2026-06-18 — views

フィジカルAI悪天候性能2026——Waymo LIDARの霧対応vsテスラFSDカメラの雪氷対応：AV全天候ベンチマーク

Waymoは1550nm LIDARでSFの霧に対応。テスラFSDは降雪地帯の訓練データを活用。2026年中頃時点で、大雪・凍結路面での無人運転を検証したAVシステムは存在しない。

フィジカルAIベンチマークシリーズ第207回——全天候展開の課題

天候は自動運転車商業化において最も過小評価されている制約要因である。AVセンサーモダリティ——LIDAR、カメラ、ミリ波レーダー——はそれぞれ、降水、霧、極端な気温と根本的に異なる関係を持つ。2026年における商業AVサービスの地理的展開パターンは偶然ではない。これは今日のセンサースタックがバックアップドライバーなしで安定的に稼働できる地域を直接反映している。商業AV展開のサンベルト地帯優位（フェニックス、オースティン、ロサンゼルス、サンフランシスコ、アトランタ）と、シカゴ、ボストン、デトロイト、ミネアポリスでの商業無人運転サービスの完全な不在は、センサー物理学に関する技術的事実であると同時に、商業・規制上の選択でもある。

本稿では、WaymoのLIDARを主体とするセンサーフュージョンスタックと、テスラのカメラを主体とするFSDシステムを、悪天候条件の全スペクトルにわたって比較評価する。分析は物理原理（波長依存散乱、ミリ波レーダー透過性）、公開されている運用設計ドメイン（ODD）の境界、および降雪地帯での年間を通じた走行によってテスラの600万台超の車隊が提供する訓練データの広さの優位性に基づく。(推定値)と記されたすべての数値は、公式データが公開されていない場合の公開情報と物理原理に基づく推定値である。

第1節——フィジカルAI展開における天候格差

2026年における商業AVサービスの地理的展開パターンは偶然ではない。Waymoの運営都市——サンフランシスコ、フェニックス、ロサンゼルス、オースティン、アトランタ——には重要な共通点がある。砂漠（フェニックス：年間平均降水量推定約8インチ（推定値））、温暖な沿岸都市（SF：定期的な霧があるが温暖で、凍結はまれ）、または温暖な都市（オースティン、LA、アトランタ）のいずれかである。注目すべき不在は明確だ：シカゴ（積雪、極寒）、ボストン（積雪、凍結融解サイクル）、デトロイト（積雪、冬季暴風雪）、ミネアポリス（極寒、大雪）、ニューヨーク市には主要な商業無人運転AVサービスが存在しない。

この地理的格差は技術的制限であり商業的優先事項でもある——しかし技術的制限が先行した。AV企業がサンベルト都市に展開するのは、そこでは技術がより信頼性高く動作し、テキサス州とアリゾナ州の規制環境がより許容的であるためだ。降雪地帯での不在は主として規制の失敗ではなく、現在のセンサースタックが性能限界に達していることの直接的な反映である。

3つの主要なAVセンサーモダリティは根本的に異なる天候性能プロファイルを持つ：

LIDAR（光学式、レーザーパルス）： 天候感応性あり。905nmまたは1550nm波長のレーザーパルスは、雨・霧中の水滴や降雪の雪片に当たると散乱する。大雨はLIDARの有効検出距離を大幅に低下させる。濃霧により、LIDARの有効検出距離は晴天時の推定200m超から、密集した沿岸霧での推定50〜70m（推定値）まで低下する。最良: 晴天。最悪: 濃霧と大雪の組み合わせ。

カメラ（可視光・近赤外線）： 天候感応性あり。雨中はカメラレンズの水滴が画像の鮮明さを低下させる。霧中はコントラスト低下により物体境界の識別が困難になる。積雪路面では車線マーキングが完全に消失する。夜間+大雨+霧はカメラベースシステムにとって最悪の組み合わせ。最良: 晴天昼間。最悪: 夜間大雨濃霧の組み合わせ。

ミリ波レーダー（自動車標準77 GHz）： 天候堅牢性あり。ミリ波レーダー信号は雨、霧、雪を最小限の減衰で透過する。レーダーの有効距離と速度精度は降水にほとんど影響されない。主な制限は天候性能ではなく空間分解能にある：レーダーは距離と速度データを提供するが、LIDARの点群やカメラ画像のように物体の形状を再構成することはできない。

センサースタックアーキテクチャが全体的な天候堅牢性を決定する。Waymoの三重冗長アプローチ（LIDAR+カメラ+レーダー）は、LIDARとカメラが両方劣化した場合でもレーダーが完全な性能を維持するため、テスラのカメラ主体のアプローチよりも構造的に天候堅牢性が高い。

第2節——Waymoの天候性能：霧、雨、軽度悪天候でのLIDAR

Waymoの商業無人運転サービスはサンフランシスコ、ロサンゼルス、フェニックス、オースティンで運営されている——4都市合計でWaymoのセンサースタックは都市霧、適度な降雨、激しい砂漠雷雨にさらされるが、大雪や継続的な凍結道路には直面しない。

天候条件	Waymoセンサースタックの動作	運用対応	現在の展開状況
都市霧（例：SFのカール・ザ・フォッグ）	濃霧中はLIDARの検出距離が低下；WaymoのLIDAR（1550nm）は短波長905nmシステムより霧中の散乱が少ない；Waymoは時間的一致性を使用して霧の返りとオブジェクトの返りを区別する霧フィルタリングアルゴリズムを開発	定期的に霧が発生するSFで商業運営；霧特有の知覚スタック調整；SFでの運用成功が霧の能力を実証	SFで商業無人運転サービス運営中；SF霧条件はODD内で処理；濃密な沿岸霧のイベントでは保守的な運転動作が発動する可能性
小雨〜中雨	LIDAR点群が雨中でノイズが増加；雨滴の返りが偽陽性物体として現れる；Waymoのソフトウェアは時間的一致性を使用して雨滴の返りをフィルタリング；カメラはレンズへの水分劣化とコントラスト低下を経験；レーダーは完全性能を維持	SFとオースティンの雨天時に継続運営；雨天特有の信号処理が作動；雨中は保守的な速度低下と車間距離増大	すべての運営都市で小〜中雨中に商業運営継続；大雨はサービス速度低下またはジオフェンス縮小を引き起こす可能性
大雨・雷雨	大雨によりLIDARの点群ノイズが大幅に増加；豪雨はWaymoの雨フィルタリングアルゴリズムを圧倒する可能性；カメラは大雨中に深刻な劣化；レーダーは機能を維持するが物体分類能力に制限	Waymoの運用方針：速度低下、車間距離増大、条件がODDを超えた場合は路肩停車；フェニックスのモンスーン季節が最も過酷な雨条件を生む	フェニックスのモンスーン季節（推定6〜9月）；Waymoは軽〜中程度の季節風降雨中に運営を継続するが、激しい季節風条件には保守的プロトコルを維持
濃霧、視界推定50m未満（推定値）	濃霧はLIDARベースシステムにとって最も困難な条件；LIDARの有効距離が非常に短い（推定50m）場合、高速走行時の制動距離がLIDARの前方検出距離を超える；カメラも同様に深刻な劣化；レーダーは物体検出を維持するが複雑な市街地走行に必要な空間分解能を提供できない	Waymoは低視界の濃霧条件下で速度を25マイル/時未満に大幅低下；極端な濃霧ではWaymo車両は路肩停車してリモートオペレーターの支援を要請	WaymoのODDを超える濃霧は影響エリアのサービス中断を引き起こす
凍結・積雪（現在WaymoのODD外）	WaymoはLIDARハウジングへの雪蓄積、降雪による点群ノイズ、路面反射率マーキングの損失という複合的な課題に直面；WaymoのODDは大雪と凍結路面条件を明示的に除外	Waymoの運用境界：積雪と凍結は現在のODD外；これは安全上の失敗ではなく、システムが検証された範囲を定義する慎重な運用上の制約	WaymoのサンベルトへのAV地理的制限は積雪・凍結ODD除外と直接関係している

第3節——テスラFSDの天候性能：カメラ訓練データの広さvs物理的限界

テスラのカメラ主体の悪天候アプローチは、Waymoのセンサーフュージョンとは根本的に異なる戦略に依存している：モダリティをまたいだセンサー冗長性を維持するのではなく、可能な限り広範な実世界の天候条件分布でニューラルネットワークを訓練する。

天候条件	テスラFSDの動作	訓練データの優位性	現在の展開状況
霧・靄	テスラのカメラはあらゆる光学システムと同様に霧の影響を受ける；しかし推定60億マイル超の多様な天候データ（推定値）で訓練されたニューラルネットワークは霧特有の視覚パターンを学習	太平洋岸（CA、OR、WA）、五大湖霧イベント、大西洋岸からの霧中走行データを含む多様な訓練データ	FSDは高霧エリアを含む全米の州に展開；有監督FSDは全米の霧条件下で運営
雨（小〜大雨）	雨中はカメラレンズに水分が付着；テスラFSDは複数カメラ視点と時間的一致性を使用して雨ノイズをフィルタリング；大雨はカメラの有効距離を大幅低下	フロリダ州、テキサス州、太平洋岸北西部の大雨訓練データ；テスラFSDはあらゆるAVシステムの中で最も多くの大雨走行マイルで訓練された可能性（推定値）	テスラFSD有監督は全米の中雨中で運営；大雨は保守的動作を引き起こす
小雪・融雪	小雪はカメラ画像に雨と同様の雪片ノイズを生成；ニューラルネットワークは時間的一致性で雪片とオブジェクトを区別；小雪中は車線マーキングが部分的に視認可能	テスラの車隊がミネソタ州、ミシガン州、コロラド州、ニューイングランドで運営；テスラFSDはこれらの市場から多大な小雪訓練マイルを蓄積	FSD有監督がオーナーによって小雪条件で使用；テスラAutoilot高速道路モードが小雪中に速度低下して機能
大雪・積雪路面	大雪はカメラベースシステムにとって最も困難な条件：カメラの視界が推定20m未満（推定値）まで低下；車線マーキングが積雪下に完全に消失；道路境界が消失	テスラはFSDの大雪対応能力を主張していない；ホワイトアウト条件でのカメラの物理的限界は訓練データの広さでは完全に補えない	FSDは大雪中に信頼性高く動作しない；降雪地帯のオーナーが大雪でのFSD離脱を報告；テスラは大雪中は人間の監視を推奨
凍結・ブラックアイス	ブラックアイスはカメラにもLIDARにも不可視；いかなるAVシステムも現在車載センサーのみでブラックアイスを確実に検出できない	ブラックアイス検出の欠陥はすべてのAVシステムに共通する	いかなるAVシステムもブラックアイスでの無人運転検証を通過していない

第4節——センサーモダリティ天候性能マトリクス

センサータイプ	晴天	小雨	大雨	軽霧	濃霧	小雪	大雪	凍結
LIDAR（回転式、1550nm）	★★★★★ 優れた距離・分解能	★★★★ 点群ノイズはフィルタリングで管理可能	★★★ 有意なノイズ；フィルタリング必要	★★★★ 良好；1550nmは905nmより霧散乱が少ない	★★ 推定50〜70m（推定値）まで距離低下	★★★ ハウジング蓄積リスク；降雪ノイズ	★★ ノイズ+ハウジング蓄積；劣化	★★★ ブラックアイス不可視；路面積雪が反射率マーキングを低下
カメラ（可視光、8台超）	★★★★★ 優れた視覚認識	★★★ レンズ水分+コントラスト低下	★★ 著しいコントラスト損失	★★★ 軽霧中の適度なコントラスト損失	★★ 濃霧中の著しい視界損失	★★★ 時間的一致性で雪片ノイズを管理可能	★ 車線マーキング消失；道路境界不可視	★★ ブラックアイスは視覚的に不可視
ミリ波レーダー（77 GHz）	★★★★ 良好な物体検出；形状分解能は限定的	★★★★★ 優秀；レーダーは雨の影響なし	★★★★★ 優秀；レーダーは大雨の影響なし	★★★★★ 優秀；レーダーは霧の影響なし	★★★★★ 優秀；レーダーは濃霧の影響なし	★★★★★ 優秀；レーダーは雪の影響なし	★★★★★ 他車両検出に優秀；道路境界は直接測定不可	★★★★★ 他車両検出を維持；路面凍結は直接検出不可
センサーフュージョン（LIDAR+カメラ+レーダー——Waymo）	★★★★★ 全センサー稼働時は最高クラス	★★★★ 雨がLIDARとカメラに影響；レーダーが補完	★★★★ 大雨でLIDARとカメラが劣化；レーダーが車両検出を維持	★★★★ 霧がLIDARとカメラに影響；レーダーが補完	★★★ 濃霧：LIDAR距離推定50〜70m（推定値）；レーダーが部分的に補完	★★★ 雪でLIDARとカメラが劣化；レーダーが車両検出を補完	★★ 大雪：LIDARハウジングリスク+点群ノイズ；レーダーは車両を補完するが道路境界は不可	★★ ブラックアイスと路面：すべてのセンサーが制限される
カメラ+レーダー（テスラFSD）	★★★★★ 優れたカメラ；レーダーは補助	★★★★ カメラ劣化；レーダーが車両検出を補完	★★★ 大雨でカメラが深刻な劣化；レーダーが車両を補完	★★★ 中程度の霧：カメラ+レーダー；LIDARによる追加深度なし	★★ 濃霧：カメラが深刻な劣化；レーダーは車両検出のみ	★★★ 小雪は訓練データのパターン認識で管理可能	★ 大雪：カメラは車線マーキングや道路境界を認識不可；レーダーは車両のみ検出	★ ブラックアイス：カメラ検出不可；レーダー検出不可；GPS天候相関のみ

第5節——全天候展開ベンチマークスコアカード

天候次元	Waymo（LIDAR+カメラ+レーダー）	テスラFSD（カメラ+レーダー）	Aurora（LIDAR+カメラ+レーダー、トラック輸送）	2028年の展望
都市霧	良好：SFで定期的な霧の中での商業サービス；1550nm LIDARが耐霧性；SFでの運用成功がODD内の霧対応能力を実証	普通：カメラの訓練データの広さが物理的限界を補完；レーダーのバックアップ；高霧商業サービスでの無人運転未展開	良好：軽霧中の高速道路AVは管理可能；濃霧は速度低下を引き起こす	WaymoのLIDAR霧優位性は固体LIDARの改善とともに拡大；テスラの訓練データは拡大継続
雨（小〜中雨）	良好：すべての運営都市で雨中に運営；センサーフュージョン+レーダーが天候堅牢性を提供	良好：カメラ+レーダー；FL、TX、太平洋岸北西部の多様な雨条件での訓練	良好：センサーフュージョン；速度低下で管理可能	Waymoとテスラはともにに中雨を適切に処理；大雨は両者にとって依然として課題
大雨・雷雨	普通：豪雨中のLIDAR劣化；レーダーが補完；保守的速度低下；オースティン・フェニックスのモンスーン季節は管理済み	普通：豪雨中のカメラの深刻な劣化；レーダーが車両検出を補完；保守的速度低下	普通：同様のアプローチ；保守的速度低下	天候堅牢なセンサーフュージョンは極端な降雨でも構造的競争優位を維持
積雪（小雪）	商業的な積雪展開なし；現在のODD外	普通：FSDが降雪地帯の州に展開；大量の小雪データで訓練；有監督FSDがオーナーによって小雪中に使用	現在のテキサス回廊での積雪条件での展開なし	Waymoの北東部市場参入には積雪ODD拡大が必要；テスラは小雪展開で最も多くの運用経験を持つ
大雪・凍結	未展開：WaymoのODD外；商業的大雪サービスには複数年の研究・検証が必要	無人運転ではない：FSDが大雪中に離脱；オーナー監視のみ；根本的なカメラ物理的限界	未展開：Auroraの現在の商業回廊（TX）は積雪を回避	センサーモダリティに関係なく、大雪と凍結はすべてのシステムにとって最も困難なAV課題のまま；2026年中頃時点でいかなる主要AV企業も大雪での無人運転を検証していない
総合評価	全天候展開ベンチマークは、フィジカルAIの2026年展開実態における根本的な非対称性を明らかにする：すべての主要AVシステムが大雪と凍結を無人運転の運用条件から除外している。Waymoのセンサーフュージョンは霧と中雨においてテスラのカメラ主体アプローチより優れた悪天候堅牢性を提供する——しかし両システムは大雪と凍結において同じ未解決の限界を共有する。サンベルト優先の展開パターンは単なる商業的・規制的選択ではない——これは今日のAV技術が商業的無人サービスに十分な信頼性で機能できる地域を直接反映している。積雪気候（中西部、北東部、山岳西部）に居住する米国人口の推定47%（推定値）は、現在すべての商業無人AVサービスのODD外にある。これが2026年中頃時点でロボタクシーサービスの総アドレス可能市場（TAM）に対する最大の単一制約である。

出典：Waymoセーフティ・ODD文書（waymo.com/safety）；LIDAR天候性能研究、IEEE知的交通システム論文誌（ieeexplore.ieee.org）；テスラFSD悪天候文書（tesla.com/support/autopilot）；NHTSA自動運転天候性能基準（nhtsa.gov/vehicle-safety/automated-vehicles）。(推定値)と記されたすべての数値は、物理原理、公開情報、第三者研究に基づく推定値であり、独立して検証されておらず、公式データと異なる場合がある。