マクニカは今回、NVIDIAの提唱する「3つのコンピューターによるソリューション」をテーマに展示しました。

3 台のコンピューターによるソリューション: AI ロボットの次の波を推進

この「3つのコンピューター」の詳細は上記サイトをご確認頂ければと思いますが、概要を簡単に説明すると、

①大量のデータを使ってAIモデルを「学習」（トレーニング）

②バーチャル空間でロボットを「試験」（シミュレーション）

③「学習」「試験」した内容をロボット本体に「実装」（デプロイ）

という流れになります。

AIを活用することで、従来のルールベースによるロボット動作から、さまざまな用途(マルチタスク)に対応可能なロボットが実現できると考えています。

本展示会では、このソリューションについての一端をご紹介します。

本展示では、バーチャル空間上でのロボットシミュレーションによる「試験」、「データセット生成」、さらに生成したデータセット動画内の物体を置き換えたバリエーション動画を自動生成する「データセット拡張」の実施例をご紹介しました。
「データセット生成」では、バーチャル空間上でロボットや作業環境を再現し、現実の作業シナリオをシミュレーションするPick&Placeのデモを展示しました。こちらにはNVIDIA Omniverse™ ライブラリ及びオープンソースのロボティクス シミュレーションフレームワークであるNVIDIA Isaac Sim を活用しています。現場では収集が困難なデータも、バーチャル空間であればいつでもどこでも安全・大量に取得することが可能です。
さらにNVIDIA Cosmos™ 世界基盤モデルを用いて、様々な条件やバリエーションを加え、データセット動画の拡張を行いました。
データセット生成/拡張により、AIモデルの汎用性・適応力を高めます。これにより、現実環境での予期せぬ状況にも強い、堅牢なロボティクスAIの開発が可能となります。

バーチャル空間と現実空間の両方でシミュレーションを行い、動作・精度・反応速度などを評価します。実際のロボット運用に直結する技術検証です。

ロボットアームの開発を加速するためのソフトウェアプラットフォームNVIDIA Isaac Manipulatorを活用し、カメラ映像から得られるロボットと障害物情報より、わずか数秒で2つの所定のポーズ間の最適経路を生成するだけでなくロボットが未知の障害物を回避します。
本展示では、アーム先端に装着したGripperも同時に制御し、障害物を避けたPick＆Placeを実施しています。
一例として、工場内の生産ラインにおけるロボットのPick＆Place作業の自動化を想定しますが、作業中に障害物にぶつかると、ロボットを停止しなければならず、生産効率の低下につながります。
本技術を用いることで、ティーチングレスで障害物回避が可能となり、生産効率を維持することが可能となります。

NVIDIA Isaac GR00T™ N1.5の視覚言語アクション (VLA) モデルを用いて、ロボットアームSO-ARM101が物体をつかみ上げ、指定場所へ正確に配置する一連の作業工程をデモンストレーションしています。
Isaac GR00T Nは、NVIDIAが開発した世界初の「ヒューマノイドロボット向けオープン基盤モデル」です。ヒューマノイドロボット向けではあるものの、ロボットアームでも使用することが可能です。

注目すべきは、このデモが わずか約30回のテレオペレーションデータ をもとに構築されている点です。GR00T N1.5が汎用性の高い推論能力や大規模データでの事前学習を背景に、この少ないデータセットによる実装を実現しております。

今回の展示では、このGR00T N1.5をFinetuneし、2025年8月に発売開始した最新のEdge AIプラットフォーム NVIDIA® Jetson Thor™にデプロイしております。ロボティクス向けに設計されたJetson Thorが、ロボットのパフォーマンスを支えています。

NVIDIA Jetson Thor - NVIDIA - マクニカ