NVIDIA открыла Flora: разметка данных для роботов в 125 раз дешевле GPT-6 Astra

NVIDIA открыла Flora, движок данных, который сама использует для обучения робототехнических фундаментальных моделей GR00T. Система размечает 200 000 часов данных в сутки на кластере из 512 GPU GB300. По заявлению авторов, она примерно в 125 раз дешевле API GPT-6 Astra и на внутренних бенчмарках с ним сопоставима. Остальные frontier-модели Flora обходит. На публичных тестах WGO-Bench, RoboReward и Robometer она выходит на SOTA.

Три вида разметки в одной модели

У роботизированной модели вся жизнь зависит от меток, и нужны они на разных этапах. Для предобучения требуются подписи с таймкодами. По ним фильтруют и балансируют массив видео, чтобы в нём не было слишком много однотипной «робот двигает кубик». Для мониторинга реальных развёртываний нужны метки итоговой награды: справился робот с задачей или нет. На стадии RL-дообучения нужны метки награды за процесс, то есть оценка того, приближает ли очередной шаг к цели.

Обычно каждую из этих задач решают отдельно. Flora закрывает все три одной моделью, поэтому один и тот же конвейер можно подключить к предобучению, оценке в продакшене и дообучению с подкреплением.

Арифметика масштаба

200 000 часов в сутки на 512 GB300 дают примерно 390 часов видео на один GPU в день, или около 16 часов материала на каждый час работы карты. Это мои расчёты по заявленным цифрам. Они объясняют, откуда берётся разрыв в цене. Прогонять через закрытый API сотни тысяч часов видео в сутки экономически бессмысленно, а специализированная модель на своём железе делает это за долю стоимости.

Главное сравнение здесь с GPT-6 Astra. Паритет по качеству при цене в 125 раз ниже означает, что разметка перестаёт быть статьёй расходов, которая ограничивает размер датасета.

Что именно заявлено

• Flora: открытый набор моделей и движок данных промышленного уровня, на нём обучаются модели GR00T.
• Три функции: подписи с таймкодами, метки итоговой награды, метки награды за процесс.
• Бенчмарк подписей WGO-Bench: SOTA.
• Бенчмарки наград RoboReward и Robometer: SOTA.
• Внутренние тесты: на уровне GPT-6 Astra, выше остальных frontier-моделей.
• Стоимость: примерно в 125 раз ниже, чем у GPT-6 Astra.
• Производительность: 200 000 часов данных в сутки на 512 GB300.
• Публикация: код в репозитории NVIDIA/Flora на GitHub, страница проекта в research.nvidia.com/labs/gear/flora.
• Авторы: 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 и Linxi "Jim" Fan.

Кому это пригодится уже сейчас

Главный выигрыш получают команды, у которых есть собственные записи роботов, но нет бюджета на разметку через закрытые модели. Академические лаборатории и стартапы могут собрать свой датасет, отфильтровать его по таймкодам и получить сигнал награды для RL без внешних API. Фильтрация и балансировка предобучающих данных теперь доступны не только крупным игрокам.

Авторы называют два направления, которые это открывает: physical auto-research и перенос навыков от человека к роботу. В первом случае разметка наград позволяет роботу самому оценивать результаты экспериментов. Во втором модель размечает видео с людьми так, чтобы по ним учить манипуляторы.

Для практика проверка проста: взять репозиторий, прогнать на своих записях и сравнить качество подписей и наград с тем, что сейчас платно делает API. Если заявленный паритет с GPT-6 Astra подтвердится на чужих данных, ставка NVIDIA на открытый движок данных вокруг GR00T окажется очень удобной для всей отрасли. Те же 125 раз разницы в цене, но уже в ваших расчётах.