何が起きたか
NVIDIAは2026年8月19日、4Bパラメータの世界基盤モデル「Cosmos 3 Edge」をロボット操作ポリシー向けにポストトレーニングし、エッジデバイス「Jetson Thor」上でリアルタイム推論を実現する手法を公開した。同モデルはCosmos 3ファミリーの最小モデルで、2BのNemotronベースの推論器を内蔵する。ポストトレーニングされたポリシーは、データセンターGPUを介さずにロボット上で直接動作し、閉ループ評価で成功率22.9%を達成した。
詳細
ポストトレーニングには、nvidia/Cosmos3-DROIDデータセットを使用。76kの遠隔操作成功軌跡、約350時間、86タスク、564シーンで構成され、Franka PandaアームとRobotiqグリッパーで収集された。データセットはLeRobotDataset v3.0形式で640×360解像度。ポリシーは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、1チャンクで約2.13秒のロボット動作をカバーする。モデルはBF16で約9GB、Thorのオンボードメモリに収まる。検証済み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構成、60Kイテレーション、約68時間（約17.4K GB200時間）を要する。CUDA 13.0（cu130）、NGC 26.06-py3が必要。ポリシーサーバーはOpenPIプロトコルを話すWebSocketサーバーとして動作し、Jetson Thor上でネイティブに実行される。
Key Facts
| NVIDIAは2026年8月19日、4Bパラメータの世界基盤モデル「Cosmos 3 Edge」をロボット制御向けにポストトレーニングし、Jetson Thor上でリアルタイム推論を実現する手法を公開した。 | [1] |
| ポストトレーニングされたポリシーは、Jetson AGX Thor T5000上で各アクションチャンクを約1.53秒で生成し、1チャンクで約2.13秒のロボット動作をカバーする。 | [1] |
| 閉ループ評価で成功率22.9%を達成した。 | [1] |
| トレーニングデータはnvidia/Cosmos3-DROIDデータセットで、76kの成功軌跡、約350時間、86タスク、564シーンで構成される。 | [1] |
| Cosmos 3 EdgeはCosmos 3ファミリーの一部で、2BのNemotronベースの推論器を内蔵する。 | [1] |
本紙の見方
今回の発表は、NVIDIAが物理AIのエッジ展開を加速させる上で重要な一歩と位置づけられる。Cosmos 3 Edgeは4Bパラメータと小型ながら、世界モデルとしての物理理解を維持しつつ、Jetson Thor上でリアルタイム推論を実現した。これは、データセンターGPUへの依存を断ち切り、ロボット単体での自律動作を可能にする点で、従来のクラウド依存型アーキテクチャからの転換を示す。 本紙が既報の通り、NVIDIAは2026年8月26日に「Cosmos 3 Edge」のエッジ実装を報じたが、今回の詳細な技術公開により、その実装の具体像が明らかになった。特に、ポストトレーニングの計算規模（64ノードの4×GB200、約17.4K GB200時間）は、単一GPUでのファインチューニングではなく、基盤モデルレベルの大規模な後学習であることを示す。これは、ロボットポリシーの開発が、従来のタスク特化型の学習から、世界モデルを基盤とした汎用的な学習へと移行しつつあることを示唆する。 業界構造への含意として、この技術はロボットメーカーにとっての参入障壁を下げる可能性がある。Cosmos 3 Edgeはオープンなライセンス（OpenMDW 1.1）で提供され、開発者は自社のデータでポストトレーニングできる。これにより、ロボット開発の中心がハードウェアからソフトウェア（ポリシー学習）へとシフトし、データと計算資源を持つ企業が優位に立つ構図が強まる。また、Jetson Thor上で動作するため、エッジAI市場におけるNVIDIAのプラットフォーム戦略がさらに強化される。 未確定の論点としては、成功率22.9%は閉ループシミュレーションでの値であり、実環境での性能は未知数である。また、ポストトレーニングに必要な計算資源（約17.4K GB200時間）は、多くのロボット開発企業にとって大きな負担となる可能性があり、このコストがどの程度低下するかが普及の鍵となる。さらに、Cosmos 3 Edgeがサポートするエンボディメント（Franka、UR、WidowX 250、LeRobot SO101など）は限定的であり、多様なロボットへの適用には追加の設定が必要となる。
なぜ重要か
この技術は、ロボットがデータセンターに依存せずに自律的に動作するための基盤を提供する。エッジでのリアルタイム推論が可能になれば、ロボットの応用範囲は工場や倉庫などネットワーク環境が限られた現場にも広がり、物理AIの実用化が加速する。
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な世界モデル開発に参加する意向を示している。日本の製造業は、このオープンな世界モデルを活用することで、自社のロボットや製造プロセスに特化したポリシーを開発できる可能性がある。一方で、ポストトレーニングに必要な大規模な計算資源は、日本の企業にとっては課題となる可能性がある。