FLORA: An Open Model Suite for Scaling Robotics Data Engines
Pubblicata su AIChronos il · fonte del · Sicong Leng, Yunze Man, Zhiqi Li, Jing Wang, Yuhe Zhang, Ryan Punamiya
FLORA è un motore dati di qualità industriale progettato per addestrare modelli fondazionali robotici come GR00T. Il sistema integra capacità essenziali quali etichettatura basata su reward (outcome e process) e captioning timestamped, fondamentali per il ciclo di vita dei modelli robotici. FLORA ottiene punteggi SOTA sui benchmark WGO-Bench, RoboReward e Robometer, superando altri modelli frontier in contesti interni pur essendo circa 125 volte più economico delle alternative basate su API come GPT-6 Astra.
- Integra etichettatura outcome reward per il monitoraggio dei deploy reali e process reward per l'RL post-training.
- Raggiunge punteggi SOTA sui benchmark WGO-Bench, RoboReward e Robometer con performance competitive rispetto a GPT-6 Astra.
- Offre un costo operativo drasticamente inferiore (circa 125x meno costoso) rispetto alle soluzioni basate su API.
- È stato validato su scala industriale etichettando 200.000 ore di dati al giorno gestendo fino a 512 GB/s.
- Abilita la ricerca open-source per applicazioni emergenti come il physical auto-research e l'human-to-robot transfer.
Perché conta. Per gli sviluppatori che lavorano con LLM, agenti AI locali o sistemi robotici autonomi, FLORA rappresenta una soluzione critica per ridurre i costi di inferenza ed etichettatura dei dati senza sacrificare la qualità. Consente di scalare dataset personalizzati e implementare pipeline di training robuste indipendenti dalle API proprietarie.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.