2026-06-17 — views

HDマップ・測位指数 — 自動運転の量産拡大を阻む隠れたボトルネック（2026年中盤）

HDマップ依存 vs. マップレスアーキテクチャ——測位設計の違いがWaymoとTeslaの拡大速度を直接制約する。

マップ層は自動運転競争における目立たないボトルネック

すべての自動運転車は走行を開始する前に、根本的な問いに答えなければならない：今、自分は正確にどこにいるのか？GPSの精度はメートル単位であり、車線レベルのナビゲーションには到底不十分だ。多くの自動運転企業が採用している解決策は、高精度の事前構築マップ——車両が走行する予定のすべての道路をセンチメートル精度で構築した3Dモデルで、事前に作成され継続的に更新される。

このアプローチは有効だ。Waymoは過去15年間、米国4都市でそれを実証してきた。しかし、それが課すひとつの制約は、走行距離やセンサーコストほど注目されることがない：新しい都市に参入するたびに、最初の商用ライドを提供できるようになるまでに通常12〜18ヶ月を要する独立したマッピングプロジェクトが必要になる。

Teslaのアプローチは異なる。FSDはセンチメートル精度のLiDARポイントクラウドではなく、軽量ベクターマップとリアルタイムカメラ知覚を使用する。トレードオフは測位精度だが、地理的拡大の意味合いはWaymoとは正反対だ：Teslaが新都市に進出することは、ソフトウェアアップデートを意味し、18ヶ月のマッピングプロジェクトではない。

これは物理AIベンチマークシリーズの第10回記事であり、各社のスケール化速度を直接決定する測位・マップ層のアーキテクチャを対象とする。

セクション1 — HDマップアプローチ：各社比較

以下の表は、2026年中盤時点における自動運転開発で最も注目すべき6種類のマッピングアプローチをまとめたものだ。カバレッジ、更新頻度、コスト推定はすべて公開情報およびアナリスト推計に基づく。

企業	マップタイプ	カバレッジ	更新頻度	1都市マッピングコスト	拡大ボトルネック
Waymo	HD LiDARマップ（センチメートル精度）	米国約10都市（商業ゾーン）	毎週（フリート駆動）	約50万〜200万ドル（推計）	新都市ごとに事前マッピングが必要
Tesla	軽量ベクターマップ（車線レベル、HDポイントクラウドなし）	グローバル（OpenStreetMap＋衛星画像が存在する場所）	継続的（フリートクラウドソーシング）	追加コストほぼゼロ	事前マッピング不要
Baidu Apollo	HDマップ（Apollo Maps）	中国道路100万km超マッピング済み	定期更新	国家補助	中国以外では政府データ連携が必要
HERE HDライブマップ	HDマップ（商業サプライヤー）	欧州＋北米高速道路	リアルタイム（コネクテッドビークル）	kmごとのライセンス	HEREの更新ペースに依存
Mobileye REM	ロードエクスペリエンスマネジメント（軽量）	ドライブレコーダーフリートで4000万km超	クラウドソーシングで継続更新	追加コストほぼゼロ	フリートサイズに依存
TomTom HDマップ	HDマップ	欧州＋一部北米	定期更新	ライセンス費	新興市場での更新遅延

表の読み方： 最もコントラストが鮮明なのはWaymoとTeslaだ。WaymoのセンチメートルレベルのLiDARマップは最高の測位精度を提供するが、新都市ごとに専用の事前マッピング作業が必要となる。Teslaのベクターマップは既存フリートのデータから構築され、カバレッジは事実上グローバルで追加コストはほぼゼロだ。Mobileye REMはその中間に位置する：クラウドソーシングで軽量だが、ドライブレコーダーフリートの規模に依存する。

セクション2 — HDマップ依存がWaymoの拡大ペースを制約する理由

Waymoの運営モデルでは、新都市で商用サービスを開始する前に、以下の4つのステップを順に完了する必要がある：

マッピング車両の展開 — LiDAR搭載の専用マッピング車両が対象商業ゾーンのすべての道路区間を複数回走行しなければならない。
センチメートル精度ポイントクラウドの構築 — 生のLiDARデータを処理し、完全な道路ネットワークの3D HDマップモデルを生成する。
マップの検証とアノテーション — 車線境界、交通信号、停止線、横断歩道などの道路要素をラベリングし、地上真値と照合して検証する。
継続的なメンテナンスと更新 — 道路変更（工事、新信号、車線変更）が発生するたびに、該当区間のマップを更新してから車両が安全に通行できる状態にする。

各ステップには時間がかかる。Waymoの公開コミュニケーションとアナリスト報告に基づく業界推計は以下の通りだ：

マッピング車両展開：1都市あたり2〜4台、走行期間3〜6ヶ月
マップ検証とアノテーション：さらに4〜8ヶ月
意思決定から商用サービス開始までの総所要時間：1都市あたり約12〜18ヶ月

このペースでは、Waymoの地理的拡大はソフトウェア品質や安全性能とは無関係な構造的制約に直面する。米国で10都市を順次追加するには5〜9年かかる。並行マッピングチームが複数都市で同時作業しても、現実的な10都市拡大には2〜4年の協調的なマッピング作業が必要だ。

この制約は、注目すべき歴史的事実を説明している：Waymoは2009年から自動運転車の開発を行ってきた——15年の運営を経て——2026年中盤時点でも米国の約4〜5都市でしか商用サービスを提供していない。技術は継続的に改善されてきた。しかしマッピングのボトルネックは解消されていない。

セクション3 — Teslaのマップレス拡大優位性

TeslaのFSDシステムは事前構築のHDマップを必要としない。システムは3つのコンポーネントが連携して機能する：

リアルタイムカメラ知覚。 8台のカメラが360度をカバーする。ニューラルネットワークはリアルタイムのカメラ入力から車線ジオメトリ、道路境界、交通信号の状態、障害物の位置を直接推論する。前方の道路を理解するために事前マップは不要だ。

軽量ベクターマップ。 Teslaはセンチメートル精度の3Dポイントクラウドではなく、車線構造、速度制限、交通規則をエンコードしたベクターマップを維持する。これらのマップはデータサイズが大幅に小さく、維持コストがはるかに低く、600万台超の車両フリートがシャドウモードで継続的に観察しながら更新する。TeslaがXある道路を走行して車線標示が保存データと異なることを検出すると、その観察結果がフィードバックされてマップが更新される。

マッピング車両不要。 Teslaのマップは専用マッピング作業ではなく既存フリートから生成されるため、新しい地域のカバレッジはTesla車の納車によって自動的に達成される。1万人のTeslaオーナーがいる都市は、その車両の通常の走行によって暗黙のうちにマッピングが完了している。

拡大への意味合いは直接的だ：新都市でFSDやCybercabロボタクシーサービスを開始するのに、18ヶ月の事前マッピングプロジェクトは必要ない。必要なのはソフトウェア承認、規制認可、およびその地理的エリアの十分なトレーニングデータカバレッジ——これらはすべて、センチメートル精度のLiDARマッピングよりも速く進められる。

Teslaのフリートスケールはこの優位性をさらに強化する。600万台超のFSD対応車両により、トレーニングデータカバレッジはTeslaが販売する事実上すべての市場に広がっている。5000台のTeslaが販売された都市は、商用サービスの意思決定以前に、すでに何年分もの走行映像を蓄積している——マップレス運用に必要なトレーニングカバレッジはすでに存在している。

セクション4 — トレードオフ：精度 vs. スケーラビリティ

2つのアプローチは、根本的な設計上の問いに対する異なる答えを表している：完璧な精度で環境を事前に知ること（HDマップ）とリアルタイムで堅牢に環境を知覚すること（マップレス）、どちらが優れているか？

属性	HDマップアプローチ（Waymo）	マップレスアプローチ（Tesla）
測位精度	センチメートルレベル	車線レベル（約30〜50cm）
未マッピングエリアでのパフォーマンス	運行不可	グレースフルデグラデーション
マップ陳腐化への耐性	リスクあり（工事、道路変更）	堅牢（リアルタイム知覚）
新都市拡大速度	12〜18ヶ月	数日（ソフトウェアアップデート）
インフラコスト	高（マッピングフリート＋ストレージ）	追加コストほぼゼロ
現在の安全マージン	高い（既知の環境）	低い（未知の環境）

HDマップの論拠。 センチメートル精度の事前構築マップは、センサーノイズに影響されない測位基準を車両に提供する。カメラが部分的に遮蔽されたり車線標示が薄れたりしても、マップはギャップを埋める構造的コンテキストを提供する。安全員のいない完全自動ロボタクシーにとって、この冗長性は運用上価値がある——車両は常に、すべての車線境界と信号機に対する自身の正確な位置を把握している。

マップレスアプローチの論拠。 マップはそれが作成された時点の世界のスナップショットだ。道路は常に変化する——工事ゾーンが開閉し、車線構成が変わり、新しい信号機が設置され、一時的な迂回路が交通を誘導する。2週間前に最後に更新されたHDマップは、車両が現在走行している正確な場所で不正確かもしれない。道路をリアルタイムで知覚するシステムはマップの鮮度に依存しない——実際にそこにあるものに直接応答する。

マップの陳腐化は実際の運用リスクだ。 Waymoのフリート駆動の週次更新サイクルはこれを部分的に軽減するが、どのHDマップシステムも現実世界の変化とマップへの反映の間に遅延がある。工事ゾーン——一般的でかつ危険——は典型的な障害シナリオだ：プランニングシステムがまだ知らない新しいバリアや車線変更は、車両が予期しない障害物となる。

セクション5 — 収束シグナル

業界はこの2つの極に固定されているわけではない。部分的な収束を示すトレンドがいくつかある：

WaymoがHDマップ依存を低減。 Waymo第6世代の車両ソフトウェアは、マップメンテナンスの負担を軽減するためにリアルタイム知覚への依存度を高める方向に動いているとの報告がある。方向性はハイブリッド測位——HDマップが利用可能な場所ではそれを使用し、マップが古いかカバレッジのないエリアでは知覚ベースの測位にグレースフルデグラデーション。これはマップレス運行ではないが、ギャップを縮める。

Teslaがベクターマップを維持。 TeslaのFSDは純粋なマップレスではない——ルートプランニングと規制遵守（速度制限、交通規則）のためにベクターマップを依然として使用している。マップ依存が完全にゼロのカメラのみの運行はまだ実現していない。Teslaが使用するマップはWaymoよりはるかに低精度でコストも低いが、それでもマップだ。

Mobileye REMが中間の道。 MobileyeのRoadExperienceManagementシステムはドライブレコーダーフリートから軽量な車線レベルマップをクラウドソーシングする——原理上はTeslaのアプローチに似ているが、Mobileyeハードウェアを搭載したどのOEMでも利用可能だ。最近の公開情報によれば、REMは4000万kmを超えるマッピングを達成しており、専用マッピング作業なしに軽量クラウドソーシングマップが広いカバレッジを実現できることを示している。

ハイブリッドな結果。 中期的に最も可能性の高い収束は階層化システムだ：運用の確実性が最も価値を持つ高密度都市商業ゾーンにはセンチメートル精度のHDマップを、精度の必要性が低い郊外・高速道路区間には軽量ベクターマップを、カバレッジのないエリアには万能のフォールバックとしてリアルタイム知覚を採用する。このハイブリッドアーキテクチャは、最も重要な地理でHDマップの安全上のメリットの大部分を維持しながら、低密度な拡大市場でのマッピングボトルネックを回避する。

ベンチマークの位置づけ：物理AIシリーズ第10回

このトラッカーは物理AIを多角的に分析するシリーズの第10回だ：

運用量産指標 — 生産台数、展開規模、走行距離
ヒューマノイドロボット技術 — ハードウェア世代、巧緻性ベンチマーク、基盤モデル能力
AV安全と規制 — カリフォルニアDMVデータ、NHTSA事故報告、州別許可マップ
投資と評価額 — 資本フロー、資金調達ラウンド、暗示的評価額
コンピューティングとシリコン — 推論チップ、トレーニングクラスター、NVIDIA供給制約
センサースタックと知覚アーキテクチャ — Teslaビジョン vs. Waymo LiDAR
ロボタクシーのユニットエコノミクス — 損益分岐フリート規模、マイルあたりコスト予測
グローバルレース — Baidu、WeRide、欧州のAV参入企業
マスタースコアカード — 10次元統一競合比較
HDマッピングと測位 — 本記事

マップアーキテクチャの問題は、センサーコストや乗車回数ほど目立たない——しかし、AV拡大競争において最も持続的な構造的制約かもしれない。Waymoの卓越した運用能力はセンチメートル精度マップの基盤の上に構築されている。その基盤は同時に天井でもある：新しい市場に参入するたびに再構築しなければならない。Teslaのアプローチはその天井を取り除く代わりに測位精度を犠牲にする。どちらのトレードオフがより重要かは、両社が今後2〜3年で示す拡大軌跡によって答えが出るだろう。