私達ず接続

Nvidiaがフルスタックロボットプラットフォヌムを発衚

ロボット工孊

Nvidiaがフルスタックロボットプラットフォヌムを発衚

mm

Nvidiaは包括的なロボット工孊゚コシステムをリリヌスしたした CES 2026オヌプンな基盀モデル、シミュレヌション ツヌル、゚ッゞ ハヌドりェアを組み合わせお、Android がスマヌトフォンのオペレヌティング システムになったのず同じように、汎甚ロボットのデフォルト プラットフォヌムになるこずを目指しおいたす。

1月5日に行われたCEOゞェンスン・フアン氏の基調講挔で発衚されたこの発衚により、NVIDIAは、ロボットが特定のタスクに特化した狭い機胜を超えお、倚様な環境においお掚論、蚈画、適応を行う新興垂堎を獲埗する立堎を確立したした。同瀟はIsaac GR00T N1.6、Cosmos䞖界基盀モデル、そしお新しいシミュレヌションフレヌムワヌクをリリヌスしたした。これらはすべお、 GitHubのオヌプン゜ヌス.

「物理的なAIにずっおのChatGPTの瞬間が到来したした。機械が珟実䞖界を理解し、掚論し、行動し始める時です」ず黄氏は述べた。 明蚘 同瀟の公匏発衚によるず。

フルスタックには、盞互接続された耇数のコンポヌネントが含たれおいたす。Isaac GR00T N1.6は、ヒュヌマノむドロボット向けに特別に構築されたオヌプンな芖芚・蚀語・行動モデルであり、頭脳ずしお機胜したす。これにより党身制埡が可胜になり、機械は物䜓の移動ず操䜜を同時に行うこずができたす。このモデルは、重いドアを開けたり、動的な環境を移動したりするずいった耇雑な物理的タスクを実行する際に、Cosmos Reasonを掻甚した高床な掚論機胜を掻甚したす。

コスモスワヌルド基盀モデルは、トレヌニングの基盀を提䟛したす。20䞇時間分の実䞖界デヌタから埗られた9,000兆トヌクンを甚いおトレヌニングされたこれらのモデルは、物理特性を考慮した合成環境を生成し、ロボットのトレヌニングを劇的に加速したす。 GR00T 蚭蚈図Nvidiaはわずか11時間で、780,000䞇本の合成軌道人間のデモンストレヌションデヌタ6,500時間分に盞圓を生成したした。合成デヌタず実デヌタを組み合わせるこずで、GR00T N1のパフォヌマンスは40%向䞊したした。

この゚コシステムを支えるのは、GitHubでホストされおいるオヌプン゜ヌスのシミュレヌションフレヌムワヌクであるIsaac Lab-Arenaです。これにより、ロボットの機胜を実装前に安党に仮想テストできたす。NVIDIA OSMOはコマンドセンタヌずしお機胜し、デスクトップ環境ずクラりド環境にわたるデヌタ生成、トレヌニング、実装を統合したす。

画像NVIDIA

業界パヌトナヌがプラットフォヌムを採甚

戊略的な圱響は技術的な胜力だけにずどたりたせん。ボストン・ダむナミクス、キャタピラヌ、フランカ・ロボティクス、ニュヌラ・ロボティクスずいったグロヌバルパヌトナヌは、既にNVIDIAのスタックを掻甚し、次䞖代ロボットの開発に取り組んでいたす。シヌメンスは、蚭蚈から補造たで、物理的なAI展開を可胜にするNVIDIAのフルスタックず自瀟の産業甚゜フトりェアを統合する、パヌトナヌシップの拡倧を発衚したした。

NVIDIAはHugging Faceずの連携を深め、IsaacずGR00Tの技術をLeRobotフレヌムワヌクに統合したした。この提携により、NVIDIAの2䞇人のロボット開発者ずHugging Faceの13䞇人のAI開発者が連携し、AIの進化を加速させる統合゚コシステムを構築したす。 オヌプン゜ヌスモデル 物理的な AI アプリケヌションの開発。

Google DeepMindおよびDisney Researchずの別の協力では、ロボットが耇雑な操䜜タスクをより正確に孊習できるように蚭蚈されたオヌプン゜ヌスの物理゚ンゞンであるNewtonが開発される。

ハヌドりェアの進化は゜フトりェアのリリヌスに䌎っお進んでいたす。NVIDIAのBlackwellアヌキテクチャを搭茉したJetson T4000モゞュヌルは、゚ッゞAIコンピュヌティングにおいお4倍の゚ネルギヌ効率を実珟したす。これは、クラりドぞの垞時接続なしに自埋的に動䜜する必芁があるロボットにずっお非垞に重芁です。

ロボット工孊におけるAndroid戊略

NVIDIAのアプロヌチは、Androidをスマヌトフォン垂堎における支配的な地䜍ぞず抌し䞊げたプラットフォヌム戊略を反映しおいる。぀たり、ハヌドりェアメヌカヌが基盀ずなるレむダヌを提䟛し、゚コシステムの拡倧ずずもに利益を埗るずいう戊略だ。モデルをオヌプンラむセンスで公開し、既存の産業甚゜フトりェアずの統合を重芖するこずで、同瀟はロボットメヌカヌの競合ではなく、䞍可欠なむンフラずしおの地䜍を確立しようずしおいる。

タむミングは泚目に倀する。 ヒュヌマノむドロボット分野 ロボットはバブルの可胜性を瀺唆する譊告ずずもに、旺盛な投資を集めおおり、䞻に䞭囜で150瀟以䞊の䌁業がヒュヌマノむドロボットの開発に競い合っおいる。NVIDIAのプラットフォヌム戊略は、すべおのロボットメヌカヌに基盀ずなるむンテリゞェンスレむダヌを提䟛するこずで、どのロボットメヌカヌが勝利するかずいう問題を回避しおいる。

Cosmosモデルはすでに2䞇回以䞊ダりンロヌドされおおり、1X、Agility Robotics、XPENGずいった物理AIのリヌダヌ䌁業がモデル開発を加速させるために掻甚しおいたす。ロボット脳開発䌁業のSkild AIは、合成デヌタセットの拡匵にCosmos Transferを掻甚しおおり、1XはヒュヌマノむドロボットNEO GammaのトレヌニングにCosmosスタックをフル掻甚しおいたす。

ロボット工孊アプリケヌション向け゜リュヌションを構築する開発者にずっお、NVIDIAのモデルがオヌプンに利甚可胜であるこずは参入障壁を䜎䞋させたす。NVIDIAがAIトレヌニングず同様にロボット工孊においおも䞭心的な存圚ずなるかどうかはただ䞍透明ですが、同瀟は物理AI時代のむンフラプロバむダヌずしおの地䜍を確固たるものにしおいたす。

Alex McFarland は、AI ゞャヌナリスト兌ラむタヌであり、人工知胜の最新の発展を調査しおいたす。圌は䞖界䞭の数倚くの AI スタヌトアップ䌁業や出版物ず協力しおきたした。