自動運転車、ロボティクス、スマート製造向けの物理AIシステムを構築している人なら誰でも、この悪夢を知っています。トレーニングデータは希少で、非常に高価で、効率的にスケールさせるのは不可能です。

現在注目すべき新たなソリューションが登場しています。それは、NVIDIA Cosmosワールド・ファウンデーション・モデルをクラウドインフラ上にデプロイし、大規模に合成トレーニングデータを生成する方法です。このアプローチは、主要なボトルネックを解消します。つまり、何百万もの現実世界のシナリオを収集する代わりに（(これには何年もかかり、莫大な費用がかかります)）、多様な環境やエッジケースをプログラム的にシミュレーションできるのです。

技術的なワークフローとしては、GPUクラスタを立ち上げ、Cosmosモデルを自分の特定の物理シナリオに合わせて設定し、現実のデータでは捉えきれなかった希少な状況もカバーするフォトリアリスティックな合成データセットを生成します。たとえば、自動運転車が異常気象に遭遇する場合や、ロボットアームが予測不可能な特性を持つ物体を扱う場合などが考えられます。

データ収集のルーチンワークに行き詰まっているチームにとって、このパラダイムシフトは開発サイクルを数ヶ月単位で加速し、コストを大幅に削減できる可能性があります。合成データの品質はすでに非常に高く、多くのシナリオで、純粋な現実世界データで訓練したモデルと同等のパフォーマンスを発揮するレベルに達しています。