Flora คืออะไร
- หุ่นยนต์จะเก่งได้ต้องมีข้อมูลฝึกเยอะ แต่คลิปดิบที่อัดมาเฉย ๆ ยังเอาไปใช้ไม่ได้ ต้องมีคนมานั่งดูแล้วเขียนกำกับว่าวินาทีไหนทำอะไร ทำสำเร็จหรือเปล่า
- Flora คือชุดโมเดลที่ทำงานนี้แทนคน NVIDIA ใช้มันทำข้อมูลฝึกโมเดลหุ่นยนต์ GR00T ของบริษัทเองอยู่แล้วจริง ๆ
- ดูได้ทั้งคลิปหุ่นยนต์ที่ใช้มือจับแบบคีบ มือหุ่นแบบมีนิ้ว และคลิปมือคนจริง ใช้โมเดลชุดเดียวกันหมด
- Jim Fan หัวหน้าทีม GEAR โพสต์บน X ราวตีครึ่งคืนที่ผ่านมา (00:31 น. 21 ต.ค. เวลาไทย) ว่าได้คุณภาพระดับ GPT-6 Astra ในราคาถูกกว่าราว 125 เท่า และเปิดน้ำหนักโมเดลให้โหลดมาใช้เองได้วันนี้
3 โมเดลในชุด
- Flora-TempSeg ขนาด 9B ต่อยอดจาก Qwen3.5-9B ทำหน้าที่ตัดคลิปยาวเป็นท่อน ๆ ตามขั้นตอนย่อย เช่น หยิบแก้ว วางแก้ว แล้วบอกเวลาเริ่มจบของแต่ละท่อน
- Flora-Captioner ขนาด 27B ต่อยอดจาก Qwen3.5-27B เขียนคำสั่งสั้น ๆ หนึ่งประโยคให้แต่ละท่อน เช่น ใช้มือขวาวางแก้วสีฟ้าลงบนถาด
- Flora-Rewarder ขนาด 27B ต่อยอดจาก Qwen3.5-27B เป็นตัวให้คะแนน บอกได้ว่าทั้งรอบทำสำเร็จแค่ไหนจาก 1 ถึง 5 และไล่ดูทีละครึ่งวินาทีว่าท่าไหนปกติ ท่าไหนไม่ค่อยดี ท่าไหนพลาด พร้อมเหตุผล
- เอาสองตัวแรกต่อกันจะได้คลิปที่มีคำอธิบายครบทุกขั้นพร้อมเวลา ส่วนตัวให้คะแนนใช้ทั้งคัดข้อมูลดีไม่ดี เฝ้าดูหุ่นตอนทำงานจริง และใช้ตอนฝึกหุ่นแบบลองผิดลองถูก
ถูกกว่าเยอะแค่ไหน
- ในเอกสารวิจัย NVIDIA ทดสอบกับคลิป 50 ชุด ให้ Flora และโมเดลดังผ่าน API ทำงานเดียวกัน แล้ววัดทั้งคุณภาพและค่าใช้จ่ายต่อคลิปความยาว 1 ชั่วโมง
- Flora ได้คุณภาพ 57.1% ค่าใช้จ่ายราว 0.72 ดอลลาร์ต่อคลิปหนึ่งชั่วโมง ส่วน GPT-6 Astra ที่เปิดคิดเต็มที่ได้ 53.7% แต่ต้องจ่าย 88.49 ดอลลาร์
- ราคาฝั่ง Flora เป็นตัวเลขประมาณการของ NVIDIA เอง คิดจากเครื่อง GB300 จำนวน 8 ตัว ค่าเช่าชั่วโมงละ 10 ดอลลาร์ต่อตัว
- ตอนใช้งานจริง NVIDIA บอกว่า Flora จดข้อมูลได้วันละราว 200,000 ชั่วโมงของคลิป บนเครื่อง GB300 จำนวน 512 ตัว
ผลทดสอบที่ NVIDIA วัดเอง
- ชุดทดสอบตัดคลิปและเขียนคำอธิบาย WGO-Bench ตัวตัดท่อนได้ 50.3 สูงกว่า GPT-6 Astra ที่ได้ 46.0 แต่ความแม่นของคำอธิบายได้ 64.7 ยังแพ้ Astra ที่ได้ 77.4
- ฝั่งให้คะแนน RoboRewardBench ค่าคลาดเคลื่อนของ Flora อยู่ที่ 40.0 ส่วน Astra อยู่ที่ 55.4 (ยิ่งต่ำยิ่งดี)
- จุดที่ต่างชัดสุดคือการจับจังหวะที่หุ่นทำพลาด Flora จับได้ 53.3% ของจังหวะที่พลาดจริง ส่วนโมเดลอื่นที่ทดสอบไม่มีตัวไหนเกิน 11.7% และ GPT-6 Astra จับไม่ได้เลย
- แต่ก็มีข้อเสีย Flora ชอบเหมาว่าท่าปกติเป็นท่าพลาดราว 11% ของทั้งหมด
- งานให้คะแนนตามเกณฑ์ที่คนตั้งไว้ Flora ยังแพ้ Astra อยู่ ส่วนชุดทดสอบภายในบางชุดคลิปหุ่นยนต์ Astra ก็ยังทำได้ดีกว่า
- ตัวเลขทั้งหมดมาจากเอกสารวิจัยและหน้าเว็บของ NVIDIA เอง หลายชุดเป็นชุดทดสอบภายในของบริษัท ยังไม่มีคนนอกมาวัดซ้ำ
ใครเอาไปใช้ได้บ้าง
- น้ำหนักโมเดลทั้ง 3 ตัวโหลดฟรีได้จาก Hugging Face ต้องใช้เครื่องที่มีการ์ดจอของ NVIDIA
- ข้อสำคัญ : ใช้สัญญาอนุญาต NVIDIA OneWay Noncommercial แปลว่าเอาไปใช้ได้เฉพาะงานวิจัยและทดลอง ห้ามใช้เชิงพาณิชย์หรือใส่ในสินค้าจริง
- NVIDIA ย้ำด้วยว่าผลที่ได้เป็นแค่ข้อมูลกำกับคลิป ไม่ได้ทำมาให้สั่งหุ่นยนต์ตรง ๆ และไม่ควรใช้เป็นตัวเฝ้าความปลอดภัยตัวเดียวของหุ่นจริง
- คำอธิบายที่โมเดลเขียนออกมาเป็นภาษาอังกฤษ
สรุป
ใครทำหุ่นยนต์รู้ดีว่างานกำกับข้อมูลเป็นคอขวดใหญ่ทั้งเรื่องเวลาและเงิน Flora เลยน่าสนใจสำหรับแล็บวิจัยที่มีคลิปเยอะแต่จ้างคนดูไม่ไหว ติดอยู่แค่เรื่องสัญญาอนุญาตที่ยังห้ามเอาไปทำเงิน ใครจะใช้ในบริษัทต้องรอดูว่า NVIDIA จะเปิดกว้างกว่านี้หรือเปล่า
แหล่ง: NVIDIA GEAR (หน้าเว็บโครงการ Flora, เอกสารวิจัย และหน้าโมเดลบน Hugging Face) · โพสต์ X ของ Jim Fan และ Yunze Man · 20 ต.ค. 2026