Movensis、Physical AIリアルタイム実行スタック研究でNVIDIA GTC 2026ポスターを発表

モベンシスは同社のPhysical AIリアルタイム実行スタック研究がNVIDIA GTC 2026ポスターセッションに選ばれ、現地で発表されたと17日明らかにした。

NVIDIA GTCはAI、ロボティクス、デジタルツイン、加速コンピューティング分野の技術と適用事例が共有されるグローバル技術カンファレンスで、毎年米国カリフォルニア州サンノゼで開かれる。モベンシスの研究は、Physical AIシステムの核心課題であるSim-to-Real Gapをリアルタイム制御の観点から接近したもので、競争が激しい選定過程を通過し、最終発表課題として採択された。

現在、ほとんどのPhysical AIシステムは、AI推論を行うGPUベースのコンピューティングモジュールとロボットモーション制御を担当するコントローラが分離されており、ネットワーク接続による通信遅延とスケジューリング遅延で、全体の制御ループでLatencyが発生する。これにより、AI意思決定と実際のロボット動作との間の時間的な不整合が生じ、リアルタイム同期と制御安定性に制約が生じる。

モベンシスは、この構造的な制限を解決するために、ソフトウェアモーションコントローラWMXベースのリアルタイムモーションコントロールスタックを開発しました。このスタックは、EtherCATベースのリアルタイム通信とROS2インターフェイスを介してNVIDIA Isaacベースのアプリケーション層とロボット制御層を低遅延に接続するリアルタイム実行層を提供します。これにより、AI推論層とロボット制御層との間の遅延を最小限に抑え、知能と制御が密接に結合された実行構造を実現します。

Jetson Orin環境でIsaac Manipulatorを活用した比較実験では、従来の外部ロボットコントローラ構造と比較して、モベンシスリアルタイムスタックが追従誤差（MAE）を約85％低減する性能を確認した。この結果は、物理AIシステムにおけるAI決定と実際の動作間のギャップを減らすリアルタイム制御層の重要性を示しています。

モベンシスのソフトモーション技術はMIT研究から出発し、半導体製造装置など産業自動化分野にも適用されている。この研究では、これらの産業用リアルタイム制御技術をロボット基盤モデルベースのソフトウェアスタックと組み合わせて、Physical AI実行インフラストラクチャを構築するためのアプローチを提示します。発表ではリアルタイム実行スタックを活用したセンサーベースの適応型ファインチューニング構造など拡張可能性も紹介された。

モベンシスは「Physical AIシステムではAIモデルだけでなく、現実環境で安定的に実行できるリアルタイムインフラストラクチャが核心」とし、「産業用制御技術を基盤に次世代ロボットで活用可能なPhysical AI実行プラットフォームの開発を推進し続ける」と明らかにした。

• 関連記事をもっと見る