پرش به محتوای اصلی

انویدیا Flora را متن‌باز کرد؛ برچسب‌گذاری یک ساعت ویدئوی ربات با ۷۲ سنت

Behzat AIrobot-videodata-labellingopen-sourceagent-trainingembodied-ai
نمای نزدیک از یک رک سرور با تجهیزات شبکه انباشته، چراغ‌های نشانگر و کابل‌کشی در مرکز داده‌ای کم‌نور

انویدیا Flora را متن‌باز منتشر کرده است؛ یک خط لوله برچسب‌گذاری که یک ساعت ویدئوی ربات را با ۷۲ سنت حاشیه‌نویسی می‌کند. پوشش خبری به رقم مقایسه‌ای حدود ۸۸٫۵۰ دلار در ساعت روی GPT-6 Astra اشاره می‌کند؛ فاصله‌ای در حدود دو مرتبه بزرگی. این انتشار در کنار حرکت گسترده‌تر انویدیا به سمت ابزارهای رباتیک قرار می‌گیرد.

Macro view of electronic circuit board components showing microchips and circuitry

برای تیم‌های agent که روی وظایف embodied کار می‌کنند، هزینه حاشیه‌نویسی یک محدودیت بودجه‌ای برای مجموعه آموزش است، نه یک جزئیات پیاده‌سازی. وقتی هزینه برچسب‌گذاری هر ساعت با این ضریب کاهش می‌یابد، پیکره مقرون‌به‌صرفه از چند کلیپ منتخب به ساعت‌ها فوتیج خام مسیر حرکت تغییر می‌کند؛ این تغییر هم تعیین می‌کند پیش از یک دور آموزش چه حجمی از داده می‌تواند برچسب‌گذاری شود و هم اینکه مجموعه‌داده پس از هر تغییر در policy با چه تواتری می‌تواند بازسازی شود. پرسش عملی از انتخاب اینکه کدام کلیپ‌ها برچسب‌گذاری شوند به فیلتر کردن و اعتبارسنجی یک استخر برچسب‌خورده بسیار بزرگ‌تر منتقل می‌شود.

پوشش ارائه‌شده پیکربندی سخت‌افزار یا مدل پشت رقم ۷۲ سنت، ترکیب ویدئوی ربات استفاده‌شده، یا نحوه سنجش کیفیت برچسب در مقایسه با خط پایه GPT-6 Astra را مشخص نمی‌کند. این جزئیات تعیین می‌کنند که آیا این هزینه برای راه‌اندازی ضبط خودِ یک تیم هم صدق می‌کند یا نه. تا آن زمان، کد منتشرشده مصنوع قابل‌راستی‌آزمایی است و ادعای هزینه باید به‌عنوان رقمی گزارش‌شده برای بازتولید تلقی شود، نه نرخی تثبیت‌شده.

بیایید صحبت کنیم!