英伟达 GEAR 开放 Flora 模型：给机器人和人类操作视频写时间戳描述并打分，用于训练 GR00T，权重仅限非商业研究

这件事意味着什么

【要点】

英伟达 GEAR 实验室 10 月 20 日公开 Flora，一组为机器人训练数据做标注的开放权重模型。它会看人类和机器人操作视频，写出带时间戳的动作说明，并给出这次操作做得好不好的评分。英伟达说内部用它训练 GR00T 机器人模型。

一、三件套：Flora-Captioner（约 270 亿参数，基于 Qwen3.5-27B）写带时间戳的描述；Flora-Rewarder（约 270 亿参数，基于 Qwen3.5-27B）给出整段任务是否成功的结果奖励，以及逐段的过程奖励，可用于强化学习后训练和监控部署；Flora-TempSeg 是基于 Qwen3.5-9B 的 LoRA 适配器，负责在视频里定位每个动作的起止时间。

二、规模（英伟达自述）：在 512 块 GB300 上每天标注 20 万小时视频；成本约为调用 GPT-6 Astra 的 1/125。

三、成绩（英伟达自测）：英伟达称 Flora 在 WGO-Bench、RoboReward、Robometer 上达到最佳水平，在内部基准上与 GPT-6 Astra 相当。其公布的表格显示两者互有胜负：人类视频描述、失败识别上 Flora 更好，机器人视频描述和 WGO-Bench 多项指标上 Astra 更高；多数指标上两者都明显高于 GPT-5.6 Sol、Claude Opus 5 和 Kimi K3。

四、许可：NVIDIA OneWay 非商业许可，仅限研究和开发，不支持商用和生产环境。

【可核验】

项目页：https://research.nvidia.com/labs/gear/flora/

模型合集：https://huggingface.co/collections/nvidia/flora

描述模型：https://huggingface.co/nvidia/Flora-Captioner

奖励模型：https://huggingface.co/nvidia/Flora-Rewarder

时间切分：https://huggingface.co/nvidia/Flora-TempSeg

Jim Fan 发布帖：https://x.com/DrJimFan/status/2112597587987689912

作者发布帖：https://x.com/yunzeman/status/2112590210840281500

【我们的判断】

一、机器人学习的瓶颈之一是把海量视频变成可用的训练信号，Flora 把这条流水线开放出来，研究团队可以自己给人类第一视角视频和机器人数据打标签、打分。

二、「接近 Astra、便宜 125 倍」是英伟达自己的对比，需要第三方复现。

三、非商业许可意味着创业公司不能直接拿去做产品，主要受益的是学术和研究场景。