NVIDIA Flora 공개: 로봇 영상 라벨링 모델 3종, 비상업 라이선스

핵심 요약

NVIDIA GEAR 연구소가 로봇·인간 영상에 라벨을 붙이는 모델 모음 Flora를 공개했다. Hugging Face 모델 카드의 공개일은 2026년 10월 15일이다. Jim Fan이 10월 20일 가중치 공개를 알렸고(Digg 보도), The Decoder가 10월 25일 상세히 다뤘다. NVIDIA는 Flora를 GR00T 모델 학습에 쓰는 데이터 엔진이라고 설명한다.

비교 수치는 모두 NVIDIA가 직접 낸 결과이며 독립 검증을 거치지 않았다. 가중치는 공개됐지만 라이선스는 비상업용이다.

구성: 모델 3종

NVIDIA 연구 페이지의 논문 제목은 "Flora: An Open Model Suite for Scaling Robotics Data Engines"다. Hugging Face 컬렉션에는 아래 모델이 올라 있다.

The Decoder에 따르면 라벨은 세 용도로 쓰인다. 행동 설명은 학습 데이터 선택에, 단계별 진행 평가는 시행착오 학습에, 작업 성공 판단은 배포된 로봇 모니터링에 쓴다.

주요 내용

1. 보상 라벨 형식

Flora-Rewarder 모델 카드에 따르면 출력은 세 가지다. 에피소드 전체는 1(완전 실패)부터 5(완전 성공)까지 정수 점수다. 0.5초 단위 스텝은 1(실패), 2(차선), 3(정상)으로 분류한다. 루브릭 모드는 추론 기록과 단계별 점수를 낸다. 입력 프롬프트는 결과·스텝 모드 16,384토큰, 루브릭 모드 32,768토큰까지다.

2. 규모와 비용 주장

NVIDIA 페이지는 GR00T 학습 중 하루 20만 시간 분량을 512개 GB300 GPU로 라벨링한다고 밝혔다. Fan의 발표는 이를 500개로 반올림했다(Digg 보도). NVIDIA는 GPT-6 Astra보다 약 125배 저렴하다고 주장한다.

The Decoder에 따르면 영상 1시간 라벨링 비용은 Flora가 약 $0.72, GPT-6 Astra가 약 $88.50, Claude Opus 5가 약 $42다. 이 수치는 GPU 시간당 $10 임대료를 가정한 추정이며 운영 중 측정값이 아니다.

3. 벤치마크: 전 항목 우위는 아니다

NVIDIA 연구 페이지의 GPT-6 Astra 대비 수치다. 화살표는 좋은 방향을 뜻한다.

8개 중 4개는 Flora가, 4개는 Astra가 앞선다. The Decoder는 실패 스텝 탐지에서 Flora-Rewarder가 53.3%를 잡았고 경쟁 모델은 11.7%를 넘지 못했으며, 정상 스텝의 약 11%를 실패로 잘못 표시한다고 전했다. 연구진은 GPT-6 Astra가 설명 품질을 평가하는 동시에 평가 대상 모델이라는 점을 인정했다.

사용 조건과 한계

세 모델 카드 모두 NVIDIA OneWay Noncommercial License를 적용한다. 용도는 비상업 로봇 연구개발로 제한되고, 상업·프로덕션 사용은 지원하지 않는다. 로봇을 직접 제어하거나 물리 시스템의 유일한 안전 모니터로 쓰는 것도 의도된 용도가 아니다. 기반 모델 Qwen3.5는 Apache 2.0이다.

실행은 Linux, PyTorch(Hugging Face Transformers), BF16 기준이며 Ampere·Blackwell·Hopper·Lovelace GPU를 지원한다. 테스트는 H100에서 했다. NVIDIA 연구 페이지에 코드 저장소 링크는 없다. The Decoder는 긴 동작을 지나치게 잘게 나누거나 가끔 동작을 잘못 설명하는 약점을 전했다.

장단점

장점은 분할·설명·보상을 한 파이프라인으로 처리하고, 일부 지표에서 GPT-6 Astra를 앞서며, 가중치가 공개돼 직접 내려받을 수 있다는 점이다. 한계는 비상업 라이선스, NVIDIA 자체 평가에 의존한 수치, Astra가 앞서는 지표 4개, 비용 수치가 추정이라는 점이다.

전망

독립 기관의 재현 평가와 코드 저장소 공개 여부는 아직 확인되지 않았다. Digg 페이지의 댓글에서는 흔들리는 영상이나 어두운 조명에서의 동작, 지연 시간과 신뢰성을 묻는 의견이 있었다. 라이선스 변경 계획은 확인된 바 없다.

결론

Flora는 로봇 데이터 라벨링 전 과정을 오픈 가중치로 내놓은 연구 공개다. 다만 비용과 성능 비교는 NVIDIA 자체 수치이고 라이선스는 연구용에 한정된다. 로봇 학습 데이터를 직접 만드는 연구자에게 추천하며, 상업 서비스에 쓰려는 팀은 라이선스부터 확인해야 한다. 평점은 4점이다.