Nvidia Flora开源：机器人视频标注仅72美分
\n Nvidia's new data engine Flora labels one hour of robot video for 72 cents instead of $88 with GPT-6 Astra, while scoring slightly higher on quality. The open system, bu
## Nvidia Flora开源：机器人视频标注仅72美分
Nvidia Flora是一款开源的机器人视频数据标注引擎，它能一次性标注一小时的机器人视频，只需72美分（相比GPT-6 Astra的88.50美元），质量还略高。这套系统专为机器人训练数据准备而设计，适合那些正在大规模收集机器人视频、需要快速标注描述、进度评分和成功判断的用户。如果你正在开发或优化GR00T类机器人模型，这可能是你降低数据标注成本的实用选项。
Flora到底能干什么
机器人视频标注分三类关键标签：
- 动作描述：每个视频片段具体发生了什么动作
- 进度评分：机器人每一步是否正常、是否有问题
- 任务结果判断：任务是否成功完成
传统工具通常只能提供一两类标签，而Flora三者都支持。它把视频分成时间片段，用Qwen3.5模型系列自动完成标注。Nvidia已经把Flora用于自家GR00T模型训练，每天能标注多达20万小时的机器人视频。
价格对比：72美分 vs 88美元，差距有多大
| 项目 | Flora（Nvidia估计） | GPT-6 Astra（OpenAI） | Claude Opus 5（Anthropic） |
|---|---|---|---|
| 每小时标注成本 | 0.72美元 | 88.49美元 | 约42美元 |
| 质量评分 | 57.1% | 53.7% | 明显更低 |
| 优势场景 | 时间边界检测、错误识别 | 整体描述更精准 | 通用场景通用 |
数据来源于Nvidia官方测试，基于假设的GPU租赁成本（每小时10美元）。实际生产中可能会有浮动，但Nvidia已用自家512块GB300 GPU验证过系统可行。
质量对比：Flora在哪赢在哪输
Flora的优势：
- 动作边界检测最准，能精确识别短促手部动作
- 错误识别率比GPT-6 Astra低27.8%，特别擅长捕捉“半完成任务”的细微失败（如只翻瓶子没打翻）
- 任务成功评分和步骤评分准确度更高
Flora的不足：
- 纯动作描述有时不如Astra细致（会把“擦盘子”描述成“折纸巾”）
- 偶尔会把较长动作拆成过多小步骤
在公开的WGO-Bench和Nvidia自家DenseCaptionBench上，Flora在人类录像和机器人视频的整体表现中都领先或持平。
怎么开始用Flora
1. 访问 [Nvidia Flora模型集合] 下载权重
2. 把机器人视频文件放入本地环境
3. 用提供的Qwen3.5模型分别运行动作分割、描述生成和奖励评分
4. 输出带时间戳的标注文件，用于后续训练
推荐搭配Nvidia GR00T框架使用，能直接生成训练所需的progress reward和rubric score。
延伸阅读
- [官方价格]：查看Grok订阅与Nvidia生态订阅的真实对比
- [机器人数据通道]：了解当前主流AI订阅通道的实际表现
- [数据路径指南]：机器人训练数据准备的实用路线
- [完整攻略集合]：AI数据标注避坑全攻略
- [检查清单工具]：标注质量评估快速检查表
- [官方API文档]：Flora模型接口使用说明
- [API中转检测器]：跨平台API兼容性测试工具
风险与边界
Nvidia Flora虽开源，但模型权重需要本地运行或通过支持API调用。数据标注质量受输入视频质量和机器人平台影响，极端环境下的表现可能不如预期。部分高频长视频任务可能因多轮推理产生小偏差，建议通过随机采样验证后再大规模使用。
非法律意见声明：本文仅基于公开报道和Nvidia官方信息整理，非投资、法律或技术建议。如有疑问，请以官网最新数据为准。
English summary
Nvidia has open-sourced Flora, an AI data engine that annotates one hour of robot video for just 72 cents — compared to $88.50 with GPT-6 Astra — while scoring slightly higher on quality. Flora breaks videos into segments, generates timestamped action descriptions, rates step-by-step progress, and judges task success using three fine-tuned Qwen3.5 models (9B and two 27B variants). It already powers Nvidia’s GR00T training pipeline, processing up to 200,000 hours of robot video daily. Benchmarks show Flora excels at detecting action boundaries and catching mid-episode errors, though Astra often produces more precise overall descriptions. The system is available for free download on Hugging Face for developers building robotics datasets, simulation pipelines, or scaling physical AI training data. Ideal for teams focused on cost-effective, high-volume robot video labeling.