NVIDIA、エッジ向け世界モデル「Cosmos 3 Edge」のポストトレーニング手順を公開 4BモデルでJetson Thor上リアルタイム推論

何が起きたか

NVIDIAは2026年8月19日、エッジ向け世界モデル「Cosmos 3 Edge」のポストトレーニング手順を公開した。Cosmos 3 Edgeは4Bパラメータのオムニモデル（2BのNemotronベースのリーズナーを含む）で、Jetson Thor上で動作し、ロボットの操作ポリシーを実時間推論できる。DROIDデータセットでポストトレーニングしたポリシーは、閉ループ評価で成功率22.9%を達成した。

詳細

Cosmos 3 Edgeは、Cosmos 3ファミリーの一部で、Cosmos 3 Nano（16B）やCosmos 3 Super（64B）と同じ物理世界データで事前学習されている。ポストトレーニングには、76kの遠隔操作軌跡（約350時間、86タスク、564シーン）を含むnvidia/Cosmos3-DROIDデータセットを使用する。検証済みのトレーニングハードウェアはNVIDIA DGX Station（GB200 Grace Blackwell SuperchipまたはGB300 Grace Blackwell Ultra Desktop Superchip）で、64ノードの4×GB200で60Kイテレーション、約68時間（約17.4K GB200時間）かかる。推論はJetson AGX Thor T5000上で、640×540解像度・15Hzで各アクションチャンクを約1.53秒で生成し、単一チャンクで約2.13秒のロボット動作をカバーする。ポリシーは約9GB（BF16）で、Thorのオンボードメモリに収まる。

Key Facts

本紙の見方

今回の公開は、NVIDIAが世界モデルをエッジデバイス上で実用化するための具体的なレシピを提供した点で重要である。Cosmos 3 Edgeは4Bパラメータと軽量でありながら、Jetson Thor上でリアルタイム推論を実現し、データセンターGPUに依存しないロボット制御を可能にする。これは、ロボットの自律性を高める上で大きな前進であり、特に通信遅延やプライバシーの問題が顕在化する現場での応用が期待される。 本紙の過去報道では、NVIDIAが2026年8月17日に「Cosmos 3 Edge」を公開し、Jetson Thor上でロボット制御を実時間実行できることを報じた。今回のポストトレーニング手順の公開は、その発表を補完するものであり、開発者が実際にモデルを特定のロボットやタスクに適応させるための具体的な方法を示している。これにより、世界モデルの実用化が加速する可能性がある。 業界構造への含意として、エッジAIの重要性が増す中で、NVIDIAはJetsonプラットフォームを中心にロボット開発の標準化を進めている。Cosmos 3 Edgeのポストトレーニング手順は、ロボットメーカーが独自のデータでモデルをカスタマイズすることを可能にし、サプライチェーンにおけるAIコンポーネントの内製化圧力を高める可能性がある。また、DROIDデータセットの公開は、ロボット学習のデータ共有を促進し、業界全体の進歩に寄与する。 未確定の論点としては、ポストトレーニングに必要な計算リソース（約17.4K GB200時間）が中小企業にとって障壁となる可能性がある。また、成功率22.9%はシミュレーション環境での結果であり、実環境での性能は未知数である。さらに、Cosmos 3 Edgeが対応するエンボディメントの範囲（Franka、UR、WidowX 250など）が限られているため、他のロボットへの適用には追加の調整が必要となる。

なぜ重要か

NVIDIAがエッジ向け世界モデルのポストトレーニング手順を公開したことで、ロボット開発者はデータセンターに依存せず、ロボット上でリアルタイムに動作するAIポリシーを構築できるようになる。これは、ロボットの自律性と応用範囲を広げる一歩であり、特に通信環境が不安定な現場やプライバシーが重要な用途での導入を後押しする。

日本への影響

NVIDIAはCosmos Coalitionを日本に拡大しており、ロボティクスや製造業のリーダーが工場、物流、農業、建設、ヘルスケア、輸送向けのオープンワールドモデルを開発する意向を示している。Cosmos 3 Edgeのポストトレーニング手順は、日本のロボットメーカーが自社のデータでモデルをカスタマイズする際の基盤となり得る。特に、製造現場での品質検査や物流倉庫でのピッキングなど、エッジでのリアルタイム推論が求められる用途での活用が期待される。