英伟达开源Flora 机器人视频标注成本降百倍

英伟达 GEAR 研究实验室开源了一套名为 Flora 的开放数据引擎，专门用来自动标注机器人训练视频。按官方估算，标注一小时机器人视频只需约 72 美分，而用 OpenAI 的旗舰模型 GPT-6 Astra 完成同样的工作大约要花 88.5 美元，两者相差约 125 倍。相关模型已上传至 Hugging Face，外界可以直接下载验证。

训练机器人基础模型离不开海量带标注的视频。英伟达把标注拆成三类任务：记录什么时间发生了什么动作，用于筛选训练数据；评估机器人逐步完成任务的进展，供试错学习使用；以及判断任务最终是否成功，用于部署阶段的监控。现有工具大多只能覆盖其中一类，通用大模型虽然三类都能做，成本却高得难以承受。

Flora 由三个基于 Qwen3.5 微调的模型组成：一个 9B 模型负责把视频切分成动作片段；一个 27B 模型结合前后文为片段生成描述；另一个 27B 模型 Flora-Rewarder 则身兼三职，按 1 到 5 分评估单集成败，把每半秒的步骤分为正常、欠佳或失败，并依据自定义评分标准打分。

据介绍，Flora 已接入英伟达 GR00T 机器人模型的训练流程，在 512 块 GB300 GPU 上每天最多可标注 20 万小时视频。在 50 段视频的对比测试中，即便允许 GPT-6 Astra 开满推理算力，Flora 的标注质量仍略胜一筹；在 RoboRewardBench 基准上，Flora 的错误率比 Astra 低 27.8％，能找出 53.3％的错误步骤，而所有竞品都不超过 11.7％。

不过这套方案也有短板：约 11％的正常步骤会被误判为错误，描述精度和自定义评分两项上 Astra 仍然领先。另外，72 美分的成本是按每小时 10 美元的 GPU 租用价推算的理论值，并非生产环境实测数据。

分析认为，英伟达此举意在为 Scale AI 的 Physical AI Data Engine 等商业数据服务提供开源替代，同时把开发者留在自己的硬件生态里。由于模型完全开源，第三方可以拿真实数据集独立检验那 125 倍的成本差距是否成立。