2026-06-18 — views

フィジカルAIナビゲーション2026：Waymo HDマップ依存 vs Tesla純視覚マップレスFSD ナビゲーションアーキテクチャ比較

WaymoはHDマップがない道路では走れない。Tesla FSDはマップ不要で、カメラが見える道ならどこでも走行できる。HDマップ対マップレスはフィジカルAIの最重要アーキテクチャ選択だ。

フィジカルAIベンチマークシリーズ第181回：ナビゲーションアーキテクチャの分岐

フィジカルAIにおける最も深い技術的分岐の一つが、マッピング哲学だ。Waymoは高精度地図（HDマップ）に依存している——運営エリア内のすべての道路、車線、交通信号、縁石の詳細な3D表現を、専用マッピング車両で継続的に更新する。TeslaのFSDはまったく逆のアプローチを取る：事前構築されたHDマップは一切使用せず、車両はカメラ入力だけでリアルタイムに周囲環境を再構築する。これは単なる技術的選択の違いではない。拡張速度、インフラコスト、長期的なスケーラビリティに対して深遠な影響を与える。Waymoはマップされていない場所では走れない。Teslaはカメラが見える任意の道路で走行できる。本記事は、この二つのナビゲーション哲学をフィジカルAIのコアな競争変数としてベンチマーク評価する。

第1節：HDマップとは何か、そしてなぜWaymoはそれに依存するのか

HDマップとは、車両の運用設計ドメイン（ODD）内のすべての道路、車線標示、制限速度、交通信号位置、縁石、建物ファサードのセンチメートル精度の3D表現だ。WaymoのHDマップはLIDARを搭載した専用マッピング車両によって構築され、自動運転車両が乗客を運ぶ前に、運営エリアのすべての道路を走行する必要がある。

HDマップに含まれる情報：

車線幾何：正確な中心線、車線幅、合流・分岐点
交通制御設備の位置：信号機の柱の位置、停止標識の位置
制限速度と路面タイプ
建物と障害物のフットプリント
横断歩道の位置と歩行者通路の幾何

HDマップがWaymoシステムにとって重要な理由： 自動運転車両はHDマップを事前知識（prior）として使用する。現在環境のLIDARスキャンが地図と一致するとき、システムは自分の位置と周囲について非常に高い確信を持てる。このマップマッチングアプローチにより、リアルタイム認識の計算負荷が軽減される——システムは毎回道路幾何を「発見」するのではなく、道路が既知の状態と一致することを「確認」するだけでよい。マップマッチングはまた精密な測位を可能にする：Waymoはセンチメートル精度で位置を特定できるが、これはカメラのみのシステムでは現在達成できないレベルだ。

地図の鮮度と継続的な再マッピング： 地図は常に最新状態に保たれなければならない。道路工事、新しい交通信号、変更された車線標示、一時的な閉鎖はすべて地図の更新を必要とする。Waymoは継続的な再マッピング車隊を運営し、変化を検出するために運営エリアを定期的に再走行する。高交通量エリアの推定再マッピング間隔：数週間ごと（推定）。変化検出から地図更新、車隊配備までの推定遅延：数時間から数日（推定）。

運営上の結果： Waymoは地図に登録されていない道路に車両を派遣できない。あるセグメントが工事中で地図が古いレイアウトを示している場合、Waymoの車両は正しく走行できない可能性がある。そのためWaymoは、未マッピングまたは新たに変更されたエリアに対して保守的なフォールバックプロトコルを使用している——地図と現実の乖離が検出された場合、車両は減速するかリモートオペレーターの支援を要請し、古い地図データに従って進むことはしない。

第2節：Teslaの純視覚マップレスアプローチ：リアルタイム世界再構築

TeslaのFSDアーキテクチャはカメラのみを使用する——LIDARもHDマップもない。8台のカメラが360度の視野をカバーする。ニューラルネットワークがリアルタイムでカメラ入力を処理し、走行環境を再構築する。

核心的な洞察： Teslaのシステムは、事前に確認できる地図を持たず、毎回、今見えるものから道路幾何とすべての道路特徴を「発見」しなければならない。

Teslaのアプローチの仕組み：

数十億マイルの実世界走行データで訓練されたニューラルネットワークを使用し、カメラ画像から車線を検出
占有空間予測：どこに空き空間があり、どこに障害物があるかを予測
ベクター空間表現：FSDは視覚的に検出した車線、エージェント、交通信号をベクター表現として世界をエンコード

マップレスアプローチの利点：

Teslaのカメラが見える地球上の任意の道路を走行可能——事前構築された地図は不要
地図メンテナンスコストなし
地図陳腐化リスクなし：見えるものは常に現在の現実
車隊規模に応じてグローバルにスケール；すべての新しい道路上のすべてのTeslaがトレーニングデータに貢献

デメリット：

より高いリアルタイム計算負荷：確認するための地図事前知識なしに、視覚だけで道路幾何を推論しなければならない
測位精度はカメラ解像度に制限される；LIDARとマップマッチングのセンチメートル精度には遠く及ばない
視覚的な手がかりが欠如または曖昧な状況（低照度、濃霧、標示なし道路）での対応が難しい

スケールにおけるTeslaのアプローチ： Tesla消費者車隊が走行した数十億の監督マイルが、純視覚FSDを可能にするトレーニングデータだ。システムは数千の環境にまたがる数百万の実世界走行例から道路幾何パターンを学習した。これがTeslaのアーキテクチャへの賭けにおいて車隊規模がそれほど重要な理由だ——マップレスアプローチは、基礎となるニューラルネットワークが極めて多様な実世界走行データで訓練されたときのみ、高品質で機能する。

第3節：拡張経済学：地理的ボトルネックとしてのHDマップ

次元	Waymo（HDマップ必須）	Tesla（地図不要）	影響
新都市展開の前提条件	最初の車両が運営する前にODD内のすべての道路をマッピング必須；マッピングキャンペーン：マッピング車隊の展開、全道路走行、LIDARデータ処理、HDマップ構築、検証、AV車隊への配備	マッピング前提条件なし；FSDは規制承認後すぐに任意の道路で機能	Teslaは理論上、規制承認当日に任意の都市に参入できる；Waymoは数週間から数ヶ月のマッピング準備が必要
マッピングキャンペーン期間（推定）	新都市ODDの初期スコープで推定4-12週間（推定）；ODD規模が大きいほど期間が長くなる	0週間	Waymoのマッピング要件により新都市展開タイムラインが1-3ヶ月延長（推定）
マッピングインフラコスト（推定）	マッピング車両（LIDAR搭載、推定1台あたり$20万-$50万）；マッピングチーム；LIDARデータ処理計算；地図データベースのストレージとサービング；継続的再マッピング運営；新都市ごとの初期マッピング＋年間再マッピングコスト推定$200万-$1,000万以上（推定）	マッピングインフラコスト$0	このコストはTeslaの新都市展開経済学には完全に存在しない
地図メンテナンスコスト（推定）	各運営エリアを数週間ごとに継続的に再マッピング；推定再マッピング運営$50万-$300万/都市/年（推定）	$0	これはWaymoのユニットエコノミクスにおける継続的な年間コストであり、Tesla側に相当する支出はない
地理カバレッジの上限	マッピングされた道路数に制限される；WaymoのODDは地図カバレッジと完全に一致；カバレッジ拡大には再マッピング作業が必要	事実上無制限；監督モードで走行したすべてのTeslaがトレーニングデータに貢献；FSDが未マッピング道路を走行することは当然のことだ	Teslaのサービス可能地域はグローバル；Waymoはマッピング作業範囲に縛られる
地図陳腐化リスク	実在する：工事、道路変更、新しい標識が地図と現実の乖離を生む；Waymoは地図陳腐化を検出・対処するプロトコルを持つ（ROCフォールバック）	なし：Teslaは常に現在の現実を見る	Waymoは地図メンテナンスリスクを負うが、Teslaのアーキテクチャは構造的にこれに免疫
都市内ODD拡張	ODDの各拡張（新地区、新道路タイプ）には事前に新エリアのマッピングが必要	ODD拡張は規制とソフトウェアの問題であり、マッピングの問題ではない	TeslaのODD拡張は規制承認のみに制約される；WaymoはAND関係で規制承認とマッピングの両方に制約される

第4節：技術的トレードオフ：精度 vs スケーラビリティ

トレードオフ	HDマップの優位（Waymo）	マップレスの優位（Tesla）	現在の判定
測位精度	センチメートル精度：LIDARスキャンとHDマップのマッチングで2-5cm位置精度	カメラのみの測位：典型精度推定10-50cm；視認性が悪い場合はさらに低下	Waymoが精度で勝る；狭い車線変更と複雑な交差点で最も重要
計算効率	地図がリアルタイム計算負荷を軽減：システムが発見するのではなく確認する；マイルあたり計算コストが低い	地図なしはフレームごとに完全なシーン再構築を意味する；マイルあたり計算量が多い	Waymoの地図が計算効率をもたらす；TeslaはFSDチップの処理能力で補完
未知環境への対応	不良：未マッピング道路=Waymoは運営不可（ROCフォールバックまたは停車）；工事=地図が古い可能性	良好：Teslaは未知環境を新鮮な視点で対処；工事ゾーン=カメラで見えるリアルタイム適応	Teslaが未知状況で勝る；WaymoはMマップ境界で脆弱
夜間・悪天候	HDマップ＋LIDAR：LIDARは暗闇、霧、小雨でも機能；カメラが苦手な場合も地図が幾何を確認	カメラのみ：暗闇、霧、大雨がカメラ入力品質を大幅に低下；LIDARバックアップなし	Waymoが悪条件で勝る；Teslaカメラのみは雨・霧で不利
スケーラビリティ	自動スケールなし：新しい道路ごとにマッピングが必要	車隊とともにスケール：すべての監督Teslaマイルがその道路のFSDを改善	Teslaのアプローチはスケール；WaymoのアプローチはS新道路ごとに線形の努力が必要
トレーニングデータの活用	Waymoのドライバーレスマイルがマップ検証データを生成；より小さな車隊はFSD式トレーニングデータが少ない	Teslaの数十億の監督マイルがトレーニングデータそのもの	Teslaがトレーニングデータ量で桁違いに勝る

第5節：ナビゲーションアーキテクチャベンチマークスコアカード

次元	Waymo	Tesla	2028年展望	優位性
新都市展開速度	遅い：マッピング前提条件が数ヶ月追加	速い：規制承認=即運営可能	Tesla（より速い拡張）	Tesla
インフラコスト	高い：マッピング車隊＋処理＋メンテナンス	低い：マッピングインフラ不要	Waymoコスト継続；Teslaはゼロに近い状態維持	Tesla
測位精度	非常に高い（センチメートル精度）	高い（カメラベース、安全性に十分）	両者とも改善中	Waymo
悪天候性能	強い（LIDARは霧・暗闇・雨でも機能）	弱い（視認性悪化時にカメラが低下）	Teslaはより良いカメラで改善中	Waymo
未知環境対応	弱い（地図境界=停車）	強い（リアルタイム視覚適応）	Waymoがより頻繁な再マッピングを追加	Tesla
グローバルスケーラビリティ	マッピング作業に制限	無制限（グローバルの任意道路）	Tesla車隊成長とともに差が拡大	Tesla
地図メンテナンスコスト	継続的な循環コスト（推定$50万-$300万/都市/年）	ゼロ	Tesla恒久的優位	Tesla

総合判定： HDマップ対マップレスの選択は、フィジカルAIにおいて最も重要なアーキテクチャ上の決断だと言えるだろう。WaymoのHDマップは今日において実質的に重要な精度優位を与えている——センチメートル精度の測位、計算効率、堅牢な悪天候性能。しかし地図はWaymoの地理的上限でもある：会社はマッピングされた場所でのみ運営でき、マッピングはコストが高く、遅く、継続的なメンテナンスが必要だ。Teslaの純視覚マップレスアプローチは高品質で実現するのが難しいが、地理的上限がない。Tesla車隊規模が成長しFSD品質が向上するにつれ、スケーラビリティ優位は複利で拡大する。長期的な軌道はTeslaのアーキテクチャに有利だ——しかしWaymoの地図ベースの精度は、現在の運営都市において真の安全性とパフォーマンス上の優位性であり続ける。

資料出典：Waymoマッピングと測位概要（waymo.com/research）；Tesla FSD純視覚アーキテクチャ、Tesla AI Day 2021/2022（tesla.com/AI）；HDマップ市場と自動運転マッピング、HERE Technologies（here.com）；LIDARとカメラの比較、IEEE Spectrum（spectrum.ieee.org/autonomous-vehicles）。（推定）と表記されたすべての数値は、公開開示、アナリストレポート、業界調査に基づく推定値であり、独立した検証は行われておらず、各社の内部データと異なる場合がある。