Microsoft Researchは、同社のPhysical AI ToolchainにオフロードされたフィジカルAI推論機能を追加したことを発表しました。この新機能により、コンテナ化されたワークロードを管理するKubernetesを使用して、ロボットのローカル演算、エッジGPU、またはクラウドの間でロボットのワークロードを分散させることが可能になります。
Microsoft Research、フィジカルAIロボティクスのためのオフロード推論機能を発表
この記事は翻訳です。 原文を読む
研究者らによって実施された最近の系統的な調査では、推論の場所が及ぼす影響を評価するために、モバイルロボットのマニピュレーションに焦点を当てています。その結果、AIモデルのサイズが大きくなるにつれ、オンボードGPUを介したデバイス上での推論には大きな制約が生じることが判明しました。研究者らは、小型のGPUではモバイル・マニピュレーション・スタックを適切に処理できないことを観察しており、一部のマッピングおよびプランニングタスクは、A100 GPUと比較して最大383%も遅延しました。さらに、この調査では、軽量なGPUを使用すると、ナビゲーションにおける適時な障害物検知が30%低下し、Vision-Language-Action (VLA) モデルの精度が50%低下することが指摘されています。
計算性能に加えて、この研究は消費電力への影響についても強調しています。オンボードGPUとRaspberry Pi-5（データをオフロードGPUに送信する場合）を比較したところ、Jetson Thorのような大型のオンボードGPUは、バッテリー消費を最大160%増加させ、稼働時間を数時間短縮させる可能性があることが分かりました。
この新しいオフロード機能は、Microsoft AzureのサービスとNVIDIAのフィジカルAIスタックを組み合わせたオープンソース・フレームワークであるPhysical AI Toolchainに統合されています。この機能の実証として、MicrosoftはSO-101およびUR10eロボットで推論をオフロードするためのサンプルプロジェクトを提供しました。また、同社は、デュアルアームロボット向けに設計されたRhoモデルを、Mobile Alohaロボットを制御するJetson Thor GPUにオフロードするデモンストレーションも行いました。
出典
- Offloaded inference for real-world physical AI robotics （Microsoft Research, 2026-09-23）
- Microsoft Research Forum