ソウルワールドモデル — 物理AIパイプライン

実世界データキャプチャ

LiDARセンサー搭載車両がソウル全域の道路網をスキャン

120万枚以上の高解像度360°パノラマフレームをキャプチャ

±cm精度の車線ジオメトリ、トンネル内部、高架橋

NAVER Cloudの空間データインフラが保存・処理

NVIDIA Cosmos 3 Fusion

Cosmos 3 World Foundation Modelに供給される空間データ

数億時間の実世界モーションビデオでトレーニングされた物理エンジン

材質プロパティ：摩擦、変形、光の屈折 — すべて学習済み、コーディングなし

テキストプロンプトまたはセンサー入力 → フォトリアルな物理シミュレーション出力

エッジケースシミュレーション

仮想ソウル：実世界のリスクなしで無制限のシナリオ生成

夜間の豪雨＋突然の歩行者の横断

トンネル照明の遷移 — 急速な照明の変化

濡れた路面でのタイヤの滑り — 物理学的に正確なシミュレーション

実世界ロボット制御

シミュレーションでトレーニングされたポリシーをNAVERのARCロボットネットワークに転送

ROOKIE地上物流ロボット：都市レベルのナビゲーションを調整

実世界テストサイクルの短縮 — 物理的な試行回数を削減

物理学的に正確なトレーニングデータによるシミュレーションから現実へのギャップの解消

ソウルワールドモデル — データ規模

120万枚以上

ソウル全域の道路網でキャプチャされたパノラマフレーム

±cm

車線ジオメトリ精度 — センチメートルレベルの精度

∞

ベースワールドモデルから生成可能なエッジケースシナリオ

エッジケースの例 — 実世界展開前に安全にシミュレート

🌧️ 夜間の雨＋横断歩行者

午前2時の豪雨、薄暗い街灯、ブロックの中央を突然横断する歩行者 — ロボットは、前方のカメラに人間が見える前にブレーキをかける必要がある。

🚇 トンネル照明の遷移

車両がトンネルから直接午後の太陽光に入る — ロボットが視覚情報なしで車線を維持する必要がある、急速なカメラ露出過多ウィンドウ。

🚧 濡れた路面の滑り制御

油で汚染された濡れたアスファルトの交差点 — 物理シミュレーションが、接近速度でのROOKIEのタイヤ接地面の正確な滑り係数を計算する。

🏗️ 工事区域

標識のない車線閉鎖、道路標示に代わる一時的なバリア — ロボットは、塗装された車線ではなく、環境の3D空間モデルによってナビゲートする。