NVIDIAは、物理AIのための3Dシーン記述標準「OpenUSD」を用いた軽量ランタイムを自動生成する実験的プロジェクト「nanousd-labs」を公開した。AIエージェントが仕様書から直接コードを生成するこの手法により、メモリや性能に制約のある組み込み環境で動作する物理AI製品の開発サイクルが短縮される可能性がある。

AIエージェントが仕様書を直接解釈しコード化

従来、OpenUSDの実装には既存の大規模なコードベースを改変する必要があった。nanousd-labsの手法は、Alliance for OpenUSD（AOUSD）が策定した機械可読な「USD Core Specification」をAIエージェントが解析し、開発者のアーキテクチャ選択に基づいて必要なランタイムを直接生成する。検証は仕様から導出されたテスト群で行うため、標準準拠と開発速度の両立が図られている。エンジニアは仕様解釈やボイラープレートコードの記述から解放され、制約に合わせた設計判断に集中できるようになる。

組み込み領域に広がる物理AIの足場

生成されるランタイムは安定したC ABIデータ層を提供し、レンダリング機能とは分離されている。この設計により、既存のOpenUSDスタックと相互運用しながら、特定のメモリ容量や性能要件に最適化したバックエンドの差し替えが可能になる。物理AIの実装が求められる倉庫のデジタルツインやロボット制御といった現場では、ハードウェア制約が厳しい。単一の巨大な実装に依存せず、軽量で目的に特化したUSDランタイムを用意できることは、3Dデータを介したAIの実世界展開を加速させる要素となる。

開発手法の選択肢拡大がもたらす構造変化

このプロジェクトが示すのは、単なるツールの提供ではなく、標準仕様を「人間とエージェントの契約」と捉える開発パラダイムである。GPUやクラウド基盤を提供するNVIDIAは、AIモデルの訓練だけでなく、AIが動作するデジタル環境の整備を進めている。AIエージェントによるコード生成が普及すれば、3D処理ソフトウェアの保守負荷が下がり、物理AI領域への新規参入が容易になる。NVIDIA Omniverse Labsでの公開は実験段階だが、同様の方法論は他の標準仕様や産業領域にも波及する可能性を示唆する。

標準化された3D基盤が製造とロボットを繋ぐ

日本においても、製造業の工場デジタルツインや建設業のBIMデータ連携では、CADからシミュレーションまでの一貫した3Dデータ管理が課題となっている。OpenUSDの軽量ランタイムをデバイス側で生成できれば、エッジコンピューティング環境に最適化した物理AIの導入が現実味を帯びる。現時点でnanousd-labsが特定の産業ソリューションと直接統合されているわけではないが、標準仕様に基づく自動生成アプローチは、物理AI導入の障壁を下げる要素として、ロボットやIoT機器を手がける企業にとって検討に値する方向性である。