ブラックフォレストラボスとミミックロボティクスは、マルチモーダル基盤モデルFLUX 3を基盤とする次世代ビデオ行動モデルFLUX-mimicの開発と実工場展開を実施した。同モデルは画像、動画、音声の統合生成と物理世界の理解を単一アーキテクチャで実現し、コンテント制作とロボティクス制御を融合するPhysical AIの新たな標準を示している。 FLUX 3の訓練コストの95％以上を動画予測が占め、接触や運動、因果関係などの物理法則を内蔵表現として習得させる。BFLが開発したSelf-Flow手法により生成品質と特徴表現の解耦離が同時に最適化され、物理プロセスを高精度にシミュレーション可能な基盤が構築された。FLUX-mimicはこの基盤の中間層特徴から動作を抽出する軽量デコーダを採用し、バックボーンの知識を直接制御指令へ変換する仕組みだ。 両社はミミックのロボットデプロイメント技術とBFLのマルチモーダル訓練ノウハウを統合し、アウディの生産ラインで実証を推進している。キッティング、電子制御ユニットの精密組立、柔軟部材のハンドリングなど、従来の自動化が困難だった複雑な物理操作タスクに適用され、製造現場での動作確認が進められている。 評価結果によると、FLUX-mimicはバックボーンを凍結した状態でも先行のVision-Language-Actionモデルを上回る成功率を示し、ファインチューニングにより最新水準を達成した。Self-Flowによる高品質な表現学習により新タスク適応に必要なデモデータ量は最大10分の1に削減され、実装コストが大幅に低下した。システム全体のエンドツーエンドレイテンシは約101msに最適化され、ヒトの視覚反応速度に匹敵するリアルタイム制御を可能にした。想定外の状況での自己修正能力も備え、堅牢性が実証されている。 アウディのプロダクションラボ責任者は、本技術が柔軟な生産変種への対応を可能にし、ロジスティクス分野の自動化拡大に寄与すると評価している。FLUX-mimicは基盤モデルの世界的知識を即座に実行可能な行動へと変換する実証ケースとして、コンテント生成とロボット制御の融合におけるPhysical AIの新しい基準を確立した。今後は異なる産業分野やハードウェアプラットフォームへも展開が拡大すると見られる。