概要
NVIDIAはCoRLで、ロボットの器用な操作をシミュレーションで訓練・評価する技術や、エージェントを活用する開発手法を発表した。新しい基盤モデルGR00T 2やIsaac Lab 3.0に加え、産業タスク向けの評価ベンチマークも紹介した。
详细事实
操作技能を学ぶ基盤モデルとデータ
NVIDIAはCoRLで、NVIDIA Cosmosを基盤とする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と人間の多様なデータで訓練され、器用な操作技能の学習を目的とする。NVIDIAが示した評価では、50タスクのうち40タスクを個別の実演なしで少なくとも一度達成し、各タスクの実演が1回の場合の平均成功率は71%、5回の場合は95%だった。
查看出处 ↗シミュレーション環境と訓練性能
NVIDIAはロボット学習用のオープンソース基盤Isaac Lab 3.0を紹介した。新バージョンはPhysXとNewtonの物理ソルバーを選択でき、Newtonとの連携によりケーブルや布などの変形物も扱う。NVIDIAが示した視覚ベースの器用操作ベンチマークでは、Isaac Lab 3.0とNewtonの組み合わせは、Isaac Lab 2.3とPhysXの組み合わせに対し、訓練スループットが最大2.5倍だった。
查看出处 ↗産業タスクの評価と導入検証
NVIDIAは、複数の条件を並列に評価するオープンソースのIsaac Lab-Arena 0.4開発者プレビューをCoRLで紹介した。RLWRLDとNVIDIAが開発したDexBenchは、4つの場面にまたがる15タスクで、物体や空間、物理条件の違いに対する汎化を評価する。UC BerkeleyとNVIDIAのVABARは、標準化した条件差や難易度、成功指標を設けた6つの産業タスクを評価対象とする。
查看出处 ↗パートナーによる活用例
Nexuniはロボットによる洗濯物処理でGR00T 2を試験し、Foxconnはサーバー製造の工場自動化に適用している。Siemensは複数の産業用途で評価し、MicroAGIは強化学習で追加訓練したGR00T 2をYAMロボットアームによるイーサネットケーブル交換に使用している。FieldAIはIsaac Lab、Isaac Sim、Newtonを用いて、非構造化環境に向けたロボット方策の訓練と検証を進めている。
查看出处 ↗独自観点のコメント
シミュレーションから評価、実機での検証までをつなぐ戦略
今回の発表は、単一のロボットやモデルの性能訴求にとどまらず、データ作成、学習環境、物理シミュレーション、評価ベンチマーク、エージェントによる作業手順の構築を一連の開発基盤として提示している。研究者や企業が工程ごとに異なるツールを組み合わせる負担を減らし、NVIDIAのソフトウェア群を開発の共通基盤にする狙いがうかがえる。
競争上の特徴は、基盤モデルの提供だけでなく、ケーブルや布などの物理表現、条件を変えた反復評価、失敗を次の訓練に反映する仕組みまで広げている点にある。一方、発表された成功率やスループットはNVIDIAが示した評価値であり、実環境での安定性や顧客現場での効果とは区別して見る必要がある。FoxconnやSiemensなどの検証・利用例は、産業側の関心を示すものの、広範な実運用の完了を意味するものではない。
相关企业与产品
出处
- 一手信息 NVIDIA Blog — Robotics — 阅读原文 ↗