← Все новости

AI ·

NVIDIA открыла Flora — набор моделей для разметки робототехнических видеоNVIDIA open-sources Flora, a model suite for labeling robotics video

Flora — три дообученные модели на базе Qwen3.5 для сегментации, описания и оценки видео, на которых обучают роботов. По расчётам NVIDIA, разметка обходится примерно в $0.72 за час видео — более чем в сто раз дешевле, чем через GPT-6 Astra.Flora is three fine-tuned Qwen3.5-based models for segmenting, captioning and scoring the video used to train robots. NVIDIA estimates labeling at about $0.72 per video-hour — over a hundred times cheaper than using GPT-6 Astra.

NVIDIA выложила на Hugging Face Flora — набор открытых моделей для конвейера разметки видео, используемого при обучении роботов. Flora уже применяется для подготовки данных для GR00T — фундаментальной модели NVIDIA для гуманоидных роботов.

Состав

Три модели, дообученные на базе Qwen3.5:

  • сегментатор на 9B параметров — разбивает видео на осмысленные фрагменты действий;
  • описатель на 27B — генерирует текстовые описания фрагментов;
  • Flora-Rewarder на 27B — reward-модель, оценивающая качество разметки.

Экономика по данным NVIDIA

  • Около $0.72 за час видео против примерно $88.50 при использовании GPT-6 Astra — расчёт при цене $10 за GPU-час.
  • До 200 тысяч часов видео в сутки на 512 GPU GB300.

Это прогнозные цифры вендора, независимой проверки нет; лицензия моделей нами не подтверждена — проверьте её перед коммерческим использованием.

Почему это важно

Главный тормоз робототехники сейчас — не архитектуры, а размеченные данные. Дешёвая автоматическая разметка видео позволяет превращать огромные архивы записей в обучающие наборы. Открытые модели дают командам возможность строить такие конвейеры у себя, не платя за каждый кадр внешнему API.

NVIDIA has published Flora on Hugging Face — a suite of open models for the video-labeling pipeline used to train robots. Flora is already used to prepare data for GR00T, NVIDIA’s foundation model for humanoid robots.

What is in it

Three models fine-tuned from Qwen3.5:

  • a 9B segmenter that splits video into meaningful action clips;
  • a 27B captioner that writes text descriptions of the clips;
  • Flora-Rewarder, a 27B reward model that scores labeling quality.

Economics, per NVIDIA

  • About $0.72 per video-hour versus about $88.50 with GPT-6 Astra — assuming $10 per GPU-hour.
  • Up to 200k video-hours per day on 512 GB300 GPUs.

These are vendor projections without independent verification; we could not confirm the model license — check it before commercial use.

Why it matters

The main bottleneck in robotics today is not architectures but labeled data. Cheap automated video labeling turns huge recording archives into training sets. Open models let teams build such pipelines in-house instead of paying an external API per frame.

Источники