Nvidia推出Flora,大幅降低机器人训练视频标注成本

英伟达新推出的 Flora 系统为机器人训练视频打标签的成本远低于 GPT-6 Astra,但并非在每项测试中都表现更好。

3 min read

Nvidia推出Flora,大幅降低机器人训练视频标注成本

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

英伟达开源了用于标注机器人训练视频的系统 Flora。该公司于 2026 年 10 月 25 日表示,用 GPT-6 Astra 完成每小时源视频的标注工作可能需要约 88.49 美元,而 Flora 只需约 0.72 美元。这对于在海量视频数据集上训练的机器人团队意义重大,不过英伟达给出的价格差距基于估算,而非实际生产账单。研究人员现在即可在 Hugging Face 上试用已发布的模型。

有哪些变化

Flora 旨在从机器人视频中生成三类标签:带时间戳的动作描述、逐步的进度评分,以及对整个任务的最终成败判定。英伟达称,该系统已用于训练其 GR00T 模型,借助 512 块 GB300 GPU 每天最多可处理 200,000 小时的视频。在底层,Flora 使用了三个经过微调的 Qwen3.5 模型,包括一个 9B 分段模型,以及两个分别负责字幕生成和奖励评分的 27B 模型。

一个面带微笑、形似玩具的机器人在桌前给黑色视频胶片盘盖上彩色标签,几个小机器人正送来更多胶片盘。
一个玩具般的机器人文员正把视频胶片盘变成按颜色分类的训练数据。

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

价格说法意味着什么

在英伟达的 50 段视频测试中,Flora 的标注质量得分为 57.1%,GPT-6 Astra 为 53.7%;英伟达估算 Flora 的成本为每视频小时 0.72 美元,Astra 则为 88.49 美元。论文指出,Flora 的这些成本是基于假定每 GPU 小时 10 美元的 GPU 租用价格推算得出的预测值,并非实际部署中测得的账单。在同一对比中,英伟达还给出了 Claude Opus 5 每视频小时 41.70 美元、Gemini 3.8 Flash 每视频小时 8.48 美元的数据。

英伟达对比中每小时源视频的估算成本
Flora$0.72 每视频小时
GPT-6 Astra$88.49 每视频小时
Claude Opus 5$41.70 每视频小时
Gemini 3.8 Flash$8.48 每视频小时
Flora 论文中的英伟达对比图表

Flora 的强项与短板

英伟达的结果显示,Flora 尤其擅长识别动作边界、发现单个片段中失败的步骤,以及在机器人取得部分进展但未完全完成任务时给出部分分数。英伟达称,在 RoboRewardBench 上,Flora 的错误率比 Astra 低 27.8%;在该测试中,Flora-Rewarder 能识别出 53.3% 的失败步骤,而 Astra 一个也没识别出来。但 Astra 在部分指标上仍然领先,包括 WGO-Bench 总分、英伟达 DenseCaptionBench 上的机器人视频结果、基于评分细则的打分以及轨迹排序。因此,Flora 看起来并不是前沿多模态模型的全面替代品,而更像是一个专门化的开源选择,适合需要低成本、大规模机器人标注的实验室。

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 新闻