GEAR, il gruppo di ricerca di Nvidia, ha reso open source Flora, un sistema che aggiunge ai video di robot tre tipi di etichette: l’azione in corso, la qualità con cui viene eseguito ogni passaggio e l’esito complessivo dell’attività. L’azienda afferma che lo strumento può etichettare un’ora di filmati per circa 72 centesimi, contro gli 88.50 $ circa di GPT‑6 Astra di OpenAI. La stima dei costi si basa su una tariffa di noleggio di $10 per ora per GPU.
Flora si basa su tre modelli Qwen 3.5 sottoposti a fine-tuning. Un modello da 9 miliardi di parametri suddivide i video in segmenti d’azione. Un modello da 27 miliardi di parametri genera didascalie tenendo conto delle azioni circostanti, mentre un secondo modello da 27 miliardi di parametri, chiamato Flora‑Rewarder, assegna il punteggio di successo, classifica i singoli passaggi e valuta le prestazioni secondo criteri prestabiliti. Nvidia riferisce che il sistema annota già fino a 200 000 ore di video al giorno su un cluster di 512 GPU GB300 e che i modelli sono disponibili su Hugging Face.
Come si confronta Flora con gli altri modelli linguistici di grandi dimensioni
Nel benchmark interno di Nvidia, condotto su 50 video di robot, Flora ha ottenuto un punteggio di qualità delle annotazioni del 57.1 % al costo di $0.72 all’ora, mentre GPT‑6 Astra ha raggiunto il 53.7 % spendendo $88.49 all’ora. Claude Opus 5 costava meno di Astra, circa $42 all’ora, ma ha ottenuto risultati nettamente peggiori. Nel benchmark pubblico WGO‑Bench, Flora si è distinta nell’individuare i confini delle azioni, ma è rimasta indietro rispetto ad Astra e Gemini 3.8 Flash per l’accuratezza complessiva delle descrizioni. Nel DenseCaptionBench di Nvidia, Flora ha ottenuto il risultato migliore con i video di persone e il secondo posto con quelli di robot, dietro ad Astra.
Perché costi e capacità contano per chi sviluppa robotica
L’etichettatura di grandi dataset video è un collo di bottiglia nell’addestramento dei modelli di controllo dei robot. Riducendo il costo per ora di annotazione, Flora potrebbe consentire anche ai laboratori più piccoli e alle startup di creare dataset di addestramento più ampi senza pagare servizi commerciali come Physical AI Data Engine di Scale AI. La pubblicazione open source permette inoltre agli sviluppatori di mantenere la pipeline dei dati nell’ecosistema hardware di Nvidia, una scelta che potrebbe favorire l’acquisto di altre GPU Nvidia.
Perché conta
Per i team di robotica, ridurre i costi di etichettatura significa poter addestrare più rapidamente modelli più capaci usando dataset più ampi, senza budget enormi. La natura open source consente ai ricercatori di personalizzare la pipeline, ma le stime dei costi si basano sulle ipotesi interne di Nvidia e le spese effettive potrebbero essere diverse.
