NVIDIA、自動運転シミュレーションツール NVIDIA Omniverse NuRec を公開──実走行データから 1,500 以上の 3D ガウススプラッティングシーンを構築
実車のセンサー配置変更に伴う再収集コストを削減するため、既存の走行データを元にターゲット車両の視点へカメラ映像を合成し、知覚モデルの適応期間を短縮する。
リリース: 2026-08-31 · 読了 3 分記事の要約
1. 核心（What）
- NVIDIA は、車両プラットフォーム間の自動運転知覚スタックの適応を支援する NVIDIA Omniverse NuRec を公開した。
- Hugging Face にて、6 カメラ構成で再構築された 1,500 以上の駆動シーンを含む NuRec Dataset を公開した。
- 3D ガウススプラッティング技術を活用し、既存の走行記録からターゲット車両のカメラ位置や画角に応じた新しいビューをレンダリングする。
- Docker コンテナ「nre-ga:26.04.01」を用いたカスタムリグ軌跡の抽出とレンダリングのワークフローが整備されている。
2. 影響（Why）
- 実車データ収集のボトルネック解消: 新型車両の開発初期におけるデータ収集の困難さを解消し、既存の走行データだけで検証環境を整えられるため、モデル適応にかかる工数を削減できる。
- 国内車載開発への影響: 国内の自動車関連開発現場では、試作車の台数やテストコースの制約を受けずに多様なセンサー構成での検証が可能になり、開発リードタイムを短縮できる。
3. 根拠・詳細（How）
- 3D ガウススプラッティングによる再構築: gsplat を使用して、ピンホールや魚眼、f-theta などのレンズモデルに対応したカメラの外影・内影・視野角の変更をシミュレートする。
- コンテナによるレンダリング処理: 公開コンテナ「nre-ga:26.04.01」を用いて export-custom-rig-trajectory と render を実行し、カスタムリグの軌跡抽出とターゲットカメラの描画を行う。
4. 展望・課題（Next）
- モデル学習への統合: 合成されたターゲットビューを用いて知覚モデルの再学習と精度検証を行い、実車への展開に向けた弱点の特定を進める。