NVIDIA 开源 Flora：机器人视频标注引擎，厂商称成本约低 GPT-6 Astra 125 倍
NVIDIA GEAR 公开 Flora 套件：基于 Qwen3.5 的 TempSeg（约 9B、LoRA）、Captioner（27B）与 Rewarder（27B），产出时间戳动作字幕、过程/结果奖励（可选题纲）；自称用于 GR00T 训练、日标注可达约 20 万小时，并估计约 $0.72/视频小时相对 GPT-6 Astra 约 $88.50。权重在 Hugging Face，许可为 NVIDIA OneWay Noncommercial（仅研究开发）。
NVIDIA 研究实验室 GEAR 发布开源数据引擎 Flora，定位同时覆盖机器人基础模型生命周期所需的三类标签：用于筛选与平衡预训练数据的时间戳动作字幕、用于强化学习后训练的过程奖励，以及用于真实部署监测的结果奖励；还可按测试时给定的题纲（rubric）打分。官方称 Flora 已用于训练 GR00T 系列，并在内部标注规模上达到约每天 20 万视频小时、跨越 512 块 GB300。
套件拆成三个在 Qwen3.5 上微调的视觉语言模型：Flora-TempSeg / Flora-segmenter-9B（约 90 亿参数，对注意力与 MLP 做 LoRA，rank 32、alpha 64，底座与视觉编码器冻结）负责切出动作时间段；Flora-Captioner 27B 结合前后文为区间写一条动作指令；Flora-Rewarder 27B（厂商写全参微调含视觉编码器）按提示产出结果分、半秒级过程质检或题纲分。Hugging Face 模型卡标注 Release Date 为 2026-10-15，并写明受 NVIDIA OneWay Noncommercial License（2022-03-22）约束，仅供非商业研究与开发，不支持商用或直接控机器人作唯一安全监测。
成本方面，项目页与论文写 Flora「大致约 125×」便宜于 GPT-6 Astra；Decoder 复述厂商在约 50 段视频试算中给出约 $0.72 对比约 $88.50 每源视频小时，并明确这些费用是按假设 GPU 租金约 $10/小时算出的估算/投影，而非生产实测账单。质量上，厂商称在部分内部与公开奖励基准领先或接近 Astra，但在 WGO-Bench 等项上 Astra 或其它模型仍可更好；上述分数与「125×」均为 NVIDIA 主张，需按 publisher_claim 阅读。论文 PDF 页眉日期为 2026-10-20；Decoder 公开综述时间为 2026-10-25。
来源
- Flora: An Open Model Suite for Scaling Robotics Data Engines — NVIDIA Research / GEAR
- FLORA: An Open Model Suite for Scaling Robotics Data Engines — NVIDIA Research
- nvidia/Flora-TempSeg · Hugging Face — Hugging Face / NVIDIA
- nvidia/Flora-Captioner · Hugging Face — Hugging Face / NVIDIA
- nvidia/Flora-Rewarder · Hugging Face — Hugging Face / NVIDIA
- Flora - a nvidia Collection — Hugging Face / NVIDIA
- Nvidia open-sources Flora to make robot video labeling 125x cheaper than GPT-6 Astra — THE DECODER