NVIDIA、4B世界モデル「Cosmos 3 Edge」でロボットのオンデバイス制御を実現 推論は1.53秒

何が起きたか

NVIDIAは2026年8月19日、4Bパラメータのオムニモデル「Cosmos 3 Edge」を公開した。同モデルは2BのNemotronベースの推論器を内蔵し、Jetson Thor上でオンデバイス推論が可能。ポストトレーニング済みの操作ポリシーは、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、単一チャンクで約2.13秒分のロボット動作をカバーする。クローズドループのRoboLabタスクでは成功率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。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。検証済みのトレーニングハードウェアはNVIDIA DGX Station（GB200またはGB300）で、64ノードの4×GB200で60Kイテレーション、約68時間（約17.4K GB200時間）を要する。ポリシーはOpenPIプロトコルを話すWebSocketサーバーとしてJetson Thor上でネイティブに実行され、データセンターGPUを介さずにロボット上で完結する。

Key Facts

本紙の見方

今回の発表は、世界モデルをロボットのオンデバイス制御に適用する実用的な道筋を示した点で新規性がある。従来、世界モデルは大規模な計算資源を必要とし、データセンターGPUでの推論が前提だった。Cosmos 3 Edgeは4Bパラメータに抑え、Jetson Thor上でリアルタイム推論を可能にした。これにより、ロボットがネットワーク接続や外部計算に依存せず、自律的に動作できる可能性が広がる。 本紙の過去報道では、LGがNVIDIA Isaac GR00Tを搭載した二足歩行ヒューマノイドを2027年第1四半期に公開予定で、アクチュエータ内製とデータファクトリーによる垂直統合を進めていると報じた。また、Diligent RoboticsのMoxi 2.0はNVIDIA A2000搭載で認識速度を10〜15倍に向上させ、世界モデルを導入している。これらの動きは、NVIDIAの物理AIスタックがロボットメーカーに広く採用されていることを示す。Cosmos 3 Edgeの登場は、こうしたロボットがオンデバイスで高度な制御を行うための基盤を提供する。 業界構造への含意として、オンデバイス推論の実現は、ロボットの応答遅延を減らし、通信帯域やプライバシーの問題を軽減する。特に、工場や倉庫などネットワーク環境が不安定な現場での実用性が高まる。また、ポストトレーニングに必要な計算資源（64ノードのGB200で約68時間）は依然として大規模であり、中小企業が独自にモデルを調整するのは困難かもしれない。NVIDIAはCosmos 3をOpenMDW 1.1ライセンスで公開しており、オープンエコシステムを推進しているが、実際のポストトレーニングには高度な計算基盤が必要だ。 未確定の論点として、Cosmos 3 Edgeのポリシーが実際の多様なロボット構成でどの程度の性能を発揮するかは、まだ検証が進んでいない。また、成功率22.9%はクローズドループシミュレーションでの結果であり、実環境での性能は未知数だ。さらに、ポストトレーニングに必要なデータ量や計算コストが、実用化の障壁になる可能性がある。

なぜ重要か

Cosmos 3 Edgeは、世界モデルをロボットの頭脳としてオンデバイスで動かすことを現実にし、ロボットの自律性と応答性を高める。これにより、ロボットがネットワークに依存せず、より複雑なタスクをリアルタイムで処理できるようになる。NVIDIAのエコシステムがロボット産業の標準基盤としてさらに浸透する可能性がある。

日本への影響

NVIDIAはCosmos Coalitionを日本に拡大し、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開発に参加する意向を示している。日本の製造業は、オンデバイス推論の利点を活かし、ネットワークが不安定な工場現場でのロボット活用を進める可能性がある。また、ポストトレーニングに必要な大規模計算資源は、日本の研究機関や企業にとって課題となるかもしれない。