AWS、フィジカルAI開発向け「Physical AI Toolchain」を発表

　Amazon Web Services（AWS）は10月7日、「Physical AI Toolchain on AWS」を発表した。これは、フィジカルAIポリシーのトレーニングとデプロイをAWS上で大規模に行うための、エンドツーエンドのソリューション。フィジカルAIの開発ライフサイクル全体を運用するためのリファレンスアーキテクチャ、Infrastructure as Code、デプロイの自動化機能を1つにまとめ、NVIDIA Physical AIスタックと統合し、一般公開されたコレクションとして提供されている。

フィジカルAI開発ライフサイクル

　フィジカルAIの実用化には、データ収集、合成データ生成、モデルトレーニング、シミュレーションに基づく検証、エッジデプロイを統合するパイプラインが必要となる。各段階では、異なる計算リソースやツールが求められる。同ツールチェーンは特定のロボットやタスクの種類に依存しない。ユーザーがURDF、テレオペレーションデータ、タスク定義を用意すれば、残りの処理はインフラストラクチャが行う。

　同ツールチェーンは、NVIDIAの次のコンポーネントを単一のパイプラインに統合している。

• GR00T：視覚・言語・行動（VLA）トレーニング用
• Isaac Sim：物理シミュレーション用
• Isaac Lab：大規模強化学習用
• Cosmos：合成データ生成用
• OSMO：ワークフローオーケストレーション用

　これらを、Amazon S3、Amazon EKS、AWS Batch、Amazon SageMaker、Amazon EC2、AWS IoT Greengrassなどのマネージドサービス上で展開する。最適化されたモデルは、最終的にNVIDIA Jetsonハードウェアにデプロイされる。また、LeRobot形式、PyTorch、Hugging Face、Gymnasium、ONNXといった公開ツールやオープンなフォーマットを採用しており、データやモデルの移植性を保てる。

　各コンポーネントは独立したTerraformモジュールとして提供される。一つずつ段階的に導入することも、パイプライン全体に展開することも可能。さらに、Strands Agents SDKを基に構築されたエージェントレイヤーを備える。自然言語や構造化されたプロンプトで意図を記述すると、エージェントレイヤーが呼び出すコンポーネントの判断、コンピューティングリソースの割り当て、データの受け渡しの管理を担う。

　利用開始に向けて、AWSはGitHubリポジトリでワークショップを提供している。利用には、次の3点が必要。

• SageMakerとEC2の両方でGPUクォータが承認されたAWSアカウント
• NVIDIA NGC APIキー
• Hugging Faceトークン

Physical AI Toolchain on AWSのコンポーネント

【関連記事】
・2026年は「フィジカルAI」開発支援に本腰――AWSジャパン 2026年事業戦略
・AWS Agent Registry、レジストリレコードのカスタムメタデータに対応
・AWS Security Hub、検出結果をCSV/JSON形式でS3へエクスポート可能に