何が起きたか
NVIDIAは2026年8月19日、エッジデバイス上でロボット制御を実行するための基盤モデル「Cosmos 3 Edge」を公開した。同モデルは4Bパラメータのオムニモデルで、2BのNemotronベースの推論器を備え、Jetson Thor上で動作する。事後訓練済みのポリシーは、Jetson AGX Thor T5000上で約1.53秒ごとにアクションチャンクを生成し、データセンターGPUなしで実時間制御を実現する。閉ループ評価では成功率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。モデルは約9GB（BF16）で、Jetson Thorのオンボードメモリに収まる。事後訓練には、nvidia/Cosmos3-DROIDデータセットを使用し、76kの成功した遠隔操作軌道、約350時間、86タスク、564シーンが含まれる。データセットはLeRobotDataset v3.0形式（640×360解像度）で提供される。訓練は64ノードの4×GB200構成で60Kイテレーション、約68時間（約17.4K GB200時間）を要する。アクション空間は8次元の絶対関節位置（7関節+グリッパー）、アクションチャンクは15Hzで32未来アクション。観測は3カメラ構成（手首360×640、外部2台180×320）で540×640に合成される。ポリシーはOpenPIプロトコルを話すWebSocketサーバーとしてJetson Thor上で動作し、ホストはlocalhost、データセンターGPUは不要。対応エンボディメントは、デュアルアームFranka、UR、WidowX 250、LeRobot SO101など。
Key Facts
| NVIDIAは2026年8月19日、エッジ向け物理AI基盤モデル「Cosmos 3 Edge」を公開した。4Bパラメータのオムニモデルで、2BのNemotronベースの推論器を備える。 | [1] |
| Cosmos 3 EdgeはJetson Thor上で動作し、データセンターGPUなしで実時間推論を実現する。Jetson AGX Thor T5000上でアクションチャンク生成に約1.53秒、単一チャンクで約2.13秒のロボット動作をカバーする。 | [1] |
| 事後訓練にはnvidia/Cosmos3-DROIDデータセットを使用。76kの成功した遠隔操作軌道、約350時間、86タスク、564シーンが含まれる。 | [1] |
| 閉ループ評価（RoboLabタスク）で、事後訓練済みポリシーは成功率22.9%を達成した。 | [1] |
| Cosmos 3ファミリーには、Cosmos 3 Super（64B）、Cosmos 3 Nano（16B）、Cosmos 3 Edge（4B）が含まれ、Cosmos 3はオープンな物理AI基盤モデルとしてLinux FoundationのOpenMDW 1.1ライセンスで提供される。 | [5] |
本紙の見方
今回の発表は、NVIDIAが物理AIの基盤モデルをエッジデバイスにまで展開する戦略の一環と位置づけられる。Cosmos 3 Edgeは4Bパラメータという小型モデルでありながら、Jetson Thor上で実時間推論を可能にし、データセンターGPUへの依存を排除した点が新規性として際立つ。これは、ロボットが現場で自律的に動作するための計算基盤を、クラウドからエッジへ移行させる流れを加速させるものだ。 本紙の過去報道では、テレイグジスタンス、エヌビディア主導のフィジカルAI枠組みに参画 コンビニ店員ロボ開発で、NVIDIA Cosmos Coalitionへの参画が報じられた。Cosmos 3 Edgeの公開は、このCoalitionの活動を技術面で支えるものであり、日本企業が参加する上での基盤モデルとして機能する可能性がある。また、Ambi Robotics、物理AIモデル「CARGO」を発表 積み付け密度75%超、毎時340ソートを達成で報じたように、物理AIの実用化が進む中で、エッジ推論の重要性は増している。 業界構造への含意として、Cosmos 3 Edgeの登場は、ロボットメーカーが高性能な計算資源を自前で持たずとも、エッジデバイス上で高度なAI制御を実装できることを意味する。これにより、ロボット開発の参入障壁が下がり、特に中小企業やスタートアップにとって有利に働く可能性がある。一方で、NVIDIAはJetson Thorという専用ハードウェアとソフトウェアスタックを組み合わせることで、エッジAI市場での支配力を強める狙いがあるとみられる。 未確定の論点としては、Cosmos 3 Edgeの実ロボットでの性能が、シミュレーション評価（成功率22.9%）とどの程度乖離するかが挙げられる。また、対応エンボディメントが限定的であるため、多様なロボット形状への拡張が今後の課題となる。さらに、事後訓練には大規模な計算資源（約17.4K GB200時間）が必要であり、このコストをどう低減するかも焦点になる。
なぜ重要か
Cosmos 3 Edgeは、物理AIの基盤モデルをエッジデバイスで実行可能にすることで、ロボットの自律性を高め、クラウド依存を減らす。これは、ロボットの実用化を加速し、製造業や物流などでの導入コストを低減する可能性がある。また、NVIDIAのエコシステム戦略を強化し、物理AI分野での標準プラットフォームとしての地位を固める一歩となる。
日本への影響
NVIDIAはCosmos Coalitionを日本に拡大しており、日本企業が工場や物流などでの物理AI開発に参加する動きが報じられている。Cosmos 3 Edgeは、Jetson Thor上で動作するため、日本のロボットメーカーがエッジAIを活用した製品開発を進める際の基盤となり得る。特に、日本の強みである製造業やロボット産業において、エッジ推論の活用は競争力向上につながる可能性がある。