Nvidia презентувала відкритий рушій Flora для маркування робототехнічних відео
Головне за 30 секунд
- Nvidia відкрила вихідний код рушія Flora, який знижує вартість маркування години відео до 72 центів порівняно з 88,50 долара у GPT-6 Astra.
- Flora складається з трьох налаштованих моделей Qwen3.5 (9B для сегментації та дві 27B для опису і винагород).
- Система вже використовується для тренування моделей GR00T, обробляючи до 200 000 годин відео на день на 512 GPU GB300.
- Модель ефективніше за конкурентів виявляє помилки всередині епізодів, хоча іноді хибно позначає нормальні кроки.
Зміст
Що сталося
Компанія Nvidia представила Flora — відкритий рушій даних, створений дослідницькою лабораторією GEAR для автоматичного маркування та розбору робототехнічних відео. За заявою розробників, система здатна робити розготку години відео за 72 центи, тоді як використання GPT-6 Astra коштує приблизно 88,50 долара.
Велика мовна модель для роботів потребує трьох типів анотацій: опису дій для вибору даних, покрокових оцінок прогресу для навчання методом проб і помилок, а також перевірки успішності виконання завдань. Flora покриває всі три аспекти. Система складається з трьох тонко налаштованих моделей Qwen3.5: варіант на 9B розбиває відео на сегменти дій, модель на 27B описує їх із урахуванням контексту, а ще одна 27B модель під назвою Flora-Rewarder виконує ролі оцінювача та класифікатора.
Згідно з тестами Nvidia, Flora досягає 57,1 відсотка якості анотацій при ціні 0,72 долара за годину відео, тоді як GPT-6 Astra демонструє 53,7 відсотка при 88,49 долара. Водночас розвідники зазначають, що цифри витрат є прогнозами на основі оренди GPU по 10 доларів на годину, а не вимірюваннями у реальному виробництві.
Кого це стосується
Новий інструмент орієнтований на дослідників робототехніки, інженерів та розробників штучного інтелекту, які працюють над створенням навчальних наборів даних для роботів. Моделі вже доступні на платформі Hugging Face.
Система вже працює під час тренування власних робототехнічних моделей серії GR00T, анотуючи до 200 000 годин відео на день на 512 чипах GB300. Проєкт є частиною стратегії Nvidia щодо розвитку від відкритих моделей для підтримки власної апаратної екосистеми до симуляцій та повного покриття ланцюжка створення вартості у робототехніці.
Що робити
Дослідники та розробники робототехнічних систем можуть завантажити моделі Flora на платформі Hugging Face, щоб інтегрувати їх у власні конвеєри обробки даних.
Використання цього інструменту дозволяє масштабувати власні набори даних роботів і тестувати перенесення людських демонстрацій на роботів із суттєво меншими витратами порівняно з комерційними сервісами. Проте слід зважати на можливі хибні спрацьовування моделі під час виявлення помилок та деталізації коротких рухів.
Чого поки не відомо
У відкритих джерелах не наведено точних дат повного розгортання комерційних оновлень за межами внутрішніх тестів Nvidia, а також немає детальної інформації про повну вартість розгортання системи на інших апаратних конфігураціях поза розрахунками з орендою GPU по 10 доларів на годину.
