NVIDIA、人型ロボット開発を加速するフルスタック製品群を発表

人型ロボットの開発において、最大のボトルネックはハードウェアではなく「学習用データの収集」にあります。

大規模言語モデルならWeb上のテキストを学習できますが、物理世界で動くロボットにはそうしたデータが存在しません。これまでは人間がコントローラーやモーションキャプチャを使い、何時間も遠隔操作して動作データを手作業で集める必要がありました。

NVIDIAはSIGGRAPHにおいて、この課題を解決するための人型ロボット向け開発スイートを発表しました。ロボットのシミュレーションと学習を行う新しいNIMマイクロサービス、分散コンピューティングを管理するOSMO、そしてわずかな実データから大量の学習データを生み出す遠隔操作ワークフローです。

Vision Proで記録し、AIがデータを増幅する

今回披露されたワークフローの肝は、人間の手作業を最小限に抑える点にあります。

まず開発者がApple Vision Proを装着し、わずかな回数の遠隔操作デモを行います。その動きをNVIDIA Omniverse基盤のシミュレータ「Isaac Sim」に取り込みます。

ここで2つの新しいAIマイクロサービスが機能します。MimicGenは記録した動作から合成モーションデータを大量に自動生成し、RobocasaはOpenUSD規格を用いてシミュレーション環境やタスクを自動構築します。

こうして生成された合成データと少数の実データを組み合わせ、NVIDIAの人型ロボット向け基盤モデル「Project GR00T」を訓練します。さらに、クラウドネイティブのワークフロー管理サービス「NVIDIA OSMO」が、データ生成から強化学習までの計算リソース割り当てを自動化します。NVIDIAによれば、これにより開発サイクルは数か月から1週間未満に短縮されるといいます。

同時に発足した先行アクセスプログラムには、Boston Dynamics、Figure、1X、Skild AIに加え、中国のFourier（フーリエ）やByteDance Researchなどが名を連ねています。

なぜ重要か

私たちは、NVIDIAが生成AI分野で築いた圧倒的なエコシステム支配を、ロボティクス分野でも完全に再現しにかかっている点に注目しています。

ロボット開発企業にとって、実機でのデータ収集コストは死活問題でした。市販の空間コンピュータとシミュレーションを組み合わせ、合成データで学習を立ち上げられる仕組みは、資金力に劣るスタートアップにとっても極めて実用的です。数か月かかっていたモデル更新が一気に加速します。

産業構造の観点では、訓練用のAIスパコン、仮想環境のOmniverse、車載・ロボット向けチップのJetson Thor、そしてミドルウェアのNIMやOSMOに至るまで、NVIDIAは人型ロボット開発の全工程を自社製品で固めました。ロボットの身体がどのメーカー製であれ、頭脳を育てる環境はNVIDIAに依存せざるを得ない構図が強まっています。

ただし、課題も明白です。シミュレーションでどれほど綺麗に動いても、現実世界の摩擦や材質のばらつきに対応できない「Sim-to-Realギャップ」は依然として存在します。合成データだけでどこまで実用レベルの繊細な作業に耐えうるのか、現場での真価が問われるのはこれからです。