このほど、NVIDIA 傘下の GEAR 研究ラボは、そのオープンデータエンジン Floraを正式にオープンソースとして公開した。このシステムは3つのファインチューニング済み Qwen3.5モデル を基に構築されており、ロボット動画のトレーニングに効率的なテキストアノテーションとスコアリングの支援を提供することを目的とし、ロボットバリューチェーンへの重要な布石となっている。
Flora は、ロボットのトレーニングに必要な動作境界検出、段階的実行スコアリング、タスク成功判定という3つのコアラベルタイプを全面的にカバーできる。内部には動作セグメンテーションモデルと報酬モデル Flora-Rewarderが統合されており、コストを削減しながら、途中のエラーや細かい動作の捕捉能力を大幅に向上させている。
NVIDIA の推定によると、Flora のアノテーションコストは1時間あたり約0.72ドルで、 GPT-6Astra の約88.50ドルと比較すると、コストは最大125分の1まで大幅に低減された。実際の性能面では、動作境界検出と過程エラー識別において優れた成果を示し、人間の録画や一部のベンチマークテストでも先行しているが、純粋な記述の正確性や一部のロボット動画での性能では依然として GPT-6Astra。
に及ばない。NVIDIA が具身体知エコシステムの強化に向けた重要な取り組みとして、このモデルはすでに Hugging Face で公開されており、同社の内部では1日あたり最大20万時間の動画アノテーションを処理している。この動きは、オープンソースのロボットデータパイプラインにおける空白を埋めるだけでなく、ハードウェアからシミュレーション、AI モデルに至るまでの全チェーンをカバーする NVIDIA の産業戦略をさらに固めるものとなっている。