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ベースの推論器を内蔵）で、Cosmos 3ファミリーに属し、物理世界のデータで事前学習されている。モデルはNVIDIA Jetson Thor上で動作するほど小型で、ロボット操作ポリシーをリアルタイム推論できる。公開されたチュートリアルでは、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）でポストトレーニングしたポリシーが、閉ループ評価で成功率22.9%を達成したと報告されている。

詳細

Cosmos 3 Edgeは4Bパラメータのオムニモデルで、2BのNemotronベースの推論器を内蔵する。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は、NVIDIA DGX Station（GB200 Grace Blackwell SuperchipまたはGB300 Grace Blackwell Ultra Desktop Superchip）上で、64ノードの4×GB200を使用し、60Kイテレーション、約68時間（約17.4K GB200時間）かけて実行される。推論はNVIDIA Jetson AGX Thor T5000上で、640×540解像度、15Hzで実行され、各アクションチャンクの生成に約1.53秒かかる。単一チャンクは約2.13秒のロボット動作をカバーする。ポリシーはOpenPIプロトコルを話すWebSocketサーバーで提供され、重みは約9GB（BF16）でThorのオンボードメモリに収まる。データセットはLeRobotDataset v3.0形式（640×360解像度）で提供され、アイドルフレームのフィルタリング、成功デモの選択、ランダムクロップなどの前処理が行われる。Cosmos 3は、双腕Franka、UR、WidowX 250、LeRobot SO101など複数のエンボディメントをサポートする。

Key Facts

本紙の見方

今回の発表は、NVIDIAが物理AI向けに展開するCosmos 3ファミリーの一角を、エッジデバイス上での実運用に耐える形で具体化した点で新規性がある。Cosmos 3 Edgeは4Bパラメータと小型でありながら、Jetson Thor上でリアルタイム推論を実現し、データセンターGPUを介さずにロボット上で完結する。これは、ロボットの制御ループに世界モデルを組み込む際の二大制約であるメモリ容量と制御レイテンシを、モデルサイズと推論最適化で解決したことを意味する。 本紙の過去報道（2026年8月20日付『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』）は、今回の発表を既に報じている。本記事では、その技術的詳細を一次情報に基づき再整理した。過去記事では成功率22.9%という数値に触れていたが、本記事では推論速度（1.53秒/チャンク）やデータセット構成（76k軌道、350時間、86タスク、564シーン）など、運用上の具体値を補足している。 業界構造への含意として、まず、エッジ推論の実用化は、ロボットメーカーにとってデータセンター依存からの脱却を意味する。これにより、通信遅延やコスト、プライバシー問題が軽減され、実環境での展開が加速する可能性がある。次に、NVIDIAはCosmos 3をオープンモデルとして提供し、Linux FoundationのOpenMDW 1.1ライセンスの下でポストトレーニングを許可している。これは、ロボットメーカーが自社のデータでモデルを特化させることを促し、NVIDIAのハードウェア（Jetson Thor）とソフトウェア（Cosmos、Isaac GR00T）へのロックインを強める戦略とみられる。さらに、Cosmos 3 Edgeは複数のエンボディメント（双腕Franka、UR、WidowX 250など）をサポートしており、特定のロボットに依存しない汎用性を打ち出している。これは、ロボットメーカー各社が独自の基盤モデルを開発する必要性を減じ、NVIDIAのエコシステムへの依存を高める可能性がある。 未確定の論点としては、まず、成功率22.9%は閉ループシミュレーションでの数値であり、実機での性能は未検証である。次に、ポストトレーニングには約17.4K GB200時間という大規模な計算資源が必要であり、中小企業にとっては参入障壁が高い。また、Cosmos 3 Edgeのライセンス条件（OpenMDW 1.1）の詳細や、商用利用時の制約は明らかでない。さらに、DROIDデータセットはFranka PandaアームとRobotiqグリッパーで収集されており、他のエンボディメントへの適用には追加のデータ収集と設定変更が必要となる。

なぜ重要か

エッジデバイス上で世界モデルがリアルタイム動作する実証は、ロボットの自律性と応答性を飛躍的に高める可能性がある。データセンターへの依存を減らすことで、ロボットの実用範囲が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の社会実装を加速させる一歩となる。

日本への影響

NVIDIAはCosmos Coalitionを日本に拡大し、ロボティクスと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を開発する意向を示している。日本の製造業は、Cosmos 3 Edgeのようなエッジ推論モデルを活用することで、現場のデータを外部に送信せずにロボットを制御できる可能性があり、データセキュリティとリアルタイム性の両立が期待される。ただし、ポストトレーニングには大規模な計算資源が必要であり、日本の企業が単独で実施するにはハードルが高い。NVIDIAのエコシステムに参加し、共同でモデルを開発するか、クラウドサービスを利用するかが焦点となる。