NVIDIA、ロボットナビゲーション学習フレームワーク COMPASS 向けエージェント開発ツールを公開──Spot 対応と残差強化学習でクロスエンボディメントを実現
NVIDIA Isaac Lab 3.0 と Isaac Sim 6.0 を基盤に、Coding Agent を活用したクロスエンボディメント・ロボットナビゲーションのポリシー学習と検証ワークフローを提供する。
リリース: 2026-08-26 · 読了 3 分記事の要約
1. 核心（What）
- NVIDIAは、事前学習済みX-Mobilityポリシーを再利用するクロスエンボディメント・モビリティフレームワーク「COMPASS」の運用手順を公開した。
- CodexやClaude CodeなどのCoding Agentを活用し、依存関係の検証、アセット準備、スモークテスト、トレーニング、チェックポイントの比較を自動化するワークフローを提供する。
- Boston DynamicsのSpotをリファレンスロボットとし、結合マルチラック倉庫、10,000の生成屋内シーンを含むSAGE-10K、Omniverse NuRecによる再構築環境の3つをサポートする。
2. 影響（Why）
- マルチエンボディメント対応の効率化: 事前学習済みポリシーのベース行動を修正する残差強化学習を採用することで、ロボットごとに一から学習させる従来手法に比べて学習コストを大幅に抑制できる。
- 国内ロボット開発への適用: 国内のロボットSIerやAGV開発企業は、シミュレーションから実機適用までの検証プロセスをエージェントで共通化し、現場ごとのカスタマイズ工数を削減できる。
3. 根拠・詳細（How）
- 動作環境とシステム要件: Ubuntu 22.04/24.04、RAM 32GB以上、VRAM 16GB以上のNVIDIA GPU（Isaac Sim 6.0の最小構成としてGeForce RTX 4080を推奨）、Docker Engine 24以上、NVIDIA Isaac Lab 3.0とIsaac Sim 6.0を前提とする。
- エージェントスキルと承認ゲート: リポジトリのルートに.agents/skillsとしてCOMPASS関連スキルを配置し、$compassプロンプトを通じて検証・スモークテスト・学習の各フェーズで人間の承認ゲートを設けた運用を行う。
4. 展望・課題（Next）
- Hugging Face上の限定アセット利用: nvidia/COMPASSおよびnvidia/X-Mobilityのリポジトリ利用には、Hugging Faceのアカウント認証とアクセスの承認が事前に必要となる。