机器人视频标注一小时 88.5 美元，英伟达开源 Flora 把它压到 0.72 美元

随手先关注，不错过每日AI热讯速递

①

给机器人录像打标签，一直是具身智能最贵的一环。10 月 25 日，英伟达 GEAR 研究实验室开源了Flora，一套专门做这件事的模型套件，三份权重已经上线 Hugging Face[1][2]。

按英伟达自己的测算，标注一小时机器人视频要约0.72 美元；同样的活交给GPT-6 Astra，按同一套假设测算要88.50 美元，两者差出约125 倍[1]。

这套系统不是演示品。英伟达说它已经在 GR00T 模型训练中实际运行，每天在512 块 GB300上标注20 万小时视频[2]。

Flora由三个微调过的Qwen3.5模型拼起来：9B的那个负责把视频切成动作片段，27B的负责描述动作并照顾前后文，另一个27BFlora-Rewarder按提示词切换评分角色[1]。

图：机械手在木纹桌面上操作一个灰色小邮箱，左上角标签写着 Dexterous hands（灵巧手）（来源：The Decoder[1]）

②

机器人模型要学的标签其实有三种：判断任务成没成的结果奖励、判断每一步好不好的过程奖励（机器人每走一步时的中间评分，用来告诉它哪里做偏了）、以及带时间戳的动作描述。多数现成工具只覆盖其中一种，通用大模型能一起做，但单价撑不住海量视频[2]。

Flora的强项在动作切分。公开基准 WGO-Bench 上，它的边界检测 F1@0.75 是50.3，GPT-6 Astra 为46.0，GPT-5.6 Sol 为33.7，Claude Opus 5 只有25.5[2]。

但整体判断并不全面领先。同一个 WGO-Bench 的金窗口准确率，Flora 是64.7，落后 Astra 的77.4[2]。

自有基准 DenseCaptionBench 上，真人录像子集 Flora 三项全赢，机器人录像子集 Astra 反超，57.9 对 51.0[2]。

奖励评分才是它真正拉开距离的地方。RoboRewardBench 上平均绝对误差（预测分数与人工参考分数之间的平均偏差幅度，数值越低越准）为40.0，Astra 是55.4，GPT-5.6 Sol 是78.0[2]。

图：Temporal segmentation（时间分段）与 Contextual action captioning（上下文动作描述），多张连续照片配秒数标签与时间刻度（来源：The Decoder[1]）

③

最能说明问题的是失败检测。一段视频里机器人中途做错了，Flora-Rewarder 能抓住53.3%的失败步骤；同一张表里其他模型最高11.7%，GPT-6 Astra 更是一个都没抓到[1][2]。

切分精度也很直观。一段手势频繁的视频里有37 个参考动作，Flora 认出34 个，GPT-6 Astra 只抓到4 个[1]。

英伟达把 Flora 定位成 Scale AI 那类商业数据服务的开源替代。同一段流程上，Google 的 Gemini 4 Argon 也在做工序识别与失败标记，这个方向已经挤进来两家[1]。

开源的意图写在论文摘要里：让研究者扩展自有的机器人数据集，并探索物理自动科研、人到机器人技能迁移这类新方向[2]。

图：An Open Model Suite for Scaling Robotics Data Engines（一套用于扩展机器人数据引擎的开放模型套件）（来源：NVIDIA 研究页[2]）

④

当然，0.72 美元是测算，不是账单：英伟达按每 GPU 每小时10 美元的租金假设推算，换成自建集群或囤卡折旧，125 倍会明显缩水[1]。

评测方法也有一处循环。DenseCaptionBench 的描述由 GPT-6 Astra 打分，而 Astra 同时是被测模型之一，研究者在论文里承认了这个方法学问题[1]。

误报的代价写在同一份结果里：约11%的正常步骤被标成错误。对强化学习是噪声奖励，对线上监控是误报警[1]。

定性错误同样存在。一段机械手用布擦盘子的视频，Flora 把它描述成折叠餐巾[1]。

宁可错杀，也不放过——这套取舍适合批量生成训练数据，不适合当唯一裁判。真正值得关注的不是 125 倍这个数字，而是失败步骤召回率从几乎为零跳到 53.3%：机器人训练里最贵的从来不是正常样本，而是那些没人标出来的错误[1][2]。

参考来源：

[1] Nvidia open-sources Flora to make robot video labeling 125x cheaper than GPT-6 Astrahttps://the-decoder.com/nvidia-open-sources-flora-to-make-robot-video-labeling-125x-cheaper-than-gpt-6-astra/

[2] Flora: An Open Model Suite for Scaling Robotics Data Engineshttps://research.nvidia.com/labs/gear/flora/

欢迎点赞、分享、推荐

一起拥抱AI