125-ször olcsóbb robotvideó-címkézőt nyitott meg az Nvidia

Az Nvidia ingyenesen elérhetővé tette a Flora nevű nyílt forráskódú rendszerét, amely drasztikusan csökkenti a robotok betanításához szükséges videó-címkézés költségeit. A Flora óránként mindössze 72 centért képes feldolgozni robotvideókat, ami a GPT-6 Astra modellhez képest 125-szörös megtakarítást jelent — közölte a cég. (The Decoder)

A robotok tanulásához nagy mennyiségű, szöveges annotációval ellátott videóra van szükség. Ezek a címkék három fő típust fednek le: azonosítják a videóban zajló cselekvéseket, értékelik a robot lépésről lépésre történő haladását, és megítélik a feladat sikeres befejezését. A Flora rendszere mindhárom típusú annotációt képes előállítani, és már az Nvidia GR00T modelljeinek betanításánál használják, naponta akár 200 ezer órányi videót dolgozva fel 512 GB300 GPU-n.

A Flora három finomhangolt Qwen3.5 modellre épül. Egy 9 milliárdos modell bontja szegmensekre a videókat, egy 27 milliárdos pedig leírja azokat, figyelembe véve az előzményeket és a következményeket. A Flora-Rewarder nevű másik 27 milliárdos modell az epizódok sikerességét értékeli, az egyes lépéseket osztályozza, és pontszámokat rendel hozzá. Az Nvidia becslései szerint a Flora óránkénti költsége 0,72 dollár, szemben a GPT-6 Astra nagyjából 88,50 dolláros óránkénti költségével. A tesztek alapján a Flora 57,1 százalékos annotációs minőséget ér el, míg a GPT-6 Astra 53,7 százalékot.

A költségadatok becslések, nem mért termelési költségek. Az Nvidia feltételezett GPU-bérleti árat használt a számításokhoz. A WGO-Bench teszten a Flora jobban észleli az akcióhatárokat, de az általános pontszámban és a leírás pontosságában elmarad a GPT-6 Astra és a Gemini 3.8 Flash mögött. A RoboRewardBench teszten a Flora hibázási rátája 27,8 százalékkal alacsonyabb az Astraénál, és a hibás lépések 53,3 százalékát képes felismerni, míg a versenytársak nem érik el a 11,7 százalékot.

Az Nvidia a Florát a Scale AI fizikai AI-adatmotorjához hasonló kereskedelmi szolgáltatások alternatívájaként pozicionálja. A kutatók saját robotikai adatkészleteik skálázására és az emberi bemutatók robotokra való átvitelének tesztelésére használhatják. Az Nvidia a nyílt AI-modellekbe történő befektetéseivel fejleszti hardverökoszisztémáját és növeli chipjei iránti keresletet.