Nvidia 开源 Flora 机器人视频标注引擎，成本比 GPT-6 Astra 低 125 倍

Nvidia 开源了名为 Flora 的数据引擎，旨在降低机器人视频标注成本并提升训练数据质量。该系统基于三个微调后的 Qwen3.5 模型（9B、27B 和另一个 27B 的 Rewarder），能够自动执行动作分割、上下文描述以及结果与过程评分。据 Nvidia 估算，Flora 处理一小时视频的成本约为 72 美分，而使用 GPT-6 Astra 则需约 88.50 美元，宣称便宜 125 倍。

在性能表现上，Flora 在检测动作边界和识别部分完成的任务方面优于 GPT-6 Astra，特别是在 RoboRewardBench 测试中错误率低 27.8%。然而，这种优势伴随着代价：Flora 会将约 11% 的正常步骤误报为错误，且在纯描述准确性上落后于 Gemini 3.8 Flash。GPT-6 Astra 虽然在整体评分和轨迹排名上领先，但在捕捉未完成任务的细节上表现不佳。值得注意的是，Flora 的成本数据是基于假设的 GPU 租赁价格（$10/小时）推算的，而非实际生产测量值。

这一发布反映了 Nvidia 试图覆盖整个机器人价值链的战略意图，即通过提供低成本、高质量的自动化数据工具来吸引开发者进入其硬件生态系统。Flora 作为其 GR00T 模型训练管线的一部分，填补了从硬件到仿真再到 AI 模型的空白。尽管存在误报风险，但其在特定场景下的效率提升使其成为 Scale AI 等商业服务的有力替代方案，有助于缓解机器人训练数据的短缺问题。