AREX Feed Article
英伟达 GEAR 开源机器人数据引擎 Flora：三个模型权重上架 Hugging Face，称标注成本约为 GPT-6 Astra 的 1/125
北京时间 10 月 21 日凌晨，Jim Fan 在 中宣布，团队当天开源 Flora 的模型权重——一套用来解析物理世界、把原始视频变成训练信号的开放模型套件。他给出的核心数字是：团队自建的机器人数据引擎达到「Astra 级性能」而成本低约 125 倍，每天在 500 块 GPU 上标注 20 万小时视频，Flora 已在驱动这套内部数据引擎。帖文末尾他写道：「我们造出它来扩展机器人学习的前沿。现在，权重也归你了。」
这些说法对应的实体当天都能打开：与论文已上线，里挂着三个模型仓库。宣布者 Jim Fan 的 自述其为 NVIDIA Director of Robotics & Distinguished Scientist、GEAR 实验室联合负责人，论文署名中他与 Yuke Zhu、Johan Bjorck 并列为共同指导作者。性能与成本对比全部出自团队自测，附录列明了每项假设；本文引用的公开材料目前均来自英伟达一方。
三个模型，一条标注流水线
Jim Fan 在帖文里列举的三项能力——带时间戳的字幕用于筛选人类自我中心（egocentric）视频与机器人数据、稠密的进度奖励用于质量控制和 RL post-training（强化学习后训练）、用于真实世界基准评测的 rubric（评分细则）打分——分别落在三个模型上。三张 Hugging Face 模型卡写明了分工： 在重叠时间窗口里定位操作片段，预测起止时间和动作是否延续到窗口之外，流水线再把碎片拼成整段事件； 为每个区间生成一条动作指令，输入含目标区间前后相邻帧，多机位录像拼成单帧画面，标注失败尝试时保留原定目标、不暗示成功； 是单个模型，靠提示词切换三种输出：判断整段任务成败的结局奖励（outcome reward）、按 0.5 秒步长打分的进度奖励（process reward），以及按用户自定义评分项在测试时生成的 rubric 奖励。
论文写明了三个模型的出身：分割模型从 Qwen3.5-9B 初始化（以 LoRA 低秩适配方式微调），标注与奖励模型从 Qwen3.5-27B 初始化；训练数据混合了开源、授权与自采数据集，由人工标注员提供稠密时间戳字幕和动作质量标签；分割与标注模型在监督微调（SFT）之后再用 GRPO 做强化学习，而发布的奖励模型只用 SFT。
论文共同一作之一、自述为 NVIDIA GEAR 研究科学家的 当天发布了，比 Jim Fan 的宣布早 29 分钟。他在里概括这条流水线：「原始视频进，带时间戳的子任务指令出」，并称人类的手、夹爪、灵巧手用的是同一套模型。
0.72 美元对 88.49 美元：成本比是怎么算出来的
125 倍出自论文的标注成本测算，对照对象 GPT-6 Astra 是论文表格中归入「专有（Proprietary）」一栏的前沿模型。测试在一个固定的 50 段子集上进行——DenseCaptionBench 中 20 段人类、15 段平行夹爪机器人、15 段灵巧手机器人，共 4,483.54 秒（约 75 分钟）源视频；质量分同等平均分割、参考区间标注与联合标注三项。结果：Flora 达到 57.1% 的质量，估算成本 0.7224 美元/小时源视频；按最大推理强度调用的 GPT-6 Astra 质量为 53.7%，成本 88.4922 美元/小时，按 2026 年 10 月 4 日的公开标准 API 费率计费。两者比值为 122.49，论文概括为「约 125 倍」，质量高出 3.3 个百分点（按未取整均值计）。
0.72 美元本身是一层假设的产物：论文按 8 块 GB300、每 GPU·小时 10 美元的部署模型折算，工作负载（660 个窗口、890 条字幕）取自此前一次部署研究，属于「工作负载假设」而非实测调用量；工程区间在 0.51～1.26 美元之间。论文同时声明：GPU 价格是假设值，存储、计费粒度与部署开销未计入，API 侧是「已知用量小计」而非完整账单，两侧都只算标注推理、不含模型本身的训练成本。所以，125 倍指的是标注环节在特定假设下的估算比，并不等于两种方案的总成本对比。
与 GPT-6 Astra 的对照表：有赢有输
「Astra 级性能」的依据是论文的基准表，而且不是一边倒。公开的 WGO-Bench（100 段视频：25 段人类第一视角 HomER、50 段外部视角机器人 DROID、25 段头戴视角机器人 Galaxea）上，Flora 的分割 F1@0.75 为 50.3，高于 Astra 的 46.0；但联合语义 F1 为 34.5，落后于 Astra 的 39.0；字幕准确率也不及 Astra（64.7 对 77.4）和 Gemini 3.8 Flash（70.9）。论文自己注明：Flora 的优势主要来自时间定位。
团队自建的 DenseCaptionBench（300 段，人类、平行夹爪、灵巧手各 100 段）上，Flora 在人类子集三项指标全部领先，联合 F1 比 Astra 高 7.7 个百分点；机器人 200 段子集则三项都不及 Astra。奖励方向上，Flora-Rewarder 在公开的 RoboRewardBench（2,831 段，1～5 分结局评分）上的平均绝对误差为 40.0，低于 Astra 的 55.4；自建的 DenseRewardBench 上失败召回率为 53.3%，论文写道没有任何基线超过 11.7%，Astra 的失败召回为 0——它在 bad-action F1 上最接近 Flora，却检测不到失败步骤；代价是 Flora 把约 11% 的正常步骤误标为失败。自建的 RubricBench（40 段遥操作机器人视频、10 个任务，人工按 rubric 打分）上，Astra 仍然领先：L1 误差 3.6 对 Flora 的 6.5。
已经在为 GR00T-2 供货的内部产线
Flora 已经跑在生产负荷上。论文与项目页写明，这套引擎已在 512 块 GB300 GPU 上每天标注最多 20 万小时数据——Jim Fan 的推文把它取整为「500 块 GPU 上每天 20 万小时」。照此折算，每块 GPU 一天要处理约 390 小时视频，约合 16 倍实时速度。三张模型卡则把用途写得具体：「Flora 由 NVIDIA 开发，是用于训练 GR00T-2 的数据引擎。」
论文导言写明三类标签的用途：带时间戳的动作指令用于预训练数据的筛选与配比；进度奖励用于 RL post-training 中对每一步的功劳分配；结局奖励用于监控真实部署中的机器人集群。
非商业许可：开放权重的一条硬边界
Hugging Face 上三个仓库均可公开下载、未设访问门槛：captioner 约 274 亿参数，rewarder 约 278 亿参数，分割模型以 LoRA 适配器形式发布。三张模型卡的 Intended Use 条款划出了同一条边界：仅限非商业机器人研发，不支持商业或生产环境使用；输出只是标注，既不用于直接控制机器人，也不作为物理系统的唯一安全监控。
模型卡标注的 Hugging Face 发布日期是 2026 年 10 月 15 日——权重上架比 Jim Fan 的宣布早了五天。论文结语把开源意图写为：让研究者扩展自定义机器人数据集，并探索「物理自动研究」（physical auto-research）与「人到机器人迁移」（human-to-robot transfer）等方向。Yunze Man 在线程末尾的里说得直白：「标注你自己的机器人数据，给你自己的 rollout（策略执行轨迹）打分，闭上你自己的环。」
至于 125 倍这个数能不能站住，外部检验的条件随开源而齐备：权重可下载，WGO-Bench 等公开基准不在团队手里，而成本模型的每个输入——GPU 时价、窗口数、字幕数、工作负载假设——都写在附录里，任何人都可以换成自己的数字重算一遍。