Flora de Nvidia rebaja 125× el coste del etiquetado de video robótico; ¿es una revolución?

Nvidia ha puesto a disposición de la comunidad su motor de datos abierto Flora, que según la empresa permite etiquetar una hora de video de robot por menos de un dólar, una fracción del precio que cobra GPT‑6 Astra.

El laboratorio de investigación GEAR de Nvidia anunció que su nuevo motor de datos, llamado Flora, puede generar los tres tipos de anotaciones que requieren los modelos de robótica –descripción de acciones, evaluación de progreso y veredicto de éxito– con un coste estimado de 0,72 USD por hora de video. En contraste, la solución basada en GPT-6 Astra supera los 88 USD por la misma tarea.

Arquitectura y flujo de trabajo de Flora

Flora se compone de tres modelos finamente ajustados de la familia Qwen3.5. Un modelo de 9 B parámetros segmenta el video en intervalos de acción; un segundo modelo de 27 B genera descripciones contextuales teniendo en cuenta lo ocurrido antes y después de cada segmento. El tercer modelo, Flora-Rewarder, asume tres roles según el prompt: califica el éxito global de un episodio (escala 1‑5), clasifica cada medio segundo como normal, subóptimo o fallo, y asigna puntuaciones siguiendo rubricas definidas por el usuario.

Durante el entrenamiento de los modelos GR00T, Nvidia reporta que Flora procesa hasta 200 000 horas de video al día empleando 512 GPUs GB300. Los pesos resultantes ya están publicados en Hugging Face, lo que permite a cualquier investigador replicar la cadena de etiquetado sin depender de servicios externos.

Rendimiento frente a los gigantes del mercado

• En una prueba de 50 videos, Flora superó ligeramente a GPT-6 Astra en métricas de precisión cuando este último utilizó su capacidad completa de razonamiento.
• El modelo Claude Opus 5 obtuvo resultados mucho peor y costó alrededor de 42 USD por hora.
• En el benchmark público WGO‑Bench, Flora lidera la detección de límites de acción, pero queda detrás de GPT-6 Astra en la puntuación global y de Gemini 3.8 Flash en exactitud descriptiva.
• En RoboRewardBench, la tasa de error de Flora es 27,8 % menor que la de Astra, gracias a su capacidad de reconocer tareas parcialmente completadas.

Los números de coste, sin embargo, son proyecciones basadas en un precio de alquiler de GPU de 10 USD/hora, no mediciones en producción. La diferencia de precio real dependerá de la infraestructura que cada usuario disponga.

Estrategia de Nvidia — abrir el ecosistema para impulsar el hardware

Nvidia ha invertido miles de millones en modelos de IA abiertos con el objetivo de mantener a los desarrolladores atados a su arquitectura de chips. Al publicar Flora como código abierto, la compañía ofrece una alternativa a servicios comerciales como el Physical AI Data Engine de Scale AI, pero también crea una dependencia implícita: los mejores resultados se obtienen cuando se ejecutan en GPUs Nvidia de última generación.

El anuncio también se alinea con la hoja de ruta de Nvidia de cubrir toda la cadena de valor de la robótica, desde la simulación hasta la inferencia en tiempo real. Google ha respondido con Gemini 4 Argon, que persigue objetivos similares, lo que sugiere que la competencia está empezando a converger en la necesidad de pipelines de datos automáticos y de bajo coste.

Impacto práctico para la comunidad de robótica

Para laboratorios académicos y startups, la principal ventaja de Flora es la reducción de la barrera económica para crear grandes bases de datos de video anotado. Con un presupuesto limitado, una hora de video etiquetada por menos de un dólar abre la puerta a entrenar modelos con cientos de miles de horas de datos, algo que antes era inviable fuera de los grandes consorcios.

No obstante, el modelo tiene limitaciones técnicas que los usuarios deben conocer:

• Tiende a fragmentar acciones largas en segmentos demasiado finos, lo que genera una sobrecarga de anotaciones.
• En casos de acciones ambiguas, puede producir descripciones erróneas (por ejemplo, confundir una servilleta con una toalla).
• El Flora-Rewarder marca como error alrededor del 11 % de los pasos normales, lo que podría inflar métricas de rendimiento si no se filtra.

En la práctica, los equipos que adopten Flora deberán diseñar pipelines de post‑procesamiento que consoliden los segmentos y corrijan los falsos positivos antes de alimentar los datos a sus modelos de control.

Qué significa este movimiento para el futuro de la IA robótica

Flora demuestra que la generación automática de anotaciones multimodales está alcanzando un punto de madurez suficiente para competir con los LLM genéricos en tareas específicas. Sin embargo, la promesa de «125× más barato» sigue siendo una estimación basada en supuestos de costos de infraestructura; la verdadera revolución vendrá cuando la precisión y la consistencia de las etiquetas alcancen niveles comparables a los de los humanos sin necesidad de supervisión intensiva.

Si Nvidia logra escalar Flora en entornos de producción y mantiene su ventaja de rendimiento, podría consolidar su posición como proveedor de referencia para la robótica de próxima generación. Los rivales, por su parte, tendrán que ofrecer pipelines igualmente abiertos y económicos o diferenciarse con arquitecturas de modelo que reduzcan la dependencia de anotaciones exhaustivas.

En cualquier caso, el anuncio obliga a la comunidad a replantearse la relación entre coste de datos y calidad de los modelos, y a considerar que la verdadera ventaja competitiva podría residir en la capacidad de generar datos de entrenamiento de forma autónoma y a gran escala.