NVIDIA、AIエージェントで軽量USDランタイムを生成──Physical AI開発は「標準を読むAI」へ

2026.07.15

NVIDIAは、AIエージェントを使ってOpenUSDの軽量ランタイムを生成する実験プロジェクト「nanousd-labs」を紹介した。OpenUSDは、CADデータ、シミュレーション資産、現実世界のテレメトリを共通のシーン記述で扱うための基盤で、Physical AI開発の中核になりつつある。

従来は、USD実装を作るには大きな既存コードベースを調整する必要があった。nanousd-labsは、機械可読なUSD Core Specificationを契約としてAIエージェントに読ませ、必要なランタイムを生成・検証する別ルートを示している。

仕様書が「AIへの契約」になる

この手法の特徴は、仕様書を単なる人間向けドキュメントではなく、AIエージェントが実装とテストに使う契約として扱う点だ。エージェントは仕様の各セクションを読み、コードを書き、仕様から作ったテストスイートに通るまで反復する。

NVIDIAは、完全自動生成ではなく、エンジニアが性能、メモリ、ABI、設計判断を担うと説明している。AIが機械的な仕様からコードへの変換を支援し、人間はアーキテクチャとトレードオフに集中する構図だ。

倉庫、工場、ロボット、デジタルツインの現場では、巨大な汎用ランタイムより、用途に合った軽量実装が必要になることがある。ヘッドレス環境で動く、特定言語からC APIで呼ぶ、限られたメモリに収める、といった要求は現場ごとに異なる。

OpenUSDが標準化されているなら、AIエージェントはその標準を基準に、用途別の実装を作り直せる。これは、Physical AIの開発速度だけでなく、標準準拠を保ちながら最適化する選択肢を増やす。

製造業や物流でシミュレーションと現場データをつなぐ場合、標準フォーマットの採用はベンダーロックインを避けるうえで重要になる。ただし、標準を採用しても、実装が重すぎたり、既存システムに合わなかったりすれば導入は進まない。

AIエージェントによる仕様準拠実装は、標準化と現場最適化を両立する可能性がある。最初の適用領域は、本番制御ではなく、変換、検証、ビューア、軽量パイプラインなど低リスクな周辺機能が現実的だ。

仕様を読んだAIが生成したコードでも、正しさは自動的に保証されない。テストスイート、差分検証、性能計測、既存実装との互換性確認が必要になる。特にPhysical AIでは、シーンデータの解釈ミスがシミュレーション結果に影響する。

重要なのは、AIに任せる範囲を明確にし、標準、テスト、レビューをセットで運用することだ。仕様が機械可読であるほど、AIエージェントは開発の補助から、標準準拠の実装作業そのものへ入り込んでいく。