NVIDIA ouvre Flora : l'annotation de données pour la robotique coûte 125 fois moins cher que GPT-6 Astra

NVIDIA a ouvert Flora, le moteur de données qu'elle utilise elle-même pour entraîner ses modèles de fondation robotiques GR00T. Le système annote 200 000 heures de données par jour sur un cluster de 512 GPU GB300. Selon ses auteurs, il coûte environ 125 fois moins cher que l'API de GPT-6 Astra et l'égale sur les benchmarks internes. Flora devance les autres modèles frontier. Sur les tests publics WGO-Bench, RoboReward et Robometer, elle atteint l'état de l'art (SOTA).

Trois types d'annotation dans un seul modèle

Pour un modèle robotique, tout dépend des annotations, et il en faut à différentes étapes. Le pré-entraînement exige des légendes horodatées. Elles servent à filtrer et à rééquilibrer le corpus vidéo, afin qu'il ne contienne pas trop de scènes répétitives du type « le robot déplace un cube ». Pour surveiller les déploiements réels, il faut des étiquettes de récompense finale : le robot a-t-il réussi sa tâche ou non ? Au stade du fine-tuning par RL, il faut des étiquettes de récompense de processus, c'est-à-dire une évaluation indiquant si chaque nouvelle étape rapproche du but.

D'ordinaire, chacune de ces tâches se traite séparément. Flora couvre les trois avec un seul modèle : le même pipeline peut donc alimenter le pré-entraînement, l'évaluation en production et l'apprentissage par renforcement.

L'arithmétique de l'échelle

Avec 200 000 heures par jour sur 512 GB300, on arrive à environ 390 heures de vidéo par GPU et par jour, soit à peu près 16 heures de contenu traitées pour chaque heure de fonctionnement d'une carte. Ce sont mes propres calculs, établis à partir des chiffres annoncés. Ils expliquent l'origine de l'écart de prix. Faire passer des centaines de milliers d'heures de vidéo par jour dans une API fermée n'a aucun sens économique, alors qu'un modèle spécialisé tournant sur son propre matériel le fait pour une fraction du coût.

La comparaison essentielle porte sur GPT-6 Astra. Une qualité équivalente pour un prix 125 fois plus bas signifie que l'annotation cesse d'être un poste de dépense qui plafonne la taille des jeux de données.

Ce qui est exactement annoncé

• Flora : un ensemble ouvert de modèles et un moteur de données de niveau industriel, sur lequel les modèles GR00T sont entraînés.
• Trois fonctions : légendes horodatées, étiquettes de récompense finale, étiquettes de récompense de processus.
• Benchmark de légendes WGO-Bench : SOTA.
• Benchmarks de récompense RoboReward et Robometer : SOTA.
• Tests internes : au niveau de GPT-6 Astra, au-dessus des autres modèles frontier.
• Coût : environ 125 fois inférieur à celui de GPT-6 Astra.
• Performances : 200 000 heures de données par jour sur 512 GB300.
• Publication : code dans le dépôt NVIDIA/Flora sur GitHub, page du projet sur research.nvidia.com/labs/gear/flora.
• Auteurs : Sicong Leng, Yunze Man, Zhiqi Li, Jing Wang, Yuhe Zhang, Ryan Punamiya, Siddharth Patki, Kaiyuan Zheng, Zi-ang Cao, Zhiding Yu, Sifei Liu, Danfei Xu, Ben Levin, Jan Kautz, Yuke Zhu, Johan Bjorck et Linxi "Jim" Fan.

À qui Flora peut servir dès maintenant

Les principaux gagnants sont les équipes qui possèdent leurs propres enregistrements de robots, mais pas le budget pour les annoter avec des modèles fermés. Laboratoires académiques et startups peuvent constituer leur jeu de données, le filtrer grâce aux horodatages et obtenir un signal de récompense pour le RL sans passer par des API externes. Le filtrage et le rééquilibrage des données de pré-entraînement ne sont plus réservés aux grands acteurs.

Les auteurs citent deux pistes que cela ouvre : la physical auto-research et le transfert de compétences de l'humain au robot. Dans le premier cas, l'annotation des récompenses permet au robot d'évaluer lui-même les résultats de ses expériences. Dans le second, le modèle annote des vidéos de personnes de façon à pouvoir s'en servir pour entraîner des bras manipulateurs.

Pour un praticien, le test est simple : prendre le dépôt, le faire tourner sur ses propres enregistrements et comparer la qualité des légendes et des récompenses avec ce que fait aujourd'hui, contre paiement, une API. Si la parité annoncée avec GPT-6 Astra se confirme sur des données tierces, le pari de NVIDIA sur un moteur de données ouvert autour de GR00T sera très commode pour toute la filière. Ces mêmes 125 fois d'écart de prix, mais cette fois dans vos propres calculs.