何が起きたか
NVIDIAは2026年8月11日、物理AI向けの大規模合成ロボット動画データセット「PhysicalAI WorldModel Synthetic Embodied Robot Scenes」（略称SDG RobotSim）を公開した。v1.0は37万3703本のRGB MP4動画クリップで構成され、衝突（collision）、操作（manipulation）、人型動作（motion）の3つのタスク群に分類される。データセットは完全合成で、Isaac Sim、Omniverse、Isaac LabなどのUSDベースのシミュレーション・レンダリングパイプラインで生成された。
詳細
データセットはNVIDIAが2026年5月26日に作成し、v1.0として公開された。ライセンスはOpenMDW1.1で、商用・非商用利用が可能。収録ロボットはUnitree G1、Unitree H1、Unitree H2、AgiBot A3、AgiBot G1、Galbot G1、Fourier GR-1などの人型ロボット、NVIDIA CarterやBoston Dynamics Spotなどの移動・四足プラットフォーム、固定ベースマニピュレータ、器用なハンドアームなど多様な形態をカバーする。生成スタックはIsaac Sim（物理・センサーレンダリング）、Omniverse（USDシーン合成）、Isaac Lab（ロボット学習・衝突パイプライン）、および内部データ生成ツール（操作・人型動作用）で構成される。タスク群の内訳は、衝突がIsaacLabとMobilityGen、操作がDreamZero、MimicGen、Simulario、動作がBONES SEEDモーションデータをSOMAリターゲッタで変換したもの。キュレーションではルールベースのフィルタリング、メタデータチェック、重複モーション除去、VLMによるシミュレーションアーティファクトの批判的評価が行われる。
Key Facts
| NVIDIAは2026年8月11日、物理AI向け合成ロボット動画データセット「PhysicalAI WorldModel Synthetic Embodied Robot Scenes」を公開した。 | [3] |
| v1.0は37万3703本のRGB MP4動画クリップで構成され、衝突・操作・人型動作の3タスク群に分類される。 | [3] |
| データセットは完全合成で、Isaac Sim、Omniverse、Isaac LabなどのUSDベースのパイプラインで生成された。 | [3] |
| 収録ロボットにはUnitree G1、Unitree H1、Unitree H2、AgiBot A3、AgiBot G1、Galbot G1、Fourier GR-1、NVIDIA Carter、Boston Dynamics Spotなどが含まれる。 | [3] |
| データセットはOpenMDW1.1ライセンスで提供され、商用・非商用利用が可能。 | [3] |
本紙の見方
今回のデータセット公開は、NVIDIAが提唱する物理AI開発の「3コンピュータパラダイム」のうち、シミュレーションコンピュータの役割を具体化するものだ。同社は2026年7月21日のブログで、物理AIの主要な課題はデータ不足であり、シミュレーションが現実データ収集のコスト・リスク・非実用性を回避する手段だと説明している。今回のデータセットは、そのシミュレーションで生成した大規模な合成動画を世界モデル訓練に供するもので、Cosmosシリーズの訓練データとして位置づけられる。 本紙が既報の通り、NVIDIAは2026年8月19日に4Bパラメータの世界モデル「Cosmos 3 Edge」を公開し、Jetson Thor上でロボット操作ポリシーをリアルタイム実行できることを示した。今回のデータセットは、そのような世界モデルの訓練を支える基盤であり、シミュレーションで生成した多様なロボット形態・接触動作・長尾シナリオを提供することで、実世界データの不足を補う狙いがある。 データセットの構成をみると、37万3703本のクリップのうち、衝突・操作・動作の3タスク群が含まれるが、内訳の比率は公開されていない。ただし、収録ロボットの多様性（Unitree、AgiBot、Galbot、Fourier、Boston Dynamicsなど）は、単一プラットフォームに依存せず、幅広い形態にまたがる汎用性を重視していることを示す。これは、世界モデルが特定のロボットに過適合するのを防ぎ、異なるハードウェアへの転移を容易にするための設計とみられる。 業界構造への含意として、このデータセットはロボットAI開発の参入障壁を下げる可能性がある。完全合成で商用利用可能なデータを提供することで、実機を持たない研究機関やスタートアップでも世界モデル訓練に着手できる。一方で、データ生成にはIsaac SimやOmniverseといったNVIDIAのツールチェーンが前提となっており、エコシステムへの依存を強める側面もある。 未確定の論点としては、データセットの各タスク群の正確な内訳比率、生成に使用した計算リソースの規模、そしてこのデータセットが実際にCosmosモデルの性能向上にどの程度寄与するかの定量的評価が挙げられる。また、シミュレーション特有のアーティファクトが実世界転移に与える影響も、今後の検証が必要だ。
なぜ重要か
このデータセットは、物理AIの訓練データ不足という根本課題に対するNVIDIAの回答の一つであり、シミュレーションを現実データの代替として実用化する動きを加速させる。商用利用可能な大規模合成データの提供は、ロボットAI開発の民主化を進める一方で、NVIDIAのツールチェーンへの依存を強める可能性がある。
日本への影響
データセットに含まれるロボットにはUnitreeやAgiBotなど中国勢が多く、日本のロボットメーカーは含まれていない。これは、日本のロボット産業が世界モデル訓練用のデータエコシステムに直接参加する機会が限られていることを示唆する。一方で、日本の部品メーカーにとっては、シミュレーション上で多様なロボットが動作することで、部品の仮想評価や設計検証に活用できる可能性がある。ただし、具体的な連携や影響は現時点では不明である。