Flora 机器人数据引擎正式发布，全套模型权重对外开源

全新的 Flora 机器人数据引擎正式对外发布，整套配套模型权重在开源平台开放下载，能够帮助研发人员一键打通机器人视频数据自动标注全流程，大幅降低机器人训练数据集的制作成本，解决机器人研发中长期存在的数据标注效率不足的痛点。这款数据引擎由三款视觉语言模型组合而成，完整覆盖图像文本描述、动作时序分割、奖励文本生成三大环节，全部预训练权重同步开源到 Hugging Face 平台，开发者可以直接下载权重完成本地部署，不用从零开始训练模型。整个方案之所以能够显著提升机器人数据生产效率，首先是它把人工标注的多道工序合并成自动化流水线，从原始视频输入到结构化标签输出全程无人干预；其次是三款模型深度适配机器人实操场景，专门针对机械臂抓取、物体搬运等动作做优化，输出的标签可以直接用于强化学习训练；最后是全套权重开放开源，科研团队与中小企业不用投入高额算力完成预训练，直接调用现成模型搭建自有数据引擎。落地部署可以按照模型调用、流水线串联、数据集输出三个步骤执行，先分别加载三款开源权重完成单模型推理，再把图像帧、视频片段依次接入模型形成串联链路，最终批量输出带文本标签的机器人训练数据，实现低成本规模化产出高质量机器人数据集。

一、Flora 机器人数据引擎整体架构

1.1 三大核心模型清单（全部开源权重）

1）Flora-Captioner：静态图像描述模型，输入机器人拍摄的画面，自动生成场景物体、位置关系、动作内容的文字说明，输出图像文本标签；

2）Flora-TempSeg：视频时序分割模型，自动识别视频里机器人动作的起止时间，把长视频切分成单动作片段，完成动作时序切分；

3）Flora-Rewarder：动作评价模型，读取动作视频片段，输出精细化文本奖励描述，给强化学习提供高质量反馈信号。

1.2 整套数据引擎流水线结构

表格

整条链路不需要人工打标，原始视频文件输入后，自动输出带文本标注的结构化数据集，直接对接机器人策略训练任务。

二、开源权重详情与获取渠道

2.1 权重版本配置

1）基础版本：FP16 精度原始预训练权重，适配 GPU 环境高精度推理；

2）轻量化版本：FP8 量化权重，降低显存占用，支持中端显卡本地运行；

3）配套资源：同步开放模型配置文件、推理代码、测试视频样例，开箱即可运行。

2.2 权重获取方式

所有模型权重统一托管在 Hugging Face 开源仓库，开发者可以使用 Git 命令拉取完整权重文件，也可以在线下载单模型权重包，配套推理脚本附带完整调用示例，无需额外修改代码就能完成本地推理测试。

三、一键搭建自动化数据引擎的操作步骤

步骤 1：环境部署，安装 PyTorch、OpenCV 等依赖库，配置 CUDA 运行环境；

步骤 2：下载开源权重，把三款模型的权重文件放到对应目录，加载模型配置参数；

步骤 3：搭建串联流水线，依次调用 Captioner、TempSeg、Rewarder 模型，接入机器人原始视频数据；

步骤 4：批量执行推理，自动生成图像标签、动作分段、奖励文本，导出 JSON 格式结构化数据集；

步骤 5：对接训练环节，把生成的标注数据集直接导入机器人强化学习框架，完成策略迭代训练。

四、技术优势与落地场景

4.1 核心技术优势

1）全链路自动化，省去人工标注人力，数据集生产效率提升数十倍；

2）模型面向机器人实操场景优化，动作识别精度更高，标签贴合机械控制任务；

3）权重完全开源，无版权限制，个人科研项目与商业产品均可免费使用；

4）支持本地离线部署，不需要调用云端 API，保障机器人场景下数据隐私安全。

4.2 主流落地场景

1）机械臂抓取、物体搬运等室内机器人强化学习数据集制作；

2）机器人仿真环境视频数据自动打标；

3）多模态机器人视觉语言策略的数据预处理；

4）小型机器人研发团队低成本搭建自有数据生产管线。

五、性能优化部署方案

1）批量推理：开启多线程批量处理，一次性读取多路视频，充分利用 GPU 算力；

2）量化压缩：选用 FP8 量化权重，在精度损失极小的前提下，把显存占用降低一半；

3）文件缓存：把处理完成的标签数据自动写入本地数据库，避免重复推理浪费算力；

4）模型并行：把三款模型部署到多张显卡，实现流水线并行处理，进一步提升视频处理速度。

【相关 FAQ】

问题 1：Flora 机器人数据引擎开源权重包含哪些模型，从哪里可以下载？

回答 1：Flora 机器人数据引擎开源权重包含 Flora-Captioner、Flora-TempSeg、Flora-Rewarder 三款核心模型，全套预训练权重托管在 Hugging Face 开源平台，支持 FP16 原版权重与 FP8 量化轻量化权重两种版本，开发者可以在线下载或者使用 Git 工具拉取完整权重文件，同时附带可直接运行的推理代码。

问题 2：搭建 Flora 机器人数据引擎，如何把三款开源模型串联成完整自动化标注流水线？

回答 2：搭建 Flora 机器人数据引擎自动化流水线时，先使用 Flora-TempSeg 把长视频切分成独立动作片段，再用 Flora-Captioner 给每一帧图像生成文本描述，最后通过 Flora-Rewarder 生成动作奖励文本；把三段推理代码按顺序串联，批量读取视频文件，就能自动输出完整结构化标注数据集，全程无需人工介入。

问题 3：Flora 机器人数据引擎开源权重能不能用于商业机器人项目，有没有使用限制？

回答 3：Flora 机器人数据引擎配套的开源权重采用宽松开源协议，科研项目与商业机器人项目都可以免费部署使用，没有额外版权约束；仅需要遵守开源仓库附带的基础使用规范，不可以把模型权重单独二次打包售卖，完全可以满足中小型机器人企业搭建自有数据标注管线的需求。

【数据来源】

[2026-10-20]（NVIDIA 开源 Flora 自动化机器人数据标注模型）RoboHorizon 科技资讯

[2026-10-20]（Flora 机器人数据引擎模型套件正式开源）Hugging Face 官方公告

[2026-10-20]（Flora 三款视觉语言模型权重发布说明）机器之心技术快讯

[2026-10-19]（机器人自动化数据引擎 Flora 技术白皮书）开源技术社区

[2026-10-18]（Flora 模型视频自动标注能力实测报告）AI 机器人技术专栏

免责声明：本文仅针对 Flora 机器人数据引擎的技术能力、开源资源与部署方案进行客观技术介绍；所有开源权重的使用请严格遵循对应开源协议条款；模型部署、数据集生产与机器人训练环节，请结合自身硬件条件开展调试；本内容不构成任何商业项目落地承诺。