Przejdź do treści

Flux 3 Action

Integracja

Identyfikator modelu 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"

To żądanie: ≈0,003 $ 3 kredyty API Uruchom na tej stronie

Uzyskaj klucz API
Black Forest Labs Wideo na wideo #robotic#arm

Model polityki robota przewidujący fragmenty działań ramienia SO-101 na podstawie klatek z kamery, stanu przegubów i instrukcji

Black Forest Labs · Dane (JSON)

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane 88 / 2000

Instrukcje zadania robota wyrażone w języku naturalnym.

•wymagane
Upuść plik lub

Obraz w lewym kafelku przedstawiający bieżącą klatkę kamery stałej sceny po zmianie rozmiaru do 256x256.

•wymagane
Upuść plik lub

Bieżąca klatka z kamery nadgarstkowej, umieszczona w prawym kafelku i przeskalowana do 256x256.

•wymagane

Zmierzonych wartości stanu w kolejności: obrót i unoszenie barku, zgięcie łokcia, zgięcie i obrót nadgarstka, wszystkie w stopniach, a następnie pozycja chwytaka jako wartość procentowa.

Zaawansowane history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
Upuść plik lub

Historyczne dane wejściowe klatki sceny wymagające `state_history`; pominięcie powoduje użycie bieżącej klatki. Podana klatka przedstawia najwcześniejszą obserwację historii, sprzed 7 taktów.

Upuść plik lub

Klatka z kamery nadgarstkowej z najwcześniejszego taktu historii; wymagane jest `state_history`.

domyślnie 4

Liczba kroków odszumiania Eulera; podczas walidacji checkpointu użyto 4 kroków.

domyślnie 3

Siła guidance bez klasyfikatora dla wideo i działania; ustaw 1.0, aby wyłączyć CFG.

Ziarno próbkowania; w ustawieniach referencyjnej ewaluacji DROID wynosi 0, a SO-101: 42. Pominięcie wybiera ziarno losowo.

Historia zmierzonego stanu, pomijana dla nowego epizodu; w przeciwnym razie wymaga `command_history`. Podaj pomiary chronologicznie dla 7 taktów sterowania bezpośrednio poprzedzających `state`, przy 30 Hz.

Historia poleceń bezwzględnych wymagająca `state_history`, z ostatnio wysłanym poleceniem w ostatnim wierszu. Wiersze są uporządkowane chronologicznie przez 8 taktów obserwacji i określają polecenie obowiązujące w każdym takcie.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Flux 3 Action

Zamiast multimediów zwraca JSON z przewidywanymi `actions`, ich częstotliwością sterowania, etykietami kolumn oraz liczbą początkowych kroków do wykonania (`execute_steps`) przed zażądaniem nowego fragmentu. Wymagane dane wejściowe to tekstowy `prompt` (maksymalnie 2000 znaków), `scene_image_url`, `wrist_image_url` oraz `state` zawierający 6 wartości. Opcjonalne dane historii (`state_history`, `command_history`, obrazy historii) zapewniają kontekst czasowy. `num_inference_steps` obejmuje zakres od 1 do 8, a `guidance_scale` od 1 do 10.

Parametry

NazwaTyp DomyślneDozwolone Opis
promptwymagane
Typstring
≤ 2000 znaków
Instrukcje zadania robota wyrażone w języku naturalnym.
scene_image_urlwymagane
Typurl · image
Obraz w lewym kafelku przedstawiający bieżącą klatkę kamery stałej sceny po zmianie rozmiaru do 256x256.
wrist_image_urlwymagane
Typurl · image
Bieżąca klatka z kamery nadgarstkowej, umieszczona w prawym kafelku i przeskalowana do 256x256.
statewymagane
Typnumber[]
≤ 6 elementów≥ 6 elementów
Zmierzonych wartości stanu w kolejności: obrót i unoszenie barku, zgięcie łokcia, zgięcie i obrót nadgarstka, wszystkie w stopniach, a następnie pozycja chwytaka jako wartość procentowa.
state_historyopcjonalne
Typarray[]
≤ 7 elementów≥ 7 elementów
Historia zmierzonego stanu, pomijana dla nowego epizodu; w przeciwnym razie wymaga `command_history`. Podaj pomiary chronologicznie dla 7 taktów sterowania bezpośrednio poprzedzających `state`, przy 30 Hz.
command_historyopcjonalne
Typarray[]
≤ 8 elementów≥ 8 elementów
Historia poleceń bezwzględnych wymagająca `state_history`, z ostatnio wysłanym poleceniem w ostatnim wierszu. Wiersze są uporządkowane chronologicznie przez 8 taktów obserwacji i określają polecenie obowiązujące w każdym takcie.
history_scene_image_urlopcjonalne
Typurl · image
Historyczne dane wejściowe klatki sceny wymagające `state_history`; pominięcie powoduje użycie bieżącej klatki. Podana klatka przedstawia najwcześniejszą obserwację historii, sprzed 7 taktów.
history_wrist_image_urlopcjonalne
Typurl · image
Klatka z kamery nadgarstkowej z najwcześniejszego taktu historii; wymagane jest `state_history`.
num_inference_stepsopcjonalne
Typinteger
Domyślne4
1 – 8
Liczba kroków odszumiania Eulera; podczas walidacji checkpointu użyto 4 kroków.
guidance_scaleopcjonalne
Typnumber
Domyślne3
1 – 10
Siła guidance bez klasyfikatora dla wideo i działania; ustaw 1.0, aby wyłączyć CFG.
seedopcjonalne
Typinteger | null
Ziarno próbkowania; w ustawieniach referencyjnej ewaluacji DROID wynosi 0, a SO-101: 42. Pominięcie wybiera ziarno losowo.
wymagane

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
actions
array of array of numberPrzewidywana tablica działań z chronologicznymi wierszami reprezentującymi kroki sterowania; wartości nie są ograniczane, dlatego limity przegubów, prędkości i przestrzeni roboczej należy egzekwować na robocie. Przy 30 Hz SO-101 udostępnia 42x6 bezwzględnych poleceń w stopniach i procentach otwarcia chwytaka; przy 15 Hz DROID udostępnia 32x8 bezwzględnych celów przegubów w radianach oraz ułamek zamknięcia chwytaka.
action_labels
array of stringNazwy odpowiadające kolumnom działań.
action_hz
numberCzęstotliwość sterowania dla wierszy działań.
execute_steps
integerLiczba początkowych działań do wykonania przed pobraniem kolejnego fragmentu.
seed
integerLosowe ziarno używane podczas próbkowania.
timings
objectPomiary czasu z serwera wyrażone w sekundach.

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/flux-3-action/so101.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt