NVIDIA abre o código do Flora: rotulagem de dados para robôs 125 vezes mais barata que o GPT-6 Astra

A NVIDIA abriu o Flora, o motor de dados que ela própria usa para treinar os modelos de fundação de robótica GR00T. O sistema rotula 200 000 horas de dados por dia em um cluster de 512 GPUs GB300. Segundo os autores, ele é cerca de 125 vezes mais barato que a API do GPT-6 Astra e tem desempenho comparável ao dele nos benchmarks internos. Os demais modelos de fronteira ficam atrás do Flora. Nos testes públicos WGO-Bench, RoboReward e Robometer, ele alcança o estado da arte (SOTA).

Três tipos de rotulagem em um só modelo

Para um modelo de robótica, tudo depende de rótulos, e eles são necessários em várias etapas. O pré-treinamento exige legendas com marcação de tempo. Com elas, é possível filtrar e balancear o acervo de vídeos para que não haja excesso de cenas repetitivas do tipo «robô move um cubo». Para monitorar implantações reais, são necessários rótulos de recompensa final: o robô cumpriu a tarefa ou não. Na etapa de ajuste fino com RL, entram os rótulos de recompensa por processo, ou seja, a avaliação de se cada passo aproxima o robô do objetivo.

Normalmente, cada uma dessas tarefas é resolvida separadamente. O Flora cobre as três com um único modelo, de modo que o mesmo pipeline pode ser conectado ao pré-treinamento, à avaliação em produção e ao aprendizado por reforço.

A aritmética da escala

Com 200 000 horas por dia em 512 GB300, saem cerca de 390 horas de vídeo por GPU por dia, ou aproximadamente 16 horas de material para cada hora de funcionamento da placa. Esses são cálculos meus, feitos a partir dos números divulgados. Eles ajudam a explicar a origem da diferença de preço. Processar centenas de milhares de horas de vídeo por dia em uma API fechada não faz sentido do ponto de vista econômico, enquanto um modelo especializado rodando em hardware próprio faz o mesmo trabalho por uma fração do custo.

A comparação central é com o GPT-6 Astra. Paridade de qualidade com preço 125 vezes menor significa que a rotulagem deixa de ser um item de custo que limita o tamanho do dataset.

O que exatamente foi anunciado

• Flora: conjunto aberto de modelos e motor de dados de nível industrial, usado para treinar os modelos GR00T.
• Três funções: legendas com marcação de tempo, rótulos de recompensa final e rótulos de recompensa por processo.
• Benchmark de legendas WGO-Bench: SOTA.
• Benchmarks de recompensa RoboReward e Robometer: SOTA.
• Testes internos: no nível do GPT-6 Astra e acima dos demais modelos de fronteira.
• Custo: cerca de 125 vezes menor que o do GPT-6 Astra.
• Desempenho: 200 000 horas de dados por dia em 512 GB300.
• Publicação: código no repositório NVIDIA/Flora, no GitHub, e página do projeto em research.nvidia.com/labs/gear/flora.
• Autores: 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 e Linxi "Jim" Fan.

Quem pode aproveitar já

O maior ganho é para equipes que têm gravações próprias de robôs, mas não têm orçamento para rotular com modelos fechados. Laboratórios acadêmicos e startups podem montar o próprio dataset, filtrá-lo por marcação de tempo e obter o sinal de recompensa para RL sem depender de APIs externas. A filtragem e o balanceamento de dados de pré-treinamento agora não são mais exclusividade das grandes empresas.

Os autores apontam duas frentes que isso abre: physical auto-research e transferência de habilidades de humanos para robôs. No primeiro caso, a rotulagem de recompensas permite que o próprio robô avalie os resultados de experimentos. No segundo, o modelo rotula vídeos com pessoas de modo que eles sirvam para treinar manipuladores.

Para quem trabalha com isso, o teste é simples: pegar o repositório, rodar nas suas gravações e comparar a qualidade das legendas e das recompensas com o que hoje uma API faz mediante pagamento. Se a paridade declarada com o GPT-6 Astra se confirmar em dados de terceiros, a aposta da NVIDIA em um motor de dados aberto em torno do GR00T será muito conveniente para todo o setor. Essa mesma diferença de 125 vezes no preço passa a aparecer também nas suas contas.