NVIDIA、物理AI用オープンモデル公開

米NVIDIA（エヌビディア）は、ロボットや自動運転車が物理法則を理解し、行動を予測するためのオープンなワールド基盤モデル（現実世界の物理的な挙動をシミュレートするAIモデル）「Cosmos 3」をリリースしました。本モデルは、画像, 動画、音声、および行動データを含む合計20兆トークン（AIが処理するデータの最小単位）のマルチモーダル（多様な種類の情報を同時に処理できること）データで学習されています。物理的推論、環境生成、行動生成を1つに統合したオープンモデルであり、物理的AI開発の効率を飛躍的に向上させると期待されています。

1. テキストから「物理世界と行動の予測」へ

一般的なLLM（大規模言語モデル）がテキスト情報から学習するのに対し、ワールドモデルは物体が時間経過とともにどのように動き、衝突し、落下するかといった物理法則をシミュレーション環境として学習します。「Cosmos 3」が従来の映像生成AIと大きく異なるのは、人間やロボットの「行動（アクション）データ」を取り込んでいる点です。これにより、単に現実的なシーンを描写するだけでなく、その環境下でロボットや自動運転車が次にどのような行動をとるべきかを予測・シミュレーションすることが可能になりました。

2. シミュレーションによるデータ不足の解消

物理AIの開発においては、現実世界での膨大なデータ収集（例：危険な道路状況での走行テストや、数百万回に及ぶロボットの動作訓練）が、コストや安全性の面で大きなボトルネックとなっていました。「Cosmos 3」は、厳密な物理法則に基づいた高精度な合成トレーニングデータをシミュレーション上で生成することで、この課題を解決します。これにより、これまで数ヶ月を要していたトレーニングサイクルをわずか数日にまで短縮できるとされています。

3. オープンエコシステムと競合状況

NVIDIAはCosmos 3の発表と同時に、Agile RobotsやRunway、Skild AIらとともに「Cosmos Coalition」を立ち上げ、オープンな物理AIエコシステムの構築を進めています。すでにサムスンやLGエレクトロニクス、Doosan Roboticsがロボティクス開発に、Li AutoやWayveが自動運転開発にCosmosを採用しています。

ワールドモデルの分野では、ヤン・ルカン（Yann LeCun）氏が率いる「AMI Labs」や、フェイフェイ・リー（Fei-Fei Li）氏の「World Labs」、Google DeepMindの「Genie 3」などが競合として名乗りを上げており、開発競争が激化しています。その中でNVIDIAのCosmos 3は、産業向けに特化したきわめて厳密な物理的整合性を維持する点で強みを持つと見られます。今回のオープンモデル提供により、ロボティクスや自動運転分野でのAI応用がさらに加速することが予想されます。

---

​参照元:

• Nvidia Ships the Foundation Model Physical AI Has Been Waiting For - www.pymnts.com