Flora من Nvidia تقدم وسم فيديوهات الروبوتات بتكلفة اقتصادية مقارنة بـ GPT-6 Astra
توفر محرّك البيانات الجديد Flora من Nvidia حلاً اقتصاديًا لوسم فيديوهات الروبوتات، إذ يتقاضى 72 سنتًا فقط في الساعة مقارنة بـ 88 دولارًا لدى GPT-6 Astra. غير أن المقارنة دقيقة، لأن فروق الجودة ليست بذلك الوضوح الذي يوحي به فرق السعر.
تحتاج النماذج اللغوية الكبيرة المخصصة للروبوتات إلى فيديوهات موسومة، ويحدد مختبر الأبحاث GEAR التابع لـ Nvidia ثلاث فئات من الوسوم المطلوبة: أوصاف الإجراءات، وتقييمات التقدم خطوة بخطوة، وأحكام النجاح عند إتمام المهمة. تقدم معظم الأدوات الحالية فئة واحدة فقط، بينما تستطيع النماذج اللغوية الكبيرة مثل GPT-6 Astra توليد وسوم متعددة لكن بتكلفة باهظة لمجموعات البيانات الضخمة من الفيديوهات.
تقسّم Flora الفيديوهات إلى فترات زمنية بفعالية، وتصف الإجراءات، وتقيّم تنفيذ كل حلقة ونتائجها. وبحسب بحث Nvidia، تشمل Flora الأنواع الثلاثة للوسم، وتُستخدم حاليًا في تدريب نماذج GR00T الخاصة بها، إذ توسم ما يصل إلى 200 ألف ساعة من الفيديو يوميًا عبر 512 من وحدات GPU من طراز GB300. النماذج متاحة على Hugging Face.
تتكون Flora من ثلاثة نماذج Qwen3.5 مضبوطة بدقة. يجزّئ نموذج بحجم 9B الفيديوهات إلى أجزاء إجرائية، بينما يصف نموذج بحجم 27B هذه الإجراءات مع مراعاة الأحداث السابقة واللاحقة. ويقيّم نموذج آخر بحجم 27B، هو Flora-Rewarder، نجاح الحلقة على مقياس من 1 إلى 5، ويصنف الإجراءات على أنها طبيعية أو دون المستوى الأمثل أو فاشلة، ويمنح درجات وفق معايير مخصصة.
تقدّر Nvidia أن وسم ساعة واحدة من الفيديو باستخدام Flora يكلّف نحو 72 سنتًا، مقابل نحو 88.50 دولارًا باستخدام GPT-6 Astra. وفي اختبارات شملت 50 فيديو، تجاوزت Flora GPT-6 Astra قليلاً بحسب التقارير، رغم السماح للأخير باستخدام قدراته الكاملة في الاستدلال.
تحقق Flora جودة وسم تبلغ 57.1% بتكلفة 0.72 دولار في الساعة، بينما يصل GPT-6 Astra إلى 53.7% بتكلفة 88.49 دولارًا. غير أن أرقام التكلفة هذه تقديرات مبنية على سعر إيجار مفترض قدره 10 دولارات لكل وحدة GPU في الساعة.
من حيث الأداء، تتفوق Flora في اكتشاف حدود الإجراءات لكنها لا تضاهي النتيجة الإجمالية لـ Astra، وتتخلف عن Gemini 3.8 Flash في دقة الوصف. التحسينات في Flora تنبع أساسًا من قدراتها على التحديد الزمني.
على DenseCaptionBench التابع لـ Nvidia، تتصدر Flora في مقاييس التسجيلات البشرية لكنها تأتي في المرتبة الثانية بعد Astra لفيديوهات الروبوتات. ينشأ هذا التباين جزئيًا لأن GPT-6 Astra يقيّم الأوصاف بينما يُختبر في الوقت نفسه.
معدل خطأ Flora أقل بنسبة 27.8% من Astra على RoboRewardBench، ويُعزى ذلك إلى قدرتها على التعرف على المهام المنجزة جزئيًا. على سبيل المثال، إذا أسقط الروبوت زجاجة بدلاً من إسقاطها عن الطاولة، تمنح Flora درجة أعلى تعكس الحكم البشري، بينما يمنح Astra درجة أقل بكثير.
تكتشف Flora-Rewarder 53.3% من الخطوات الفاشلة داخل الحلقة، بينما لا يتجاوز أي منافس 11.7%، ويفشل Astra في تحديد أي منها. غير أن Flora تخطئ في تصنيف نحو 11% من الخطوات الطبيعية كأخطاء. لا يزال Astra متقدمًا في التقييم القائم على المعايير وترتيب المسارات.
في اختبار محدد، حددت Flora 34 إجراءً من أصل 37 في فيديو، بينما تعرف Astra على أربعة فقط. ومع ذلك، تقسم Flora أحيانًا الإجراءات الطويلة إلى خطوات صغيرة مفرطة وقد تصفها بشكل خاطئ؛ على سبيل المثال، وصفت إجراء الروبوت في مسح طبق بأنه طي منديل.
تقدم Nvidia نظام Flora كبديل مفتوح للخدمات التجارية مثل Physical AI Data Engine من Scale AI، ما يتيح للباحثين توسيع مجموعات بيانات الروبوتات واستكشاف طرق نقل العروض البشرية إلى الروبوتات. تهدف Nvidia إلى إبقاء المطورين داخل منظومتها العتادية وتعزيز الطلب على شرائحها عبر استثمارات كبيرة في نماذج الذكاء الاصطناعي المفتوحة، ويخدم Flora هذه الاستراتيجية.
تعالج الشركة أيضًا نقص بيانات تدريب الروبوتات عبر المحاكاة والمعالجة الآلية للبيانات. في وقت سابق من هذا العام خلال GTC، عرضت Nvidia خط أنابيب بيانات يجهز مواد التدريب ويضاعفها ويقيّمها آليًا. وتعزز Flora خط الأنابيب هذا بإضافة وسوم تفصيلية وإشارات مكافأة من الفيديو.
تتوافق هذه المبادرة مع استراتيجية Nvidia الأوسع للهيمنة على سلسلة قيمة الروبوتات، بما تشمله من عتاد وبيانات تدريب ومحاكاة ونماذج ذكاء اصطناعي. ويستهدف Gemini 4 Argon الذي أعلنت عنه Google مؤخرًا جوانب مماثلة من عملية تدريب الروبوتات، إذ يحدد خطوات العمل في فيديوهات التدريب ويرصد الإجراءات الفاشلة.
المصدر: The Decoder