概要
NVIDIAは2026年11月5日、AIエージェントとOmniverseのライブラリを組み合わせ、3Dシーンやロボット、設備のシミュレーションを構築・検証する開発事例を紹介した。事例には倉庫シミュレーション、自動運転のテスト環境、ロボットのケーブル操作などが含まれ、複数は試作またはシミュレーション上の実験として実施された。
詳しいファクト
AIエージェントでシミュレーションを組み立てる事例
NVIDIAは、自然言語で指示したAIエージェントとOmniverseのライブラリを使い、シミュレーション用のアセットやアプリケーションを作る事例を公開した。開発者が出力を確認して修正を指示する方式で、物理演算、描画、センサーシミュレーションなどを既存の制作・開発ツールと組み合わせている。紹介された用途には、工場・倉庫の環境づくり、設備の運転条件の検討、ロボット動作の評価がある。
出典を確認 ↗倉庫・設備・自動運転の試作
NVIDIAの開発者は、AIエージェントを使って建物の写真や点群データから編集可能な建物モデルを作るワークフローや、ガスタービンの負荷・気温・燃料組成を変えて挙動を比較する試作アプリケーションを構築した。ガスタービンの試作では、負荷変化や燃料弁の故障などを含む6種類の試験手順を用意した。別の試作では、サンフランシスコのMarket Streetをもとに自動運転シミュレーション環境を組み立て、シーンやセンサーの変更が走行モデルに与える影響を比較できるようにした。
出典を確認 ↗ロボットの動作とシミュレーション性能の検証
NVIDIAの倉庫シミュレーション試験では、コンベヤー80台、ロボットアーム40本、箱800個を含む場面で、2分間にわたりフルHDで毎秒30フレームを維持し、アームが箱を640回配置した。これらはNVIDIAが示したシミュレーション試験の結果であり、実環境での性能を示すものではない。別の実験では、ヒューマノイドが障害物を一つ越える動作をシミュレーション上で100回試し、64回成功した。
出典を確認 ↗CADデータやセンサー情報の活用
NVIDIAとPTCの連携事例では、OnshapeのSimReady Publisherを使い、ロボットの形状や関節などの情報をIsaac Simへ移す手順が紹介された。Sensoriは同機能を使ってYuriロボットをシミュレーション環境へ移し、シミュレーションモデルを作り直す手間を減らしながら設計変更を評価している。NVIDIAの別の事例では、カメラとLiDARの記録データをシミュレーション出力と比較し、その差をもとにOpenUSDのシーンを作成・修正した。
出典を確認 ↗独自観点のコメント
## 開発工程へのAIエージェント導入が中心
今回の事例群の特徴は、AIエージェントを単独のロボット制御器として示すのではなく、3Dアセットの作成、シミュレーション設定、結果の確認や修正をつなぐ開発支援役として位置づけている点にある。開発者が作業を指示し、生成結果を検証して手直しする流れは、複数のツールや工程にまたがる制作作業を効率化する狙いを示す。
競争上の違いは、Omniverseの物理演算・描画・センサー機能を、OpenUSDや既存のCAD・制作ツールと組み合わせていることにある。AIモデルの生成能力だけでなく、シミュレーション可能なデータや評価環境まで含む開発基盤を提示している。一方、紹介された結果の多くは試作やシミュレーション内の検証であり、実機での再現性や導入効果を裏づけるものとは区別して見る必要がある。
関連する企業・製品
出典
- 一次情報 NVIDIA Blog — Robotics — 元記事を読む ↗