2026-06-18 — views

HDマップ対マップレスAV — TeslaとWaymoが地理的スケールで正反対の賭けをした理由

HDマップ対マップレス：一つのアーキテクチャ選択がWaymoとTeslaの地理的規模・コスト・競争優位を長期的に決定する。

フィジカルAIベンチマークシリーズ第56回 — 一つのアーキテクチャ、二つの未来

自動運転業界におけるあらゆる技術的決断の中で、これほど戦略的に重要なものはない：自動運転車は、到着前にその道路がどのような状態かを「知っている」べきなのか？

Waymoの答えは「イエス」だ。WaymoのロボタクシーがどんなにWaymo 道路でも走行する前に、その道路は専用のマッピング車両によって事前にスキャンされ、センチメートル精度の3次元モデルに変換され、走行中に車両が継続的に参照する「事前知識」として読み込まれている。自動運転車はリアルタイムの感知だけで走行するのではなく、リアルタイムのセンサー入力をマップが示す「あるべき状態」と常に照合している。

Teslaの答えは「ノー」だ。FSDはカメラとニューラルネットワークのみを使用して道路環境をリアルタイムで解釈し、事前構築されたHDマップへの依存がまったくない。車両は走行するたびに、訓練で学んだあらゆる道路から、レーンジオメトリ、標識の位置、道路境界を新たに認識する。

このアーキテクチャの違いは、エンジニアリング上の偶然の産物ではない。自動運転のスケールにおいてどの部分がボトルネックになるかについての根本的な見解の相違を反映している。そしてこの信念が、両社の地理的拡大速度と長期コスト構造をほぼ他のどの要因よりも決定的に左右することになる。

セクション1 — HDマップとは何か

「マップ」という言葉は誤解を招く。消費者向けナビゲーション製品を連想させるからだ。自動運転が使用するHDマップは、Google Mapsが提供するものとは根本的に異なる。

次元	標準道路マップ（Google Maps）	HDマップ（AV グレード）
解像度	レーンレベル（精度約3–5メートル）	センチメートルレベル（精度 2–10cm）
内容	道路名、曲がり規制、速度制限	レーンマーキング、縁石位置、正確な3D座標の交通標識、路面標示、頭上高さ制限
3D構造	最小限の標高データ	道路環境の完全な3Dポイントクラウド
更新頻度	数週間から数ヶ月	道路変更後、数時間から数日以内に更新が必要
データソース	衛星とStreet Viewのクラウドソーシング	LIDARとカメラを搭載した専用マッピング車両
1マイルあたりの容量	キロバイト	メガバイトからギガバイト
作成コスト	低（クラウドソーシング）	高：専用マッピング車隊、計算リソース、ストレージが必要

HDマップがAVシステム内で果たす機能は精妙で強力だ。感知を置き換えるのではない——自動運転は依然としてカメラとLIDARを使って現在の世界を感知する。マップが提供するのは信頼性のベースラインだ。LIDARがレーン境界らしきものを検出したとき、HDマップはその正確な位置にレーン境界が存在すべきかどうかを確認または否定できる。視覚条件が悪化したとき——大雨、強い逆光、色あせた路面標示——マップは車両が依存できる基準を提供する。このノイズ低減機能こそ、WaymoなどのHDマップ依存企業がマップは松葉杖ではなく根本的な信頼性レイヤーだと主張するエンジニアリング上の理由だ。

セクション2 — WaymoのHDマップ依存アプローチ

Waymoのシステムは、初期展開準備から商業乗車中のリアルタイム測位まで、すべての運用段階でHDマップを第一級の入力として扱っている。

側面	詳細
仕組み	Waymoはロボタクシーを展開する前に専用マッピング車両を走らせる；自動運転車の認識システムはHDマップ内でリアルタイムに自己位置を特定し、センチメートル精度を達成する
測位方法	LIDARポイントクラウドと保存されたHDマップの照合——視覚条件が悪化した場合でも高精度
運用ドメイン	Waymoはマッピング済みエリアでのみ運用する；新しい都市や地区への拡大にはまず測位が必要
マッピング車隊	Waymoは長年にわたり専用マッピング車両を運用してきた；スコープは数万マイルの測位済み道路と推定される
マップ更新パイプライン	工事、道路変更、新しい標識はAVがそのエリアで安全に運用できるようになる前にマップに反映される必要がある
優位性	非常に高い測位信頼性；既知の道路ジオメトリに基づくルート事前計画が可能；リアルタイム認識負荷を軽減
劣位性	地理的拡大はマッピング速度に制限される；マッピングされていないエリアでは運用不可；マップ維持は継続的なコスト
戦略的意味	Waymoのマッピング済みエリアは独自資産だ——しかし同時にボトルネックでもある。アトランタ規模の都市では、ロボタクシー展開前に数ヶ月のマッピング作業が必要になる。

LIDAR対HDマップ照合が実現する測位精度は本当に印象的だ。視覚条件が悪化したシナリオ——大雨、強い日没逆光、工事の粉塵——でも、Waymoの車両はHDマップが解空間を制約するため、センチメートル精度で正確な車線位置を把握できる。これはWaymoが実際に運用している特定の地域において、実際の安全上の利点だ。

その利点の代償は地理的制約だ。Waymoは自発的に新しいエリアへ迂回できない。洪水で交通がマッピングされていない道路に誘導されても対応できない。新しい都市ブロックのそれぞれが、商業的に有効化される前に個別のマッピング作業を必要とする。

セクション3 — TeslaのマップレスアプローチFSD

TeslaのFSDアーキテクチャはHDマップへの依存を完全に排除している。システムはカメラからのリアルタイムニューラルネットワーク推論に依存し、車両がレーンごと、標識ごとにナビゲートするために必要なすべてを導き出す。

側面	詳細
仕組み	FSDはリアルタイムカメラ入力のみを使用；HDマップへの依存なし；ニューラルネットワークは現在見ているものから道路ジオメトリ、車線位置、ナビゲーションを推論する
測位方法	ナビゲーションにGPSと標準マップ（OpenStreetMap/Googleルーティング）；精密な車線レベル走行にカメラ認識
運用ドメイン	理論上、標準的な路面標示がある場所ならどこでも——事前マッピング不要
優位性	新しいどんな地域でもすぐに運用可能；マッピング車隊のコストなし；マップカバレッジではなくカメラハードウェアでスケール
劣位性	リアルタイム認識需要が高い；路面標示が不明確、摩耗、欠落しているエッジケースに対してより脆弱；未知の環境での確固性が低い
地理的意味	Tesla CybercabはマッピングなしにどのUS都市でも理論上展開可能——HDマップカバレッジではなく規制承認が唯一のゲートになる
車隊訓練の代替	事前構築マップの代わりに、Teslaは数百万台の車隊車両からの訓練データで見た類似の道路ジオメトリに依存する；ニューラルネットワークはその重みに暗黙の空間モデルを構築する

マップレスアプローチの哲学的前提は、十分に有能なニューラルネットワークは衛星測量なしに未知の通りをナビゲートできる人間のドライバーと同様に、これまで見たことのない道路を処理できるべきだということだ。賭けは、多様な訓練データからの汎化が、世界を構造化されたマップに事前エンコードするよりもスケーラブルな経路だということだ。

Teslaの車隊規模データの優位性がこの賭けを増幅させる。数百万台の車両が世界中の道路からカメラ映像を生成しており、どんな道路タイプ、交差点ジオメトリ、環境条件でも訓練で遭遇した確率は高い。ニューラルネットワークの重みにエンコードされた暗黙のマップは、車隊の集合的な運転経験を通じて継続的に更新される——専用のマッピング車両が各道路を訪問する必要のないマップ更新の形態だ。

セクション4 — エンジニアリングのトレードオフ

これを単純に「マップが優れている」「マップレスが優れている」とフレーミングすると、実際のトレードオフの構造を見落とす。両アプローチはどのエンジニアリング問題がより解決しやすいかについて異なる賭けをしている。

次元	HDマップアプローチ（Waymo）	マップレスアプローチ（Tesla）
拡大速度	遅い：先にマッピング、その後運用	速い：事前マッピング不要
運用信頼性	マッピング済みエリアでは高い；域外では正常に失敗する	変動する；訓練カバレッジに依存
マップ鮮度リスク	マップ更新とAV運用の間の道路変更がセキュリティギャップを生む	陳腐化リスクなし——常にリアルタイム
計算分散	マップ事前計算がリアルタイム作業の一部をオフロード	すべての計算は車上でリアルタイムに行われる必要がある
エッジケース対応	既知のエッジケースがマップに事前エンコードされている；予期しない道路ジオメトリは困難	ニューラルネットワークが汎化する；しかし真に新奇なジオメトリはまだ失敗しうる
コスト構造	高い初期費用（マッピング車隊）と継続費用（マップ維持）	低い初期費用；コストは訓練データと計算にある
グローバルへのスケーラビリティ	HD精度で世界全体をマッピングするのは数十年のプロジェクト（推定）	道路の存在にスケールし、マップカバレッジではない

マップ鮮度リスクは強調に値する。HDマップは最後の更新時点で正確だ。工事スタッフが一夜にして新しいバリアを設置したり、車線方向を変更したり、信号機を撤去したりすると、HDマップは誤りになる。自動運転車はマップと矛盾するものを感知し、どちらを信頼するかを決める必要がある。マップレスシステムには等価な陳腐化問題がない——その認識は常に現在のものだ、良くも悪くも。

マップレスシステムのリアルタイム計算負担が等価の負債だ。Waymoの車両はHDマップを使って認識ワークロードを削減できる：マップがすでにガードレールしかないとエンコードしている領域では、完全な物体検出を実行する必要がない。Tesla FSDシステムはこの削減ができない——すべてのフレーム、すべてのレーン、すべての物体に対して、常に完全な認識を実行する必要がある。これは車載計算とエネルギーに対してより高い要求を課す。

セクション5 — 中間的アプローチ：クラウドソーシングと軽量マップ

すべてのAV企業がどちらかの極端な立場にコミットしているわけではない。中間的なマップ戦略のスペクトラムが登場しており、それぞれがマッピング車隊への依存を減らしながら、HDマップの精度上の利点の一部を取り込もうとしている。

企業/アプローチ	マップ戦略
Mobileye	「Road Experience Management」（REM）——カメラ搭載車両からクラウドソーシングして構築した軽量マップ；WaymoのHDマップより低解像度だが、すでに走行中の量産車両を通じてスケール可能
Cruise（閉業前）	サンフランシスコ向けHDマップ；新都市へのスケーラビリティは認識された課題だった
Baidu Apollo	中国都市向けHDマップ；マッピングデータと許可のために政府パートナーシップに依存
Zoox（Amazon）	HDマップ；マッピング済み都市コリドー向けに設計された双方向目的車両
Comma.ai	完全マップレス；コミュニティ構築のOpenPilotはHDマップへの依存なしに標準車両でカメラのみを使用して実行
GM Super Cruise	HDマップが必要（LIDARで測量したマッピング済み高速道路）；特定の道路タイプのみに能力が制限される

MobileeyeのREMアプローチは最も戦略的に興味深い中間経路だ。専用のマッピング車隊を展開する代わりに、Mobileeyeはすでに販売され走行中の量産車両からカメラデータを集約して道路モデルを構築する。Mobileeyeシステムを搭載したすべての車がマッピングエージェントになる。結果として得られるマップの解像度はWaymoのLIDARベースのHDマップより低いが、更新頻度は潜在的にはるかに高くなる——過去24時間以内にREM搭載車両が走行した道路には新鮮なデータポイントがある。

2025–2026年に浮かび上がってきた方向性は、軽量クラウドソーシングマップを中間経路として採用することだ——純粋なGPSナビゲーションよりも優れた測位を提供しつつ、従来のHDマッピングプログラムとは異なる形でスケール可能だ。

セクション6 — 注目すべき点：地理的スケールテスト

HDマップ対マップレスの議論は2020年代後半に実証的に決着するだろう。テストはシンプルだ：どちらのアプローチがより多くの場所で、より速く、より低い継続コストで商業運用できるか？

テスト	Waymoの予測	Teslaの予測
新都市での展開時間	6–18ヶ月（マッピングと規制）	1–3ヶ月（FSDが無人商業運用として承認された場合は規制のみ）
農村道路でのパフォーマンス	限定的——マッピングされていないエリアは立入禁止	ニューラルネットワークが訓練で類似の道路タイプに遭遇していれば機能するはず
国際展開	各国で新しいマッピングプログラムとデータ共有協定が必要	訓練データの地理的カバレッジに依存——グローバル車隊データが潜在的な加速器
スケール時のマップ維持コスト	相当な継続的OpEx：変更検出、マップ更新、再展開前の検証	最小限——維持するマップなし；OTA車隊学習でモデル更新
マップレスが成功した場合の勝者	Teslaの地理的スケールは桁違いに速い	—
マップレスが不十分だった場合の勝者	HDマップの精度が10億マイルスケールの安全記録に必要と証明される	—

答えは事前に決まっていない。マップレスシステムがHDマップなら防げた方法で失敗した場合——マップが強制するはずだったレーン境界を見落とした場合——これはWaymoのアーキテクチャの主張を強める。WaymoがHD地図の古さと現実の道路の変更との矛盾により運用を一時停止した場合、論点は逆転する。

明らかなのは、地理的スケールテストが完全に公開された形で展開されるということだ。両社は商業的に拡大している。Waymoはサンフランシスコ、フェニックス、オースティン、アトランタで運用している。TeslaのCybercabは2025–2026年の限定ローンチの目標としてオースティンを設定している。各社が新都市に参入する速度と、その過程で構築する安全記録が、市場が最終的にどのアーキテクチャの賭けを検証するかを決定することになる。

出典：Waymo技術概要（waymo.com/waymo-driver/）；Tesla AIブログとVisionドキュメント（tesla.com/AI）；Mobileye Road Experience Management（REM）概要（mobileye.com/technology/rem/）；GM Super Cruise HDマップ道路要件（gm.com/innovation/super-cruise）。「（推定）」と記された数値はすべて、公開された会社資料、業界報告、アナリストリサーチから導き出された推定値です。独立した検証は行われておらず、方向性を示すものとして扱ってください。この記事は投資アドバイスではありません。