Gå til innhold

Flux 3 Action

Integrer

Modell-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"

Denne forespørselen: ≈0,003 $ 3 API-kreditter Kjør den på denne siden

Hent API-nøkkel
Black Forest Labs Video til video #robotic#arm

Robotpolicy-modell som forutsier handlingssekvenser for SO-101-armen fra kamerabilder, leddtilstand og en instruksjon

Black Forest Labs · Data (JSON)

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk 88 / 2000

Instruksjoner for robotoppgaver uttrykt i naturlig språk.

•obligatorisk
Slipp en fil, eller

Bilde i venstre flis som viser det faste scenekameraets gjeldende bilde etter endring til 256x256.

•obligatorisk
Slipp en fil, eller

Gjeldende bilde fra håndleddkameraet, plassert i høyre flis og endret til 256x256.

•obligatorisk

Målte tilstandsverdier i rekkefølge: skulderens panorering og løft, albuebøy, håndleddsbøy og -rotasjon, alt i grader, etterfulgt av gripeposisjon i prosent.

Avansert history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
Slipp en fil, eller

Historisk bilde fra scenen som krever `state_history`; hvis det utelates, brukes gjeldende bilde. Det oppgitte bildet representerer den tidligste historiske observasjonen, 7 tidspunkter tilbake.

Slipp en fil, eller

Bilde fra håndleddkameraet ved det tidligste historiske tidspunktet; `state_history` er påkrevd.

standard 4

Antall Euler-avstøyingssteg; validering av kontrollpunktet brukte 4 steg.

standard 3

Styrke for classifier-free guidance for både video og handling; sett til 1.0 for å deaktivere CFG.

Samplingsseed med referanseevalueringsinnstillingene for DROID: 0 og SO-101: 42. Hvis den ikke oppgis, velges en seed tilfeldig.

Historikk for målt tilstand, utelatt for en ny episode og ellers avhengig av `command_history`. Oppgi målinger i kronologisk rekkefølge for de 7 kontrolltidspunktene rett før `state`, ved 30 Hz.

Historikk for absolutte kommandoer som krever `state_history`, med den sist sendte kommandoen i siste rad. Radene går kronologisk over 8 observasjonstidspunkter og angir kommandoen som gjelder ved hvert tidspunkt.

POST /run/flux-3-action/so101?wait=20 pris → 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"

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Flux 3 Action

I stedet for medier returnerer denne JSON med forutsagte `actions`, kontrollfrekvensen deres, kolonneetiketter og hvor mange innledende steg som skal utføres (`execute_steps`) før en ny sekvens hentes. Påkrevde inndata er en tekstlig `prompt` (opptil 2000 tegn), `scene_image_url`, `wrist_image_url` og en `state` med 6 verdier. Valgfrie historikkinndata (`state_history`, `command_history`, historikkbilder) gir tidsmessig kontekst. `num_inference_steps` går fra 1 til 8, og `guidance_scale` fra 1 til 10.

Parametere

NavnType StandardTillatt Beskrivelse
promptobligatorisk
Typestring
≤ 2 000 tegn
Instruksjoner for robotoppgaver uttrykt i naturlig språk.
scene_image_urlobligatorisk
Typeurl · image
Bilde i venstre flis som viser det faste scenekameraets gjeldende bilde etter endring til 256x256.
wrist_image_urlobligatorisk
Typeurl · image
Gjeldende bilde fra håndleddkameraet, plassert i høyre flis og endret til 256x256.
stateobligatorisk
Typenumber[]
≤ 6 elementer≥ 6 elementer
Målte tilstandsverdier i rekkefølge: skulderens panorering og løft, albuebøy, håndleddsbøy og -rotasjon, alt i grader, etterfulgt av gripeposisjon i prosent.
state_historyvalgfritt
Typearray[]
≤ 7 elementer≥ 7 elementer
Historikk for målt tilstand, utelatt for en ny episode og ellers avhengig av `command_history`. Oppgi målinger i kronologisk rekkefølge for de 7 kontrolltidspunktene rett før `state`, ved 30 Hz.
command_historyvalgfritt
Typearray[]
≤ 8 elementer≥ 8 elementer
Historikk for absolutte kommandoer som krever `state_history`, med den sist sendte kommandoen i siste rad. Radene går kronologisk over 8 observasjonstidspunkter og angir kommandoen som gjelder ved hvert tidspunkt.
history_scene_image_urlvalgfritt
Typeurl · image
Historisk bilde fra scenen som krever `state_history`; hvis det utelates, brukes gjeldende bilde. Det oppgitte bildet representerer den tidligste historiske observasjonen, 7 tidspunkter tilbake.
history_wrist_image_urlvalgfritt
Typeurl · image
Bilde fra håndleddkameraet ved det tidligste historiske tidspunktet; `state_history` er påkrevd.
num_inference_stepsvalgfritt
Typeinteger
Standard4
1 – 8
Antall Euler-avstøyingssteg; validering av kontrollpunktet brukte 4 steg.
guidance_scalevalgfritt
Typenumber
Standard3
1 – 10
Styrke for classifier-free guidance for både video og handling; sett til 1.0 for å deaktivere CFG.
seedvalgfritt
Typeinteger | null
Samplingsseed med referanseevalueringsinnstillingene for DROID: 0 og SO-101: 42. Hvis den ikke oppgis, velges en seed tilfeldig.
obligatorisk

Filparametere tar imot en offentlig https:// URL, en data: URI på opptil 10 MB eller file_url fra en opplasting. Filer

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
actions
array of array of numberPredikert handlingsmatrise med kronologiske rader som representerer kontrollsteg; verdiene avgrenses ikke, så grenser for ledd, hastighet og arbeidsområde må håndheves på roboten. Ved 30 Hz leverer SO-101 42x6 absolutte kommandoer i grader og gripeprosent; ved 15 Hz leverer DROID 32x8 absolutte leddmål i rad samt andelen av gripeenheten som er lukket.
action_labels
array of stringNavn som tilsvarer handlingskolonnene.
action_hz
numberKontrollfrekvens for handlingsradene.
execute_steps
integerAntall innledende handlinger som skal utføres før en ny del hentes.
seed
integerTilfeldig seed brukt under sampling.
timings
objectTidsmålinger fra serveren, uttrykt i sekunder.

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/flux-3-action/so101.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt