GEAR, el equipo de investigación de Nvidia, publicó como código abierto un sistema llamado Flora que añade tres tipos de etiquetas a los videos de robots: qué acción se está realizando, qué tan bien se ejecuta cada paso y si la tarea completa tiene éxito. La compañía afirma que la herramienta puede etiquetar una hora de grabación por unos 72 centavos, frente a alrededor de $88.50 con GPT‑6 Astra de OpenAI. El cálculo supone un precio de alquiler de $10 por hora de GPU.
Flora está compuesto por tres modelos Qwen 3.5 ajustados. Un modelo de 9 000 millones de parámetros divide los videos en segmentos de acciones. Un modelo de 27 000 millones de parámetros redacta descripciones que tienen en cuenta las acciones circundantes, y un segundo modelo de 27 000 millones —llamado Flora‑Rewarder— asigna la calificación de éxito, clasifica cada paso y otorga puntuaciones según criterios. Nvidia informa que el sistema ya etiqueta hasta 200 000 horas de video al día en un clúster de 512 GPU GB300, y que los modelos están disponibles en Hugging Face.
Cómo se compara Flora con otros modelos de lenguaje grandes
En una prueba propia de Nvidia con 50 videos de robots, Flora obtuvo una puntuación de calidad de etiquetado del 57.1 % a un costo de $0.72 por hora, mientras que GPT‑6 Astra alcanzó el 53.7 % a $88.49 por hora. Claude Opus 5 costó menos que Astra, unos $42 por hora, pero tuvo un rendimiento mucho peor. En WGO‑Bench, una prueba pública, Flora destacó al identificar los límites entre acciones, pero quedó por detrás de Astra y Gemini 3.8 Flash en precisión general de las descripciones. En DenseCaptionBench, de Nvidia, Flora fue el mejor modelo para grabaciones de personas, pero quedó segundo detrás de Astra en videos de robots.
Por qué importan el costo y las capacidades para quienes desarrollan robots
El etiquetado de grandes conjuntos de datos de video es un cuello de botella para entrenar modelos de control robótico. Al reducir el costo por hora de etiquetado, Flora podría permitir que laboratorios pequeños y startups creen conjuntos de entrenamiento más grandes sin pagar por servicios comerciales como Physical AI Data Engine de Scale AI. Además, la publicación del código abierto permite a los desarrolladores mantener el proceso de datos dentro del ecosistema de hardware de Nvidia, lo que podría impulsar la compra de más GPU de la compañía.
Por qué importa
Para los equipos de robótica, abaratar el etiquetado significa que pueden entrenar modelos más capaces con mayor rapidez y conjuntos de datos más grandes, sin presupuestos enormes. El código abierto permite a los investigadores adaptar el proceso, pero las cifras de costos se basan en los supuestos internos de precios de Nvidia, por lo que los gastos reales podrían variar.
