Nvidia mở nguồn Flora: Hệ thống gán nhãn video robot giá rẻ gấp 125 lần

Flora là hệ thống gán nhãn video robot được Nvidia công bố mã nguồn mở. Nó sử dụng ba mô hình Qwen3.5 để tách hành động, mô tả và đánh giá chất lượng video. Nvidia khẳng định Flora có thể gán nhãn một giờ video chỉ với 72 cent, rẻ hơn tới 125 lần so với GPT‑6 Astra. Ngoài chi phí, Flora còn cung cấp ba loại nhãn cần thiết cho việc huấn luyện robot và cho thấy hiệu suất cao hơn một số mô hình thương mại. Đây là tin đáng chú ý vì mở ra giải pháp chi phí thấp, mở rộng và hiệu quả cho cộng đồng nghiên cứu robot.

Chi tiết

Trong bối cảnh các mô hình ngôn ngữ lớn như GPT‑6 Astra được dùng để tạo nhãn cho video robot nhưng chi phí rất cao, Nvidia đã phát triển Flora – một data engine mở nguồn nhằm giảm chi phí gán nhãn. Theo Nvidia, một giờ video robot được gán nhãn với Flora chỉ tốn 72 cent, so sánh với khoảng 88 đô la của Astra, tương đương giảm tới 125 lần dựa trên ước tính chi phí thuê GPU 10 đô la mỗi giờ.

Flora được cấu tạo từ ba mô hình Qwen3.5 được tinh chỉnh: mô hình 9B để chia video thành các đoạn hành động, mô hình 27B mô tả các hành động dựa trên ngữ cảnh trước và sau, và mô hình 27B thứ hai – Flora‑Rewarder – thực hiện ba nhiệm vụ đánh giá: chấm điểm thành công, phân loại mỗi bước là bình thường, không tối ưu hoặc thất bại, và gán điểm theo rubrics tự định nghĩa.

Trong các thí nghiệm với 50 video, Flora đạt điểm chất lượng hơi cao hơn Astra dù Astra được cho phép sử dụng toàn bộ khả năng suy luận. Trên WGO‑Bench, Flora dẫn đầu trong việc phát hiện ranh giới hành động, nhưng kém Astra về tổng điểm và thua Gemini 3.8 Flash trong độ chính xác mô tả. Trên RoboRewardBench, Flora giảm tỷ lệ lỗi 27,8 % so với Astra và bắt được 53,3 % các bước thất bại, trong khi các đối thủ không vượt quá 11,7 %.

Flora đã được tích hợp vào quá trình huấn luyện các mô hình GR00T của Nvidia, đánh dấu tới 200 000 giờ video mỗi ngày trên 512 GPU. Các mô hình này được công bố trên Hugging Face, cho phép cộng đồng sử dụng và tùy biến. Tuy nhiên, các con số chi phí là ước tính dựa trên giả định giá thuê GPU và chưa được đo lường trong môi trường sản xuất; Flora cũng có tỷ lệ đánh dấu sai khoảng 11 % các bước bình thường.

Điểm nổi bật

• Giảm chi phí gán nhãn video robot tới 125 lần so với GPT‑6 Astra
• Ba mô hình Qwen3.5 được tinh chỉnh cho phân đoạn, mô tả và đánh giá
• Giảm tỷ lệ lỗi 27,8 % so với Astra trên RoboRewardBench
• Bắt được 53,3 % các bước thất bại, trong khi đối thủ tối đa 11,7 %
• Mã nguồn mở, các mô hình có sẵn trên Hugging Face

Vì sao đáng chú ý

Flora cung cấp cho lập trình viên robot một công cụ gán nhãn video rẻ hơn và mở rộng, giúp giảm chi phí thu thập dữ liệu cho huấn luyện mô hình. Với khả năng cung cấp ba loại nhãn quan trọng, nó hỗ trợ việc xây dựng hệ thống học tăng cường và giám sát robot hiệu quả hơn. Việc mở nguồn cũng cho phép cộng đồng tùy biến và cải tiến mô hình cho các ứng dụng thực tế.

Nguồn: The Decoder

---

Tin do AI tóm tắt từ nguồn công khai (RSS, GitHub); bấm link nguồn để đọc bài gốc.