Մոդելները հասանելի են Hugging Face-ում․ Nvidia-ի խոսքով՝ ռոբոտատեխնիկայի հետազոտողները կարող են դրանցով ստեղծել գործողությունների նկարագրություններ և ռոբոտի առաջընթացի գնահատականներ։
Nvidia-ն թողարկել է Flora գերբանականության (ԳԲ) մոդելների խումբը, որը, ընկերության խոսքով, կարող է նկարագրել ռոբոտատեխնիկայի տեսանյութերում կատարվող գործողությունները և գնահատել առաջադրանքների կատարման որակը։ Մոդելները հասանելի են մոդելների տեղակայման Hugging Face հարթակում։ Մանրամասները՝ The Decoder-ում։
Nvidia-ի հետազոտողները նկարագրում են երեք կարիք՝ գործողությունների պիտակներ՝ ուսուցման տեսանյութերն ընտրելու համար, առաջընթացի գնահատականներ՝ փորձի ու սխալի միջոցով սովորելուն աջակցելու համար, և հաջող կատարման գնահատումներ՝ կիրառման ընթացքում ռոբոտներին հետևելու համար։ Գործող գործիքների մեծ մասը տրամադրում է այս տեսակի պիտակներից միայն մեկը, իսկ Flora-ն նախատեսված է երեքն էլ տրամադրելու համար։
Nvidia-ի խոսքով՝ Flora-ն մի մոդելով տեսանյութը բաժանում է գործողությունների հատվածների՝ որոշելով յուրաքանչյուր գործողության սկիզբն ու ավարտը, իսկ մյուսով գրում է ժամանակային նշումներով նկարագրություններ։ Նկարագրող մոդելը հաշվի է առնում գործողությունից առաջ և հետո կատարվածը՝ յուրաքանչյուր հատվածն առանձին դիտարկելու փոխարեն։
Երրորդ մոդելը՝ Flora-Rewarder-ը, տրամադրում է գնահատականներ, որոնք կարող են օգտագործվել ուսուցման ընթացքում որպես հետադարձ կապ։ Nvidia-ի խոսքով՝ կախված ստացած հրահանգից՝ այն կարող է ամբողջական փորձը գնահատել 1-ից 5 միավորով, յուրաքանչյուր կեսվայրկյանանոց քայլ դասակարգել որպես նորմալ, ոչ լավագույն կամ ձախողված, կամ միավորներ նշանակել իր իսկ սահմանած գնահատման կանոններով։
Nvidia-ի գնահատմամբ՝ Flora-ով տեսանյութ պիտակավորելը կարող է մինչև 125 անգամ ավելի էժան լինել, քան OpenAI-ի GPT-6 Astra-ով։ Flora-ի ծախսերի ցուցանիշը հաշվարկային գնահատական է, ոչ թե իրական կիրառման ընթացքում չափված ծախս․ Nvidia-ն այն հաշվարկել է՝ ենթադրելով, որ մեկ գրաֆիկական պրոցեսորի (GPU) վարձակալությունն արժե ժամում $10։
W27-ը պահպանել է Galaxy Z Fold 8 Ultra-ի հիմնական սարքավորումները։ Այն հասանելի է մուգ կարմիր կամ մուգ կապույտ գույներով, ոսկեգույն շեշտադրումներով և երկու տարբերակում էլ ունի 16 ԳԲ օպերատիվ հիշողություն։
2 րոպե
| Մոդել | Պիտակավորման որակի գնահատական | Տեսանյութի մեկ ժամի գնահատված ծախս |
|---|---|---|
| Flora | 57,1% | $0,72 |
| GPT-6 Astra | 53,7% | $88,49 |
Nvidia-ի ներկայացրած արդյունքները տարբերվում են ըստ թեստի։ Հանրային WGO-Bench թեստում Flora-ն առաջատար է գործողությունների սահմանները գտնելու հարցում, բայց ընդհանուր արդյունքով զիջում է GPT-6 Astra-ին, իսկ նկարագրությունների ճշգրտությամբ՝ Google-ի Gemini 3.8 Flash-ին։ Հետազոտողները Flora-ի առավելությունները հիմնականում կապում են գործողությունների ժամանակային դիրքը ճշգրիտ որոշելու հետ։
Nvidia-ի սեփական DenseCaptionBench թեստում, ընկերության ներկայացրած արդյունքներով, Flora-ն մարդկանց գործողությունների տեսագրությունների դեպքում առաջատար է բոլոր չափանիշներով, իսկ ռոբոտների տեսանյութերի դեպքում երկրորդն է՝ GPT-6 Astra-ից հետո։ Հետազոտողներն ընդունում են գնահատման մեթոդի սահմանափակումը․ GPT-6 Astra-ն գնահատում է նկարագրությունները՝ միաժամանակ լինելով փորձարկվող մոդելներից մեկը։
Nvidia-ն նաև հայտնել է, որ Flora-ն ավելի լավ է հայտնաբերում առաջադրանքի ընթացքում ձախողված քայլերը։ Դրա հետ մեկտեղ լինում են կեղծ ահազանգեր․ Flora-Rewarder-ը նորմալ քայլերի մոտ 11%-ը սխալմամբ նշում է որպես սխալ։ GPT-6 Astra-ն շարունակում է առաջատար մնալ սահմանված չափանիշներով միավորներ նշանակելու և ամբողջական փորձերը դասակարգելու հարցում։
| Մոդել | Հայտնաբերված ձախողված քայլերի բաժինը |
|---|---|
| Flora-Rewarder | 53,3% |
| GPT-6 Astra | 0% |
| Փորձարկված մյուս մոդելները | Ոչ ավելի, քան 11,7% |
Հետազոտողների օրինակները նաև ցույց են տալիս, որ Flora-ն ավելի երկար գործողությունները բաժանում է չափազանց շատ հատվածների և երբեմն սխալ է նկարագրում դրանք։ Մի տեսանյութում ռոբոտը կտորով սրբում է ափսեն, իսկ մոդելը նկարագրում է, թե ռոբոտն անձեռոցիկ է ծալում։
Nvidia-ի խոսքով՝ ընկերությունն արդեն օգտագործում է Flora-ն իր GR00T ռոբոտատեխնիկայի մոդելների ուսուցման ընթացքում՝ 512 գրաֆիկական պրոցեսորով օրական պիտակավորելով մինչև 200 000 ժամ տեսանյութ։ Hugging Face-ում մոդելների թողարկումից հետո հետազոտողները կարող են իրենց ռոբոտատեխնիկայի տվյալների հավաքածուների համար ստեղծել պիտակներ ու խրախուսման միավորներ և փորձարկել այնպիսի մոտեցումներ, ինչպիսին է մարդու ցուցադրած գործողությունները ռոբոտներին փոխանցելը։
Արբանյակային օպերատորը 2027–2034 թվականների ներդրման դիմաց ակնկալում է օգտվել OneWeb-ի ներկայիս թողունակությունից ավելի քան կրկնակի հզորությունից։ IRIS²-ի առաջին ծառայությունները սպասվում են 2030 թվականից։
3 րոպե
Սև, ոսկեգույն և կանաչ տարբերակի նախնական պատվերները սպառվել էին սեպտեմբերին։ Թողարկման օրը Nintendo-ի համալրած պաշարները նույնպես արագ սպառվել են։
1 րոպե
