Seoul World Model — Physical AI Pipeline

現実世界のデータキャプチャ

LiDARセンサー搭載車両がソウルの全道路網をスキャン

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精度の車線形状、トンネル内部、高架道路

NAVER Cloudの空間データインフラストラクチャが保存・処理

NVIDIA Cosmos 3 Fusion

空間データをCosmos 3ワールド基盤モデルに入力

数億時間の現実世界の動画で学習した物理エンジン

素材の特性：摩擦、変形、光の屈折 — すべて学習済み（コーディング不要）

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

バーチャルソウル：現実のリスクなしに無制限のシナリオ生成が可能

夜間の大雨 + 突然の歩行者の横断

トンネルの照明変化 — 急激な照度変化

濡れた都市路面でのタイヤのスリップ — 物理的に正確なシミュレーション

現実世界のロボット制御

シミュレーションで学習したポリシーをNAVERのARCロボットネットワークに転送

地上物流ロボット「ROOKIE」：都市レベルのナビゲーションに最適化

現実世界でのテストサイクルを削減 — 物理的な試行回数を低減

物理的に正確な学習データによりシミュレーションと現実のギャップを解消

エッジケースの例 — 現実世界での展開前に安全にシミュレーション

🌧️ 夜間の雨 + 横断歩行者

午前2時の大雨、薄暗い街灯、ブロックの途中で突然横断する歩行者 — ロボットは前方カメラで人間が視認できる前にブレーキをかける必要がある。

🚇 トンネルの照明変化

車両がトンネルから午後の直射日光の中へ出る — カメラが急激に露出過多になる間、ロボットは視覚入力なしで車線を維持しなければならない。

🚧 濡れた路面でのスリップ制御

油で汚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アプローチ速度におけるROOKIEのホイール接地部分の正確なスリップ係数を計算。

🏗️ 工事現場

標識のない車線規制、道路標示の代わりに設置された仮設バリア — ロボットは描かれた車線ではなく、環境の3D空間モデルによってナビゲートする。