FLORA、ロボット学習を支える大規模データエンジンを公開

ロボット学習の隠れたボトルネック

ロボット基盤モデルでは、パラメータ数や学習計算量だけが成否を決めるわけではありません。動画や行動軌跡を、学習に使える一貫した教師信号へ変換するデータ処理も重要です。ある行動がいつ起きたのか、途中の手順が適切だったのか、最終的にタスクを達成したのかを、それぞれ記録しなければなりません。FLORA はこのデータ生成過程を大規模化するためのオープンなモデルスイートとして提案されています。

三種類のラベルを統合

論文によると、FLORA は主に次の三つの機能をカバーします。

• 時刻付きキャプション：動画内の動作やイベントを時間軸に沿って記述し、事前学習データの選別やバランス調整に利用する。
• 工程報酬：行動の途中段階を評価し、強化学習の後段学習に細かなフィードバックを与える。
• 結果報酬：タスクが最終的に成功したかを判定し、実環境での運用監視や評価に役立てる。

ロボットの一つの軌跡には、時間的な説明、途中の行動評価、最終結果の判定が同時に必要になる場合があります。これらを別々のシステムで処理するのではなく、共通のデータエンジンにまとめることで、研究チームは特定のロボットや作業に合わせたデータセットを構築しやすくなります。

性能と処理規模

FLORA は、キャプション評価の WGO-Bench、報酬評価の RoboReward と Robometer で最高水準の結果を達成したと報告されています。内部評価では GPT-6 Astra と競合する性能を示し、比較対象となった他の先端モデルを上回ったとされています。また、API ベースの代替手段より大幅に安く、GPT-6 Astra と比較して約125分の1のコストだと説明されています。

実運用の規模も特徴です。FLORA は GR00T モデルの学習に使われ、512 基の GB300 上で1日約20万時間分のデータをラベル付けできるとされています。これは単なる推論性能ではなく、動画処理量、ラベルの整合性、学習パイプラインとの接続まで含めたデータ基盤の設計が重視されていることを示します。

オープン化の意味

システムの公開により、研究者は高価な人手作業や外部 API だけに依存せず、独自のロボットデータセットを拡張できる可能性があります。論文は、物理世界での自動研究や、人間からロボットへの技能移転といった用途にも言及しています。

一方、提供された情報だけでは、モデル構造、学習手順、ライセンスの詳細までは確認できません。自動生成された報酬の信頼性、ロボット形態をまたいだ転移、判定の偏りについては、利用者による検証が必要です。それでも FLORA は、ロボット研究の競争軸がポリシーモデルだけでなく、再利用可能なデータ生成と評価の仕組みにも広がっていることを示しています。

出典：Hugging Face Daily Papers