NVIDIAスペンサー・ファン氏が語る物理AIとロボティクスの未来

Two Minute PapersのKároly Zsolnai-Fehér氏が、NVIDIAのスペンサー・ファン氏にインタビューを行いました。物理AI（ロボティクス）がなぜLLMよりも困難なのか、そしてシミュレーション技術がいかにしてその壁を打破するのかについて深く掘り下げます。

物理AI開発における最大の障壁

LLM（大規模言語モデル）は人類が蓄積してきた膨大なテキストデータを利用できましたが、物理AIには現実世界の物理法則を網羅したデータセットが存在しません。ロボットが物体に触れ、物体が押し返すといった「双方向のカップリング」を含む物理データを収集することは極めて困難です。また、遠隔操作（テレオペレーション）によるデータ収集も、力フィードバックの欠如や視点の不一致により、単純な物体の組み立てですら数週間から数ヶ月を要するほど難易度が高いのが現状です。

シミュレーションによる学習の加速

NVIDIAは、Isaac Labや物理フレームワーク「Newton」を通じて、開発者が物理AIを効率的にトレーニングできる環境を提供しています。特に注目されるのが、ニューラルシミュレータ「Cosmos」の活用です。従来のシミュレータは物理的な正確性に優れますが環境構築が低速です。一方で、Cosmosのようなワールドモデルを用いたニューラルシミュレーションは、多様な環境を高速に生成できます。これらを組み合わせた「ハイブリッドシミュレーション」により、物理的な裏付けを持ちつつ、多様なシナリオでの学習が可能になります。

全身制御モデル「SONIC」の衝撃

ロボティクスラボから発表された「SONIC」は、わずか4200万パラメータという小規模なモデルでありながら、人型ロボットの高度な全身制御を実現します。歩行、這行、ダンスといった動作を転倒せずに行うことができ、リアルタイムでの意思決定が可能です。従来のモデルは下半身の移動と上半身の操作を個別に扱っていましたが、SONICは全身を統合して制御するため、階段を登りながらポップコーンを配るといった、より複雑で人間らしい動作の実現に近づいています。

AIスピードアップがもたらす10年後の世界

過去10年でAIの計算効率は100万倍向上しましたが、さらに100万倍のスピードアップが実現した場合、ロボットは「エッジ（現場）」で直接学習できるようになります。現在はクラウドでのバッチ処理が必要な大規模トレーニングも、将来はロボットが未知の環境（アラスカの漁船など）に置かれた際、その場で数秒のうちに100年分に相当する経験をシミュレーションし、即座に適応することが可能になると予測されています。

なぜ重要か

物理AIにおける最大の課題は「シミュレーションと現実のギャップ（Sim-to-Real gap）」です。NVIDIAは、物理的に正確な従来型シミュレータと、多様性に富むニューラルシミュレータを統合することで、このギャップを埋めようとしています。また、ロボットが「思考」するだけでなく、反射的に「反応」するための低レイヤーモデル（System 0）の重要性が強調されています。

こんな人におすすめ

ロボティクスや物理AIの最新トレンドを知りたいエンジニアや研究者。NVIDIAが提供する開発プラットフォームの方向性を理解したい人。