公開:2026年11月10日, 最終更新:2026年11月10日
NVIDIAは今週テキサス州オースティンで開催中のCoRL(Conference on Robot Learning)において、オープンな世界行動モデル「GR00T 2」およびロボット学習フレームワーク「Isaac Lab 3.0」をはじめとする複数のオープンロボティクス技術を発表した。
30秒サマリー
- NVIDIAがCoRLでGR00T 2を発表。50タスク中40タスクをデモなしでクリアし、5件のデモで平均成功率95%を達成
- Isaac Lab 3.0はNewtonとの統合強化でケーブルや布などの変形物体をシミュレーション可能に。訓練スループットは旧版比最大2.5倍
- FoxconnやSiemensがGR00T 2を工場自動化や産業用途に評価中。BoschやAmbi RoboticsはGaP(Graph-as-Policy)フレームワークを検討
GR00T 2とIsaac Lab 3.0の発表内容と主要成果
NVIDIAはCoRLにおいて、NVIDIA Cosmos上に構築したオープンな世界行動モデル「GR00T 2」を発表した。同モデルはロボットおよび人間のデータ(NVIDIAのオープンソース一人称視点データ10万時間を含む)で学習しており、タスク固有のデモなしで評価した50タスク中40タスクを少なくとも1回クリア、1タスクあたり1件のデモで平均成功率71%、5件で95%を達成した。GR00T 2は現時点でRoboCasa365、RoboLab、RoboDojo、MolmoSpacesの各ベンチマークにおいてビジョン言語行動モデル・世界行動モデル全カテゴリでトップ3に入り、複数のリーダーボードで首位を獲得しているとしている。Foxconnはサーバー製造の工場自動化、Siemensは産業用途全般、NexuniはランドリーロボットへのGR00T 2の適用を評価中。MicroAGIは強化学習によるポストトレーニングを経て、GR00T 2とYAMロボットアームでイーサネットケーブルの入れ替えを実施している。
ロボット学習フレームワーク「Isaac Lab 3.0」では、オープンソース物理エンジン「Newton」との統合が強化され、ケーブルや布といった変形物体、多関節ロボットハンドなどの複雑な系をシミュレーション可能になった。視覚ベースの巧緻操作ベンチマークでは、Isaac Lab 2.3+PhysX比で最大2.5倍の訓練スループットを達成した。またSkild AIはNewton上に構築した新たな剛体物理ソルバー「STEEL(Scalable Throughput-optimized Engine for Embodied Learning)」をCoRLで発表した。
新設の産業用ベンチマークとして、RLWRLD・NVIDIAが共同開発した「DexBench」(小売・物流・製造・ホスピタリティの4シーン15タスク)と、UC Berkeley・NVIDIAが開発した「VABAR(Variational Automation Benchmark for Agentic Robotics)」(6産業タスク、難易度段階付き)が公開された。これらはIsaac Lab-ArenaとNewtonを用いた評価基盤を採用している。
UC Berkeleyが開発した「GaP(Graph-as-Policy)」フレームワークは、AIエージェントが個別スキルをロボットプログラムへ接続し、シミュレーション内での失敗をもとに自律的に改良する手法で、Ambi Robotics、Bosch Research、Siemensが産業用途での活用を検討している。なお、NVIDIAとUniversity of WashingtonによるSuccess-Guided Sampling(SGS)手法は、AlphaNISTと呼ばれるシングルポリシーがNIST Assembly Task Boardの全20タスクで98%超の訓練成功率を達成し、タスク別ポリシー(81%)比で約39分の1のGPU時間を実現したと報告されている。
GR00T 2とIsaac Lab 3.0の主な仕様・数値
- GR00T 2 タスク成功率(デモなし):50タスク中40タスクを1回以上クリア
- GR00T 2 平均成功率(デモ1件):71%(50タスク平均)
- GR00T 2 平均成功率(デモ5件):95%
- GR00T 2 学習データ:NVIDIA オープンソース一人称視点データ 10万時間を含む多様なロボット・人間データ
- EgoHand Hugging Faceダウンロード数:公開後2週間で40,000件超
- Isaac Lab 3.0 訓練スループット向上:Isaac Lab 2.3+PhysX比 最大2.5倍(視覚ベース巧緻操作ベンチマーク)
- AlphaNIST 訓練成功率:98%超(NIST Assembly Task Board 20タスク、タスク別ポリシー比81%)
- AlphaNIST GPU時間削減:タスク別ポリシー比 約39分の1
出典: NVIDIA Blog(公式ブログ)
なぜ重要か(編集部の分析)
編集部の見方では、今回の発表はロボット研究のボトルネックだった「実機での試行コスト」と「データ不足」の両方をシミュレーションとオープンモデルで同時に緩和しようとする試みとして注目に値する。GR00T 2がデモ5件で95%の成功率を示した点は、従来大量のデモデータを必要としていた操作タスク学習の実用ハードルを大幅に下げる可能性がある。FoxconnやSiemensといった大手製造業がすでに評価フェーズに入っている点は、研究段階から産業実装への移行が現実的な射程に入りつつあることを示唆する。
日本企業への示唆(編集部の分析)
編集部の分析として、日本の製造業・物流企業にとっての示唆を挙げる。GR00T 2とIsaac Lab 3.0はいずれもオープンソースとして提供される方向性が示されており、自社ラインや部品に特化したポストトレーニングを比較的低コストで試みられる環境が整いつつある。ケーブル接続や小部品組み立てといった従来自動化困難だったタスクへの適用が主眼であり、人手不足が深刻な組立・検査工程での活用検討を早期に開始する意義がある。一方で、DexBenchやVABARのような標準ベンチマークが整備されることで、ベンダー選定時の客観的比較が可能になるため、自社要件をこれらの評価指標に照らして整理しておくことが調達判断の精度向上につながるとみられる。
背景・経緯
ロボット学習における「シム・トゥ・リアル(Sim-to-Real)」転移は長年の課題であり、特に精密な物体操作(マニピュレーション)は移動ロボット学習に比べてシミュレーション精度の要求が高く研究が遅れていた。NVIDIAはIsaacシリーズのシミュレーション基盤と、Cosmosをベースとした世界モデルの組み合わせによってこの課題に取り組んでいる。今回CoRLに提出したNVIDIAの2論文(GRAILとRoboTTT)は数千件の投稿の中からベストペーパー賞最終候補6件に選出されており、研究コミュニティにおける評価の高さがうかがえる。
GR00T 2とIsaac Lab 3.0についてよくある質問
Q. GR00T 2はどのくらいのデータで実用的な精度を出せるか?
A. 原文によれば、GR00T 2は1タスクあたり1件のデモで50タスク平均71%、5件で95%の平均成功率を達成した。タスク固有のデモがなくても50タスク中40タスクを1回以上クリアしている。
Q. Isaac Lab 3.0でGR00T 2と旧バージョンの訓練速度はどう違うか?
A. 原文では、視覚ベースの巧緻操作ベンチマークにおいてIsaac Lab 3.0+Newtonの組み合わせがIsaac Lab 2.3+PhysX比で最大2.5倍の訓練スループットを達成したと記載されている。
Q. GR00T 2を実際に産業利用に向けて評価している企業はどこか?
A. 原文によれば、FoxconnがサーバーI製造の工場自動化、SiemensがI産業用途全般、NexuniがランドリーロボットへのGR00T 2の適用を評価中と記載されている。



