ロボット開発もagent workflowへ、NVIDIAがphysical AI skillを公開

ロボットや工場AIの開発作業が、coding agentに実行させるworkflowへ近づいている。NVIDIAは2026年5月31日、open source physical AI skillsとtoolsを公開した。Omniverse、Cosmos、Isaac、Metropolis、Alpamayo、Jetsonの作業を、agentが呼び出せる反復可能なinstructionに変える取り組みだ。

physical AI developmentは、synthetic data生成、simulation、training、evaluation、deployment、検証が長くつながる。NVIDIAのskillは、agentがどのtoolを呼ぶか、どんなoutputを作るか、開発者が何を見て検証するかを定義する。NemoClaw blueprintとOpenShell runtimeを組み合わせれば、localまたはcloud hardware上でpolicy-based securityとprivacy governanceをかけられるという説明もある。

対象は広い。roboticsとedge AIでは、perceptionやmobility training dataの生成、navigation trainingの自動化、robot learning、Jetson deployment tuningを扱う。autonomous vehicleではfleet dataをsimulation environmentに再構成し、photorealistic driving scenarioやclosed-loop reinforcement learningを作る。vision AIとindustrial AIではsynthetic data、fine-tuning、automated labeling、video analysis、CADからdigital twinへの変換が対象だ。

現場の数値がこの発表を強くしている。PegatronはDefect Image Generation skillでmodel trainingとdeployment timeを67%短縮した。Delta Electronicsはsynthetic defect dataでmetal busbarのexcess soldering detection rateを17%改善した。Inventecはlaptop chassis製造のdefect data collection effortを30%減らし、FoxconnはDeepHowと組んでfirst pass yieldを約3%高めたという。

toolはGitHubとskills.shで公開され、Neural Reconstruction、Video Augmentation、Defect Image Generation skillはNVIDIA BrevのPhysical AI Launchablesから試せる。今後の焦点は検証だ。simulationとsynthetic dataのloopをagentが高速に回すほど、どこで失敗を検出し、誰が責任を持つかが重要になる。physical AIでは、速い反復だけでなく、現実のrobot、vehicle、factory、hospitalに届く前の信頼性が問われる。