COMPASS、クロスロボット・ナビゲーション訓練を Codex／Claude Code Skills としてパッケージ化

NVIDIA は COMPASS のエージェント型訓練フローを公開し、従来 Isaac Sim、Isaac Lab、シーン変換、強化学習、ROS 2 に分散していた操作を repository skills としてパッケージ化した。開発者は Codex で `$compass` を使用するか、Claude Code で `/compass` を呼び出し、coding agent にコンテナ、GPU、モデル、アセットのバージョン確認、occupancy map の作成、単一環境での smoke test、長時間訓練の開始、さらにログ、テレメトリ、checkpoint、artifact manifest の保存を依頼できる。

COMPASS は、言語モデルにロボットを直接制御させるものではない。基盤ではまず X-Mobility の模倣学習ポリシーを再利用し、その後 residual reinforcement learning により、特定のロボットとシーンに対応する補正器を訓練する。複数の specialist は、後から共通のクロス embodiment ポリシーへ蒸留できる。公式の model card には G1、H1、Carter、Spot が記載されており、入力には RGB 画像、ロボットの速度、経路、embodiment タイプが含まれ、出力は線速度と角速度となる。リファレンスの ROS 2 統合では、カメラ、オドメトリ、目標をモデル入力へ変換し、`/cmd_vel` に制御コマンドを publish する。

新しいフローでは、3つのシーン経路が用意されている。登録済みの倉庫は再現可能なベースラインとして利用できる。SAGE-10K は50種類の部屋タイプ、合計1万件の生成屋内シーンを提供する。NuRec は、現地で撮影したステレオ RGB データを Isaac Sim で利用可能な再構築環境へ変換する。エージェントは、シーンの受け入れ、smoke test、checkpoint の昇格前に必ず停止し、人間の承認を待つ必要がある。評価時には、ベースポリシーと residual checkpoint で同一の seed、目標、初期状態、終了条件を使用し、到達率、転倒率、移動時間を同時に比較することも求められる。

この設計の技術的価値は、バージョン、座標系、シーンアセットが原因で失敗しやすいロボット訓練フローを、監査可能なエージェントワークフローへ変換した点にある。モデル能力が突如向上したと主張するものではない。公式には、今回の Skills 導入後の成功率、訓練時間、クロスロボットでの性能向上は公表されていない。チュートリアルも checkpoint の評価までにとどまり、ONNX／TensorRT へのエクスポートと実機へのデプロイは別途検証が必要となる。コードは Apache 2.0 で提供されるが、モデルとシミュレーションアセットには NVIDIA の規約への同意が必要である。また NVIDIA は、COMPASS が機能安全や高度に動的な環境を対象とした検証を完了していないと明記している。