ロボット業界が今直面している問題は、十数年前の自動運転とよく似ています——モデルはどんどん賢くなるのに、実用化できるかを本当に左右するのは、しばしばモデルそのものではなく安全だという点です。ワークステーションに固定された従来の産業用アームは物理ガードで十分ですが、ひとたび自律ロボットが人間と同じ空間を共有し始めると、安全はシステムレベルの問題になります。

シカゴで開催されたAutomate 2026で、NvidiaはHalos for Roboticsを発表しました。チップ、センサー、OSから安全認証までをカバーするフルスタックのロボット安全システムです。Nvidiaがこれまで自動運転分野で蓄積した18600エンジニア人年を超える成果と、検証済みの700万行のコードをロボットのレースに持ち込み、コアの安全フレームワークはオープンソース化済みで、業界全体に開放しています。

テスラがiOS路線（ロボットも安全も自社で作る）だとすれば、Nvidiaが選んだのはAndroid路線です。安全プラットフォームをすべての人に開放する。すでにヒューマノイドロボット企業のAgility、ボストンダイナミクス、LiDARベンダーの禾賽（Hesai）、安全ロボット企業のFORT Roboticsなど43社が参加しています。

Halosの目標は、身体知能（Embodied AI）企業に統一された安全アーキテクチャを提供すること。接続するだけで使え、ゼロから車輪を再発明する必要がない。

Halosとは何か

これは**ロボット版の「安全なAndroid」**と理解できます。特定のロボット製品ではなく、下層のハードウェアから上層の認証までをカバーする安全ミドルウェア層です。ロボット企業が接続すれば、検証済みの安全インフラをそのまま再利用することになります。

公式アーキテクチャによれば、Halosは下から4層に分かれ、ロボットが現実世界で動く際に起こりうる4つの障害源に対応します。

コア機能

第1層：プラットフォーム安全（ハードウェアを落とさない）

最下層はIGX Thorコンピューティングプラットフォーム + 安全マイコンで、ハードウェアレベルの「安全島（セーフティアイランド）」を構築します。上層のAIに問題が起きても、ハードウェアが最低限の安全停止と基本制御を保証し、「AIのストライキで機体全体が制御不能になる」事態を避けます。

第2層：安全OS（システムを乱さない）

Halos OSはIGX Thor上で動作し、その土台はHalos Coreです。2つのモードをサポートします：

• 純粋なLinux
• Linux + QNXハイブリッドアーキテクチャ（安全クリティカルなシーンに推奨）

後者はHypervisorでシステムを2つの完全に分離された実行ドメインに分割します：

• LinuxはAI計算とアプリケーションを担当
• QNXは安全クリティカルタスクを担当

AIアプリケーション層が異常クラッシュしても、安全制御ロジックには影響しません——ハードウェアの安全島の外にもう1枚「ソフトウェアの隔離壁」を重ねるのに相当します。この層の上には安全アプリケーションモジュールがあり、最も典型的なのがOutside-In Safetyシステムで、現在オープンソース形式で開発者に開放されています。

Halosの4層アーキテクチャ：プラットフォーム安全、安全OS、アルゴリズム安全、エコシステム安全。

第3層：アルゴリズム安全（AIが誤判断しない）

管轄するのはモデル自体の意思決定リスクです。VLA（視覚言語アクション）モデルやVLM（視覚言語モデル）は、段ボール箱を人と誤判定したり、人を障害物と誤判定したりする可能性があります。この層は、物理世界におけるモデルの挙動の安全性を評価・制約し、「理解の誤り」が「危険な動作」へ変わる前に食い止めます。

第4層：エコシステム安全（誰が認証するか）

最上層は体系全体を業界標準に変えます。NvidiaはHalos AI Systems Inspection Labを設立し、物理AI分野で世界初のISO/IEC 17020検査資格を取得しました。TÜV Rheinland、TÜV SÜD、UL Solutions、SGS、exida、CertXなどの認証機関がいずれもその検査結果を認めています。

ロボット企業はNvidiaで事前検査を受けてから正式認証に進めば、時間とコストを大幅に圧縮できます——従来はセンサー、コントローラー、ビジョンシステムがそれぞれ独自に認証を受けており、企業が自分で組み合わせる必要がありました。

実際に使ってみて

利点

• 接続してすぐ使える：安全スタックをゼロから作る必要がなく、とくに60人以下の初期の身体知能スタートアップに適する
• コアはオープンソース：Outside-In安全システムはそのままforkして自社プロジェクトに組み込みカスタマイズできる
• エコシステムの壁：43社のパートナーは、センサー、コントローラー、認証機関が同じインターフェースの下にそろっていることを意味し、後の「層を替えて検証やり直し」を避けられる
• 実装済みの参照例：AgilityはすでにHalosをDigitロボットに統合し、アマゾン、GXO、トヨタの工場で資格を持って稼働している

Nvidiaのロボットフルスタック：学習、シミュレーション、モデル、デプロイ推論に加え、Halosが「安全と市場参入」の最後のピースを埋める。

応用シーン

明確なターゲットユーザーと利用シーン：

• 身体知能ロボット企業：とくにヒューマノイド、物流、点検ロボットを手がけるチームが、Halosを「出荷前の安全コンプライアンスキット」として使う
• 産業オートメーションインテグレーター：顧客向けに自律ロボットをデプロイする際、HalosでISO/IEC 17020認証フローを簡素化する
• ロボット安全研究者：オープンソースのOutside-Inモジュールをベースに二次開発や改善の提案を行う
• VLA / VLMチーム：「アルゴリズム安全」層を評価の的にし、物理世界におけるモデルの挙動信頼性を検証する

留意すべき点として、Halosが現在想定しているのは主に産業シーン（工場、倉庫、物流）であり、コンシューマーシーンではありません。個人開発者がそのまま家庭用ロボットに搭載しても意味は薄い——その価値はコンプライアンスの経路にあり、特定の個別機能にあるのではありません。

💡 ヒント：Halosはフルスタックへの束ね込みが非常に強い製品です。学習（Cosmos）、シミュレーション（Isaac Sim）、デプロイ（Thor）、安全（Halos）と経路を一通り走り切った後は、どの層を入れ替えても検証フローのやり直しを意味します。評価の際は「単点ツール」ではなく「長期的な技術スタック選定」として扱ってください。