NVIDIA가 로봇 영상 라벨링 도구 Flora를 공개했다. 영상 1시간을 라벨링하는 비용은 NVIDIA 추정으로 0.72달러다. GPT-6 Astra는 약 88.50달러로 추정된다. 모델은 Hugging Face에서 받을 수 있다.
로봇 학습에 필요한 라벨 3종
NVIDIA GEAR 연구팀에 따르면 로봇 AI 모델 학습용 영상에는 세 가지 라벨이 필요하다.
| 라벨 | 용도 |
|---|---|
| 행동 설명(언제 무슨 행동이 일어나는가) | 학습 데이터 선별 |
| 단계별 진행도 평가 | 시행착오 학습 |
| 작업 성공 여부 판정 | 배치 후 로봇 모니터링 |
▼ 로봇 영상 라벨 3종과 용도 (출처: NVIDIA GEAR)
기존 도구는 대부분 이 중 하나만 제공한다. GPT-6 Astra 같은 거대언어모델은 여러 종류를 만들 수 있지만, 방대한 영상량을 처리하기엔 비용이 너무 크다는 것이 NVIDIA의 설명이다. Flora는 세 가지를 모두 다룬다.
구성: Qwen3.5 기반 모델 3개
Flora는 Qwen3.5를 미세조정한 모델 세 개로 이뤄진다.
- 분할 모델(9B): 영상을 행동 단위 구간으로 나눈다.
- 설명 모델(27B): 각 행동의 앞뒤 맥락을 반영해 설명을 붙인다.
- Flora-Rewarder(27B): 프롬프트에 따라 세 역할을 한다. 에피소드 성공도를 1~5점으로 매기고, 0.5초 단위 단계를 정상·차선·실패로 분류하며, 자체 루브릭으로 점수를 준다.
NVIDIA는 이 시스템이 GR00T 모델 학습에 이미 쓰이고 있다고 밝혔다. GB300 GPU 512개로 하루 최대 20만 시간 분량의 영상에 라벨을 붙인다.
비용 비교: 추정치라는 전제
▼ 영상 1시간당 라벨링 비용과 품질 (출처: NVIDIA, 50개 영상 테스트)
| 모델 | 비용 ($/시간) | 라벨 품질 (%) |
|---|---|---|
| Flora | 0.72 | 57.1 |
| GPT-6 Astra | 88.49 | 53.7 |
| Claude Opus 5 | 약 42 | 크게 낮음 |
이 비용은 실제 운영 측정값이 아니라 추정치다. GPU 1개를 시간당 10달러에 빌린다는 가정으로 NVIDIA가 계산했다. 비교 테스트에서 GPT-6 Astra는 추론 능력을 최대로 쓸 수 있었다. 격차는 약 125배다. 다만 가격 조건이 다르고 품질 평가는 벤치마크별로 갈리므로, 단순한 비용 우위로 읽기는 어렵다.
벤치마크별로 엇갈린 결과
| 벤치마크 | Flora | GPT-6 Astra |
|---|---|---|
| WGO-Bench | 행동 경계 탐지 1위, 종합 점수는 뒤처짐 | 종합 점수 우위 |
| DenseCaptionBench(사람 영상) | 전 지표 1위 | - |
| DenseCaptionBench(로봇 영상) | 2위 | 1위 |
| 루브릭 점수·궤적 순위 | - | 우위 |
▼ 벤치마크별 성적 비교 (출처: NVIDIA 논문)
WGO-Bench에서 순수 설명 정확도는 Gemini 3.8 Flash에도 밀린다. 연구진은 Flora의 이득이 주로 시간 구간 위치 파악에서 나온다고 설명했다. 연구진이 인정한 한계도 있다. DenseCaptionBench에서는 GPT-6 Astra가 설명을 평가하는 동시에 평가 대상 모델이기도 하다.
실패 단계 포착은 강점, 오탐은 약점
RoboRewardBench에서 Flora의 오류율은 Astra보다 27.8% 낮다. 논문은 부분 완료 작업에서 차이가 난다고 본다. 로봇이 병을 탁자에서 떨어뜨리지 못하고 넘어뜨리기만 했을 때, 사람 기준은 5점 만점에 3점이다. Flora는 3점을 줬고 Astra는 1점을 줬다.
- Flora-Rewarder는 에피소드 중 실패 단계의 53.3%를 잡아냈다. 다른 경쟁 모델은 최고 11.7%이고, Astra는 하나도 잡지 못했다.
- 대신 정상 단계의 약 11%를 오류로 잘못 표시한다.
- 짧은 손동작이 많은 영상에서 Flora는 37개 행동 중 34개를 식별했고, Astra는 4개였다.
- Flora는 긴 행동을 지나치게 잘게 쪼개기도 한다. 로봇 손이 천으로 접시를 닦는 장면을 냅킨 접기로 설명한 사례도 있다.
국내 개발자가 볼 지점
NVIDIA는 Flora를 Scale AI의 Physical AI Data Engine 같은 상용 서비스의 오픈 대안으로 내세운다. 연구자가 자체 로봇 데이터셋을 키우는 데 쓸 수 있다. 로봇 학습용 영상 데이터 구축 비용을 따지는 국내 개발자라면 모델이 공개돼 있어 직접 돌려볼 수 있다. 다만 0.72달러는 NVIDIA의 GPU 임대 가정에 따른 추정이다. 자체 환경의 비용은 별도로 계산해야 한다.
NVIDIA는 올해 GTC에서 학습 자료를 자동으로 준비·증식·채점하는 데이터 파이프라인을 선보였다. Flora는 여기에 영상 기반의 세부 라벨과 보상 신호를 더한다. Google이 최근 발표한 Gemini 4 Argon도 학습 영상의 작업 단계를 식별하고 실패한 행동을 표시하는 비슷한 영역을 겨냥한다.
