NVIDIA、フィジカルAI開発におけるオープン世界モデルの役割を強調

NVIDIAは、オープン世界モデルがフィジカルAIの重要な土台になるとの考えを示している。フィジカルAIとは、文章や画像を生成するだけでなく、現実の環境を理解して行動しなければならないシステムのことだ。同社は新しい解説で、こうしたモデルが物理的な関係を学び、次に起こり得ることを予測し、データ生成、シミュレーション、特定のロボット、車両、視覚アプリケーションへのシステム特化を助けると説明した。中心にあるのはCosmos 3モデル群とOmniverseライブラリだが、導入ごとに条件が異なる分野では、適応可能なモデルと共通のシミュレーションツールが重要だという主張でもある。

フィジカルAIのチームが直面するデータの問題は、多くのソフトウェアだけの用途とは異なる。ロボットや車両は、変化する照明、天候、物体、センサー、人の行動に対応しなければならず、まれな事象は現実世界で安全に繰り返し集めることが難しい。NVIDIAは、世界モデルが物理に根差した世界と行動のデータを作り、将来の状態をシミュレートし、それらを推論するシステムの出発点を与えるとしている。実運用前に方策を試し、より多様な訓練環境を作る方法として示されているが、実世界での検証を不要にするものではない。

Cosmos 3モデル群は、いくつかの関連タスクの共通基盤として位置付けられる。NVIDIAによれば、視覚推論、世界生成、行動予測を組み合わせ、開発者は一つのモデル群で場面を理解し、合成データを生成し、可能な状態を再現し、特化した世界行動モデルを作れる。構成は、高忠実度の世界モデリング向けの640億パラメータCosmos 3 Super、効率的な推論と追加学習向けの160億パラメータCosmos 3 Nano、端末上の視覚推論とロボット方策の展開向けの40億パラメータCosmos 3 Edgeだ。これらはNVIDIAの製品群の仕様であり、一つのモデルが変更なしであらゆる導入に合うという主張ではない。

同社の議論では、開放性が中心にある。NVIDIAは、Cosmosの世界基盤モデルをLinux FoundationのOpenMDW 1.1ライセンスで提供し、チームが自分たちのデータとハードウェアで追加学習できるようにしている。フィジカルAIでは、汎用モデルがすべてのロボット設計、センサー配列、倉庫、道路、運用条件を見ているわけではないため、この柔軟性が重要になる。重みへのアクセス、適応を許すライセンス、追加学習の道具は、単なるオープンモデルの理念ではなく、その差を埋める実務上の要件だとNVIDIAは捉える。

モデル層にはシミュレーション基盤が組み合わされる。NVIDIAは、Omniverseライブラリがシミュレーション可能な世界を作る助けになり、OpenUSDがデジタルツイン、シミュレーション、合成データの流れで複雑な3Dデータを組み合わせ、交換する枠組みを提供すると説明する。目的は、資産、センサー構成、環境条件を変えるたびに発生し得る重複作業を減らすことだ。開発者は、仮想環境のすべてを作り直さずにカメラの位置や天候を変える必要があるかもしれない。発表はこれらを構成要素として示し、シミュレーションだけで安全な現実の行動が保証されるとはしていない。

NVIDIAはロボティクス、自動運転車、視覚AIでの利用にも触れ、Cosmosを使う企業を挙げたほか、モデル、研究、評価手法をめぐってモデル開発者、AI開発者、フィジカルAI組織を集めるCosmos Coalitionにも言及した。同社は最近、日本にも連合を拡大し、参加組織は工場、物流、農業、建設、医療、交通向けのオープン世界モデルを開発する考えだという。これらの例はNVIDIAが適用を期待する分野を示すが、すべての産業が同じ導入段階や成熟度にあることを示すものではない。

より大きな意味は、フィジカルAIが、モデル、特化した訓練データ、シミュレーション環境、評価、領域適応を含むスタックへ向かっていることにある。固定的なAPI応答ではなく、この連鎖全体を顧客が制御する必要がある場合、NVIDIAのオープン世界モデルの主張は特に強い。残る問いは費用、品質、現実への移転だ。シミュレーションした世界はまれな事象をどれほど正確に表せるか、導入ごとにどれだけ追加学習が必要か、自動化されたシステムが人の近くで動く前にチームは安全性をどう測るか。同社の8月の更新はその課題への道筋を示したが、証明はその上に作られるシステムの結果にかかっている。