်အစဉ်လိုက်အတန်းများဖြင့် ကိုယ်စားပြုသည့် ခန့်မှန်းလုပ်ဆောင်ချက် array။ တန်ဖိုးများကို ကန့်သတ်မထားသောကြောင့် စက်ရုပ်တွင် joint၊ velocity နှင့် workspace ကန့်သတ်ချက်များကို အတည်ပြုရမည်။ 30 Hz တွင် SO-101 သည် deg နှင့် gripper % ဖြင့် 42x6 absolute command များကို ပေးပြီး 15 Hz တွင် DROID သည် rad ဖြင့် 32x8 absolute joint target များနှင့် gripper ပိတ်ထားမှုအပိုင်းကို ပေးသည်။
action_labels
array of stringလုပ်ဆောင်ချက်ကော်လံများနှင့် သက်ဆိုင်သော အမည်များ။
action_hz
numberလုပ်ဆောင်ချက်အတန်းများအတွက် ထိန်းချုပ်မှုကြိမ်နှုန်း။
execute_steps
integerနောက်ထပ်အပိုင်းတစ်ခု မတောင်းဆိုမီ လုပ်ဆောင်မည့် အစပိုင်းလုပ်ဆောင်ချက်အရေအတွက်။
seed
integersampling လုပ်စဉ် အသုံးပြုသည့် ကျပန်း seed။
timings
objectဆာဗာမှ တိုင်းတာထားသော အချိန်အချက်အလက်များကို စက္ကန့်ဖြင့် ဖော်ပြသည်။

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/flux-3-action/so101.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt