🧪 新しいチュートリアルを公開中 — ロボットアームからセンサーまで
Juxi Technology Wiki

日本語

English
简体中文
繁體中文
한국어
Deutsch
Français
Español
Italiano
Português (Brasil)
Português (Portugal)

日本語

English
简体中文
繁體中文
한국어
Deutsch
Français
Español
Italiano
Português (Brasil)
Português (Portugal)

外観モード

🤗ストア
/
公式サイト

エージェント型 AI — 8GB Orin Nano 上の NemoClaw ​

お使いのキットは、常時稼働の自律エージェントである NVIDIA NemoClaw を、コマンド 1 つでインストールして実行できます。本ページでは、NemoClaw とは何か、公式のインストール、周辺のエージェントスキル、8GB に対する正直な見込み、そして必要となるセキュリティ上の判断を扱います。

NemoClaw とは ​

NVIDIA によると、NemoClaw は「自律エージェントを構築するためのオープンなブループリントの集合」です — 現実のワークフローを横断して推論し、計画し、行動する常時稼働の AI システムです。エージェントハーネス(OpenClaw、Hermes、LangChain Deep Agents)と、NVIDIA Agent Toolkit のコンポーネント(Nemotron モデル、NeMo、OpenShell のランタイムポリシー制御)をまとめたものです。

OpenShell はセキュリティ層です:「エージェントがアクセスできるもの — ファイル、ネットワーク、認証情報、ツール — を強制する、内部のセキュアなランタイム」です。

NemoClaw はアルファ版ソフトウェアです — NVIDIA は「Early preview」と位置づけています(2026-03-16 以降)。製品ページ:https://www.nvidia.com/en-us/ai/nemoclaw · Build-a-Claw ハブ:https://www.nvidia.com/en-us/ai/build-a-claw/

インストール — 公式のコマンド 1 つ ​

キット上で NVIDIA のインストーラーを実行します:

bash
curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash

これにより、デフォルトのハーネスである OpenClaw がインストールされます。ほかの 2 つは環境変数で選択できます:

bash
curl -fsSL https://www.nvidia.com/nemoclaw.sh | NEMOCLAW_AGENT=hermes bash
curl -fsSL https://www.nvidia.com/nemoclaw.sh | NEMOCLAW_AGENT=langchain-deepagents-code bash

このキットでは、インストーラーが Jetson(Orin と Thor)を自動検出し、まず JetPack のホスト構成を適用します。L4T 39.x では br_netfilter モジュールが存在しない場合にのみロードします(これがないと、サンドボックスで DNS 解決が失敗し、オンボーディングが「Setting up OpenClaw inside sandbox」で止まります)。Ollama を選択すると、インストーラーは Ollama もインストールします:「このスクリプトは(ollama が選択されていれば)ollama もインストールするので、事前に手動でインストールする必要はありません」(NVIDIA スタッフ)。NVIDIA のサイトはこのデバイスを次のように説明しています:「Install OpenClaw on Your NVIDIA Jetson Orin Nano」—「Jetson 上の完全にローカルな AI パーソナルアシスタント…クラウド API は不要です」。

重要 — NemoClaw のプラットフォームサポートマトリクス(v1.1、2026-09-04)に Jetson の行はありません。テスト済みプラットフォームは Linux(Ubuntu 24.04)と DGX OS Spark です。Orin Nano のサポートは実際には機能します — インストーラーがボードを検出し、NVIDIA がそのフローをドキュメント化しています — ただし正式サポートとして公開されているわけではないため、粗い部分を想定してください。

ここで重要な要件(NVIDIA の NemoClaw 前提条件ページより):

要件最小 / 推奨このキットでは
RAM8 GB / 16 GB合計 8GB — 最小値ちょうど
空きディスク20 GB内蔵ストレージなし。microSD か NVMe を使用(クイックスタート)
Node.js / npm22.19+ / 10+別途インストール
コンテナランタイムDocker Engine / Desktop / Colimaソケットの修正:sudo usermod -aG docker $USER の後、newgrp docker

インストール後 — 最初のセッション ​

NVIDIA スタッフは Orin でのフローについて、Jetson AI Lab のウォークスルー(ベンダーガイド)を参照先として挙げています:

  1. curl -fsSL https://ollama.com/install.sh | sh — または省略可。NemoClaw のインストーラーが Ollama もインストールできます。
  2. Nemotron3 Nano 4B など、4B クラスのツール呼び出しモデルを取得します(ガイドの nemotron-3-nano:30b の例はより大きなデバイス向けです)。
  3. curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash
  4. オンボーディング:モデルソースとして Ollama を選択し、機能する範囲で最も厳しいサンドボックスポリシーティアを選びます。
  5. source ~/.bashrc の後、nemoclaw my-assistant connect。エージェントは openclaw tui で起動します。

エージェントスキル ​

NVIDIA は エージェントスキルも提供しています — オープンな Agent Skills 形式のパッケージ化されたワークフローで、AI コーディングアシスタント(Claude Code、Cursor、Codex)にデバイス固有の自動化を追加するものです。この時代にドキュメント化されている領域は 2 つです:

  • フィジカル AI(ロボティクス)。 Isaac ROS はエージェントスキルのカタログを提供しています — NVIDIA によれば、Isaac ROS 開発コンテナの起動や Mission Control クラウドスタックの立ち上げなどのタスクです。カタログは https://github.com/nvidia/skills(「Physical AI」カテゴリ)にあり、npx でインストールします(Node.js は標準の Isaac ROS 環境には含まれません)。Isaac ROS 5.0 では isaac-ros-activate CLI と、早期アクセスの migrate-node-to-rosidl-buffer スキルが追加されています。ロボティクスを参照。
  • ビデオパイプライン。 L4T r39.2.1 のリリースノートは、「ビデオパイプライン向けエージェントスキル」を新機能の 1 つとして挙げています。

正直に言うべきギャップが 1 つあります:本ページの情報源がドキュメント化している NVIDIA エージェントスキルは Isaac ROS(フィジカル AI)向けとビデオパイプライン向けであり、NemoClaw 固有のスキルカタログをドキュメント化したものはありません。

8GB に対する現実的な期待 ​

常時稼働のエージェント、ローカルモデル、そして Ubuntu デスクトップは、このキット上では同時に余裕をもって収まりません。ドキュメント化された予算:

  • 使用可能なメモリは 8GB ではなく約 7.6 GB です。 NVIDIA 曰く:「8GB の物理 DRAM のうち、ファームウェアとカーネルの予約領域を除いておよそ 7.6 GB が使用可能です」。
  • 8GB は NemoClaw の下限であり、快適圏ではありません。 前提条件では 8GB が最小、16GB が推奨とされています:「RAM が 8GB 未満のマシンでは、この合計使用量が OOM killer を引き起こすことがあります。メモリを追加できない場合は、少なくとも 8GB のスワップを構成して、パフォーマンス低下と引き換えに問題を回避してください」。このキットのメモリは固定です — スワップファイルを計画してください(メモリ効率)。約 2.4 GB のサンドボックスイメージのプッシュは、8GB の Orin Nano で既に OOM を引き起こしています。
  • モデルがロードされる前に、エージェントとデスクトップがメモリを消費します。 NVIDIA フォーラムのコミュニティガイドは OpenClaw ランタイムを最大約 1 GB としています。グラフィカルデスクトップを無効化すると最大約 865 MB が解放され(NVIDIA の数値)、コミュニティの計測では GNOME が 600 MB 超です。
  • モデルが大きすぎる場合の失敗は、NVIDIA フォーラムのコミュニティ報告でドキュメント化されています。 8GB ボード上の Ollama は 7.4 GB のモデルと 16 GB のモデルのロードに失敗しました:cudaMalloc failed: out of memory ... failed to allocate buffer for kv cache。ファイルサイズだけでは収まるかどうかの判断になりません — KV キャッシュも同じ 8GB に収まる必要があります。

情報源による「収まるもの」:NVIDIA が検証済みの Ollama デフォルト(qwen3.6:35b、nemotron-3-nano:30b、qwen3.5:9b)はより大きなマシン向けのサイズです。Jetson AI Lab のガイドは 4B クラスのツール呼び出しモデルから始めるよう述べています — 「動作はしますが、30B クラスのモデルより弱いパフォーマンスは覚悟してください」。また NVIDIA のメモリブログは、チューニング済みの 4 ビットでの範囲を LLM 約 10B まで、VLM 約 4B パラメータまでとしています — これは専用構成での上限であり、デスクトップとエージェントも同時に抱えられる予算ではありません。

NVIDIA はこのデバイス上の Ollama について tokens/sec の数値を公開していません。外部の速度の主張は慎重に扱ってください(ローカル LLM 推論を参照)。

Juxi の補足: ここで実用的な常時稼働構成を組むなら、ヘッドレスモード、4B クラスの量子化モデル、そして 20GB の要件とスワップファイルのための NVMe ストレージを計画してください。これは情報源が支持する範囲と一致します。それより大きいものは未検証です。

Ollama とエージェントに関するメモ — NVIDIA スタッフ確認済み ​

NVIDIA スタッフは Orin Nano + JetPack 7.2 + Ollama のフローを開発者フォーラムでデバッグし、2026 年 9 月に JetPack 7.2.1 上の Ollama を再検証しています。

  • まず GPU を確認してください。 ollama ps は PROCESSOR 列に 100% GPU を示すはずです。CPU と表示される場合、エージェントは非常に遅くなります。

  • ドキュメント化された失敗(2026 年 6 月)。 書き込み直後の JetPack 7.2 の Orin Nano で NemoClaw + Ollama を使うと、openclaw tui は開いても応答しませんでした(「Autocompaction could not recover this turn」)。NVIDIA が再現しました:Ollama が GPU 検出をスキップしており(CPU フォールバック)、サンドボックスのコンテキストウィンドウはわずか 4096 トークンでした。スタッフによる修正は、次の行を /etc/systemd/system/ollama.service.d/override.conf に書き込むものでした:

    ini
    Environment="OLLAMA_HOST=127.0.0.1:11434"
Environment="OLLAMA_CONTEXT_LENGTH=32768"
Environment="OLLAMA_IGPU_ENABLE=1"
Environment="GGML_BACKEND_PATH=/usr/local/lib/ollama/cuda_v13/libggml-cuda.so"
Environment="LD_LIBRARY_PATH=/usr/local/lib/ollama:/usr/local/lib/ollama/cuda_v13"

    その後 sudo systemctl daemon-reload && sudo systemctl restart ollama を実行します。サンドボックス内(nemoclaw my-assistant connect)では、.openclaw/openclaw.json の contextWindow を 32768 に引き上げ、設定のハッシュを更新しました。報告者は、その後 Ollama が GPU 上で動作することを確認しています。

  • 現在の状況:この回避策は不要なはずです。 2026 年半ばのスタッフ発言:「この問題は最新の ollama リリースで修正されています。回避策(override.conf)はもはや必要ありません」。JetPack 7.2.1 では上流のインストーラーが動作し、ollama ps は 100% GPU を報告します。「WARNING: Unsupported JetPack version detected」の行は無害です。まず標準インストールを試してください。

  • それでも Ollama が CPU にフォールバックする場合: まず Ollama を更新してください。あるフォーラムユーザーは、古い /usr/local/lib/ollama/cuda_v12 ディレクトリを削除することで、しつこいフォールバックを解消しました(スタッフが削除を確認)。override.conf は最後の手段のフォールバックとして残してください — これは NVIDIA がまさにこのキットで成功裏に使用したものです。

常時稼働エージェントのセキュリティ ​

常時稼働のエージェントは、認証情報とツールへのアクセスを持つプログラムであり、あなたが見ていない間も動作し続けます。あなたのデータを保持するデバイス上では、これは現実のリスクです:ここでのツールとシェルへのアクセスを持つエージェントは、到達できるものなら何でも読み、変更し、送信できます。

ポリシー層を使用してください。 NVIDIA は OpenShell を「エージェントがアクセスできるもの — ファイル、ネットワーク、認証情報、ツール — を強制する、内部のセキュアなランタイム」と説明しています。オンボーディングでは、役割を果たせる範囲で最も厳しいサンドボックスポリシーティアを選んでください(Jetson AI Lab のウォークスルーも最も厳しいティアを勧めています)。

認証情報。 エージェントにはスコープ付きで失効可能な認証情報 — 専用のキーとアカウント — を与え、個人のものは決して使わないでください。エージェントが読めるものはコピーでき、使えるものは騙されて使わされる可能性があります。メッセージング連携はあなたの身元で動作します:NVIDIA の Orin Nano ページには OpenClaw + WhatsApp の例があるため、専用のアカウントまたは番号を使用してください。

ネットワーク露出。 ローカルサービスは localhost に留めてください — ここでの NVIDIA スタッフによる Ollama の構成は 127.0.0.1 にバインドしています(OLLAMA_HOST=127.0.0.1:11434)。エージェントのダッシュボード、制御 API、モデルサーバーをオープンなインターネットに公開しないでください。リモートアクセスには、自分で管理するトンネルまたは VPN を使用してください。インストールには Docker(Engine/Desktop/Colima、上記の要件参照)と、サンドボックス化されたコンテナクラスター(OpenShell ゲートウェイは内部で k3s を実行します)、および sudo アクセスが必要です。

運用習慣。 まずは監督下で始めてください — 無人で放置する前に、エージェントが何をするか観察します。失効や取り消しができないアクセスを与えないでください。バックアップと復旧手段を維持してください(書き込みと更新を参照)。NemoClaw はアルファ版ソフトウェア(「Early preview」)です。サンドボックスは複数ある層の 1 つとして扱い、唯一の層とはしないでください。

注意 — このスタックはローカルで動作するため(「クラウド API は不要」)、セキュリティ境界はあなたのデバイス、ネットワーク、認証情報です。エージェントを動かし続ける前に、この 3 つすべてを見直してください。

出典 ​

ステータス:ドラフト、cheny によるレビュー待ち。記載した日付時点の NVIDIA 公式ドキュメント、NVIDIA 開発者フォーラムの投稿、Jetson AI Lab のベンダーガイドに基づいています。Juxi Technology による実機検証はまだ行われていません。

NVIDIA® および Jetson™ は NVIDIA Corporation の商標です。本ページは Juxi Technology によって公開されており、NVIDIA の公式出版物ではありません。