Nvidiaは、同社が「フィジカルAI」と呼ぶ取り組みへの賭けを拡大し、自動運転車向けだった安全システムHalosを、倉庫内の移動ロボット、工場内のヒューマノイドロボット、手術ロボットなど、より幅広いロボットへ移行する。同社は、AIモデルとロボット用ハードウェアの能力が向上する中、安全性が最大のボトルネックになったと見ている。
Nvidiaは2025年、自動運転車の開発者が自律システムのリスクを抑える制御機能を構築できるよう、Halosシステムを開始した。そして2026年6月、Halos for Roboticsを発表した。これは、床掃除ロボット、重量物を運ぶ自律フォークリフト、医療・産業環境で稼働するロボットの間にあるリスクの違いに対応する拡張版だ。
ハードウェアとソフトウェアを組み合わせたプラットフォーム
このプラットフォームは、ロボットおよび産業用途向けに設計されたコンピューティングユニットNvidia IGX Thorから始まる。同ユニットには、安全関連のワークロード専用の独立プロセッサーが搭載されている。Nvidiaでロボットおよびエッジコンピューティング・プラットフォーム部門を率いるAmit Goelによると、機能システムと安全システムは同じチップ上で動作するが、重要なタスクは分離され、相互干渉の可能性を低減している。
ソフトウェア面では、Halosのオペレーティングシステムがハードウェアコンポーネントとソフトウェアライブラリを監視し、故障を迅速に検出する。一方、Nvidia Holoscan Sensor Bridgeはセンサーのデータを安全処理に接続し、破損したデータの検出を支援する。パッケージには、仮想環境でロボットをシミュレーションするツールや、開発中に安全上の問題に関するフィードバックをパートナーが得られる試験ラボ用ソフトウェアも含まれる。
実際に何が変わるのか
ロボットの安全性は自動運転車とは異なる。ロボットは、レイアウトやリスクが異なる工場、倉庫、病院の間を移動する可能性があるためだ。そのためNvidiaは、システムを監督する基盤構造を維持しようとしながら、開発者が独自の安全機能を定義できるようプラットフォームを設計した。
これは、ロボットが非構造化環境で稼働したり、視界を遮る角に近づいたりする場合に、いっそう重要になる。こうした状況では、ロボットは前方に何が現れるか把握できないため、曲がり角の前で減速または停止せざるを得ない場合がある。これらの事例は、安全性がAIモデルだけに依存するのではなく、センサー、コンピューティング、ソフトウェア分離、仮想および実地の試験が一体となって支えるものだということを示している。
初期の用途と提携
Agility Roboticsは、Nvidia HalosをヒューマノイドロボットDigit 5に統合した最初の企業となった。Nvidiaによると、センサーと安全コンポーネントをロボット内部に統合することで、作業エリアの周囲に設置された外部センサーへの依存を減らせる。これにより、ロボットは異なる作業や場所の間で安全機構を持ち運べるようになる。
Boston Dynamicsも安全認証プログラムに早期から参加しており、脚式ロボットSpot、車輪型ロボットStretch、ヒューマノイドロボットAtlasへのプラットフォーム適用に関心を示している。その他の関係先には、自動運転フォークリフトや移動ロボットを利用するドイツのKIONグループや、Nvidiaの基盤モデルIsaac GROOTを基にヒューマノイドロボットを開発する韓国企業LGがある。NvidiaはAgility RoboticsとFigure AIにも投資しており、中国のUnitreeとは研究者向けのオープンなヒューマノイドロボット用リファレンス設計を提供するため提携している。
限界と残された課題
Halosの拡張によって、ヒューマノイドロボットがあらゆる作業を実行できる自律的な労働者になったことが証明されるわけではない。プラットフォームの成功は、開発者がそれぞれの環境に適した安全機能を定義できるかどうか、また試験条件以外でシステムの性能を検証できるかどうかにかかっている。しかし、ロボットが固定された作業ステーションから、さまざまな場所で複数の作業を行う段階へ移行する中、プログラム可能な安全レイヤーは商用展開における重要な要素となる。