Todas las noticias
Técnica

Nvidia Flora etiqueta video de robots a 72 centavos por hora

Por JP Software ·

JP Software
Ilustración de la nota: Nvidia Flora etiqueta video de robots a 72 centavos por hora
JP Software

Nvidia presentó Flora, un motor de datos abierto que anota video de robots para entrenar modelos de robótica. Según la empresa, etiquetar una hora de video cuesta 72 centavos de dólar, contra unos 88 dólares con GPT-6 Astra. Está pensado para equipos que entrenan modelos con grandes volúmenes de video y necesitan etiquetas de varios tipos.

Datos clave

  • Flora etiqueta una hora de video por unos 0.72 dólares, contra unos 88.49 dólares con GPT-6 Astra, según Nvidia.
  • En una prueba con 50 videos, Flora logra 57.1 por ciento de calidad de anotación y GPT-6 Astra 53.7 por ciento, según Nvidia.
  • Nvidia dice que el sistema ya anota hasta 200,000 horas de video al día en 512 GPU GB300 durante el entrenamiento de sus modelos GR00T.
  • Flora-Rewarder detecta 53.3 por ciento de los pasos fallidos de un episodio; ningún competidor pasa de 11.7 por ciento, según Nvidia.

Qué hace Flora y de qué está hecho

Según el laboratorio GEAR de Nvidia, los modelos de robots necesitan tres tipos de etiquetas: descripciones de qué acción ocurre y cuándo, calificaciones del avance paso a paso y juicios sobre si la tarea terminó bien. La mayoría de las herramientas solo da uno. Flora cubre los tres.

Se compone de tres modelos Qwen3.5 afinados:

  • Un modelo de 9B que divide el video en segmentos de acción.
  • Un modelo de 27B que describe cada acción considerando lo que pasó antes y después.
  • Flora-Rewarder, otro de 27B, que según el prompt califica el éxito de un episodio de 1 a 5, clasifica cada paso de medio segundo como normal, subóptimo o fallido, y asigna puntajes con rúbricas propias.

Los modelos están disponibles en Hugging Face.

Qué tan sólido es el ahorro

Las cifras de costo son proyecciones, no mediciones de producción. Nvidia las calculó con una renta supuesta de 10 dólares por GPU por hora. En la misma prueba, Claude Opus 5 obtuvo un resultado mucho peor y costó unos 42 dólares por hora.

Dónde gana Flora y dónde no

En RoboRewardBench, la tasa de error de Flora es 27.8 por ciento menor que la de GPT-6 Astra, sobre todo en tareas completadas a medias. En un video con muchas acciones cortas de la mano, Flora identificó 34 de 37 acciones y Astra solo cuatro.

También tiene límites. En WGO-Bench, Flora es la mejor detectando los límites de las acciones, pero queda por detrás de Astra en puntaje global y de Gemini 3.8 Flash en precisión descriptiva. Marca como error cerca de 11 por ciento de los pasos normales, a veces parte acciones largas en demasiados pasos y en ocasiones describe mal: en un video confundió limpiar un plato con doblar una servilleta. Además, los investigadores reconocen que GPT-6 Astra evalúa las descripciones y a la vez es uno de los modelos probados.

Por qué te importa

Si entrenas o ajustas modelos de robótica, anotar video suele ser un costo grande. Un sistema abierto que entrega los tres tipos de etiquetas a una fracción del precio permite escalar tus propios conjuntos de datos.

Mi lectura: trata las cifras de Nvidia como punto de partida. Corre Flora sobre una muestra de tus videos, compárala con etiquetas humanas y revisa sobre todo los falsos errores y las descripciones. Si tu caso se parece a donde Flora gana, el ahorro puede ser real.

Comparte esta nota