30秒サマリー
- NVIDIA Cosmos 3 Edgeを実機ロボットのオンデバイス推論向けにポストトレーニングする方法を公式ブログが詳説
- 4BパラメータのモデルがJetson AGX Thor上で動作し、データセンターGPUなしにリアルタイム制御を実現
- 閉ループシミュレーションでの成功率22.9%を記録、製造・物流現場への応用可能性を示す
何が起きたか
NVIDIAは2026年8月19日、公式テクニカルブログにて、Cosmos 3 Edgeモデルをロボットのオンデバイス制御ポリシーとしてポストトレーニングする手法を公開した。Cosmos 3 Edgeは4Bパラメータのオムニモデル（2B NemotronベースのReasoner含む）で、Cosmos 3ファミリーの一員。BF16精度で約9GBの重みサイズにより、NVIDIA Jetson AGX Thor上のオンボードメモリに収まり、データセンターGPUへのオフロードなしに動作する。
推論性能については、Jetson AGX Thor T5000上で640×540解像度・15Hz動作時に1アクションチャンク（32ステップ分）を約1.53秒で生成するとされる。1チャンクが約2.13秒のロボット動作をカバーするため、次のチャンクが現在のチャンク終了前に準備でき、アームが継続的に動作できる構成となっている。閉ループ評価（RoboLabベンチマーク）では成功率22.9%を達成したとブログは記載している。
ポストトレーニングのデータセットとして「nvidia/Cosmos3-DROID」が使用される。Franka PandaアームとRobotiqグリッパーで収集された約7万6,000件のテレオペレーション軌跡（約350時間、86タスク・564シーン）を含む。トレーニングには大規模な計算資源が必要で、検証済み構成ではGB200を4基搭載したノード64台を用いた6万イテレーション・約68時間（約1万7,400 GB200時間）の実行が示されている。モデルの重みとチェックポイントはHugging Faceで公開されており、ソースコードは「cosmos-framework」リポジトリで参照可能とされている。
原典ハイライト
原文は「A 4B world foundation model can serve as a practical, real-time, on-device policy backbone」と述べており、大規模世界モデルをエッジデバイスで実用的なリアルタイムポリシーとして動作させる実現可能性を示すものとして位置づけている。また、ポリシーサーバーがOpenPIプロトコルに準拠し、RoboLab閉ループシミュレーションで評価可能な点も明示されている。
出典: NVIDIA Technical Blog（公式ブログ）
So What?（なぜ重要か）
編集部の見方では、本ブログ公開の意義は「世界モデルのエッジ展開」に向けた具体的なパイプライン全体（ポストトレーニング→デプロイ→シミュレーション評価）が一つの再現可能なワークフローとして示された点にある。データセンターGPUへの依存をなくすことで、ネットワーク遅延や通信コスト・セキュリティリスクを削減しながらロボット制御を実現する道筋が具体化される。ただし成功率22.9%はあくまで閉ループシミュレーション上の数値であり、実際の製造・物流現場での実用水準に達しているかは原文からは判断できない。
日本企業への示唆
製造・物流・インフラ分野でロボット導入を検討する日本企業にとって、注目すべき点は二つある。第一に、必要な計算資源のハードルの高さだ。検証済みトレーニング構成にはGB200を256基規模の大規模クラスターが必要とされており、自社単独での実施は大企業・研究機関以外には現実的でない。クラウドやNVIDIAパートナーを経由した利用モデルの検討が現実的だろう。第二に、「自社ロボットデータの整備」が競争優位の源泉になり得る点だ。ブログはLeRobotDataset v3.0形式への変換手順を示しており、既存の現場データをこの形式に変換する準備を今から進めることが、将来的なポストトレーニングの精度向上につながる。まずはオープンなRoboLabシミュレーション環境での検証コストゼロでの評価から着手することが現実的な第一歩といえる。
背景・経緯
NVIDIAのCosmos 3ファミリーはNanoおよびSuperなど複数のサイズのモデルを含む。Cosmos 3 Edgeはその中でJetson Thorへのオンデバイスデプロイを主目的として設計されたモデルと位置づけられている。原文によれば、Cosmos 3 NanoおよびCosmos 3 Superと同一の物理世界データで事前学習されている。なお、Cosmos 3 Edge自体がいつ初公開されたかは原文からは明示されていない。
