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。
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。

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。
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。


