Nvidia Lança Flora: Rotulagem de Vídeo 125 Vezes Mais Barata

Treinar robôs exige volumes massivos de vídeos rotulados com descrições de ações, notas de progresso e validações de sucesso. Modelos proprietários conseguem realizar essas tarefas, mas os custos de processamento tornam a escala proibitiva para equipes de visão computacional e automação.

Como o Flora reduz drasticamente os custos?

De acordo com o laboratório de pesquisa GEAR da Nvidia, divulgado pelo veículo The Decoder, o Flora processa uma hora de vídeo de robótica por cerca de 72 centavos de dólar (aproximadamente R$ 4 na conversão aproximada). Em comparação, o uso do GPT-6 Astra custa cerca de US$ 88,50 por hora (em torno de R$ 500), enquanto o Claude Opus 5 fica na faixa de US$ 42 (cerca de R$ 240).

A economia expressiva, estimada em até 125 vezes pela Nvidia, vem com ressalvas importantes. Os valores do Flora são projeções baseadas no aluguel estimado de uma GPU a US$ 10 por hora (cerca de R$ 57), e não em medições de produção em larga escala. Além disso, embora o sistema localize eventos no tempo com precisão superior e detecte falhas parciais que outros modelos ignoram, ele ocasionalmente comete erros descritivos, confundindo ações simples durante a execução das tarefas.

Como funciona na prática

O sistema divide o trabalho de anotação entre três modelos Qwen3.5 ajustados, disponíveis publicamente no Hugging Face:

• Modelo de Segmentação (9B): Divide vídeos brutos em blocos temporais correspondentes a cada ação executada.
• Modelo de Legenda (27B): Descreve detalhadamente cada movimento considerando o contexto anterior e posterior.
• Flora-Rewarder (27B): Atribui notas de sucesso de 1 a 5, classifica cada etapa de meio segundo como normal, subótima ou falha, e aplica critérios de avaliação estruturados.

Vale a pena para a sua rotina?

Se você desenvolve modelos de robótica física ou gerencia pipelines pesados de dados visuais, o Flora representa uma alternativa robusta e aberta frente a serviços comerciais caros, como o Physical AI Data Engine da Scale AI. Ele captura mais de 50% dos passos que falham pela metade em um episódio. Para quem trabalha com desenvolvimento de software tradicional ou automações de escritório sem foco em hardware, no entanto, a ferramenta não traz impacto direto para o dia a dia na segunda-feira de manhã.