NVIDIA、robotics・autonomous systems 向け Physical AI Data Factory Blueprint を公開

NVIDIAの2026年3月16日のGTC発表は、physical AI における最大級の課題である training data 不足を正面から狙ったものだ。今回発表された Physical AI Data Factory Blueprint は、robotics、vision AI agents、autonomous vehicles 向けに data generation、augmentation、evaluation を自動化する open reference architecture である。

中核となる考え方は、限られた real-world data を、はるかに大きく多様な training set に変換することだ。NVIDIAは Cosmos world foundation models と coding agents を使い、実際には取得コストが高い rare edge cases や long-tail scenarios を大量に生成できると説明した。workflow は、dataset の処理と annotation を担う Cosmos Curator、data を拡張して多様化する Cosmos Transfer、そして Cosmos Reason を用いて生成結果を自動で採点・選別する Cosmos Evaluator に分かれている。

NVIDIAはすでにこの blueprint を使って、long-tail autonomous driving 向けの open reasoning-based vision language action models である Alpamayo を train・evaluate しているという。さらに Skild AI は general-purpose robot foundation models に適用し、Uber は autonomous vehicle development に利用しているとした。つまり今回の発表は単なる tooling の追加ではなく、embodied AI 向け標準 data pipeline の主導権を取りに行く動きと言える。

もう一つの注目点は orchestration だ。NVIDIAによれば、open source の OSMO framework は Claude Code、OpenAI Codex、Cursor と統合され、coding agents が複雑な compute environment の resource 管理や bottleneck 解消、model delivery の高速化を担えるようになった。インフラ面では Microsoft Azure が Azure IoT Operations、Microsoft Fabric、Real-Time Intelligence、Microsoft Foundry と結び付く open physical AI toolchain に統合中で、Nebius も RTX PRO 6000 Blackwell Server Edition GPUs、storage、labeling、managed inference を備えた AI Cloud に OSMO を組み込んでいる。

4月に GitHub 公開が実現すれば、NVIDIAは compute supplier であるだけでなく、physical AI workflow の運用レイヤーにも影響力を広げることになる。開発側にとっての実際の論点は、標準 blueprint が robotics と autonomous systems における production-grade dataset 構築の時間とコストをどこまで削減できるかだ。

なぜ重要か

• robotics と autonomous vehicles の開発を遅らせる data bottleneck を直接狙っている。
• world models、evaluation tools、coding agents を一つの再利用可能な workflow にまとめた。
• NVIDIAの影響力を chips や cloud infrastructure から physical AI pipeline の運用層へ広げる動きだ。