NVIDIA Cosmos、合成データと物理推論を強化──ロボット学習は「現実を集める」から「世界を作る」へ

NVIDIAは、Cosmos世界基盤モデルの更新として、Cosmos Transfer 2.5、Cosmos Predict 2.5、Cosmos Reason 2を紹介した。ロボットや自動運転では、多様で物理的に妥当な訓練データを集めることが難しく、合成データと世界モデルの重要性が増している。

なぜ合成データが必要なのか

現実世界のデータ収集は高価で時間がかかり、危険な例外ケースを十分に集めにくい。たとえば悪天候、夜間、珍しい交通状況、工場内の異常動作などは、数が少ないほどモデルの弱点になる。

Cosmosは、シミュレーションや3D入力をもとに、物理的な整合性を保った映像やシナリオを生成し、下流のPhysical AIモデルの訓練・評価に使うための基盤として位置づけられている。

「世界を作って試す」開発への移行

Cosmos Transferは、セグメンテーション、深度、LiDAR、軌跡、HDマップ、3Dバウンディングボックスなどの構造入力から、現実らしい映像を生成する。Omniverseで作ったシミュレーションを、より多様で写実的な訓練データへ広げる発想だ。

Cosmos Predictは、長尾シナリオの生成に向く。現実では滅多に起きないが安全上は重要な状況を、シミュレーション上で増やせる可能性がある。

日本企業への示唆

製造、建設、物流、自動車では、現場データの収集・アノテーションがAI導入のボトルネックになる。合成データを使えば、データ不足の領域を補い、危険な試験を現実で行う前に検証しやすくなる。

ただし、合成データは現実の代替ではなく補助だ。実データでの検証、シミュレーションと現実の差分分析、評価指標の設計が成果を左右する。

注意点

生成された映像が美しくても、物理的・統計的に現場を代表しているとは限らない。偏ったシナリオを大量に作れば、モデルは別の偏りを学習する。

導入時は、合成データの生成条件、実データとの混合比率、失敗ケースの評価、現場更新時の再生成手順を管理する必要がある。

参考：NVIDIA Technical Blog