NVIDIA、4B世界モデル「Cosmos 3 Edge」をロボット制御向けにポストトレーニング Jetson Thor上でリアルタイム推論

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。同モデルはCosmos 3ファミリーの一部で、2BのNemotronベースの推論器を備える。ポストトレーニングされたポリシーは、NVIDIA 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、閉ループ評価で成功率22.9%を達成した。

詳細

Cosmos 3 Edgeは4Bのオムニモデルで、Cosmos 3 NanoおよびCosmos 3 Super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、nvidia/Cosmos3-DROIDデータセット（76kの成功した遠隔操作軌道、約350時間、86タスク、564シーン、Franka PandaアームとRobotiqグリッパーで収集）を使用。データセットはLeRobotDataset v3.0形式（640×360解像度）で提供される。ポリシーはJetson Thor上でネイティブに動作し、重みは約9GB（BF16）でThorのオンボードメモリに収まる。推論はWebSocketポリシーサーバー（OpenPIプロトコル）で提供され、データセンターGPUを介さずにロボット上で完結する。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を使用し、60Kイテレーションで約68時間（約17.4K GB200時間）かかる。

Key Facts

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パラメータと軽量でありながら、世界モデルとしての物理的相互作用の理解を備え、Jetson Thor上でリアルタイム推論を実現する。これは、データセンターGPUに依存せずロボット単体で動作する点で、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」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。今回の発表はその続報であり、具体的な性能指標（1.53秒のチャンク生成、22.9%の成功率）とトレーニングデータの詳細が明らかになった。これにより、エッジ展開の実用性がより具体的に示された。 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、クラウド接続が不安定な環境やレイテンシが問題となる現場での展開を可能にする。特に、製造現場や物流倉庫など、リアルタイム性が求められる用途での採用が進む可能性がある。また、Cosmos 3 Edgeがオープンなライセンス（OpenMDW 1.1）で提供されることは、サプライチェーン全体でのカスタマイズを促進し、NVIDIAのエコシステムへの依存を強める可能性がある。 未確定の論点としては、実際のロボットへの展開における耐久性や、異なるエンボディメントへの適応性が挙げられる。今回のポリシーはFranka PandaアームとRobotiqグリッパーに特化しているが、他のロボット構成での性能は未検証である。また、トレーニングに必要な計算リソース（約17.4K GB200時間）は大規模であり、中小企業にとっての参入障壁となる可能性がある。

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自律的に動作するための基盤を提供し、物理AIの実用化を大きく前進させる。特に、エッジでのリアルタイム推論が可能になることで、ロボットの応用範囲が拡大し、製造・物流・サービスなど多岐にわたる産業での導入が加速する可能性がある。

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、このエッジ推論技術を活用することで、現場でのリアルタイム制御を強化できる可能性がある。一方で、トレーニングに必要な大規模な計算リソースは、日本の中小企業にとっては課題となる可能性がある。