الإعلان عن تكلفة ساعة من فيديو الروبوت بـ 72 سنتًا بدلاً من 88 دولارًا هو ما تعده Nvidia مع Flora، محرك البيانات المفتوح الخاص بها. لكن المقارنة مع GPT-6 Astra ليست متضاربة تمامًا كما يوحي السعر.
نماذج الذكاء الاصطناعي الكبيرة للروبوتات تتعلم من فيديوهات تحتاج إلى تداخيل نصية، ووفقًا لمختبر Nvidia GEAR البحثي، يتطلب ذلك ثلاثة أنواع من التصنيفات. أولاً، وصف الأفعال التي تحدث في الفيديو لاختيار بيانات التدريب. ثانيًا، تقييم مدى تقدم الروبوت خطوة بخطوة، حتى يتمكن من التعلم من خلال التجربة والخطأ. وثالثًا، تقييم ما إذا تم إنجاز المهمة بنجاح، لمراقبة الروبوتات أثناء التشغيل. معظم الأدوات الحالية توفر نوعًا واحدًا من هذه التصنيفات فقط. نماذج اللغة الكبيرة مثل GPT-6 Astra يمكنها توليد عدة أنواع، لكنها باهظة الثمن بالنسبة للكميات الكبيرة من الفيديوهات.
وفقًا للورقة البحثية، تغطي Flora كل الأمرين. تقول Nvidia إن النظام يعمل بالفعل أثناء تدريب نماذج GR00T الخاصة بها، حيث يقوم بتحليل ما يصل إلى 200,000 ساعة فيديو يوميًا على 512 غيغابايت من وحدات الرسومات الحاسوبية 300. النماذج متاحة على Hugging Face.
تتكون Flora من ثلاثة نماذج مُحسّنة بعناية: Qwen3.5. النموذج 9B يقسم الفيديوهات إلى أجزاء إجرائية، بينما يقوم النموذج 27B بوصفها مع الأخذ في الاعتبار ما حدث قبل وبعد كل حركة. النموذج 27B الثاني المسمى Flora-Rewarder يؤدي ثلاث أدوار تختلف حسب الطلب. يقوم بتقييم نجاح الحلقة على مقياس من 1 إلى 5، ويصنف كل خطوة في نصف ثانية كعادية أو غير مثالية أو فاشلة، ويعطي درجات بناءً على معايير يحددها النموذج نفسه.
حسب تقديرات شركة نفيديا نفسها، يمكن أن يكون أقل بـ 125 مرة من التكلفة المعتادة
في اختبار شمل 50 فيديو، حصلت Flora على نتيجة أفضل قليلاً من GPT-6 Astra وفقًا لشركة Nvidia، رغم أن نموذج OpenAI تم السماح له باستخدام قدرته الكاملة على التفكير. وفقًا لتقديرات Nvidia، تكلفة تعليم ساعة من الفيديو باستخدام Flora حوالي 72 سنتًا، مقارنة بحوالي 88.50 دولار لGPT-6 Astra. Claude Opus 5 حصل على نتيجة أسوأ في نفس الاختبار، ولا يزال تكلفته حوالي 42 دولارًا لساعة.
إن أرقام تكلفة Flora هي تقديرات، وليست مقاييس إنتاجية. قامت Nvidia بحسابها بناءً على سعر إيجار مفترض قدره 10 دولارات لكل GPU في الساعة.
يفضل فلورا الأفعال، لكن أسترا غالبًا ما تصفها بدقة أكبر
على منصة WGO-Bench العامة، تتميز Flora في اكتشاف حدود الأفعال، لكنها تتخلف عن Astra في النتيجة الإجمالية، وتقل عن Gemini 3.8 Flash في دقة الوصف الخالص. ووفقًا للباحثين، تأتي الفوائد من التحديد الزمني للأماكن.
على اختبار DenseCaptionBench الخاص بنواة Nvidia، تتصدر Flora جميع المؤشرات في تسجيلات البشر، لكن بالنسبة لفيديوهات الروبوتات، تأتي النموذج في المرتبة الثانية بعد Astra. هناك مشكلة من ناحية المنهجية التي يعترف بها الباحثون أيضًا. يقوم GPT-6 Astra بتقييم الوصفات، وهو أيضًا أحد النماذج المختبرة.
لا يوجد نموذج آخر تقريبًا يمكنه اكتشاف الأخطاء في منتصف الحلقة
على منصة RoboRewardBench، معدل الأخطاء لفلورا أقل بنسبة 27.8 بالمئة مقارنة بأسترا. يُعزى هذا الفارق إلى المهام التي لم تكتمل بشكل كامل. عندما يقوم الروبوت فقط بتحريك الزجاجة بدلاً من إسقاطها من على الطاولة، تمنح فلورا 3 نقاط من أصل 5 نقاط للتوافق مع المعيار البشري، بينما تعطي أسترا نقطة واحدة فقط.
تقوم Flora-Rewarder بتصنيف 53.3 بالمئة من الخطوات الفاشلة خلال الحلقة، بينما لا يتجاوز أي من المنافسين نسبة 11.7 بالمئة، ولا تقوم Astra بتصنيف أي خطوة فاشلة. التبادل هو أن Flora تُصنف بشكل خاطئ حوالي 11 بالمئة من الخطوات الطبيعية كأخطاء. لا تزال Astra تتقدم في التقييم القائم على المعايير وتصنيف المسار.
في فيديو يحتوي على العديد من الحركات القصيرة، تحدد فلورا 34 من أصل 37 حركة فردية، بينما تلحظ أسترا أربع حركات فقط. من ناحية أخرى، أحيانًا تفكك فلورا الحركات الطويلة إلى خطوات صغيرة جدًا، وأحيانًا أخرى تخطئ في وصفها. في فيديو واحد، يمسح الروبوت اليد طبقًا بمنشفة، لكن فلورا تصف ذلك بأنه طي مناديل.
تضع نفيديا "فلورا" كبديل مفتوح للخدمات التجارية مثل محرك البيانات الذكي الفيزيائي الخاص بشركة Scale AI. يمكن للباحثين استخدامها لتوسيع مجموعات البيانات الخاصة بالروبوتات الخاصة بهم واختبار أساليب مثل نقل العروض البشرية إلى الروبوتات. تستثمر نفيديا مليارات الدولارات في نماذج الذكاء الاصطناعي المفتوحة، من أجل الاحتفاظ بالمطورين في نظامها الصناعي للأجهزة وتعزيز الطلب على شرائحها، وتمثل "فلورا" هذا الهدف نفسه.
كما تعمل الشركة منذ فترة على تغطية نقص بيانات التدريب في مجال الروبوتات من خلال المحاكاة ومعالجة البيانات الآلية. في GTC هذا العام، عرضت Nvidia خطوة بيانات تُعد وتضرب وتقيّم مواد التدريب تلقائيًا. تضيف Flora علامات تفصيلية وإشارات مكافأة من الفيديو إلى تلك الخطوة البياناتية.
كل هذا يساهم في استراتيجية نيفيديا لغطاء سلسلة القيمة الكاملة للروبوتات، من الأجهزة والبيانات التدريبية إلى المحاكاة ونماذج الذكاء الاصطناعي نفسها. أما جوجل التي أعلنت مؤخرًا عن جيميني 4 أرجون، فهي تستهدف جزءًا مماثلًا من عملية تدريب الروبوتات، وتحديد خطوات العمل في مقاطع الفيديو التدريبية وتمييز الأفعال الفاشلة.