NVIDIA、Cosmos 3モデル追加学習の自動化を解説

NVIDIAは、物理世界をシミュレーション・理解するためのオープンな物理AI（ロボット工学や現実の物理現象をシミュレーションし、現実世界で動作するためのAI技術）世界基盤モデル「​NVIDIA Cosmos 3​」について、AIコーディングエージェント（CodexやClaudeなど）と「NVIDIA TAOエージェントスキル」を連携させ、極小のコードと自然言語の指示だけで、わずか1日のうちに自動で追加学習（ポストトレーニング）を完了させる革新的な手法を公開しました。

実証実験と確認された事実

一般的に、AIモデルを特定のビジネス用途やカメラアングル、産業用のエッジケースに適合させるには、データのフォーマット変換、学習用コンテナの立ち上げ、ハイパーパラメータの調整など、エンジニアによる数日間にわたる手作業が必要でした。

今回の手法では、トヨタ自動車のWTS（Woven Traffic Safety）データセットを用いて、「​**NVIDIA Cosmos 3 Nano (16B)**​」を「道路状況や信号機の種類を判定する動画質問応答（Video QA）」タスク向けに追加学習させました。

実証実験の結果、以下の数値と事実が確認されています。

• ​ゼロショット基準精度​: 54.41%
• LoRA（ローリランクアダプテーション）適用後精度​: 87.14%（A100 GPU 8基で約30分の学習）
• TAO AutoML（自動機械学習）でのパラメータ調整後精度​: **93.35%**​（43件の並列テストを19.5時間で実行）

この結果、従来であれば数日以上かかっていた手作業のチューニングが、AIエージェントに指示を与えるだけの「1日（24時間以内）の自動実行プロセス」に短縮されました。

独自価値要素：微調整手法の具体的比較

NVIDIA Cosmos 3 Nano（160億パラメータ）をポストトレーニングするにあたり、エンジニアが直面する学習手法ごとのリソース消費と精度の関係は以下の表のようになります。

微調整の戦略	手法・アルゴリズム	精度（正確度）	計算資源と所要時間の目安	特徴・違い
​基準値（学習なし）​	ゼロショット評価	54.41%	なし	追加の計算コストはゼロだが、実用レベルには届かない。
LoRA（本手法）​	特定の次元の重みのみ更新	87.14%	A100 GPU × 8基で​​約30分​	基礎モデルの重みを固定するため、フルパラメータ微調整に比べて約7倍軽量。
LoRA ＋ AutoML	ベイズ最適化によるパラメータ探索	93.35%	A100 GPU × 複数ノードで​19.5時間​	パラメータの最適解をAIが自動探索し、さらに精度を向上させる。
​フルパラメータSFT	すべての重みを学習更新	（未記載）	H100 GPU × 複数ノードで​3時間34分​	大規模な環境変化や構造的変更に適すが、メモリ消費が極めて激しい。

分析と展望

今回の発表は、AIエージェントがプログラムを書くだけでなく、大規模モデルの追加学習やチューニング（AutoML）といった「機械学習システム全体の運用自動化」を担う時代が到来したことを示しています。NVIDIA TAOエージェントスキルをパッケージ化することで、ローカルのデータのエラーを自律的にデバッグし、コンテナを走らせ、最適な設定をベイズ最適化などの探索エンジンで決定できるようになりました。これにより、ロボティクスや自動運転、スマートファクトリーの開発現場において、専門のデータサイエンティストがつきっきりで調整を行う必要がなくなり、モデルの現場適用サイクルが劇的に高速化するでしょう。

引用元：NVIDIA Technical Blog