シミュレーションと学習工場・物流の導入

NVIDIA、Cosmos Data Factoryで学習データを作成する手順を紹介

2026年11月18日、NVIDIAは公式技術ブログで、Cosmos Data Factory(CDF)を使ってフィジカルAIの学習データを作る手順を紹介しました。プログラミング作業を支援するAIに、環境の準備とデータ作成を言葉で指示する構成です。同社は、実際には集めにくい出来事や製品の不良例を画像・動画として生成し、内容の評価や学習用の情報付けまで進められると説明しています。

要点

  • 準備と実行の2つの指示で進める手順を紹介。CDFは用途別のひな型5種類と、個別にも組み合わせても使える機能6種類で構成されるとしている
  • NVIDIA RTX PRO 6000 Blackwell Seriesを8基搭載したクラウドサーバーで測定。同社は、サーバー費用を約40ドル/時間、960ドル/日として出力当たりの費用を見積もっている
  • 不良画像のデータ準備は2か月から1日に短縮し、60倍の高速化になったと説明。自動運転向けの生成は映像当たりのGPU計算費2.66ドルで、道路での収集費125ドル/場面との比較では約45分の1としている

指示からデータ作成までの流れ

Cosmosは、世界モデルの開発に使うAIモデル、データ、開発の仕組みなどをまとめた基盤です。CDFはその一部で、データを選び出す作業、画像や動画の加工、人工的に作る合成データの生成をつなぎます。学習用データの基本的な論点は、フィジカルAIのデータ品質でも整理しています。

最初の指示では、AIに実行管理用のコードを取得させ、環境の事前確認と準備を進めさせます。事前確認は環境を変更せず、不足しているものを調べる処理です。確認を通過した後に、データ作成を動かすための準備へ進むと説明しています。

続く指示では、入力データの場所、作りたい条件、出力先などを指定します。実行管理の機能が処理の順番を調整し、必要なサービスを配置して、複数の計算機をまとめた環境で実行します。記事で示された短い指示の背後には、用途に応じた生成、評価、情報付けの処理があります。

用途ごとに異なる生成と評価

用途NVIDIAが説明する処理
自動運転向け映像既存の走行映像から近い場面を検索し、雨・雪・霧などの条件へ変換。動きが物理的に不自然でないか評価する
人物検索向け画像服装や持ち物、色を変更し、指定した属性が反映されたか確認して検索用の情報を付ける
動画の条件変更場面の構造を保ちながら照明や周辺環境を変更し、元の映像にない動きの乱れなどを確認する
まれな出来事の動画画像の視点や配置を保って出来事を生成し、指定内容や動きを評価。評価を通過した動画に情報を付ける
外観検査向け不良画像正常な検査画像や立体データから、不良箇所を指定した画像を生成する

動画の条件変更では、映像と言葉を扱うAIが元の動画を説明し、利用者の指定条件と合わせて生成モデルに渡す指示を作ります。生成後は条件の反映や動きを評価し、物体の検出、追跡、説明文などを元の動画と生成動画に付けるとしています。

外観検査では、立体データを使う場合にIsaac Simで検査画像と対象領域を示す画像を作り、画像編集モデルで正常な参照画像を用意します。それを基に、周囲の部品を保ちながら不良を生成すると説明しています。出力には正常画像、不良画像に加え、元データと生成設定をたどる記録も含まれます。

不良生成用モデルは、プリント基板、ガラス、金属向けに調整済みとされています。別の用途向けに追加調整する機能も紹介されていますが、任意の製品にそのまま対応できるかは不明です。

費用と処理速度の数字をどう読むか

NVIDIAの費用比較は、クラウドサーバーの計算費を出力量で割った見積もりです。同社は、元データの準備、環境設定、AIの利用、保存、人による確認には追加費用が生じる可能性があると明記しています。記事の金額は、データ作成に必要な費用全体を示すものではありません。

自動運転向けの比較では、生成映像の計算費と、車両を使って道路上の場面を集める作業費を比べています。不良画像の比較では、データをそろえる期間を示しています。費用と期間は別の指標であり、この発表だけでは、生成したデータで学習したAIの認識精度が同じ条件でどれだけ変わるかは不明です。

生成結果の評価には、指定した出来事や条件が現れているか、動きが物理的にもっともらしいかを確認する仕組みが含まれます。ただし、出典には、その判定が誤りを見逃す割合や、日本の工場設備での検証結果は示されていません。評価処理があることと、個別の業務で必要な品質を満たすことは、分けて読む必要があります。

日本の工場・物流の現場にとっての意味

日本の工場や物流の読み手に関係するのは、正常時の画像から不良例を作る処理や、同じ作業映像の照明条件を変える処理です。出典が扱うのは、撮影済みのデータを増やす方法と、手元に少ない出来事の例を生成する方法です。実際の発生を待つ以外に、学習データを準備する工程を示した内容と読めます。

また、CDFの機能は一括実行だけでなく、データの検索、加工、情報付けなどを個別に使えるとされています。自社の作業を考える際には、何を生成するかに加え、元の画像をどう選び、どの条件を変え、出力をどう確かめるかという工程が論点になります。生成数の多さだけでは、必要な不良や環境条件を含んでいるかは判断できません。

出典には、日本企業での導入結果や、日本の撮影条件に対する精度は書かれていません。そのため、日本の現場での効果は不明です。今回の費用数字を読む際は、フィジカルAIの費用対効果で扱う費用全体の視点と合わせ、計算費に含まれる範囲を区別する必要があります。

この記事で確認できていないこと

発表の時点で公表されていない、または出典で確かめられなかった点です。

  • 日本の工場・物流施設のデータを使った認識精度や、不良の見逃し率は不明
  • Cosmos Evaluatorの判定基準の詳細と、不適切な生成結果を見逃す割合は不明
  • 元データの準備、環境設定、AIの利用、保存、人による確認を含めた総費用は不明
  • 今回の処理を動かすための最小機器構成と、少ないGPUで実行した場合の処理量は不明

出典

このページは、上の出典をもとに編集部が整理したものです。発表元の公式ページではありません。会社や機関の言い分は「〜としている」と書き、書かれていない内容は足していません。投資や導入の判断は、出典の原文と専門家の確認を前提にしてください。

この発表に関係する解説

ほかの新しいニュース

ニュースの一覧を見る