目次
概要
NVIDIAは、ビジョンAIエージェント（映像を理解して業務に活かすAI）の精度を高めるための、合成データ生成とファインチューニング（追加学習）を含む3つのワークフローを紹介しました。OpenUSDとNVIDIA Omniverse、Metropolisを組み合わせ、開発からデプロイまでを支援する内容です。
何が発表・更新されたのか
NVIDIAは、再利用できる「agent skills」と「blueprints」を公開し、合成欠陥画像の生成、映像データ拡張、TAOによるモデルのファインチューニング、VSS（映像検索・要約）などのワークフローを提供すると説明しました。これらをOmniverse・Metropolisと組み合わせて使う流れが示されています。
なぜ重要なのか
Gartnerの予測では2028年までに企業データの3分の2以上がデータセンター・クラウド外で生成・処理されるとされる一方、エッジデータの最大90%は未活用とされています。映像を実際の業務改善につなげる手段として、ビジョンAIエージェントの重要性が高まっています。
誰に関係があるのか
製造業の検査担当、スマートシティや交通インフラの運用者、工場や倉庫の現場改善に取り組む実務担当者、そしてビジョンAIを開発するエンジニアに関係します。
仕事や業務でどう使えるのか
記事では、欠陥データが少ない製造ラインで合成データを使い高精度な検査モデルを作る例、都市の映像分析の自動化、工場での作業手順（SOP）検証などが紹介されています。Corningの事例では実欠陥画像8枚＋合成データで平均適合率95%を達成したとされています。
注意点
本記事は技術ワークフローと事例の紹介であり、各成果（精度や工数削減率）は特定の環境での結果です。日本での提供状況や料金、対象プランの詳細は、公式情報上では確認できませんでした。
公式情報
関連キーワード
- NVIDIA Omniverse
- OpenUSD
- NVIDIA Metropolis
- 合成データ（Synthetic Data）
- ビジョンAIエージェント
