何が起きたか
NVIDIAは2026年2月10日、ロボット学習向けのオープンソースGPUネイティブ基盤「Isaac Lab」の性能と機能を公開した。同基盤はヒューマノイド歩行（Unitree H1）で毎秒135,000 FPS、操作タスク（Franka Cabinet）で毎秒150,000 FPS超を達成し、4,096環境の並列実行でRGB-Dセンサーを有効にしても高スループットを維持する。物理・レンダリング・センシング・学習を単一スタックに統合し、マルチモーダル学習を大規模に可能にする。
詳細
Isaac Labは、物理・レンダリング・センシング・学習を単一スタックに統合したGPUネイティブ基盤。GPUネイティブアーキテクチャにより物理とレンダリングをエンドツーエンドでGPU加速し、大規模並列処理でトレーニング時間を短縮する。マルチモーダルシミュレーションでは、タイル型RTXレンダリングとWarpベースのセンサーを活用し、視覚・深度・触覚などの同期観測と、現実的なマルチ周波数制御ループを生成する。統合ワークフローとして強化学習（RL）と模倣学習（IL）をサポートし、SKRL、RSL-RL、RL-Games、SB3、Rayなどの主要RLライブラリと接続。NVIDIA Cosmos生成データとも統合し、拡張模倣学習を実現する。マネージャーベースのワークフローで観測・行動・報酬・イベントを分離し、手続き的シーン生成で多様な環境をGPU上に生成する。さらに、USD・URDF・MJCFからのロボットインポートを可能にする統一アセットAPI、モーターダイナミクスをモデル化する現実的なアクチュエータ、IMUからフォトリアルなRTXカメラまで10種類以上のセンサータイプ、データ収集を簡素化する内蔵テレオペレーションスタックを備える。ベンチマークではVRAMに応じた線形スケーリングと、器用な手、マルチエージェント群、H1ヒューマノイドの屋外歩行など多様なエンボディメントでのゼロショット転送を確認している。
Key Facts
| NVIDIAは2026年2月10日、ロボット学習向けオープンソースのGPUネイティブ基盤「Isaac Lab」の詳細を公開した。 | [1] |
| Isaac Labはヒューマノイド歩行（Unitree H1）で毎秒135,000 FPS、操作タスク（Franka Cabinet）で毎秒150,000 FPS超を達成した。 | [1] |
| Isaac Labは4,096環境の並列実行でRGB-Dセンサーを有効にしても高スループットを維持する。 | [1] |
| Isaac Labは物理・レンダリング・センシング・学習を単一スタックに統合し、マルチモーダル学習を大規模に可能にする。 | [1] |
| Isaac LabはSKRL、RSL-RL、RL-Games、SB3、Rayなどの主要RLライブラリと接続し、NVIDIA Cosmos生成データとも統合する。 | [1] |
本紙の見方
今回の発表は、NVIDIAがロボット学習の基盤としてシミュレーションを重視する姿勢を改めて示したものだ。Isaac Labは、物理・レンダリング・センシング・学習を単一のGPUネイティブスタックに統合し、従来のCPUバウンドなシミュレーターでは難しかった大規模並列処理を実現する。特に、ヒューマノイド歩行で毎秒13.5万FPS、操作タスクで毎秒15万FPS超という性能は、トレーニング時間を「日単位から分単位」に短縮するという主張を裏付ける。これは、実世界でのデータ収集が高コストで危険を伴うロボット学習において、シミュレーションの役割を拡大するものだ。 本紙の過去報道との接続では、NVIDIAが2026年8月に公開したエッジ向け世界モデル「Cosmos 3 Edge」が、Jetson Thor上でロボットの操作ポリシーを実時間推論できることを示した。Isaac Labはその学習側の基盤であり、シミュレーションで訓練したポリシーを実機に展開する流れを構成する。また、Seeed Studioが発表した「Genesis XIAO Shield」は、実機開発の障壁を下げるものだが、Isaac Labはその前段階の学習を担う。さらに、Diligent RoboticsのMoxi 2.0が世界モデルと10倍の計算能力で病院物流を刷新するという動きは、シミュレーションで訓練されたポリシーが実世界で応用される例と言える。 業界構造への含意として、Isaac Labのオープンソース化は、ロボット学習の民主化を進める。中小企業や研究機関が大規模なGPUクラスターを持たなくても、クラウド上のGPUでシミュレーションを実行し、ロボットのポリシーを訓練できるようになる。これは、ロボット開発の参入障壁を下げ、競争を促進する可能性がある。一方で、NVIDIAはGPUハードウェアとシミュレーション基盤の両方を提供することで、ロボットAIのエコシステムにおける支配的な地位を強化する。 未確定の論点としては、Isaac Labのシミュレーションで訓練されたポリシーが、実世界でどの程度の成功率を達成するかが挙げられる。本紙が過去に報じたCosmos 3 EdgeのDROIDデータセットでの成功率は22.9%だったが、Isaac Labのゼロショット転送がどの程度の性能を発揮するかは、今後の実証データを待つ必要がある。また、Isaac Labがサポートするセンサータイプやアクチュエータのモデルが、実際のロボットハードウェアとどの程度一致するかも検証課題だ。
なぜ重要か
Isaac Labの性能公開は、ロボット学習におけるシミュレーションの実用性を飛躍的に高める。これにより、実世界での危険な試行錯誤を減らし、ロボットの開発サイクルを短縮できる。NVIDIAは、シミュレーション基盤とエッジ推論基盤の両方を提供することで、ロボットAIの標準プラットフォームとしての地位を固めつつある。
日本への影響
日本のロボット産業は、産業用ロボットで強みを持つが、AI学習基盤の活用はこれからだ。Isaac Labのようなオープンソースのシミュレーション基盤は、日本のロボットメーカーが自社のハードウェアに特化したポリシーを効率的に訓練する手段を提供する。特に、トヨタやキオクシアなどがAI需要を取り込む動きを見せる中、ロボット学習の基盤を自前で持つか、NVIDIAのエコシステムに依存するかが戦略的な分岐点になる。