NVIDIAが物理AI向けオープン世界モデル「Cosmos 3」を発表

「Cosmos 3」発表の概要

NVIDIAは2026年8月6日、物理AI向けのオープンな基盤モデル群「Cosmos 3」を公開した。物理AIとは、ロボットや自動運転車など、現実世界で物理的な行動を伴うAIシステムを指す。Cosmos 3は、世界モデルを中心に、画像や動画の理解、将来の状態の予測、行動の生成を1つのモデル群で扱えるように設計されている。

モデル構成は、高精細な世界モデリング向けの「Super (64B)」、効率的な推論と追加学習向けの「Nano (16B)」、エッジ端末向けの「Edge (4B)」の3種類だ。Edge版はNVIDIA RTX GPU、DGXシステム、Jetson ThorなどのエッジGPUで動作する。また、Cosmos 3は混合トランスフォーマー（Mixture-of-Transformers）アーキテクチャを採用しており、視覚推論、世界生成、行動予測を1つのモデルファミリーで統合している。

世界モデルがもたらす変革

世界モデルは、物理環境の振る舞いを学習し、次の状態や適切な行動を予測するモデルだ。従来のAIは見た目の認識に重点を置くことが多かったが、物理AIでは結果の予測や因果関係の理解が求められる。世界モデルを使うことで、まれなイベントや長い尾（ロングテール）の状況を安全に繰り返し再現できるようになる。

データ収集は物理AIの開発で大きな障壁となるが、Cosmos 3のようなオープンな世界モデルは、合成データの生成やシミュレーションに活用できる。さらに、Linux Foundationの「OpenMDW 1.1」ライセンスで提供され、モデルを自社データで追加学習できる。このオープン性が、特定のロボットやセンサー構成に適応するための実務上の要件になり得る。

加えて、NVIDIA OmniverseライブラリとOpenUSDを組み合わせれば、シミュレーション用の3D環境を構築しやすくなる。これにより、資産やセンサー構成、環境条件が変わるたびに発生する重複作業を減らせる。

ベンチマークと採用状況

NVIDIAによると、Cosmos 3は複数のベンチマークで首位を獲得している。オープンウェイトのテキストから画像・動画生成では「Artificial Analysis」で、世界生成では「PAI-Bench」、画像から動画の物理一貫性では「Physics-IQ」で1位となった。ロボット政策では「RoboLab」、視覚理解では「VANTAGE-Bench」で最高評価を得ている。

採用企業も広がっている。ロボティクスではDoosan Robotics、LG Electronics、Samsung Electronics、Skild AI、自動運転ではLi Auto、Xiaomi、Afari、視覚AIではCentific、Fogsphere、Linker Vision、Milestone Systems、Yuanなどが名前を連ねる。これらの企業は、それぞれの領域でCosmos 3を活用した物理AIソリューションを開発している。

日本拡大と今後の論点

NVIDIAは世界モデルの構築者やAI開発者が参加する「Cosmos Coalition」を日本にも拡大した。日本のロボット・製造業のリーダーが参画し、工場、物流、農業、建設、医療、交通向けのオープンな世界モデルを開発する予定だ。日本はロボット大国であり、実環境の多様性に対応できる世界モデルへの期待は大きい。

一方で、ベンチマークの評価はあくまでNVIDIA自身の報告に基づいており、第三者による検証は今後の課題となる。また、モデルのライセンスはオープンだが、基盤となるGPUやソフトウェア環境を含めた運用コストや、追加学習のための専門知識が必要になる点には注意が必要だ。