コンテンツにスキップ

Physical AI Playbook のご案内

最終更新: 2026-08 · owner: Youngjin · ステータス: 初期構築中

L0 TL;DR: 顧客が Physical AI の質問を投げかけたとき、Slack を掘り返さずに この playbook 一つでアーキテクチャの方向性・AWS マッピング・次のアクションを5分以内に 提示するための参照資産です。論文要約集でも、ニュースアーカイブでもありません。

このドキュメントの読み方（30秒）

  1. 急いでいるとき: 下記の よくある質問 Top 20 から該当項目へ直接移動。
  2. テーマが定まったら: 5つのピラーのいずれかに入る。各項目は L0（1～2文）→ L1（1ページ）→ L2（deep-dive リンク） に階層化されています — 上部だけ読んでも方向性がつかめます。
  3. 岐路に立ったら: 意思決定ツリー — Cloud vs Edge、NVIDIA vs オープンソース、GPU 確保、Build vs Buy。
  4. 「これはなぜ無いの?」: まず Radar を確認。包含基準未達で待機中の項目がそこにあります。新しい候補の報告は メンテナンスガイド の昇格パイプラインへ。

ラベルの読み方

成熟度 意味
🟢 GA 正式リリース、本番環境で使用可能
🟡 Preview 公開プレビュー / 明確な GA ロードマップあり
🔵 Research-only 論文・研究段階、顧客提案での使用禁止
⚪ Hype デモのみ存在。「印象的なデモ」≠「デプロイ可能」
出典グレード 意味
[1] 公式ドキュメント / 論文
[2] AWS 内部検証（自ら実行して確認）
[3] ベンダー公式ブログ
[4] 未検証（Slack/噂）— 引用時は必ず再確認

5つのピラー

# ピラー L0 一言 ショートカット
1 データ収集 & 処理 ロボット学習のボトルネックはモデルではなくデータである — テレオペレーション1・オープンデータセット・合成データを AWS パイプラインで処理する方法 pillar-1
2 モデル学習 (VLA) VLA2/ロボット基盤モデルをどの規模の GPU で、ファインチューニング3か事前学習4かの分岐から設計する方法 pillar-2
3 シミュレーション Isaac Sim/Lab vs オープンソースの選択と、AWS 上での大規模並列シミュレーション実行パターン pillar-3
4 Sim-to-Real シミュレーションで学習したポリシーを実機に移す検証済みの方法論と、エッジ推論のデプロイ経路 pillar-4
5 エージェントオーケストレーション LLM プランナー（System 25）がロボットコントローラー（System 1）とフリート6を指揮する階層 — Bedrock AgentCore 中心 pillar-5

ピラー間の比重は均等。各ピラー内部は 顧客の実際の需要 × production-readiness 順に並んでおり、上部に「このピラーで顧客が最も頻繁に問う質問 Top 3」があります。

よくある質問 Top 20

# 質問 行き先 出典
1 「Isaac Sim / Isaac Lab を AWS でどう動かしますか?」 pillar-3 シード ⚠️
2 「VLA モデル学習（ファインチューニング）のインフラはどう組めばよいですか?」 pillar-2 シード ⚠️
3 「GPU が確保できません — On-Demand、Capacity Blocks、代替案のうち何を使うべきですか?」 decisions シード ⚠️
4 「sim-to-real7 gap は実際どう克服しますか? 検証済みの方法はありますか?」 pillar-4 シード ⚠️
5 「ロボットのリアルタイム制御（30–100Hz）ですが、推論をクラウドに置けますか?」 decisions シード ⚠️
6 「基盤モデル（GR00T/π0 など）をファインチューニングしますか、自前で学習しますか?」 decisions シード ⚠️
7 「ロボット学習データをどう集め、どこに蓄積すべきですか?（テレオペレーション/合成データ）」 pillar-1 シード ⚠️
8 「NVIDIA フルスタックにどれだけ依存しますか? オープンソース代替案は?」 decisions シード ⚠️
9 「エッジデプロイ（Jetson など）と AWS をどう連携しますか?」 pillar-4 シード ⚠️
10 「LLM エージェント8でロボット/設備を指揮するアーキテクチャは実際に成り立ちますか?」 pillar-5 シード ⚠️
11 「これを全部回すと GPU コストはどれくらい? 予算はどう見積もりますか?」 decisions AWS Embodied AI ブログ
12 「既存の ROS 29 スタック・rosbag10 データを AWS とどう連携しますか?」 pillar-1 AWS ROS 2 on Isaac ブログ
13 「複数ノードに学習をスケールするには? AWS Batch vs SageMaker HyperPod?」 pillar-2 Isaac Lab on SageMaker
14 「実機デプロイ前にポリシーが実際に動くかをどう検証・ベンチマークしますか?」 pillar-4 NVIDIA ポリシー評価
15 「ロボット/工場データが機微ですが、クラウド学習は規制上問題ないですか? オンプレ・ハイブリッドは?」 decisions AWS AI 主権
16 「学習したポリシーをどうバージョン管理・再現し、チェックポイントを復旧しますか?」 pillar-2 Isaac Lab on SageMaker
17 「Isaac Sim・オープンモデルを商用製品に使えますか? NVIDIA AI Enterprise はいつ必要?」 pillar-3 NVIDIA Isaac Sim
18 「ポリシー推論をリアルタイム（低遅延）に最適化するには? TensorRT・量子化11・action chunking12?」 pillar-4 NVIDIA Jetson Edge AI
19 「設備/工場のデジタルツイン13を作りロボットシミュレーションと連携するには? TwinMaker・Omniverse?」 pillar-3 AWS Physical AI ブログ
20 「ML の専門家がいません — どこから始めますか? 最小 PoC の設計は?」 decisions AWS Physical AI ブログ

ページ一覧

この playbook が扱わないもの

  • 包含基準未達の項目: ⓐ production 検証 ⓑ AWS マッピング可能 ⓒ 実際の問い合わせ履歴 ⓓ GA（ロードマップ）— このうち 2個未満 なら本文にありません。Radar に一行だけ存在します。
  • ニュース速報: 「新しく出た」は収録理由ではありません。
  • 概念説明で終わる項目: すべての項目は「➡️ 次のアクション」で終わります。アクションが無ければ未完成です。

owner: Youngjin · updated: 2026-08 · volatility: 低（構造ページ — FAQ Top 20 の順位のみ四半期ごとに再検討）

  1. テレオペレーション — 人が VR コントローラーやリーダーアームなどでロボットを遠隔操縦しながら実演動作を記録するデータ収集方式です。品質は最も高いものの、人の時間がそのままコストになります。🎥 Stanford Mobile ALOHA テレオペレーション実演 ↩

  2. VLA (Vision-Language-Action) — カメラ映像（Vision）と自然言語の指示（Language）を入力に、ロボットの動作（Action）を直接出力する基盤モデルです。「コップを掴んで」と言えば関節の動きを生成する、という具合です。🎥 NVIDIA Isaac GR00T N1 紹介 ↩

  3. ファインチューニング（fine-tuning） — 大規模データで事前学習されたモデルを、自分のタスク・ロボットの少量データで追加学習させることです。ゼロから学習するよりデータ・GPU が数十~数百倍節約できます。 ↩

  4. 事前学習（pre-training） — 大規模な汎用データでモデルをゼロから学習させ、基礎能力を作る段階です。その後、少量データのファインチューニングで特定タスクに合わせます。フロンティア VLA の事前学習はごく少数の組織の領域です。 ↩

  5. System 2 / System 1 — 認知科学の「遅い思考 / 速い反応」の区分をロボットアーキテクチャに適用した構造です。System 2 は遅い大型モデルが計画を（5~10Hz）、System 1 は小さなポリシーがリアルタイム制御を（50~200Hz）担います。推論をクラウドに置くかエッジに置くかを分ける基準になります。 ↩

  6. フリート（fleet）協調 — 多数のロボット群を一つのシステムとしてスケジューリング・経路配分することです。倉庫ロボットのように数百~数千台規模ですでに本番検証済みの領域です。 ↩

  7. sim-to-real — シミュレーションで学習したポリシーを実際のロボットへ移すこと、またはその方法論です。シミュレーションと現実の物理・視覚の差（ドメインギャップ）のため、そのまま移すと性能が崩れます。🎥 NVIDIA sim-to-real ロボティクスショーケース ↩

  8. LLM エージェント — 大規模言語モデルが自ら計画を立て、ツール（API・ロボットスキル）を選んで呼び出し、多段階のタスクを遂行するソフトウェアです。単純な質疑応答と異なり「行動」がある点が核心です。 ↩

  9. ROS 2 (Robot Operating System 2) — ロボットソフトウェアの事実上の標準オープンソースミドルウェアです。センサー・制御ノードがトピック（topic）で通信する分散構造で、産業・研究ロボットスタックの共通基盤です。 ↩

  10. ROS bag（rosbag2） — ロボットオペレーティングシステム ROS 2 がトピック（センサー・コマンドのストリーム）を丸ごと録画する標準ログフォーマットです。ロボット企業の元データの事実上のデフォルト形態ですが、そのままでは学習に使えず変換が必要です。 ↩

  11. 量子化（quantization） — モデルの重み・演算を FP16→INT8/FP4 のように低い精度へ変換し、メモリと演算量を削減する軽量化手法です。エッジデバイスで遅延予算を満たすための中核手段であり、精度損失とのトレードオフを管理します。 ↩

  12. action chunking — 毎ステップ動作 1 個ではなく、将来の動作を複数ステップ（チャンク）まとめて一度に予測する手法です。推論回数を減らし、リアルタイム制御の周波数を満たしやすくします。 ↩

  13. デジタルツイン（digital twin） — 実際の工場・倉庫・ロボットを物理的に忠実に模した仮想レプリカです。実環境に触れずにポリシー学習・検証・シナリオ実験を可能にします。 ↩