NVIDIA、ロボットや自動運転向けAI開発を加速する「Physical AI Data Factory Blueprint」を発表

公開日:2026年03月19日

AI導入支援・コンサル

NVIDIAは、ロボティクスや自動運転車など「フィジカルAI」の開発を加速するためのオープンなリファレンスアーキテクチャ「Physical AI Data Factory Blueprint」を発表しました。これは、AIモデルの学習に必要な大量のデータを生成・管理するプロセスを統合・自動化する設計図です。Microsoft AzureやNebiusなどのクラウドプロバイダーと連携し、開発者が大規模なデータ処理を効率化できる環境を提供します。ロボットや自律システムの開発に携わる企業にとって、開発期間の短縮やコスト削減につながる取り組みです。

この記事をシェア

ポイント

1
AI学習用データの生成・管理を自動化する設計図を公開
2
Microsoft AzureやNebiusと連携し、クラウド上で利用可能に
3
UberやSkild AIなど、複数の主要開発企業が既に活用を開始

開発のボトルネックを解消する「データ工場」

NVIDIAが発表した「Physical AI Data Factory Blueprint」は、ロボットや自動運転車などのAIモデルを訓練するために必要な大量のデータを、効率的に生成・拡張・評価するためのオープンな設計図です。フィジカルAIの開発では、実世界で収集が困難な「稀なケース」の学習データを大量に用意することが課題となっていました。このブループリントを活用することで、開発チームは生データからモデル学習に適したデータセットを作成する一連のワークフローを、より自動化して進められるようになります。

データ処理を担う3つのコア技術

このブループリントの中核には、データ処理を担う「NVIDIA Cosmos」の技術が位置付けられています。具体的には、(1)大規模データセットの処理と注釈付けを行う「Cosmos Curator」、(2)データを多様化・拡張する「Cosmos Transfer」、(3)生成されたデータの品質を自動評価する「Cosmos Evaluator」の3つのモジュールで構成されています。これにより、環境や条件が異なる様々なシナリオに対応した高品質な学習データを、効率的に準備できるようになります。

クラウド連携と開発企業の採用事例

NVIDIAは、このブループリントをMicrosoft AzureやNebiusのクラウドサービスと統合し、開発者が利用しやすい環境を整えています。Microsoft Azureでは、自社のIoTやデータ分析サービスと連携したエンタープライズ向けワークフローとして提供を開始しました。すでにUberは自動運転開発の加速に、Skild AIは汎用ロボット基盤モデルの開発に、このブループリントを適用していると発表しています。その他、FieldAIやTeradyne Roboticsなど、複数のロボティクス企業がテストを進めています。

エージェントによるオーケストレーションも強化

大規模なデータ生成ワークフローを管理するため、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」も強化されました。OSMOは、Claude CodeやOpenAI Codexなどのコーディングエージェントと連携し、リソース管理やボトルネック解消を自動化します。これにより、開発者は複雑なインフラ管理から解放され、モデル開発そのものに集中できる環境が整えられています。NVIDIAのOmniverse担当バイスプレジデント、レヴ・レバレディアン氏は、「この新時代において、コンピューティングこそがデータです」と述べ、コンピューティングリソースを直接的に高品質データに変換する意義を強調しました。