MetaPatchAI home
AI

NVIDIA、AIエージェントがOmniverseシミュレーションを構築する事例を公開 ガスタービンからハードルを跳ぶヒューマノイドまで

出典：NVIDIA Blog

MetaPatchAI編集部まとめ · 公開 、1:38（ET）

NVIDIA Shows AI Agents Building Omniverse Simulations, From Gas Turbines to Hurdling Humanoids

2026年10月30日— 物理シミュレーションを作るには、かつてはアセット、ソルバー、レンダラーを何週間もかけて手作業でつなぎ合わせる必要がありました。NVIDIAは今、自社チームのエンジニアがその作業の多くをフロンティアAIエージェントに任せ、普通の英語で指示を出していると述べています。10月29日（木）に公開された「Into the Omniverse」の投稿で、同社は開発者がOpenAIのGPT-6 Astraなどのモデルに指示し、NVIDIA Omniverseライブラリを使ってシミュレーションアプリを組み立てた10件以上のプロジェクトを紹介しました。

売り文句：開発者が指示し、エージェントが作る

NVIDIAによると、ワークフローの説明はシンプルです。開発者がAIエージェントに自然言語で指示し、結果を確認して修正を導く一方、OmniverseがGPUで高速化された物理演算、レンダリング、センサーシミュレーションを提供します。NVIDIAは、自社チームや広いエコシステムからの事例を今後も追加していくとしています。

ショーケースの注目事例

倉庫のストレステスト。NVIDIAのプリンシパルエンジニアBhavik Sanganee氏は、Astraを使って倉庫シミュレーションを構築し、規模を拡大しました。投稿によると、コンベア80基、ロボットアーム40本、箱800個のシーンで、2分間のテスト中にフルHDで毎秒30フレームを維持し、アームは640回の箱の配置に成功しました。シーンをさらに2倍にすると性能が落ち、テストの結果、原因は物理演算とロボット制御のパイプラインにあることがわかりました。

ガスタービンの「what-if」アプリ。NVIDIAのOmniverse開発者リレーションズチームのPradeep Kaushik氏は、Astraに指示して、シミュレーションしたガスタービンと発電機を中心にしたデジタルツインアプリを構築させました。ユーザーは負荷、外気温、燃料組成を調整でき、NVIDIAによると、燃料バルブの固着や排気センサーのエラーなどのシナリオを6つのテスト手順でカバーしています。エージェントは熱化学にCantera、機器の動特性にSciPyを使いました。

Robo Olympics。Omniverseのエンジニアリングと製品を率いるTae Kim氏は、スポーツ動画とテキストの指示を使い、Astraにシミュレーション上のUnitree G1ヒューマノイド用コントローラーを構築させました。NVIDIAによると、ある実験ではロボットが100回のシミュレーション試行のうち64回でハードル1台を跳び越えました。

電子機器組み立てのケーブル配線。ロボティクス担当マーケティングマネージャーのOyindamola Omotuyi氏は、Astraに指示し、Isaac Lab、Newton物理エンジン、Robotiqグリッパーを使って、柔軟なケーブルを扱いUSB-Cに挿し込むシミュレーションを構築させました。強化学習の要素も含まれています。

自動運転のテストベッド。Doyub Kim氏はAstraに「Zero to Alpamayo」を構築させました。サンフランシスコのマーケットストリートをもとにした再利用可能な運転シミュレーション環境で、交通、RTXセンサーシミュレーション、Alpamayo運転モデルを連携させています。

センサーに合わせたデジタルツイン。RTXセンサーの検証を担当するAshley Reid氏は、AstraとClaude Fable 5のエージェントに指示し、シミュレーションしたカメラとLiDARの出力を記録データと比較させました。NVIDIAによると、エージェントは約3日間でデジタルツインを2つゼロから作り、さらに2つを改良したといいます。

ほかにも、現地スキャンから空の建物モデルを再構築する例、ABB YuMiロボットのCADファイルをシミュレーション対応アセットに変換する例、SimReady Central Libraryからキッチンのシーンを組み立てる例、ヒューマノイドの倉庫シミュレーター、ロボットによる車のサスペンション分解テスト、NASAのアセットから作られたブラウザで動く国際宇宙ステーションのモデルなどがあります。

NVIDIAが添えた注意点

投稿は、これらのデモが何を証明しているのかについて慎重です。YuMiロボットについては、テストはシミュレーション条件下での挙動を示したものであり、推定した物理特性は「実機に合わせて調整されていない」と注記しています。ケーブル配線の作業では、実際のロボットが取得できるセンサー情報を使うことが次のステップに含まれています。これらはプロトタイプや社内実験であり、出荷される製品ではありません。

AIとゲームにとってなぜ重要か

Omniverseは産業用途やロボティクス向けですが、その根底にあるパターン、つまりエージェントを使って会話を通じてアセット、物理演算、レンダリングをつなぎ合わせる手法は、ゲーム開発者がレベルやシステムのプロトタイプを作る方法と大きく重なります。NVIDIAはまた、エージェントが呼び出す構成要素として、「エージェントスキル」や、ovrtx（レンダリング）、ovstage（シーン更新）、ovstream（ブラウザストリーミング）といったライブラリも推しています。

確認済み／未確認の情報

確認済み（NVIDIAブログ、2026年10月29日）： - NVIDIAのスタッフは、GPT-6 Astraを含むフロンティアAIエージェントとOmniverseライブラリを使って、紹介されたシミュレーションプロジェクトを構築しました。 - 倉庫デモの数値（コンベア80基、アーム40本、箱800個、フルHDで30fps、配置640回）と、100回中64回のハードル成功という結果は、NVIDIA自身が報告した数値です。 - NVIDIAによると、SimReady Central Libraryには2,000点を超えるシミュレーション対応のUSDアセットがあります。

未確認： - デモ結果の第三者による再現。 - NVIDIAの説明以上に、各プロジェクトで人間による修正がどれだけ必要だったか。 - 紹介されたプロトタイプの商用リリース時期。NVIDIAはこれらを製品ではなく事例として紹介しています。

動画

動画: NVIDIA（YouTube）

出典

関連記事

上へ：AI