Flora ของ Nvidia ช่วยลดต้นทุนการติดป้ายกำกับข้อมูลหุ่นยนต์

ระบบ Flora ตัวใหม่ของ Nvidia ติดป้ายกำกับวิดีโอสำหรับฝึกหุ่นยนต์ได้ด้วยต้นทุนต่ำกว่า GPT-6 Astra อย่างมาก แต่ก็ไม่ได้ทำผลงานดีกว่าในทุกการทดสอบ

1 min read

Flora ของ Nvidia ช่วยลดต้นทุนการติดป้ายกำกับข้อมูลหุ่นยนต์

Illustration made on Lumeta with GPT Image 2.5Make one like it

Nvidia เปิดซอร์สโค้ดของ Flora ระบบสำหรับติดป้ายกำกับวิดีโอที่ใช้ฝึกหุ่นยนต์ โดยเมื่อวันที่ 25 ต.ค. 2026 บริษัทระบุว่าระบบนี้ทำงานที่อาจมีต้นทุนราว $88.49 ต่อชั่วโมงของวิดีโอต้นฉบับเมื่อใช้ GPT-6 Astra ได้ในราคาเพียงประมาณ $0.72 เรื่องนี้สำคัญกับทีมหุ่นยนต์ที่ฝึกโมเดลด้วยชุดข้อมูลวิดีโอขนาดมหึมา แม้ส่วนต่างราคาของ Nvidia จะอิงจากการประมาณการ ไม่ใช่ค่าใช้จ่ายจริงในการใช้งาน ทั้งนี้นักวิจัยสามารถทดลองใช้โมเดลที่เผยแพร่ได้แล้วบน Hugging Face

มีอะไรเปลี่ยนไป

Flora ถูกออกแบบมาเพื่อสร้างป้ายกำกับสามประเภทจากวิดีโอหุ่นยนต์ ได้แก่ คำอธิบายการกระทำพร้อมเวลากำกับ การให้คะแนนความคืบหน้าทีละขั้น และการตัดสินความสำเร็จขั้นสุดท้ายของงานทั้งหมด Nvidia ระบุว่าระบบนี้ถูกใช้ในการฝึกโมเดล GR00T ของบริษัทอยู่แล้ว โดยประมวลผลวิดีโอได้สูงสุด 200,000 ชั่วโมงต่อวันบน GPU GB300 จำนวน 512 ตัว เบื้องหลังการทำงาน Flora ใช้โมเดล Qwen3.5 ที่ผ่านการ fine-tune สามตัว ได้แก่ ตัวแบ่งช่วงขนาด 9B และโมเดลขนาด 27B อีกสองตัวสำหรับการเขียนคำบรรยายและการให้คะแนนรางวัล

หุ่นยนต์หน้าตาเหมือนของเล่นยิ้มแย้มกำลังประทับป้ายสีต่างๆ ลงบนม้วนวิดีโอสีดำที่โต๊ะ ขณะที่หุ่นยนต์ตัวเล็กๆ ขนม้วนวิดีโอมาเพิ่ม
หุ่นยนต์เสมียนหน้าตาเหมือนของเล่นเปลี่ยนม้วนวิดีโอให้กลายเป็นข้อมูลฝึกที่แยกตามรหัสสี

Illustration made on Lumeta with GPT Image 2.5Make one like it

คำกล่าวอ้างเรื่องราคาหมายความว่าอย่างไร

ในการทดสอบด้วยวิดีโอ 50 คลิปของ Nvidia นั้น Flora ทำคะแนนด้านคุณภาพการติดป้ายกำกับได้ 57.1 เปอร์เซ็นต์ เทียบกับ 53.7 เปอร์เซ็นต์ของ GPT-6 Astra ขณะที่ Nvidia ประเมินต้นทุนไว้ที่ $0.72 ต่อชั่วโมงวิดีโอสำหรับ Flora และ $88.49 สำหรับ Astra งานวิจัยระบุว่าต้นทุนของ Flora เป็นตัวเลขคาดการณ์ที่คำนวณจากราคาเช่า GPU สมมติที่ $10 ต่อ GPU ต่อชั่วโมง ไม่ใช่บิลค่าใช้จ่ายจากการใช้งานจริง นอกจากนี้ Nvidia ยังรายงานว่า Claude Opus 5 มีต้นทุน $41.70 ต่อชั่วโมงวิดีโอ และ Gemini 3.8 Flash อยู่ที่ $8.48 ในการเปรียบเทียบเดียวกัน

ต้นทุนโดยประมาณต่อชั่วโมงของวิดีโอต้นฉบับในการเปรียบเทียบของ Nvidia
Flora$0.72 ต่อชั่วโมงวิดีโอ
GPT-6 Astra$88.49 ต่อชั่วโมงวิดีโอ
Claude Opus 5$41.70 ต่อชั่วโมงวิดีโอ
Gemini 3.8 Flash$8.48 ต่อชั่วโมงวิดีโอ
แผนภูมิเปรียบเทียบของ Nvidia ในงานวิจัย Flora

Flora เด่นตรงไหน และยังด้อยตรงไหน

ผลลัพธ์ของ Nvidia ชี้ว่า Flora ทำได้ดีเป็นพิเศษในการหาจุดแบ่งช่วงการกระทำ การตรวจจับขั้นตอนที่ล้มเหลวภายในแต่ละตอน และการให้คะแนนบางส่วนเมื่อหุ่นยนต์ทำงานคืบหน้าไปได้บ้างแต่ยังไม่สำเร็จทั้งหมด บน RoboRewardBench นั้น Nvidia ระบุว่าอัตราความผิดพลาดของ Flora ต่ำกว่า Astra 27.8 เปอร์เซ็นต์ และ Flora-Rewarder ตรวจจับขั้นตอนที่ล้มเหลวได้ 53.3 เปอร์เซ็นต์ ขณะที่ Astra ตรวจจับไม่ได้เลยในการทดสอบนั้น อย่างไรก็ตาม Astra ยังนำในบางด้าน เช่น คะแนนรวมบน WGO-Bench ผลลัพธ์วิดีโอหุ่นยนต์บน DenseCaptionBench ของ Nvidia การให้คะแนนตามเกณฑ์ rubric และการจัดอันดับ trajectory ทำให้ Flora ดูไม่ใช่ตัวแทนที่จะมาแทนที่โมเดลมัลติโมดัลระดับแนวหน้าได้ทั้งหมด แต่เป็นทางเลือกแบบโอเพนเฉพาะทางสำหรับแล็บที่ต้องการติดป้ายกำกับข้อมูลหุ่นยนต์ปริมาณมหาศาลในราคาถูก

Every top AI model, in one place

Nano Banana 2, GPT Image 2.5, Seedance, Veo and more, all on one credit balance. Start free with 35 credits a month. No card needed.

All tools for "From my own photos"

More from Lumeta

All ข่าว