はじめに
NVIDIAは2026年3月16日、GTC 2026において「Physical AI Data Factory Blueprint」を発表しました。本稿では、ロボット・自律走行車・ビジョンAIエージェントの開発に必要な学習データの生成・拡張・評価を統合・自動化するこのオープン参照アーキテクチャの仕組みと、主要パートナーの活用事例を解説します。
参考記事
- タイトル: NVIDIA Announces Open Physical AI Data Factory Blueprint to Accelerate Robotics, Vision AI Agents and Autonomous Vehicle Development
- 著者: Quentin Nolibois（NVIDIA Corporation）
- 発行元: NVIDIA Newsroom
- 発行日: 2026年3月16日
- URL: https://nvidianews.nvidia.com/news/nvidia-announces-open-physical-ai-data-factory-blueprint-to-accelerate-robotics-vision-ai-agents-and-autonomous-vehicle-development
要点
- NVIDIAが「Physical AI Data Factory Blueprint」を発表した。学習データの生成・拡張・評価を統合・自動化するオープンな参照アーキテクチャである
- コアコンポーネントはCosmos Curator（データ整理・アノテーション）、Cosmos Transfer（データ拡張）、Cosmos Evaluator（品質評価）の3つで構成される
- Microsoft AzureおよびNebius（ネビウス）がクラウドインフラへの統合を進め、大規模な学習データ生成パイプラインを開発者に提供する
- エージェント駆動のオーケストレーションフレームワーク「OSMO」がClaude Code・OpenAI Codex・Cursorなど主要AIコーディングエージェントと連携する
- FieldAI・Hexagon Robotics・Uber・Skild AIなど複数の企業が活用を開始しており、ブループリント本体は2026年4月にGitHubで公開予定である
詳細解説
Physical AI Data Factory Blueprint とは
NVIDIAが発表した「Physical AI Data Factory Blueprint」は、ロボット・自動運転車・ビジョンAIエージェントなど、物理的な世界で動作するAIシステムの学習データを大規模かつ効率的に生成・管理するためのオープンな参照アーキテクチャです。
物理AI（Physical AI）はスケーリング則に従い、データ・計算資源・モデル規模が大きくなるほど性能が向上します。しかし、現実世界での大量データ収集には、コスト・時間・安全性の面で大きな制約があります。特に「レアケース」や「ロングテール・シナリオ」——滅多に発生しないが重要な事例——の収集は、実際にはほぼ困難と考えられます。NVIDIAによれば、このブループリントはCosmosオープン世界基盤モデルと主要コーディングエージェントを活用することで、限られた実データから大規模で多様なデータセットへの変換を可能にするとのことです。
3つのコアコンポーネント
このブループリントは、以下3つのモジュールで構成されています。
Cosmos Curatorは、現実世界および合成データのデータセットを大規模に処理・精製・アノテーションするツールです。GitHubでオープンソースとして公開されています。データ収集段階での品質管理を自動化できる点が、開発工数の削減につながると考えられます。
Cosmos Transferは、Cosmos Curatorで整備されたデータを指数関数的に拡張・多様化するコンポーネントです。NVIDIAによれば、異なる環境や照明条件を含む多様なシナリオをカバーするよう、実データとシミュレーションデータの両方を増幅させます。合成データによる拡張は、実世界での収集が困難なレアケースを補う手法として、自動運転分野で広く研究されてきた技術的方向性です。
Cosmos Evaluatorは、Cosmos Reasonを基盤として動作し、生成されたデータの物理的な正確性と学習への適合性を自動的にスコアリング・検証・フィルタリングします。こちらもGitHubで公開されています。自動評価の仕組みにより、人間によるデータ品質チェックの工数を削減できる可能性があります。
クラウドパートナーとの連携
NVIDIAはMicrosoft AzureおよびNebisと協力し、このブループリントをクラウドインフラに統合しています。
Microsoft Azureは、ブループリントをオープンな物理AIツールチェーンとしてGitHubで提供する予定です。Azure IoT Operations、Microsoft Fabric、Real-Time Intelligence、Microsoft Foundryといったエンタープライズサービスとの統合により、大規模なエージェント駆動ワークフローを実現します。FieldAI・Hexagon Robotics・Linker Vision・Teradyne Roboticsが、知覚・移動・強化学習のパイプラインに向けたデータ生成・拡張・評価の加速に向けて早期テストに参加しています。
Nebisは自社のAI CloudにOSMOを統合し、NVIDIA RTX PRO 6000 Blackwell Server Edition GPUと超高速オブジェクトストレージ、ネイティブなデータ管理・ラベリング機能、サーバーレス実行、マネージド推論を組み合わせた物理AIスタックを提供します。Milestone Systems・Voxel51・RoboForceが早期ユーザーとして、映像解析AIエージェント・自動走行車・産業用ヒューマノイドロボットの開発に活用しています。
エージェント駆動のオーケストレーション：OSMO
物理AIの学習データを大規模に生成するには、複雑なAIインフラの構築・管理が必要です。多くのロボティクス開発者にとって、こうしたインフラを自力で整備・運用することは容易ではないと思います。
NVIDIAが提供するオープンソースのオーケストレーションフレームワーク「OSMO」は、複数の処理ワークフローを統合・管理し、開発者の手作業を削減します。今回の発表では、OSMOがClaude Code（Anthropic）・OpenAI Codex・Cursorなど主要なAIコーディングエージェントと連携する機能が追加されました。NVIDIAによれば、これによりAIエージェントがリソース管理やボトルネックの解消を自律的に行い、モデル開発のスピードを向上させるエージェント主導の運用が可能になります。
NVIDIA自身の活用事例：Alpamayoモデル
NVIDIAはこのブループリントを自社でも活用し、「Alpamayo」と呼ばれる世界初のオープンな推論ベース視覚言語行動モデル（Vision Language Action Model）を、自律走行車のロングテールシナリオ向けに訓練・評価しています。また、Skild AIは汎用ロボット基盤モデルの開発に、Uberは自動走行車開発の加速に活用しているとのことです。
このブループリント本体は、2026年4月にGitHubで一般公開される予定です。
まとめ
NVIDIAの「Physical AI Data Factory Blueprint」は、ロボット・自動運転・ビジョンAIに必要な学習データの生成・拡張・評価を統合・自動化するオープンな基盤です。クラウドパートナーや多様な企業との連携も広がっており、物理AI開発のインフラ標準として今後の普及が注目されます。
