ข้ามไปยังเนื้อหา

Flux 3 Action

ผสานการทำงาน

ID โมเดล 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"

คำขอนี้: ≈$0.003 3 เครดิต API เรียกใช้ในหน้านี้

รับคีย์ API
Black Forest Labs วิดีโอเป็นวิดีโอ #robotic#arm

โมเดลนโยบายหุ่นยนต์ที่ทำนายชุดการกระทำของแขน SO-101 จากเฟรมกล้อง สถานะข้อต่อ และคำสั่ง

Black Forest Labs · ข้อมูล (JSON)

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น 88 / 2000

คำสั่งงานหุ่นยนต์ที่เขียนด้วยภาษาธรรมชาติ

•จำเป็น
วางไฟล์ หรือ

รูปภาพไทล์ซ้ายที่แสดงเฟรมปัจจุบันของกล้องฉากแบบติดตั้งกับที่ หลังปรับขนาดเป็น 256x256

•จำเป็น
วางไฟล์ หรือ

เฟรมปัจจุบันจากกล้องข้อมือ วางไว้ในไทล์ขวาและปรับขนาดเป็น 256x256

•จำเป็น

ค่าของสถานะที่วัดได้ตามลำดับ: การหมุนและการยกหัวไหล่, การงอข้อศอก, การงอและการหมุนข้อมือ ทั้งหมดเป็นองศา ตามด้วยตำแหน่งกริปเปอร์เป็นเปอร์เซ็นต์

ขั้นสูง history_scene_image_url · history_wrist_image_url · num_inference_steps · guidance_scale · seed · state_history · command_history
วางไฟล์ หรือ

อินพุตเฟรมฉากในอดีตที่ต้องใช้ `state_history` หากไม่ระบุจะใช้เฟรมปัจจุบันแทน เฟรมที่ส่งมาคือ observation แรกสุดของประวัติ ซึ่งอยู่ก่อนหน้า 7 ticks

วางไฟล์ หรือ

เฟรมจากกล้องข้อมือ ณ history tick แรกสุด ต้องใช้ `state_history`

ค่าเริ่มต้น 4

จำนวนขั้นตอนการลดสัญญาณรบกวนแบบ Euler โดยการตรวจสอบ checkpoint ใช้ 4 ขั้นตอน

ค่าเริ่มต้น 3

ความแรงของ classifier-free guidance สำหรับทั้งวิดีโอและการกระทำ ตั้งค่าเป็น 1.0 เพื่อปิดใช้ CFG

seed สำหรับการสุ่มตัวอย่าง โดยการตั้งค่าอ้างอิงของ DROID คือ 0 และ SO-101 คือ 42 หากไม่ระบุ ระบบจะเลือก seed แบบสุ่ม

ประวัติสถานะที่วัดได้ จะละเว้นสำหรับ episode ใหม่ และในกรณีอื่นต้องใช้ `command_history` ระบุค่าการวัดตามลำดับเวลา สำหรับ 7 control ticks ที่อยู่ก่อน `state` ทันที ที่ 30 Hz

ประวัติคำสั่งแบบสัมบูรณ์ที่ต้องใช้ `state_history` โดยคำสั่งที่ส่งล่าสุดจะอยู่ในแถวสุดท้าย แถวต่าง ๆ เรียงตามลำดับเวลาครอบคลุม 8 observation ticks และระบุคำสั่งที่มีผลในแต่ละ tick

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

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Flux 3 Action

แทนที่จะส่งคืนสื่อ โมเดลนี้จะส่งคืน JSON ที่มี `actions` ที่ทำนายไว้ อัตราควบคุม ป้ายกำกับคอลัมน์ และจำนวนขั้นตอนเริ่มต้นที่ต้องดำเนินการ (`execute_steps`) ก่อนขอชุดข้อมูลใหม่ อินพุตที่จำเป็นคือ `prompt` ข้อความ (สูงสุด 2000 อักขระ), `scene_image_url`, `wrist_image_url` และ `state` 6 ค่า อินพุตประวัติเสริม (`state_history`, `command_history`, ภาพประวัติ) จะให้บริบทตามเวลา `num_inference_steps` ทำงานตั้งแต่ 1 ถึง 8 และ `guidance_scale` ตั้งแต่ 1 ถึง 10

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
promptจำเป็น
ประเภทstring
≤ 2,000 อักขระ
คำสั่งงานหุ่นยนต์ที่เขียนด้วยภาษาธรรมชาติ
scene_image_urlจำเป็น
ประเภทurl · image
รูปภาพไทล์ซ้ายที่แสดงเฟรมปัจจุบันของกล้องฉากแบบติดตั้งกับที่ หลังปรับขนาดเป็น 256x256
wrist_image_urlจำเป็น
ประเภทurl · image
เฟรมปัจจุบันจากกล้องข้อมือ วางไว้ในไทล์ขวาและปรับขนาดเป็น 256x256
stateจำเป็น
ประเภทnumber[]
≤ 6 รายการ≥ 6 รายการ
ค่าของสถานะที่วัดได้ตามลำดับ: การหมุนและการยกหัวไหล่, การงอข้อศอก, การงอและการหมุนข้อมือ ทั้งหมดเป็นองศา ตามด้วยตำแหน่งกริปเปอร์เป็นเปอร์เซ็นต์
state_historyไม่บังคับ
ประเภทarray[]
≤ 7 รายการ≥ 7 รายการ
ประวัติสถานะที่วัดได้ จะละเว้นสำหรับ episode ใหม่ และในกรณีอื่นต้องใช้ `command_history` ระบุค่าการวัดตามลำดับเวลา สำหรับ 7 control ticks ที่อยู่ก่อน `state` ทันที ที่ 30 Hz
command_historyไม่บังคับ
ประเภทarray[]
≤ 8 รายการ≥ 8 รายการ
ประวัติคำสั่งแบบสัมบูรณ์ที่ต้องใช้ `state_history` โดยคำสั่งที่ส่งล่าสุดจะอยู่ในแถวสุดท้าย แถวต่าง ๆ เรียงตามลำดับเวลาครอบคลุม 8 observation ticks และระบุคำสั่งที่มีผลในแต่ละ tick
history_scene_image_urlไม่บังคับ
ประเภทurl · image
อินพุตเฟรมฉากในอดีตที่ต้องใช้ `state_history` หากไม่ระบุจะใช้เฟรมปัจจุบันแทน เฟรมที่ส่งมาคือ observation แรกสุดของประวัติ ซึ่งอยู่ก่อนหน้า 7 ticks
history_wrist_image_urlไม่บังคับ
ประเภทurl · image
เฟรมจากกล้องข้อมือ ณ history tick แรกสุด ต้องใช้ `state_history`
num_inference_stepsไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น4
1 – 8
จำนวนขั้นตอนการลดสัญญาณรบกวนแบบ Euler โดยการตรวจสอบ checkpoint ใช้ 4 ขั้นตอน
guidance_scaleไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น3
1 – 10
ความแรงของ classifier-free guidance สำหรับทั้งวิดีโอและการกระทำ ตั้งค่าเป็น 1.0 เพื่อปิดใช้ CFG
seedไม่บังคับ
ประเภทinteger | null
seed สำหรับการสุ่มตัวอย่าง โดยการตั้งค่าอ้างอิงของ DROID คือ 0 และ SO-101 คือ 42 หากไม่ระบุ ระบบจะเลือก seed แบบสุ่ม
จำเป็น

พารามิเตอร์ไฟล์รับ URL https:// สาธารณะ, data: URI ขนาดไม่เกิน 10 MB หรือ file_url ของไฟล์ที่อัปโหลด ไฟล์

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
actions
array of array of numberอาร์เรย์การกระทำที่คาดการณ์ โดยแถวเรียงตามลำดับเวลาและแทนขั้นตอนการควบคุม ค่าไม่มีการตัดให้อยู่ในช่วง ดังนั้นต้องบังคับใช้ขีดจำกัดข้อต่อ ความเร็ว และพื้นที่ทำงานบนหุ่นยนต์ ที่ 30 Hz SO-101 ให้คำสั่งสัมบูรณ์ขนาด 42x6 เป็นองศาและเปอร์เซ็นต์กริปเปอร์ ส่วนที่ 15 Hz DROID ให้เป้าหมายข้อต่อสัมบูรณ์ขนาด 32x8 เป็นเรเดียน พร้อมสัดส่วนการปิดของกริปเปอร์
action_labels
array of stringชื่อที่สอดคล้องกับคอลัมน์การกระทำ
action_hz
numberความถี่การควบคุมสำหรับแถวการกระทำ
execute_steps
integerจำนวนการกระทำเริ่มต้นที่จะดำเนินการก่อนขอชุดข้อมูลถัดไป
seed
integerseed แบบสุ่มที่ใช้ระหว่างการสุ่มตัวอย่าง
timings
objectการวัดเวลาในการทำงานจากเซิร์ฟเวอร์ แสดงเป็นวินาที

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/flux-3-action/so101.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt