2026-06-18 — views

自動運転車の悪天候性能 — 雨・雪・霧とセンサーの限界：WaymoのサンベルトFirst戦略とTeslaのカメラ優位性を解説

雨・雪・霧がLiDAR・カメラ・レーダーをそれぞれ異なる形で劣化させる仕組みと、センサー物理学がすべての主要AV企業のサンベルト展開パターンを説明する理由。

Physical AIベンチマークシリーズ第104回 — 自動運転車の悪天候性能：雨・雪・霧が各センサーを異なる形で劣化させる理由、そして物理学（戦略ではなく）がWaymoのフェニックス進出とTeslaのカメラ優位性の主張を説明する理由

悪天候は自動運転車において最も頻繁に引用される制限の一つであり、最もよく誤解されているものでもある。この話題が公の議論に登場するとき、「悪天候」という単一のカテゴリーにまとめられてしまうことが多い。しかし、雨・雪・霧は三つの全く異なる物理現象であり、自動運転車の四つの主要センサー——カメラ、LiDAR、レーダー、超音波——をそれぞれ異なる方法で、異なる速度で、異なるフォールバックオプションで劣化させる。

そのセンサー物理学が年間数千の運行日にわたって積み重なることで、すべての主要AV企業の地理的展開パターンが直接説明できる。まずフェニックス、次にサンベルトの都市、そして重い冬の降雪がある北部の都市は最後（もし近い将来があるとすれば）となる。これは戦略的な選択ではない。有効センサー範囲が200メートルから10〜20メートル（推定値）に低下する条件での運行コスト、そして砂漠都市で走行距離を積み重ねた車隊の訓練データの限界によって課された制約である。

本記事では、Physical AIシリーズのベンチマーク次元として自動運転車の悪天候性能を分析する。各センサー型の物理特性、Waymoのリーダー中心アーキテクチャとTeslaのカメラ中心アーキテクチャそれぞれの優位性と故障モード、センサーの限界に起因する地理的展開パターン、そしてシカゴ・ボストン・バッファローで商業運行を開始する前に解決すべき技術的課題を取り上げる。

第1節 — 天気が各センサー型にどう影響するか

商業AVプラットフォームで使用される四つのセンサーは、それぞれ異なる物理メカニズムを通じて天気と相互作用する。このメカニズムを理解することが、AV企業のすべての地理的・技術的決定を理解する基礎となる。

センサー	晴天性能	雨天性能	雪天性能	霧天性能	備考
カメラ（可視光）	優秀 — 高解像度、豊かな色彩とテクスチャ	劣化 — レンズの水滴が画像をぼかす；他車両のしぶきが視認性を低下させる	重度劣化 — レンズの積雪が視界を遮る；白雪背景でコントラスト喪失	中度劣化 — 霧がコントラストと有効範囲を低下させる	Tesla FSDはカメラのみに依存；レンズ加熱と洗浄で部分的に緩和
LiDAR（レーザー、905nmまたは1550nm）	優秀 — 精密な3D点群、周囲光の影響を受けない	中度劣化 — 雨滴がレーザーパルスを散乱；大雨で有効範囲が約200mから約50〜100m（推定値）に低下	重度劣化 — 雪片がレーザーを散乱；湿雪が最悪；乾燥した雪は中度の影響	重度劣化 — 霧の水滴は雨よりもレーザーを多く散乱；濃霧でLiDAR範囲が約10〜20m（推定値）に低下	WaymoはLiDARを主要3Dセンサーとして使用；サンフランシスコの霧は実際の運行課題
レーダー（77GHz）	良好 — ほとんどの条件を貫通；LiDARより解像度が低い	優秀 — 雨にほぼ影響されない；しぶきを貫通	良好 — ほとんどの雪を貫通；雪の壁から偽の反射波が生じる場合あり	優秀 — 霧を貫通；77GHz波長では水滴散乱の影響なし	レーダーは気象堅牢性が最も高いセンサー；Waymoは悪天候冗長レイヤーとしてレーダーを使用
超音波	近距離（5m以内）良好	良好 — 降水の影響なし	良好	良好	低速駐車・操縦用；高速道路走行には無関係

LiDARが霧に苦労し、レーダーが苦労しない理由

LiDARとレーダーの物理的な差異は波長に帰着する。LiDARは近赤外波長（905ナノメートルまたは1550ナノメートル）で動作する。霧の水滴は直径が通常1〜100マイクロメートルで、これらの波長に対して十分大きく、レーザーパルスを効果的に散乱させ、LiDAR受信機に戻る信号を大幅に低下させる。濃霧層はLiDARの有効範囲を200メートルから20メートル未満（推定値）に低下させる可能性があり、高速走行での制動距離を大幅に下回る。

77GHzのレーダーは約4ミリメートルの波長で動作する——霧の水滴よりはるかに大きい。この波長では、霧の水滴は小さすぎてレーダー信号を有意に散乱させることができない。レーダービームは最小限の減衰で霧を貫通する。これが、Waymoのセンサーフュージョンアーキテクチャが低視認性条件でレーダーを主要測距センサーとして扱い、霧の信頼度指標がトリガーされるとLiDAR回帰を低く重み付けする理由である。

第2節 — なぜフェニックスがWaymoの最初の商業市場だったのか

WaymoがフェニックスをAVの最初の商業無人運転市場として選択したのは、主に規制や人口の決定ではなく、センサー物理学の決定だった。

フェニックスの特徴	天気との関連性
年間降水量	約8インチ/年 — 米国主要都市で最も低い水準の一つ
年間降雨日数	約36日（推定値）— 10%未満の日数でのみ測定可能な雨
降雪	大フェニックス都市圏ではほぼ皆無 — 標高が低すぎる
霧	まれ — 砂漠気候、低湿度
気温の極端	夏季115°F超の高温 — バッテリー性能に影響するがセンサー物理には影響しない
AV運行結果	LiDARとカメラが推定約90%以上の運行日で最適に近い性能；天気は稼働時間への実質的な制約とならない
対照：サンフランシスコ	サンフランシスコは年間約70日の霧日がある（推定値）；WaymoのSF車隊は定期的に霧の中を走行し、中等度の霧での運行が可能だがセンサー性能の余裕が低下することを実証
対照：シカゴ	シカゴは年間平均38インチの積雪と125日の氷点下 — フェニックスとは根本的に異なる運行課題；2026年中頃時点でシカゴで商業無人運転サービスを開始した主要AV企業はない（推定値）

第3節 — Teslaの天気主張：悪条件でのビジョンのみ運行

Teslaの天気性能論争における立場は、Waymoとは構造的に異なる。TeslaのFSDシステムはカメラのみを使用し、LiDARはなく、最近のハードウェア世代ではレーダーもない。これは悪天候において特有の優位性と特有の弱点の両方をもたらす。

Tesla FSD の天気主張	技術的現実
「雨の中でも動作する」	中程度の雨では正しい — レンズ加熱付きカメラ画像処理が軽〜中程度の雨を処理；大雨や冠水で性能低下
「雪の中でも動作する」	軽い雪では部分的に正しい — 路面への重度の積雪は車線マーキングを消す（FSDが大きく依存）；カメラへの積雪は大きな課題
「HDマップ依存なし = 天気でのマップドリフトなし」	真の優位性 — WaymoのHDマップは工事や除雪で道路が変わると古くなる可能性；Teslaはライブカメラフィードのみで走行し、実際の条件に適応
「すべての天気でのシャドウモード = 天気の訓練データ」	真の優位性 — Teslaの消費者車隊が毎日雨や雪の中で走行し、Waymoの限られた無人運転車隊が同等の規模で蓄積できない悪天候訓練データを生成
主な弱点	大雪（白雪背景）でのカメラシステムの車線マーキング可視性喪失；大雨での有効範囲縮小；最近のFSD世代のレーダー不在は気象堅牢性フォールバックセンサーがないことを意味する
主な強点	LiDARなし = LiDAR固有の霧・雨散乱問題なし；カメラ＋ニューラル処理はLiDARとは異なる（必ずしも悪くない）故障モードを持つ

訓練データの非対称性がTeslaの最も重要な天気上の優位性だ。Teslaの消費者車隊は推定数百万台（推定値）であり、そのほとんどが日常の使用で雨・雪・霧の中を走行する。FSDが有効になったTeslaが悪天候で走行する1マイルごとに、センサーコンテキスト（カメラ画像）と正しい運転行動（人間ドライバーの操作）のラベルで訓練データが生成される。

第4節 — 地理別の天気性能ベンチマーク

地域	年間降水量	積雪	霧	AV天気課題	最初のAV事業者（推定値）	Waymoのスケジュール（推定値）
アリゾナ州フェニックス	8インチ/年	なし	まれ	極低	Waymo — 2020年無人運転	展開済
テキサス州オースティン	34インチ/年	まれ	時々	低	Waymo — 2025年、Tesla	展開済
カリフォルニア州ロサンゼルス	15インチ/年	なし	時々沿岸部の霧	低	Waymo — 2024年	展開済
カリフォルニア州サンフランシスコ	24インチ/年	なし	頻繁な霧（約70日、推定値）	中	Waymo — 2023年	展開済
ジョージア州アトランタ	50インチ/年	時々（2〜4インチ/年）	時々	中	Waymo — 2026〜2027年予定（推定値）	準備中
フロリダ州マイアミ	62インチ/年	なし	時々	中（大雨）	商業無人運転なし（推定値）	中期（推定値）
ワシントン州シアトル	38インチ/年	時々	頻繁な霧	中高	商業無人運転なし（推定値）	長期（推定値）
イリノイ州シカゴ	積雪38インチ/年	38インチ/年	時々	高	商業無人運転なし（推定値）	長期（推定値）
マサチューセッツ州ボストン	積雪44インチ/年	44インチ/年	時々	極高	商業無人運転なし（推定値）	長期（推定値）
ニューヨーク州バッファロー	積雪94インチ/年	94インチ/年	頻繁	極端	商業無人運転なし（推定値）	非常に長期（推定値）

第5節 — 北部都市展開に向けて解決すべき課題

技術的課題	現在の状態（推定値）	潜在的な解決策
路面積雪 — 車線マーキング喪失	商業品質では未解決 — 重積雪下でカメラとLiDARの両方が車線マーキングを失う	HDマップ＋GNSS推測航法（マーキングが見えなくても道路位置を把握）；LiDARで縁石や路肩を検出；多大な投資が必要
センサーへの積雪	加熱素子が中程度の雪に対応；LiDARドームに空気圧式洗浄システム	既存ソリューションは中程度の雪に対応；極端な積雪は依然として問題
霧でのLiDAR範囲縮小	機能的な劣化 — 有効範囲が約200mから濃霧中の約10〜20m（推定値）に低下	霧でのレーダーを主要測距センサーとして使用；低信頼度条件でLiDARの重みを下げるフュージョンアルゴリズム
路面凍結 — トラクション喪失	センサー認識だけでなく車両動力学の課題；ABS/トラクションコントロールが多くの場合に対応	レーダー回帰と車両動力学センサーからの摩擦推定；凍結条件での自動減速
除雪車と路面処理	除雪車が予期しない障害物を生じる；路面塩が路面外観を変える	雪の多い都市からの訓練データ；Waymoの北部都市データは限られている（推定値）
Teslaの優位性	消費者Teslasがシカゴ・ボストン・バッファローを毎日走行 → シャドウモードが自動で北部都市の訓練データを生成	Teslaは既存消費者車隊を通じてこのデータを自動蓄積；Waymoは展開前に北部都市にマッピング車両を派遣する必要あり

注意： 本記事のすべての性能推定値、範囲劣化数値、車隊規模、都市気象統計データ、および運行スケジュールは、2026年中頃時点の公開情報、発表済み研究、業界分析に基づく方向性推定値です。「（推定値）」と表記された数値は確認済みデータとして扱うべきではありません。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。