AIの次なるフロンティア「物理AI」とオープン世界モデル#
NVIDIAは、物理的な世界を理解・予測するための基盤技術「世界モデル（World Model）」をオープンに提供する「NVIDIA Cosmos 3」を発表した。ロボティクス、自動運転、ビジョンAIといった物理AI分野において、開発者が自由に改変・活用できるオープンなモデルファミリーとして注目を集めている。
世界モデルとはなにか？物理AIにとってなぜ重要か#
物理AIとは、単に画像や映像を認識するだけでなく、物理的な環境の中で「次に何が起きるか」「どう行動すべきか」を理解・予測するAIシステムを指す。ロボットや自動運転車がその代表例だ。
世界モデルはこうした物理AIの基盤として機能し、以下のことを可能にする。
- 大規模なマルチモーダルシナリオから物理的な関係性を学習し、より有用なデータを生成する
- 天候・照明・物体・軌道などが異なる多様な環境を仮想的に作り出す
- 特定のロボット、車両、センサー構成、タスク、動作環境に特化・適応するための基盤を提供する
物理AIの開発においてデータ収集は非常にコストが高く、特に稀なイベントや長テールシナリオは安全かつ繰り返し再現することが難しい。世界モデルはこの課題を解消するための重要な手段となる。
Cosmos 3：オープンな物理AI基盤モデルの詳細#
Cosmos 3は、Mixture-of-Transformers（MoT）アーキテクチャを採用したフロンティアオープンモデルで、ビジョン推論・世界生成・行動予測の3つの能力を1つのモデルファミリーに統合している点が特徴だ。開発者はCosmos 3を以下の用途で活用できる。
- **ビジョン言語モデル（VLM）**としてシーン理解に活用
- 物理的根拠に基づく世界シミュレーターとして将来の世界状態を予測し、大規模な合成データを生成
- ワールドアクションモデルの基盤として、ロボットポリシーの構築に利用
モデルラインアップ#
| モデル名 | パラメータ数 | 主な用途 |
|---|---|---|
| Cosmos 3 Super | 64B | 高精度な世界モデリング |
| Cosmos 3 Nano | 16B | 効率的な推論・ポストトレーニング |
| Cosmos 3 Edge | 4B | エッジデバイスでのビジョン推論・ロボットポリシー展開 |
Cosmos 3 Edgeは、NVIDIA RTX GPU、NVIDIA DGXシステム、NVIDIA Jetson（Jetson Thorプラットフォームを含む）にデプロイ可能なほど軽量に設計されている。
ベンチマーク実績#
Cosmos 3は複数の評価指標でトップの成績を収めている。
- Artificial Analysis：オープンウェイトのテキスト→画像・画像→動画生成で第1位
- PAI-Bench：世界生成カテゴリで第1位
- Physics-IQ：画像→動画カテゴリで第1位
- RoboLab：ロボットポリシーで第1位
- VANTAGE-Bench：ビジョン理解における最高位のオープンモデル（Cosmos 3 Super）
オープン化がなぜ重要か：ライセンスとエコシステム#
NVIDIA Cosmosの世界基盤モデルは、Linux FoundationのOpenMDW 1.1ライセンスのもとで提供されている。これにより、チームは自社のデータとハードウェアを使ってモデルをポストトレーニング（追加学習・特化）することができる。
汎用モデルは特定のロボットやセンサー、動作環境をあらかじめ知らない。そのギャップを埋めるためには、モデルの重み（ウェイト）へのアクセス、改変を許可するライセンス、ポストトレーニングに必要なツールが必要であり、オープン性はここで実際的な技術的要件となる。
また、シミュレーション環境の整備にはNVIDIA OmniverseライブラリとOpenUSDが活用される。Omniverseは開発者がシミュレーション対応環境を構築するための事前構築済み機能を提供し、OpenUSDはデジタルツイン・シミュレーション・合成データ生成ワークフローにまたがる複雑な3Dデータの構成・再利用・交換のためのオープンフレームワークとして機能する。
採用企業と拡大するエコシステム#
Cosmos 3はすでに複数の企業・分野での実装が進んでいる。
- ロボティクス分野：Doosan Robotics、LG Electronics、Samsung Electronics、Skild AI
- 自動運転分野：Li Auto、Xiaomi、Afari
- ビジョンAI分野：Centific、Fogsphere、Linker Vision、Milestone Systems、Yuan
さらに、NVIDIAはNVIDIA Cosmos Coalitionを通じて、世界モデルの構築者・AI開発者・物理AIリーダーが協力してモデルや研究・評価手法を提供し合うエコシステムを形成している。このコアリションは日本にも拡大しており、工場・物流・農業・建設・医療・交通分野のロボティクス・製造業リーダーがオープン世界モデルの開発に参加する予定とされている。
まとめ#
NVIDIA Cosmos 3は、物理AIの開発において必要とされる世界理解・合成データ生成・行動予測の各機能を1つのオープンなモデルファミリーに統合した基盤モデルだ。オープンライセンスによるカスタマイズの自由度、複数のベンチマークでのトップ評価、そして多数の企業による実採用は、物理AI分野でのオープンエコシステム構築が着実に進んでいることを示している。
筆者の見解: 物理AIの普及には「特化」が不可欠であり、オープンモデルによるアクセスのしやすさがその鍵を握る。Cosmos 3が日本を含むグローバルなエコシステムに根付いていくか、今後の動向が注目される。
出典: Into the Omniverse: How Open World Models Push the Frontier of Physical AI
