2026-06-18 — views

自動運転マッピング技術——HDマップ対ビジョン専用、道路地図化競争の行方

WaymoはセンチメートルレベルのHDマップ、Teslaはビジョン専用リアルタイムマッピング、MobileyeはREM（クラウドソーシング）を採用——それぞれがAV拡張経済学に異なる影響を与える。

フィジカルAIベンチマークシリーズ第72回——マッピングアーキテクチャと拡張経済学

自動運転車がどこにいるのかを知り、前方の道路がどのような状態かを把握する方法は、AV設計における最も重要なアーキテクチャの選択のひとつです。WaymoはLIDARとカメラとレーダーをリアルタイムで融合したセンチメートル精度のHDマップを使用します。TeslaはFSNニューラルネットワークによる8カメラリアルタイムシーン構築を採用し、事前に構築されたマップへの依存を排除します。MobileyeはREM（Road Experience Management）と呼ばれるクラウドソーシングマップレイヤーを構築しており、何百万台もの量産車のカメラデータから継続的に更新されます。

3つのアプローチはどれも、AVが常に解決し続けなければならない同じ3つの問いに答えようとしています：自分はどこにいるのか？周囲に何があるのか？次に何が起きるのか？しかし、その答えが拡張速度、都市当たりの立ち上げコスト、メンテナンス負担、エッジケースの安全余裕、そして最終的な競争上の堀に与える影響は根本的に異なります。

第1節——マップが自動運転車にとって何を意味するか

GPSだけでは約3メートルの精度しか得られません——これは精密に聞こえますが、標準的な米国の高速道路車線幅は約3.7メートルです。高速走行での車線レベルの自動運転にはセンチメートル精度の測位が必要であり、GPSだけでは実現できません。

問い	人間ドライバーの答え	AV単体センサーの答え	AV＋HDマップの答え
自分はどこにいるか？	視覚的ランドマーク・道路標識・GPS	GPS（約3m精度）＋センサー相対測位	HDマップ＋GPS＋センサーマッチング——センチメートル精度
周囲に何があるか？	直接的な視覚認知	LIDAR＋カメラ＋レーダー点群（リアルタイムのみ）	リアルタイムセンサーと既知のマップ特徴の照合
次に何が起きるか？	経験・標識・直感	マップなしでは先読み不可	マップが車線トポロジー・信号・速度制限・既知障害物を提供
交差点の形状	記憶または接近時に読み取り	リアルタイムのみ；先読みに制限あり	完全な交差点形状を事前に把握；車両が軌道を事前計画
速度段差・路面損傷	遭遇時に気づく	リアルタイム検出	事前把握；車両が事前に減速

測位の問題： HDマップはGPS精度不足の問題を、センサーがリアルタイムに照合できる既知の特徴（道路標示、縁石、柱、建物）の参照レイヤーを提供することで解決します。これをマップベース測位またはマップマッチングと呼びます。車両現在地のLIDAR点群を格納されたマップ点群に重ね合わせ、そのオフセットからセンチメートル精度の位置が得られます。

第2節——HDマップ：Waymoのアプローチ

WaymoのアーキテクチャはHDマップを活用した自動運転の最も成熟した商業展開です。Waymoが運営するすべての地域は、商業サービス開始前に専用の測量車両によって事前マッピングされています。

属性	詳細
マップタイプ	運営エリア内のすべての道路をカバーするセンチメートル精度3D HDマップ
マップ作成	専用測量車両が各道路を複数回走行；LIDAR・カメラ・レーダーが完全なシーンモデルを取得；アノテーターが車線・信号・標識・横断歩道をラベリング
更新頻度	道路特徴が変化した際に更新が必要——工事区域、新設信号、車線再塗装。測量車両が推定数ヶ月サイクルで各都市を再カバー（推定値）
測位方法	リアルタイムLIDAR点群を格納HDマップと照合；センチメートル精度測位を実現
優位点	既知の道路形状で事前の軌道計画が可能；リアルタイム演算負荷を軽減；測位信頼度が非常に高い
不利点	マップなしでは運行不可。新都市は完全なマッピング調査後でないと商業立ち上げ不可。マップドリフト——更新サイクル間の道路変化——がマップと現実の間にギャップを生む
拡張制約	各新都市は最初の商業トリップの前に数週間から数ヶ月のマッピング・アノテーション・レビューが必要
マップ所有権	WaymoはHERE・Googleマップ・TomTomのHDマップに依存せず、自社でマップを構築・管理

HDマップの事前計画優位性は非常に大きいです。Waymoの車両は交差点の200メートル手前でその形状を把握しているため、減速・車線位置・信号タイミング戦略を事前に計画でき、リアルタイム認知システムの負荷を下げ、追加の安全バッファーを提供します。

第3節——ビジョン専用リアルタイムマッピング：Teslaのアプローチ

TeslaのFSD（完全自動運転）アーキテクチャは事前構築HDマップへの依存を完全に排除します。車両の8つのカメラがニューラルネットワークにデータを供給し、毎回のトリップでリアルタイムにシーン表現を構築します——格納マップは不要です。

属性	詳細
マップタイプ	事前構築HDマップなし；Tesla FSDはFSDニューラルネットワークを通じ8カメラからリアルタイムにシーン表現を構築
測位方法	ビジョンベース；ニューラルネットワークが車線標示・路肩・標識等の特徴をリアルタイムで識別。OpenStreetMapレベルの道路トポロジーは高レベルのルーティングにのみ使用
学習データ	600万台超のTesla車両がビデオデータを提供；車隊が大規模分散センサーネットワークとして機能
優位点	マップ依存なし——道路があればどこでも運行可能。新地域への測量車両展開不要。マップドリフトは存在しない：カメラが現在の道路状態をすぐに把握
不利点	リアルタイム演算負荷が高い——すべてをトリップのたびに最初から認知する必要あり。センサー範囲を超えた先読み不可。測位精度は視認できる特徴に依存——砂漠・大雪・濃霧等の特徴のない環境では性能低下
拡張経済学	HDマップアプローチと根本的に異なる：Teslaは規制承認のみで新国家でFSDを有効化できる——事前マッピング不要
マップドリフト	障害モードとして存在しない；新しい段差や車線の再塗装はカメラが即座に把握

車隊規模の優位性はTeslaのビジョン専用アプローチにおける最も持続的な構造的資産です。世界中で600万台超（推定値）の車両が道路ビデオデータを収集しており、Teslaのニューラルネットワークの学習データは道路条件の多様性・エッジケースの豊富さ・地理的カバレッジにおいて、専用測量に依存する他のどのAVプログラムも追いつくことができません。

第4節——Mobileye REM：クラウドソーシングマップレイヤー

MobileyeのREM（Road Experience Management）は、HDマップとビジョンベースのアプローチの要素を組み合わせた第3のアーキテクチャです。専用測量車両を展開せず、完全なリアルタイム認知にも頼らず、すでにEyeQチップを搭載した量産車両から継続的に更新されるクラウドソーシングマップを活用します。

属性	詳細
アプローチ	Mobileye EyeQチップを搭載した量産車のカメラ映像から構築されたクラウドソーシングHD相当マップ
仕組み	各REM搭載車両が軽量な「道路シグネチャ」（車線標示・道路境界・標識位置）を匿名でアップロード。何百万台もの車両から集約されたシグネチャが継続的に更新されるマップを形成
カバレッジ	BMW・GM・日産・VW等のOEMフリートからのREMデータが10億km超（推定値）とMobileyeは主張
更新率	ほぼリアルタイム——REM搭載車両がどの道路を走行しても更新に貢献；道路変化は数日以内にマップに反映（推定値）
優位点	専用測量車両よりも大幅に低いマッピングコスト。OEMパートナーのフリート規模と共に自然に拡大。専用メンテナンスインフラ不要で自己更新
不利点	マップ品質は各エリアのフリート密度に依存——農村部や新興市場では疎なカバレッジになる可能性
AV適用	MobileyeのAVスタック（SuperVisionとChauffeur）がREM をHDマップレイヤーとして使用；OEMパートナーへの「マップ込み」提案を可能に

REMのビジネスモデル上の意義は重要です。専用測量車両での道路1km当たりのマッピングコストは、車両運用・ドライバーコスト・アノテーション人件費を含めると数百ドル（推定値）と試算されます。REMのクラウドソーシングアプローチはこのコストを、すでにその道路を走行しているOEMフリートに分散します。

第5節——拡張経済学の比較

アーキテクチャの選択は根本的に拡張経済学の判断です。3つの主要アプローチは新地域におけるコスト構造・立ち上げタイムライン・メンテナンス負担が根本的に異なります。

アプローチ	新都市立ち上げコスト（推定値）	立ち上げ期間（推定値）	継続的なマップメンテナンス	エッジケースリスク
Waymo HDマップ	高——専用測量車両＋アノテーション＋レビュー（都市当たり50万〜500万ドル、推定値）	2〜6ヶ月（推定値）	都市ごとの継続的な測量・アノテーションコスト	更新サイクル間のマップドリフト；道路変化が格納マップと現実の間にギャップを生む
Teslaビジョン専用	ほぼゼロ——マッピング不要	数日（規制承認のみ）	マップメンテナンスコストゼロ	特徴のない環境；代替マップレイヤーなしでリアルタイム認知に完全依存
Mobileye REM	低——地域内の既存OEMフリートを活用	フリート密度に応じて数週間〜数ヶ月	クラウドソーシングにより自己メンテナンス	低密度地域や新興市場でのフリートカバレッジが疎
HEREまたはTomTom HD	ライセンス料——AV企業がライセンス料を支払い	主要市場ではマップが存在；地域により異なる	HEREまたはTomTomが管理；顧客はサブスクリプションを支払い	Waymoの自社マップと比較した更新遅延

グローバルAVレースへの拡張的含意：Teslaのビジョン専用アプローチは、マッピングの前提なしにグローバル展開できる唯一のアーキテクチャです。Waymoの地理的拡張タイムラインはマッピング要件によって構造的に制約されています——新都市ごとに数ヶ月の測量活動が必要です。これがWaymoのグローバルタイムラインが都市当たり数年単位で測られる一方、Tesla FSDが理論的にソフトウェアアップデートだけで新しい国でも有効化できる（規制承認のみに依存）核心的な構造的理由のひとつです。

第6節——マップ精度と安全性のトレードオフ

各アーキテクチャは商業展開にとって重要な複数の運転シナリオで異なる安全プロファイルを示します。

シナリオ	HDマップアプローチ	ビジョン専用アプローチ
既知環境、標準条件	非常に高い——マップが測位の基準を提供	良好——ニューラルネットワーク認知は一般的なシナリオで成熟
未知またはマッピング未対応の環境	マップなしでは運行不可	ネイティブ対応——マップ依存なし；どの道路でも運行可能
マップドリフト：車線が消滅	マップが廃止された車線を示す場合に潜在的リスク；センサーによる上書きが必要	現在の道路状態を即座に把握；上書きすべき古いマップなし
GPS拒否環境	GPSなしでマップマッチングを使用可能；LIDARが測位を提供	ルーティングへのGPS依存度が高まる；測位が低下する可能性
夜間または低視程	LIDAR マップマッチングは暗闇でも機能	カメラベースの認知は低光量環境で低下
新規障害物：新しい工事	マップは旧道路を表示；ライブセンサーが障害物を検出して上書きすべき	障害物を直接認識；マップとの期待値の衝突なし
複雑な都市交差点	優秀——完全な交差点形状を事前把握；車両が事前計画	難しい——視覚的特徴から複雑な形状をリアルタイムで解析する必要あり

第7節——本シリーズについて

本記事はフィジカルAIベンチマークシリーズの第72回です。これまでの71回では、ランプインデックス・ヒューマノイドレース・ユニットエコノミクス・グローバル競争・ソフトウェアとOTA・消費者需要・競争上の堀・CybercabとModel Yの比較・安全データ・Waymo Gen 6・Optimusの製造・スコアカードスナップショット・2030年予測シナリオ・投資家フレームワーク・都市展開パイプライン・Tesla FSD州別承認マップ・AV気象と気候制約・人材獲得競争・規制カレンダー・ロボタクシー運賃設定・ヒューマノイド展開トラッカー・サプライチェーン分析・消費者採用需要インデックス・バリュエーションとIPO分析・フィジカルAI 2026年中間まとめ・AVユニットエコノミクスのマイル当たりコスト分解・AVデータフライホイール比較・AVサイバーセキュリティ攻撃面・フィジカルAIサプライチェーン・AVフリート運用・AV保険と責任の進化・フィジカルAIの全ライフサイクル環境コスト、そして高齢者・障害者のためのアクセシビリティレイヤーを取り上げました。

本記事ではマッピングアーキテクチャレイヤーを追加します：「車両がどこにいてどのような道路か」というAVの根本的な問いに答える3つの競合アプローチと、そのアーキテクチャ選択がグローバル自動運転レースにおける拡張経済学・安全プロファイル・競争上の堀をどう形成するか。

注：コスト推定、カバレッジ数値、フリート規模推定は「推定値」とラベリングされており、公開情報・業界分析・各社の公開データを反映しています。本記事は投資アドバイスを構成するものではありません。