O braço de pesquisa da Nvidia, GEAR, tornou público o código de um sistema chamado Flora, que adiciona três tipos de rótulos a vídeos de robôs: qual ação está acontecendo, quão bem cada etapa é executada e se a tarefa como um todo é concluída com sucesso. A empresa afirma que a ferramenta consegue rotular uma hora de gravação por cerca de 72 centavos, ante aproximadamente US$ 88,50 com o GPT‑6 Astra, da OpenAI. A estimativa de custo considera o aluguel de GPUs a US$ 10 por hora.
O Flora foi desenvolvido com três modelos Qwen 3.5 ajustados. Um modelo de 9 bilhões de parâmetros divide os vídeos em segmentos de ação. Um modelo de 27 bilhões de parâmetros gera legendas levando em conta as ações ao redor, e outro modelo de 27 bilhões de parâmetros — chamado Flora‑Rewarder — atribui a nota de sucesso, classifica cada etapa e dá notas com base em critérios predefinidos. A Nvidia informa que o sistema já anota até 200 mil horas de vídeo por dia em um conjunto de 512 GPUs GB300, e que os modelos estão disponíveis no Hugging Face.
Como o Flora se compara a outros grandes modelos de linguagem
Em um benchmark da própria Nvidia com 50 vídeos de robôs, o Flora obteve uma nota de qualidade de anotação de 57,1%, a US$ 0,72 por hora, enquanto o GPT‑6 Astra marcou 53,7%, a US$ 88,49 por hora. O Claude Opus 5 custou menos que o Astra, cerca de US$ 42 por hora, mas teve desempenho bem pior. No WGO‑Bench, de acesso público, o Flora se destacou na identificação dos limites entre ações, mas ficou atrás do Astra e do Gemini 3.8 Flash na precisão geral das descrições. No DenseCaptionBench, da Nvidia, o Flora liderou em gravações com pessoas, mas ficou em segundo lugar, atrás do Astra, nos vídeos de robôs.
Por que o custo e os recursos do Flora importam para quem desenvolve robôs
Rotular grandes conjuntos de dados de vídeo é um gargalo no treinamento de modelos de controle de robôs. Ao reduzir o custo por hora de anotação, o Flora pode permitir que laboratórios menores e startups montem conjuntos de treinamento maiores sem pagar por serviços comerciais como o Physical AI Data Engine, da Scale AI. A disponibilização do código também permite que desenvolvedores mantenham o fluxo de dados dentro do ecossistema de hardware da Nvidia, o que pode impulsionar a compra de mais GPUs da empresa.
Por que importa
Para equipes de robótica, reduzir o custo das anotações significa poder treinar modelos mais capazes, mais rapidamente e com conjuntos de dados maiores, sem precisar de um orçamento enorme. O código aberto permite que pesquisadores personalizem o fluxo de trabalho, mas as estimativas de custo dependem das premissas internas de preços da Nvidia, então os gastos na prática podem ser diferentes.
