NVIDIA、ロボット操作AIツール群をオープンソース化｜Hugging Faceと協業

何が起きたのか

NVIDIAは、以下3つのコンポーネントをHugging Faceの「LeRobot」オープンソースライブラリに統合しました。

• GR00T N1.7：30億パラメータの、商用利用可能なVLA（視覚・言語・行動）モデル。学習には20,854時間の一人称視点映像を使用しており、データ量を1,000時間から20,000時間規模に拡大した結果、精密な操作タスクの平均成功率が2倍以上に向上したと報告されています。
• Isaac Teleop：ロボットの遠隔操作によるデータ収集フレームワーク。
• Cosmos 3：マルチモーダルな世界基礎モデル（統合は準備中）。

NVIDIAは開発者300万人、Hugging Faceはユーザー1,600万人を抱えるとされ、LeRobotのフィジカルAI関連データセットは累計1,500万回以上ダウンロードされています。統合後は35万件以上の軌跡データ（実データ＋シミュレーション）が利用可能になるとしています。

なぜ重要か

これまでロボット操作AIの開発は、大手企業が自社内で完結させることが多く、開発の裾野が限られていました。NVIDIAが主力モデル・データ収集ツールをオープンソース化したことで、中小の研究機関やスタートアップも同じ土台の上でロボット操作AIを開発できるようになります。GPU分野で圧倒的なシェアを持つNVIDIAが、ソフトウェア・データの層でも標準を握ろうとする戦略の一環と見ることもできます。

背景（初心者向け）

「VLAモデル」とは、カメラ映像（視覚）と指示文（言語）から、ロボットの具体的な動作（行動）を出力するAIのことです。「具身智能（embodied AI）」は、こうした現実世界で体を動かして作業するAI全般を指す中国語圏の呼び方で、日本語の「フィジカルAI」とほぼ同じ意味です。オープンソース化とは、開発したモデルやツールの中身を無償公開し、誰でも自由に使える状態にすることを指します。

私たちへの影響・今後の見立て

直接の消費者向けニュースではありませんが、ロボット開発の裾野が広がることで、今後より多様な企業からロボット操作AIを使った製品・サービスが登場するスピードが上がる可能性があります。NVIDIAのGPUとセットで使われる前提のツールも多く、NVIDIAがハードウェアからソフトウェアまで一気通貫でロボット業界のインフラを握る動きとしても注目されます。

まとめ

NVIDIAによる具身智能ツールチェーンのオープンソース化は、ロボット操作AI開発の参入障壁を下げる動きです。GR00T N1.7をはじめとするツールが無償公開されたことで、今後より多くの企業・研究者がロボット操作AIの開発に参入しやすくなります。

出典

• 英伟达具身智能工具链全面开源（机器人大講堂）