生成AIの次の大きな潮流として「フィジカルAI」が世界中で注目を集めている。ロボスタでは、フィジカルAIを牽引するNVIDIAにインタビューを実施。フィジカルAIとは何か、ヒューマノイド開発はどのように進められるのか、そしてNVIDIAはどのような開発基盤を提供しているのか。 最新技術と社会実装への道筋を分かりやすく解説する。
ChatGPTに代表される「生成AI」は、「言葉」を理解して「答え」を返すAIだ。一方、「フィジカルAI」は、カメラやセンサーから現実世界を認識し、「自ら判断して行動するAI」。ヒューマノイドやサービスロボット、自動運転車など、現実世界で動作するAIロボットの基盤技術として世界中で開発競争が始まっている。
AIロボットが周囲を認識し、自ら判断して行動する。そんな未来を実現するために、NVIDIAはどのような技術を提供しようとしているのか。ロボスタはNVIDIAのロボティクス事業部長の平野氏に話を聞いた。平野氏がまず挙げたキーワードが「3つのコンピューター」だ。
■ロボット開発は「3つのコンピューター」で進化する
「ロボット開発は、一台のコンピューターだけで完結するものではありません。」
平野氏は、フィジカルAI時代のロボット開発を理解するうえで、まずこの考え方を知ってほしいと話す。
「ロボットを開発するには「デジタル空間でシミュレーションするコンピューター（デジタルツイン/シミュレーション）」「AIを学習させるコンピューター（モデル学習）」「学習したAIを実際のロボットで動かすコンピューター（デプロイ/エッジ）」が必要です。3種類のコンピューターはそれぞれ役割や仕様が異なります。そして、それらを支えるソフトウェアやAIモデルも、すべてつながっています」と語る。
NVIDIAのラインアップで言うと具体的には、レイトレーシングコアを搭載した『RTX』で構築したデジタルツインやシミュレーション環境でロボットを検証したりデータを収集し、そのデータを『NVIDIA DGX™』や『HGX』でAIモデルの学習へ活用する。学習済みモデルは『Jetson Thor™』（AGX、IGX）へ搭載され、実際のロボットとして現場で動作する。そして現実世界で取得したデータは再び学習へフィードバックされ、ロボットは継続的に進化していく。
「NVIDIAはチップメーカーだ、という印象を持たれることが多いのですが、私たちが提供しているのはGPUだけではありません」平野氏はそう強調する。
「ソフトウェアやAIモデルもオープンに公開し、開発者やパートナーがそれらを利用して新しいロボットを開発できる技術プラットフォームを提供しています。そこがNVIDIAの役割です」と続けた。。
■フィジカルAIとデジタルツインは何が違うのか
近年、「デジタルツイン」にも注目が集まっている。
では、デジタルツインとフィジカルAIは何が違うのだろうか。
平野氏は、デジタルツインを「現実世界をデジタル空間に再現する技術」、フィジカルAIを「現実世界と相互作用しながら判断・行動するAI」と整理する。
つまり、「デジタルツイン」は現実世界を再現する"舞台"であり、その舞台の上で学習し、実世界で行動する知能が「フィジカルAI」なのである。
「現実世界を理解するには、まず環境そのものを理解する必要があります。ロボットだけを知能化しても十分ではありません。ロボットが動く工場や倉庫、家庭といった環境も含めて再現し、その環境の中で学習させていくことが重要です」(平野氏)
その環境を構築するのが「NVIDIA Omniverse」（オムニバース）だ。
デジタルツインはすでに社会実装が始まっている
「Omniverse」は現実世界を忠実に再現した「デジタルツイン」を構築・運用するための開発プラットフォーム。工場や物流倉庫などを仮想空間上に再現し、レイアウト設計や工程設計、ロボットの動作検証などを実環境へ導入する前にシミュレーションできる。
OpenUSDを共通のソフトウェアフレームワークとして、CADやBIMなど異なる設計・製造データや各種ツールを統合し、一つのデジタルツインとして構築できることも大きな特徴だ。これにより、設計、製造、ロボット開発など異なる部門が同じ仮想空間を共有しながら開発や検証を進めることができる。
デジタルツインというと未来の話のように聞こえるが、実際にはすでに多くの企業で活用が始まっている。
例えば「Omniverse」で工場全体を仮想空間に再現することで、「レイアウト設計」「生産ラインの検証」「ロボットの動作確認」「遠隔監視」「ロボットや設備の効率的な配置と最適化」などを実環境へ導入する前に、デジタルツインで入念に検証することができる。
さらに、自動車産業ではデザインや設計から製造、品質管理までデジタルツインが利用されている。「フィジカルAI」はまだ発展途上の分野だが、その土台となる「デジタルツイン」はすでに社会実装が進んでいる。
■最大の課題はAIではなく「データ」
平野氏は、「フィジカルAIの最大の課題はデータです」と語る。
前述のように、ChatGPTやGeminiなどの生成AIは、インターネット上に存在する膨大なテキストや画像データを学習することで急速に進化してきた。しかし、ロボットが現実世界で動くために必要な実世界のデータは、そのように大量には存在していない。
物をつかむ、歩く、扉を開けるといった一つひとつの動作を学習するためには、実際のデータが必要だ。しかし、例えば「コップをつかむ」という動作一つを学習するにも、ガラス製、紙製、樹脂製では重さや硬さ、滑りやすさが異なり、必要な力加減も変わる。さらに置かれた位置や向き、周囲の環境まで含めると、学習すべきパターンは膨大になる。こうしたあらゆるパターンの実データを収集することは、現実には不可能に近い。
「生成AIではインターネット上に大量の学習データがありました。しかし、ロボットにはそのような学習用の実データがありません。だからこそ、実データだけに頼るのではなく、シミュレーションや合成データを組み合わせることで、現実世界に近い経験をAIへ与えていく必要があります」(平野氏)。
実世界で収集した限られたデータを基に、デジタルツイン上でさまざまな状況を再現し、さらにAIが合成データを生成することで、ロボットが学習できるデータ量を飛躍的に増やしていく。この考え方は、NVIDIAがフィジカルAI開発を進めるうえで重要な柱の一つとなっている。
平野氏は、「実データだけでも、シミュレーションだけでも十分ではありません。実データ、シミュレーションデータ、そして合成データを組み合わせながら学習を進めることが重要です。その循環を回し続けることで、ロボットはより賢く、より現実世界に適応できるようになります」と平野氏は説明する。
こうした学習サイクルをNVIDIAでは「データ・フライウィール（Data Flywheel）」と呼んでいる。実世界で取得したデータをAIモデルの学習へフィードバックし、性能が向上したロボットがさらに多くのデータを生み出す。その循環を繰り返すことで、フィジカルAIは継続的に進化していくという考え方だ。
これを実現するためにNVIDIAが開発したのが、合成データを生成することが可能な世界モデル「NVIDIA Cosmos™」(コスモス)だ。現実世界を理解し、学習データを生成するCosmosは、フィジカルAI開発のゲームチェンジャーともいえる存在になりつつある。
「世界モデルは、フィジカルAIを実現するための非常に重要な技術になります」(平野氏)。
次回は、このCosmosをはじめ、OmniverseやIsaac、GR00Tなどがどのように連携してフィジカルAIを実現しているのかを詳しく紹介する。
■ NVIDIAが提供しているのは「開発プラットフォーム」
平野氏は、NVIDIAの役割を繰り返し、次のように表現した。
「NVIDIAはGPUメーカーという印象を持たれることが多いのですが、私たちが提供しているのはGPUだけではありません。AIモデルやソフトウェア、ライブラリもオープンに公開しています。NVIDIA自身がロボットを作るのではなく、世界中の開発者やパートナーが、それらを利用して新しいロボットやサービスを開発してビジネスを創る。そのためのプラットフォームを提供することが、私たちの役割です」と続けた。
現在NVIDIAは、AIモデルやシミュレーション環境、ライブラリ、開発フレームワークまでをオープンに提供している。その上で、世界中の開発者や企業が、それぞれのロボットやサービスを生み出していく。
「フィジカルAIは一社だけで実現することはできません」平野氏はそう語る。
「NVIDIAはGPUだけでなく、モデルやソフトウェア、開発基盤までを提供しています。その上で世界中の企業が新しいロボットを生み出していく。そうしたエコシステム全体を支えることが、私たちの役割だと考えています」と続けた。
デジタルツインという「舞台」を作り、そこでAIを育て、現実世界という「本番」で経験を積み、再び学習へ戻る。その循環こそが、NVIDIAが描くフィジカルAI開発の姿であり、「3つのコンピューター」が担う役割でもある。
NVIDIA ロボティクスの詳細はこちら
