NVIDIA bez większego rozgłosu wypuściła Florę – otwartoźródłowy pakiet modeli AI, który ma wyeliminować jedno z najbardziej frustrujących wąskich gardeł w dzisiejszej robotyce: konieczność tworzenia gigantycznych, skrupulatnie opisywanych zbiorów danych. Zamiast angażować armie ludzi do ręcznego katalogowania każdego ruchu maszyny, Flora automatyzuje ten proces. To cyfrowy wybawca, który może oszczędzić badaczom całe wieki żmudnej, odmóżdżającej pracy nad anotacjami. Modele są już dostępne na platformie Hugging Face.
W praktyce Flora to zestaw narzędzi do budowy robotycznego „silnika danych”. W jego skład wchodzą trzy kluczowe modele, które wspólnie interpretują doświadczenia robota. Flora-Captioner analizuje statyczne obrazy, tworząc ich szczegółowe opisy tekstowe. Flora-TempSeg bierze na warsztat wideo, precyzyjnie wyłapując momenty rozpoczęcia i zakończenia konkretnych czynności. Z kolei Flora-Rewarder pełni rolę surowego, ale sprawiedliwego recenzenta – ogląda nagranie i wystawia robotowi „kartę ocen”, szczegółowo opisując przebieg zadania. To milowy krok w uczeniu przez wzmacnianie (reinforcement learning): zamiast zerojedynkowej informacji „udało się / nie udało się”, robot dostaje konkretny feedback, dlaczego ta nieszczęsna filiżanka kawy znów wylądowała na podłodze.
Dlaczego to w ogóle istotne?
Świętym Graalem współczesnej robotyki jest stworzenie uniwersalnej sztucznej inteligencji, która – podobnie jak duże modele językowe – potrafi uczyć się na masową skalę. Problem w tym, że o ile internet jest pełen gotowych tekstów, o tyle dane robotyczne (np. nagrania chwytaka mocującego się ze śrubką) są chaotyczne i pozbawione opisów. Ręczne etykietowanie tych nagrań to prawdopodobnie największa bariera hamująca rozwój branży. Udostępniając Florę jako open-source, NVIDIA nie daje nam po prostu kolejnego narzędzia. To próba narzucenia standardu dla całego „rurociągu danych” w robotyce. To strategiczne zagranie: gigant chce mieć pewność, że gdy roboty w końcu zmądrzeją, ich fundamenty będą oparte na architekturze zoptymalizowanej pod ekosystem NVIDIA. Więcej technicznych smaczków można znaleźć na oficjalnej stronie projektu NVIDIA Research.
