Nvidia 公開 Flora 模型權重，把機械人影片轉成訓練數據
Nvidia 機械人研究團隊 GEAR 的負責人 Jim Fan 香港時間 10 月 21 日凌晨宣布，公開 Flora 模型組合的權重。據 Nvidia 研究網站的項目頁，Flora 是 Nvidia 訓練 GR00T 機械人模型時使用的數據引擎，能把人手及機械人操作的原始影片，轉成帶時間標記的動作描述和評分，供機械人學習使用。
Jim Fan 在 X 上表示，Flora 的表現達到 OpenAI GPT-6 Astra 的水平，成本卻低約 125 倍。項目頁寫明，Flora 在內部測試中與 GPT-6 Astra「不相伯仲」，並勝過其他前沿模型；團隊每日用 512 張 GB300 圖像處理器標註 20 萬小時影片。
三個模型分工：切片段、寫描述、打分數
據機械人新聞網站 Humanoids Daily 報道，Flora 由三個模型組成。Flora-TempSeg 把一段錄影切成一個個動作片段；Flora-Captioner 參考前後畫面，為每個片段寫出動作描述；Flora-Rewarder 則評估動作做得好不好，為整次嘗試或其中一段打分。
這些標註各有用途。帶時間標記的描述可用來篩選和平衡預訓練數據；評分（即「獎勵」訊號）可用於強化學習後訓練，以及監察機械人在現實環境的表現。Humanoids Daily 指出，即使機械人抓取失敗，Flora 仍可標出它原本想做的動作，再另行評分，訓練時便不會把失誤當成目標。
測試成績互有勝負，並非全面領先
項目頁公布的基準測試顯示，Flora 在部分項目勝過 GPT-6 Astra，在另一些項目則落後：
測試項目 | Flora | GPT-6 Astra |
|---|---|---|
人類影片描述（Joint point F1，愈高愈好） | 37.4 | 29.7 |
機械人影片描述（Joint point F1，愈高愈好） | 51.0 | 57.9 |
DenseRewardBench 失敗召回率（愈高愈好） | 53.3 | 0.0 |
RoboReward 平均絕對誤差（愈低愈好） | 40.0 | 55.4 |
RubricBench 評分誤差（愈低愈好） | 6.5 | 3.6 |
Humanoids Daily 認為，結果顯示 Flora 是表現具競爭力的專門工具，而非在所有測試全面勝出；125 倍的成本差距亦只針對機械人影片標註，並非與通用模型的全面比較。
宣傳為開源，授權卻限非商業用途
Jim Fan 以「開源」形容是次發布，但 Hugging Face 上的模型說明列明，Flora-Captioner 以 NVIDIA OneWay 非商業授權發布，只限研究及開發用途，「不擬亦不支援商業或生產用途」。
模型說明又顯示，Flora-Captioner 是以阿里巴巴的開源模型 Qwen3.5-27B 為基礎再訓練，參數約 270 億；Flora-TempSeg 則以 Qwen3.5-9B 為基礎。即是說，Nvidia 用於訓練自家機械人模型的數據引擎，底層是中國公司的開源模型。
來源
- Flora: An Open Model Suite for Scaling Robotics Data Engines（Nvidia GEAR 項目頁）
- NVIDIA Releases Flora to Turn Robot Videos Into Training Data（Humanoids Daily）
- nvidia/Flora-Captioner（Hugging Face 模型說明）
暫時未有留言
提交留言即表示你已閱讀我們的私隱政策。