NeurIPSにおけるNVIDIAの物理AI：Alpamayo-R1とCosmosエコシステム

2025年12月12日

2025年12月アップデート： NVIDIAはNeurIPS 2025でAlpamayo-R1（AR1）をリリースしました。これは自動運転向けの初のオープン推論ビジョン・言語・アクションモデルです。Cosmosプラットフォームはシミュレーション用のLidarGenとヒューマノイドロボティクス用のProtoMotions3で拡張されました。Figure AI、1X、Agility Robotics、その他のロボティクスリーダーがこのエコシステム上に構築しています。

要約

NVIDIAは物理AIの基盤要素をオープンソース化しています。Alpamayo-R1は自律走行車向けに思考連鎖推論と軌道計画を組み合わせています。これは以前はプロプライエタリシステムの背後に隠されていた機能です。Cosmos世界基盤モデルプラットフォームには、ビデオ生成、ライダー合成、ヒューマノイドロボットトレーニングツールが含まれるようになりました。主要なロボティクス企業がこれらのモデルを採用することで、NVIDIAはLLMトレーニングを支配するのと同じ方法で、ロボットと自律走行車のインフラストラクチャレイヤーとしての地位を確立しています。

何が起きたか

NVIDIAは12月1日にサンディエゴで開催されたNeurIPS 2025でAlpamayo-R1（AR1）を発表し、「自動運転向けの世界初の産業規模オープン推論ビジョン言語アクション（VLA）モデル」と説明しました。¹

このモデルは思考連鎖AI推論とパス計画を統合しています。AR1は運転シナリオを段階的に分解し、可能な軌道を検討し、コンテキストデータを使用して最適なルートを選択します。²このアプローチは、従来のAVシステムに挑戦する複雑なエッジケースシナリオでの安全性向上を目指しています。

「大規模言語モデルが生成AIとエージェントAIに革命をもたらしたように、Cosmos世界基盤モデルは物理AIにおける突破口です」とJensen Huangは以前のCESおよびGTCの発表で述べました。³

AR1はCosmos-Reason1-7Bをベースに構築されています。これはNVIDIAがより広範なCosmosプラットフォームの一部としてリリースした推論ビジョン言語モデルです。⁴モデル、評価フレームワーク（AlpaSim）、トレーニングデータのサブセットは、非商用研究向けのオープンライセンスの下でGitHubとHugging Faceで利用可能です。

インフラストラクチャにとっての重要性

物理AIはLLMのようにスケールする：Cosmosプラットフォームは、言語モデルで機能したのと同じアプローチ（大規模基盤モデル、オープンウェイト、開発者ツール）をロボティクスと自律走行車に適用します。組織はゼロから構築する代わりに、プロプライエタリデータでAlpamayo-R1やCosmosモデルをファインチューニングできます。

シミュレーションが差別化要因に：LidarGenは合成ライダーデータを生成し、Cosmos Transferはシミュレーションをフォトリアリスティックビデオに変換し、ProtoMotions3は物理的に正確な環境でヒューマノイドロボットをトレーニングします。計算要件は大きく、単一のロボティクスポリシーのトレーニングには通常、H100クラスのハードウェアで1,000〜10,000 GPU時間が必要です。物理AIに参入する組織には、専用GPUクラスターまたはネオクラウドパートナーシップが必要です。

オープンソースが採用を加速：AR1をオープンにリリースすることで、NVIDIAはハードウェアスタックの採用を促進します。これらのモデルをトレーニングまたはファインチューニングするすべての組織がNVIDIA GPUで実行します。オープンモデル戦略はLLM開発で効果的であることが証明されました。NVIDIAはそれを物理AIに適用します。

ロボティクスエコシステムの成熟：Figure AI、1X、Agility Robotics、X-HumanoidがCosmosの上に構築していることは、ヒューマノイドロボティクス業界が共有インフラストラクチャに収束していることを示しています。これは、クラウドAI開発がPyTorchとトランスフォーマーアーキテクチャで標準化されたのと並行しています。

技術的詳細

NVIDIA DRIVE Alpamayo-R1アーキテクチャ

AR1の推論アプローチ：⁵ 1. マルチモーダル入力を通じて環境を認識 2. 思考連鎖を使用して意思決定プロセスを推論 3. 軌道予測を生成 4. 自然言語の説明を通じてアクションを明確化

評価では、推論、軌道生成、アラインメント、安全性、レイテンシの指標で最先端のパフォーマンスを示しています。⁶

Cosmosプラットフォームコンポーネント

LidarGen

AVシミュレーション用の合成ライダーデータを生成する初の世界モデル：⁷ - Cosmosアーキテクチャ上に構築 - レンジマップとポイントクラウドを生成 - 物理センサーデータ収集なしでライダーベースのシナリオテストを可能に - AV開発のための実世界データ要件を削減

ProtoMotions3

ヒューマノイドロボットトレーニング用のGPUアクセラレーテッドフレームワーク：⁸ - NVIDIA NewtonとIsaac Lab上に構築 - Cosmos WFM生成シーンを使用 - 物理的にシミュレートされたデジタルヒューマンとヒューマノイドロボットをトレーニング - ポリシーモデルは実際のハードウェア用にNVIDIA GR00T Nにエクスポート

業界の採用

Cosmos世界基盤モデルを使用している組織：⁹

Agility RoboticsのCTO Pras Velagapudi氏：「Cosmosは、現実世界で実際に収集できる範囲を超えてフォトリアリスティックなトレーニングデータをスケールする機会を提供してくれます。」¹⁰

より広範なNeurIPSの発表

NVIDIAの研究者はNeurIPS 2025で70以上の論文、講演、ワークショップを発表しました。¹¹追加のオープンリリースには以下が含まれます：

デジタルAIモデル： - MultiTalker Parakeet：マルチスピーカー環境向け音声認識 - Sortformer：話者ダイアライゼーションモデル - Nemotron Content Safety Reasoning：安全性評価

認知： - Artificial AnalysisのOpennness IndexはNVIDIA Nemotronファミリーを「AIエコシステムで最もオープンなものの1つ」と評価しました¹²

次のステップ

2026年：レベル4 AVプログラムでのAlpamayo-R1派生モデルの本番デプロイメント。

2026-2027年：ヒューマノイドロボットメーカーがCosmos/ProtoMotions3パイプラインでトレーニングされた製品を出荷。

継続中：Cosmosプラットフォームは専門分野（製造、物流、ヘルスケア）向けの追加の世界モデルで拡張。

市場への影響：Huangが言及する50兆ドルの製造・物流産業は、シミュレーションと推論のための大規模なGPUインフラストラクチャを必要とします。物理AIはLLMトレーニングを超えたNVIDIAの次の成長ベクトルを表しています。

主要なポイント

インフラストラクチャプランナー向け： - 物理AIシミュレーションにはH100クラスのハードウェアでロボティクスポリシーあたり1,000〜10,000 GPU時間が必要 - CosmosベースのワークフローはNVIDIAハードウェアの需要を促進；AV/ロボティクスプログラムに応じて予算を計上 - 合成データ生成は実世界データ収集の必要性を減らすが排除はしない - レベル4自律のタイムラインはAR1のような推論モデルの進歩に依存 - Isaac SimにはRTX 4090最低限が必要；本番トレーニングにはA100/H100クラスターが必要

オペレーションチーム向け： - 評価用のオープンモデルがGitHubとHugging Faceで利用可能 - AlpaSIMは標準化された評価フレームワークを提供 - ロボティクス開発用のIsaac Lab/Isaac Sim統合 - LidarGenはハードウェアなしでライダーシミュレーションを可能に

戦略的計画向け： - 物理AIはLLMのプレイブックに従う：基盤モデル、ファインチューニング、オープンエコシステム - ロボティクス業界はNVIDIAインフラストラクチャスタックに統合 - 1X、Figure AI、Agilityのタイミングは2026-2027年のヒューマノイド製品を示唆 - 製造/物流AIは次のインフラストラクチャ投資の波を表す

参考文献

物理AI開発をサポートするGPUインフラストラクチャについては、Introlにお問い合わせください。