2026-06-18 👁️ — views

自動運転の夜間・低照度性能——カメラ専用とLiDARスタックが暗闇・雨・眩しさにどう対応するか

夜間と悪天候は実走行リスクの約50%を占める——TeslaカメラのみとWaymo LiDARスタックの性能差が、AVの地理的拡張と商業規模を決定する。

フィジカルAIベンチマークシリーズ第53回——暗闇、降雨、眩しさ

運用設計領域（ODD）は自動運転車両がどこで走行を許可されているかを示す。夜間と悪天候は、実際にどこまでスケールできるかを示す。この2つの条件——暗闇と降水——はエッジケースではない。米国の車両走行距離の約25%は午後9時から午前6時の間に発生しているが（NHTSA推定）、致命的事故の約50%はその時間帯に起きている。雨・霧・雪は全車両事故の約17%に関与している（FHWA）。低照度と湿潤条件で信頼性高く動作できない自動運転車は、総走行需要のごく一部しかカバーできない。

自動運転における最も長続きする技術論争——TeslaのカメラのみのアプローチとWaymoのLiDARプラスカメラプラスレーダースタック——は最終的に、両システムが良好に機能する昼間の郊外シナリオではなく、アーキテクチャ上の限界を露わにする過酷な条件で決着する。本稿はその限界を整理する：各センサーが暗闇で何を見るか、各システムが雨中・霧中でどう劣化するか、両社が運用面でその限界にどう対処してきたか、そしてどちらかのスタックが降雪地帯で商業規模のサービスを提供できるようになる前に何が変わらなければならないか。

（推定）と記された数値はすべて、公開研究・企業公式開示・業界報告に基づく推定値であり、管理された試験条件下で独立検証されていない。

第1節——低照度性能がAVスケールアップの関門である理由

人間のドライバーは夜間に致命的事故に巻き込まれる可能性が昼間の約3倍である（NHTSA推定）。自動運転車が人間のドライバーより安全であるために——これが商業展開と規制承認の合理的根拠——は、この「夜間は昼間より3倍危険」という人間のベンチマークを上回らなければならない。単に達するだけでは不十分だ。

商業規模への示唆は直接的だ。日が暮れると道路から離脱したり、雨の中でサービスを拒否するロボタクシーは人間のドライバーと競争しているのではない——晴天時の補完品に過ぎない。米国北東部の密集都市、欧州市場、アジア市場への地理的拡張には、雨の中、眩しさの中、少なくとも都市部の夜間条件での運行が必要だ。降雪地帯の性能は最も遠い地平線であり、現時点では両主要スタックともに達していない。

第2節——センサー物理学：各技術が暗闇で何を見るか

この論争を理解するには物理学の理解が先決だ。異なるセンサーは周囲光と根本的に異なる関係を持つ。

根本的な分水嶺は能動と受動の違いにある。カメラは受動センサー——環境に存在する光子を記録する。夜間、人工光源がない状況では、カメラには記録するものがほとんどない。LiDARとレーダーは能動センサー——自らエネルギー（レーザーパルス、電波）を放射してリターンを記録する。能動センサーは物理的に周囲光の欠如に大きく影響されない。この非対称性が、夜間主体のユースケースにおけるマルチセンサースタックの技術的論拠の核心だ。

第3節——Teslaのカメラ専用アプローチの夜間性能

Teslaは2021年に新型車からレーダーを削除し、LiDARは使用したことがない。人間の目と同等のセンサーで人間レベルの運転が実現できると主張する。FSDは1台あたり8台のカメラ——前方狭角・広角、後方、ピラーカメラ——とTesla独自FSDチップ上で動作するニューラルネットワーク推論のみに依存する。

ニューラルネットワーク補償の主張は根拠がないわけではない。グローバルTesla車隊は多様な照明条件——都市幹線道路、高速道路ランプ、駐車場、農村の二車線道路——で膨大な夜間走行データを生成する。報告されている限りでは、このデータで訓練されたエンドツーエンドモデルは幽霊ブレーキ率と可変照明下での車線維持を実際に大幅改善した。正当な問いは、記録された人間の夜間運転でのパターンマッチング学習が最終的に完全無人商業運行に必要な安全フロアに到達できるのか、それとも訓練元の人間性能に漸近的に近づくだけで超えられないのか、だ。

第4節——Waymoのマルチセンサーアプローチの夜間性能

WaymoはLiDARを主要センサーとして使用し、カメラとレーダーで補完する。夜間のセンサー構成は構造的優位性をもたらす——これはカメラデータのニューラルネットワーク訓練量でどれだけ積み上げても完全には複製できない。LiDARの夜間性能は学習した能力ではなく、能動レーザー測距の物理的特性だからだ。

センサー冗長性のアーキテクチャ上の意義は決定的に重要だ。カメラ専用システムは低照度で単一の障害モードを持つ：カメラがより少ししか見えない。マルチセンサーシステムはフォールトトレランスを持つ：カメラレンズが雨に浸されても、LiDARとレーダーがシーン表現を維持する；大降水でLiDARのリターン密度が落ちても、カメラとレーダーが物体検出を継続する。マルチセンサースタックの劣化曲線は単一モダリティシステムより緩やかで予測可能であり、個々のセンサーが有光環境のカメラより速く劣化する場合でも同様だ。

第5節——悪天候：雨・霧・雪

降水は純粋な暗闇とは一部異なる障害モードを導入する。各気象タイプはセンサースタックに異なる影響を与える。

霧のシナリオは特に示唆に富む。霧は可視光（カメラを劣化させる）とレーザーパルス（LiDARを劣化させる）の両方を散乱する。濃霧では、マルチセンサーの優位性が大幅に縮小する——レーダーが唯一信頼性の高いセンサーだが、ミリ波レーダーの低空間解像度は自律ナビゲーションを単独で支援する能力を制限する。これは両アーキテクチャが同じ制約に収束する条件だ：安全な高速ナビゲーションのためのセンサーリターンが不十分。

第6節——注目すべき点：夜間と気象が商業スケールアップの関門

TeslaとWaymoはともに最も過酷な条件を除外する保守的な運用設計領域（ODD）内で運行している。これらのODDを拡張するために何が変わらなければならないかを理解することで、注目すべき近期の投資・技術シグナルが明らかになる。

Waymoの拡張経路：

固体LiDARの改善により、回転LiDARヘッドを積雪に脆弱にする可動部品の障害モードが減少する。WaymoのJaguar I-PACEフリート（第5世代）と専用Zeekr車両（第6世代）はセンサーパッケージングの改善を取り入れ、熱管理と降水露出の一部に対処している。センサーヘッド加熱システム——一部のWaymo車両ですでに使用——は積雪リスクを低減するが排除はしない。意義ある降雪地帯展開には、固体LiDARのコストと降水耐性の段階的改善が必要だ。

Teslaの拡張経路：

V12とV13のエンドツーエンドモデル世代は、物体検出ルールから完全な走行分布の模倣学習への真のアーキテクチャ転換を表す。このアプローチはルールベースの前任者よりも、車隊の夜間データ規模の増大から直接恩恵を受ける。残る未解決の問いは、カメラ専用の訓練が最終的に訓練セットで十分に表現されていない照明条件や道路環境に汎化できるか、あるいは低頻度エッジケース（周囲光ゼロの農村道路、ナトリウム蒸気街灯下の黒氷、眩しさと濡れた路面反射の同時発生）がカメラで代替できないセンサーモダリティを必要とするか、だ。Teslaは一部の社内研究でレーダーを再検討したとされる（推定）；これが量産ハードウェア変更に結びつくかは未確認だ。

共通の規制フロンティア：

規制フレームワークは現在、ジオフェンス付き晴天展開と一般AV運行を暗示的に区別しているに過ぎない。WaymoとTeslaの両社がより幅広い商業展開に向かうにつれ、規制当局はジオフェンスなし認証の前提条件として悪天候・夜間条件の性能基準を明示的に規定することを余儀なくされるだろう。実証済みの夜間・雨天運行データを持つ企業はそれらの規制対話で構造的優位性を持つ——Waymoのフェニックス夜間運行記録は直接関連する証拠だ；悪天候での関与解除データ（Teslaは同等の詳細度では公開開示していない）がギャップだ。

出典：NHTSA交通安全データ——致死事故分析報告システム（nhtsa.gov）；FHWA——道路気象管理、気象と道路安全統計（ops.fhwa.dot.gov）；Tesla Visionカメラ専用AVスタック概要（tesla.com/autopilot）；Waymoセンサースタックと運用更新（waymo.com/blog/）。（推定）と記された数値はすべて公開研究・企業公式運用開示・業界報告に基づく推定であり、管理された試験条件下で独立検証されておらず、精確な数値ではなく方向性の指標として扱うべきである。

ソース

• NHTSA 交通安全データ——夜間運転統計 ↗
• FHWA——気象と道路安全統計 ↗
• Tesla Vision——カメラ専用AVスタック ↗
• Waymoセンサースタック概要——Waymoブログ ↗

タグ