Nvidia-მ რობოტების წვრთნისთვის ახალი ხელსაწყო Flora წარადგინა
რობოტების სწავლება რთული და ხარჯიანი პროცესია, რომელიც უზარმაზარი მოცულობის ვიდეომასალის ანალიზს მოითხოვს. Nvidia-ს მკვლევართა ჯგუფმა, GEAR-მა, ამ პრობლემის გადასაჭრელად ახალი ღია პლატფორმა Flora შექმნა. სისტემა მიზნად ისახავს ვიდეოების ავტომატურ მარკირებას, რაც რობოტებს საშუალებას მისცემს, ადამიანური მოქმედებებისგან უფრო ეფექტურად ისწავლონ.
როგორ მუშაობს Flora
ტრადიციულად, რობოტების მოსამზადებლად ვიდეოები სამი ტიპის მონაცემს უნდა შეიცავდეს: მოქმედებების აღწერას, პროგრესის შეფასებას და დავალების შესრულების სტატუსს. მანამდე არსებული ინსტრუმენტები ამ ფუნქციებს ცალ-ცალკე ასრულებდნენ, ხოლო ისეთი მძლავრი მოდელები, როგორიცაა GPT-6 Astra, ზედმეტად ძვირი ღირდა მასშტაბური პროექტებისთვის.
Flora შედგება სამი ოპტიმიზებული Qwen3.5 მოდელისგან. 9B მოდელი ვიდეოს სეგმენტებად ყოფს, ხოლო 27B მოდელები მათ დეტალურ აღწერას აკეთებენ. განსაკუთრებით მნიშვნელოვანია Flora-Rewarder, რომელიც აფასებს რობოტის მოქმედებების წარმატებას 1-დან 5-მდე შკალით და ადგენს, იყო თუ არა თითოეული ნაბიჯი სწორი. Nvidia-ს მონაცემებით, Flora-ს გამოყენებით ერთი საათის ვიდეოს დამუშავება დაახლოებით 72 ცენტი ჯდება, მაშინ როდესაც GPT-6 Astra-ს შემთხვევაში ეს ხარჯი 88 დოლარს აღწევს.
ეფექტურობა და გამოწვევები
ტესტირებისას Flora-მ აჩვენა, რომ განსაკუთრებით კარგად უმკლავდება მოქმედებების დროით ლოკალიზაციას. მაგალითად, რობოტის მიერ ბოთლის წაქცევისას, სადაც სხვა მოდელები ხშირად ცდებიან, Flora-მ შეძლო სიტუაციის ადეკვატურად შეფასება და ქულების ზუსტი მინიჭება. თუმცა, სისტემას ჯერ კიდევ აქვს ხარვეზები — ზოგჯერ ის ზედმეტად წვრილმან ნაწილებად ყოფს მოქმედებებს ან არასწორად აღწერს კონტექსტს, მაგალითად, თეფშის წმენდას ხელსახოცის კეცვად აღიქვამს.
Nvidia-ს მიზანია, Flora-ს მეშვეობით რობოტიკის სფეროს მკვლევრებს მისცეს იაფი და ეფექტური ალტერნატივა კომერციული სერვისებისთვის. ეს ნაბიჯი სრულად ჯდება კომპანიის სტრატეგიაში, გააკონტროლოს რობოტიკის მთელი ეკოსისტემა — აპარატურული უზრუნველყოფით დაწყებული, ხელოვნური ინტელექტის მოდელებით დასრულებული.
რას ნიშნავს ეს რობოტიკის მომავლისთვის
Nvidia-ს მიერ Flora-ს ღია კოდით გამოქვეყნება მნიშვნელოვანი სიგნალია დეველოპერებისთვის. კომპანია აქტიურად მუშაობს იმაზე, რომ რობოტების წვრთნისთვის საჭირო მონაცემთა დეფიციტი სრულად აღმოიფხვრას. მიუხედავად იმისა, რომ კონკურენტები, როგორიცაა Google-ის Gemini 4 Argon, მსგავსი ფუნქციონალის დანერგვას ცდილობენ, Nvidia-ს მიდგომა მასშტაბურობასა და ხარჯების შემცირებაზეა ორიენტირებული.
ქართველი მკვლევრებისა და სტარტაპებისთვის, რომლებიც რობოტიკის ან კომპიუტერული ხედვის (computer vision) მიმართულებით მუშაობენ, მსგავსი ღია ინსტრუმენტების ხელმისაწვდომობა ნიშნავს, რომ რთული ალგორითმების ტესტირება და განვითარება გაცილებით დაბალი ბიუჯეტით გახდება შესაძლებელი. Flora-ს მსგავსი ტექნოლოგიები აჩქარებს იმ მომენტს, როდესაც რობოტები ჩვენს ყოველდღიურ ყოფაში უფრო მოქნილები და დამოუკიდებლები იქნებიან.