NVIDIA、人型ロボット開発ツール群を発表　Isaac Lab公開や12倍高速な分詞ツールも

NVIDIA はロボット学習向けオープンソースフレームワーク「Isaac Lab 1.2」を正式公開し、あわせて人型ロボット向け Project GR00T の最新ワークフローや世界モデル構築ツール群を発表しました。仮想空間上で物理シミュレーションを高速実行し、実機に投入する動作制御ポリシーを効率よく訓練できる環境が整います。

本フレームワークは NVIDIA Omniverse および OpenUSD を基盤にしており、二足歩行ロボットから四足歩行、協働ロボットアームまで多様な形態に対応します。

何ができるのか

Isaac Lab を使うことで、数千台規模のロボットを仮想環境内で並列動作させ、複雑な接触や移動の強化学習を短期間で行えます。実機を壊すリスクを冒さずに、環境適応能力を大幅に引き上げることが可能です。

すでに Boston Dynamics、Agility Robotics、1X、Unitree、XPENG Robotics など国内外の主要ロボット企業や研究機関が採用を進めています。さらに Hugging Face との協業により、オープンソースロボット基盤 LeRobot や小型組み込み端末 Jetson との連携も強化されました。

人型ロボット特有の難課題に対しては、Project GR00T の 6 つのワークフローが提供されます。生成 AI で 3D 環境を構築する GR00T-Gen、動作軌道を生成する GR00T-Mimic、巧緻な手先作業を担う GR00T-Dexterity、全身制御の GR00T-Control、移動とナビゲーションの GR00T-Mobility、そしてマルチモーダル認識の GR00T-Perception です。

12倍高速な動画トークナイザー「Cosmos」

ロボットが自らの行動による環境変化を予測する「世界モデル」の訓練には、膨大な映像データが必要です。このデータ処理負荷を減らすため、NVIDIA は映像トークナイザー「Cosmos」をオープンソース化しました。

Cosmos は歪みやフレーム間のブレを抑えつつ高い圧縮率を達成し、既存のトークナイザーと比べて最大 12 倍の速度で映像を再構成します。人型ロボットを手掛ける 1X は、すでに自社のデータセットに Cosmos を採用し、より少ない計算資源で長期予測モデルの訓練を行っています。

またデータ処理ツール NeMo Curator にも動画パイプラインが追加され、マルチノード環境で 100 ペタバイト超のデータを扱えるようになりました。最適化前のパイプラインと比べて最大 7 倍高速に処理できます。

入手先と動作環境

Isaac Lab 1.2 のソースコードは GitHub で公開されており、旧環境 Isaac Gym からの移行ガイドも用意されています。Cosmos トークナイザーは GitHub と Hugging Face からダウンロード可能です。NeMo Curator の動画対応版は 11 月末に公開されます。

利用には NVIDIA RTX シリーズなどの GPU 環境が必要で、大規模なシミュレーションやデータ前処理にはマルチ GPU クラスタが推奨されます。

なぜ重要か

ロボティクスや世界モデルを研究している開発者なら、すぐに試す価値があります。物理シミュレータの構築や動画トークナイズの最適化といった泥臭い基盤部分を自作する手間が省け、肝心のモデル開発と制御検証に集中できるからです。

ハードウェアとして NVIDIA GPU に依存する前提はあるものの、フレームワークを無償公開してエコシステムを囲い込む同社の戦略は非常に強力です。人型ロボット開発の共通基盤として、デファクトスタンダードの座を一層強固にしたと言えます。