NVIDIAは2026年3月16日、フィジカルAIシステムの大規模トレーニングにおけるコスト、時間、複雑さを軽減するオープンリファレンスアーキテクチャ「NVIDIA Physical AI Data Factory Blueprint」を発表しました。
このブループリントを活用することで、開発者はオープンなNVIDIA Cosmos世界基盤モデルと主要なコーディングエージェントを用いて、限られたトレーニングデータを大規模で多様なデータセットに変換できます。取得にコストと時間がかかり、実環境での収集が困難な希少なエッジケースやロングテールシナリオを含むデータ生成が可能となります。
Ms.ガジェット主な機能コンポーネント
Physical AI Data Factory Blueprintは、以下のモジュール型ワークフローで構成されています。
| コンポーネント | 機能 |
|---|---|
| NVIDIA Cosmos Curator | 大規模な実世界データおよび合成データの処理、改良、アノテーションを行います。 |
| Cosmos Transfer | キュレーションされたデータを指数関数的に拡張し、多様化させて稀なシナリオを捕捉します。 |
| NVIDIA Cosmos Evaluator | 生成データの自動採点、検証、フィルタリングにより、物理的精度とトレーニング適性を確保します。 |
これらのコンポーネントは、生データからモデル対応のトレーニングセットへの変換を統合的に自動化します。NVIDIAはこのブループリントをNVIDIA Alpamayoのトレーニングと評価に活用しています。NVIDIA Alpamayoは、ロングテール自動運転向けの世界初のオープンなリーズニングベースの視覚言語行動モデル群です。
Ms.ガジェットオーケストレーションとエージェント統合
大規模なデータ生成には複雑なAIインフラ管理が必要ですが、オープンソースのオーケストレーションフレームワーク「NVIDIA OSMO」がこの課題を解決します。OSMOはコンピューティング環境全体でワークフローを統合・管理し、手動タスクを削減します。
OSMOはClaude CodeやOpenAI Codex、Cursorなどの主要コーディングエージェントと統合されており、エージェントがリソースをプロアクティブに管理してボトルネックを解消し、大規模なモデルデリバリーを加速します。
Ms.ガジェットクラウドプロバイダーとの連携
Microsoft AzureおよびNebiusは、Physical AI Data Factory Blueprintを各社のクラウドインフラおよびサービスと統合しています。これにより、開発者はアクセラレーテッドコンピューティングのパワーを大量のトレーニングデータに変換可能です。
Microsoft Azureは、Azure IoT OperationsやMicrosoft Fabric、Real-Time Intelligence、Microsoft Foundryなどのサービスと連携したエンタープライズグレードのエージェント駆動型ワークフローを提供します。FieldAIやHexagon Robotics、Linker Vision、Teradyne Roboticsなどの企業が、このAzureフィジカルAIツールチェーンを最初にテストしています。
一方、NebiusはOSMOを自社のAIクラウドに統合しました。Nebiusのインフラは、NVIDIA RTX PRO 6000 Blackwell Server Edition GPUと超高速オブジェクトストレージ、ネイティブデータ管理、サーバーレス実行、マネージド推論を組み合わせ、フィジカルAIスタックをエンドツーエンドで支えます。Milestone SystemsやVoxel51、RoboForceは、Nebiusインフラ上でブループリントを活用してモデル開発を高速化しています。
Ms.ガジェット初期ユーザーと適用事例
フィジカルAIの主要開発企業であるFieldAI、Hexagon Robotics、Linker Vision、Milestone Systems、Robo Force、Skild AI、Teradyne Robotics、Uberは、このブループリントを活用してロボティクス、視覚AIエージェント、自動運転車開発を加速しています。
例えば、Skild AIは汎用ロボット基盤モデルの推進にブループリントを適用し、Uberは自動運転車開発の加速に活用しています。これらの企業は、データ生成、拡張、評価のプロセスを効率化し、稀なシナリオへの対応力を高めています。
Ms.ガジェット公開予定
NVIDIA Physical AI Data Factory Blueprintは、2026年4月にGitHubで公開される予定です。開発者はこのオープンリファレンスアーキテクチャを通じて、フィジカルAIモデルのトレーニングを効率化できます。
Ms.ガジェット
最後までお読みいただきありがとうございました！
- 本記事の評価は当サイト独自のものです。
- 特段の表示が無い限り、商品の価格や情報などは記事執筆時点での情報です。
- この情報が誤っていても当サイトでは一切の責任を負いかねますのでご了承ください。
- 当サイトに記載された商品・サービス名は各社の商標です。
- 本記事で使用している画像は、メディアユーザーとしてPR TIMESより提供されたプレスリリース素材を利用しています。