Jetson Thor入門｜ロボットに載せるAIコンピュータの選び方【2026年版】

AIモデルができても、それをロボットの中で動かすコンピュータが必要です。ロボットは動き回るのでクラウドに頼れません（通信が切れたら止まる、遅延で転ぶ）。だから本体に載せる — それがエッジAIです。

なぜロボットにクラウドAIは使えないのか

☁️

クラウドAI

通信が切れたら停止
往復で数百msの遅延
計算資源は無限

💻

エッジAI（本体で処理）

ネット不要で動く
遅延はミリ秒単位
消費電力と発熱が制約

倒れそうになってから「クラウドに聞いて」対処するのでは間に合いません。制御ループは本体で回すのが鉄則です。

Jetson Thorファミリー（2026年）

NVIDIAのロボット向けエッジAIコンピュータの現行世代です。用途別に3種類あります。

モデル	AI性能	主な用途	位置づけ
T5000	約2,070 TFLOPS(FP4)	ヒューマノイド、研究開発	最上位。128GBメモリ
T3000	約865 TFLOPS	量産ロボット	バランス型
T2000	約400 TFLOPS	AMR、産業アーム、カメラAI	普及帯

開発キット（Jetson AGX Thor Developer Kit）は3,499ドルから。消費電力は40〜130Wで、前世代Orinに対してAI性能7.5倍・電力効率3.5倍という世代交代になっています。

💡

採用企業の顔ぶれ

1X、Boston Dynamics、Amazon Robotics、FANUC、日立、Agile Robots など、ヒューマノイドから産業用まで幅広く採用されています。「業界標準」と言って差し支えない状況です。

選び方の判断軸

「AI性能」より先に、消費電力と発熱を見てください。 ロボットはバッテリーで動き、内部は熱がこもります。

選定の順番

🔋

電力を確認

バッテリーで何時間動くか

→

🌡️

冷却を確認

筐体に熱を逃がせるか

→

🧠

性能を選ぶ

モデルが載る最小構成に

100WのAIコンピュータを載せると、それだけでバッテリーの消費が跳ね上がります（電気超入門の計算式が効いてきます）。「動くけど30分で電池切れ」では実用になりません。

用途別の目安

自作アーム（SO-101等） → Jetsonは不要。ノートPCをUSB接続で十分
自律移動ロボット（AMR） → T2000クラス。カメラ認識＋経路計画なら足りる
産業用アーム＋ビジョン → T2000〜T3000
ヒューマノイド／VLAモデル搭載 → T3000〜T5000。GR00Tのような大型モデルはメモリを食う

🌱

まずは手元のPCで

学習も推論も、最初は手持ちのGPU付きPCやクラウドで十分です。Jetsonが必要になるのは「配線を切り離して自律で動かす」段階から。最初から買う必要はありません。

開発の流れ

# 1. PC/クラウドで学習（GPUを潤沢に使う）
# 2. モデルを軽量化（量子化・TensorRT変換）
trtexec --onnx=policy.onnx --saveEngine=policy.trt --fp16

# 3. Jetsonに転送して実行

学習はデスクトップGPU、推論はJetsonという役割分担が基本です。TensorRT変換で数倍速くなるので、載せる前の最適化は必須工程だと思ってください。

まとめ

ロボットの制御はクラウドに頼れない。本体で回すのがエッジAI
2026年のロボット向け標準はJetson Thor（T5000/T3000/T2000）。開発キットは3,499ドル〜
選定は電力・発熱が先、AI性能は後
自作アーム段階ではJetsonは不要。自律化のタイミングで検討

次の一歩 🌸

載せるモデル側の話はIsaac GR00T入門、電力設計の基礎は電気超入門へどうぞ。