2026-06-18 — views

Physical AI マッピングと測位——Waymo のセンチメートル精度 HD マップ vs Tesla のマップレス FSD と地理的スケーリングの溝

Waymo は HD マップで都市あたり $1-5M（推定）のセンチ精度測位を実現；Tesla FSD はマップレスで拡張コストほぼゼロだが精度と悪天候耐性は低い。

Physical AI ベンチマークシリーズ第137回 — Physical AI マッピングと測位：Waymo の HD マップ依存 vs Tesla のマップレス FSD、そして世界最高精度の道路デジタルツイン構築をめぐる技術競争

車両がどこにいるか——単なる GPS 座標ではなく、センチメートル精度での車線レベルの測位——は、自動運転車が行うすべての処理の基盤となる。あらゆる軌道計画、安全チェック、信号状態推定は、車両が車線標示、縁石、停止線、横断歩道の端に対して正確にどこにいるかを把握していることに依存している。Waymo は運営するすべての道路を対象にした独自の HD（高精細）マップデータベースを維持し、フリートによって継続的に更新している。Tesla の FSD v12 以降はあらかじめ構築された HD マップを必要とせず、カメラがリアルタイムで見ているものだけで測位する。このアーキテクチャ上の選択が、地理的カバレッジ、スケーリングコスト、道路変化への耐性、そして最終的にどちらの企業が「どこでも」行けるか、あるいは「どこでも最高精度」を実現できるかを決定する。これは Physical AI ベンチマークシリーズ第 137 回だ。

「（推定）」と表記された数値はすべて、公開情報、研究論文、業界アナリスト推計、および合理的な推論から導出されており、独立して検証された一次データではない。

セクション 1 — Waymo の HD マッピングアプローチ

Waymo の測位アーキテクチャは、マップされたエリアで 10cm 未満の精度（推定）で車線レベルの形状、交通信号の位置、制限速度、恒久的障害物、3D 建築フットプリント、標高プロファイルをエンコードした独自の HD マップの上に構築されている。このマップはナビゲーションツールではない——センチメートル精度の位置決定のために車両のリアルタイム LiDAR 観測データが融合される基準真値だ。

コンポーネント	説明	スケール	戦略的価値
HD マップコンテンツ	車線レベルの形状：車線標示、縁石、停止線、横断歩道の端の正確な位置；交通信号の位置とフェーズ；制限速度；恒久的障害物；3D 建築フットプリント；標高プロファイル	マップされたエリアで 10cm 未満の精度（推定）	リアルタイムセンサー知覚のみに依存せず車線位置を常に把握
マップ作成パイプライン	専用マッピング車両が LiDAR とカメラデータを収集；オフラインで HD マップタイルに処理；道路の形状変化に応じて継続更新	Waymo のフリートは走行しながらマップを更新（フリート即マッパー）；新都市には専用マッピングラン	フリート即マッパー：すべての商用車が同時にマップセンサーでもある
測位	車両がリアルタイム LiDAR 観測を HD マップタイルに対して融合して正確な位置を決定；センチメートル精度の測位が可能	マップカバレッジが必要；マップされていないエリアでは機能しない	高精度測位により軌道計画をより精密に
マップ更新レイテンシ	Waymo は工事区間や新信号など動的要素のほぼリアルタイムのマップ更新を目標；恒久的変更は数日から数週間で更新（推定）	マップの陳腐化は既知の失敗モード：現実が変化したがマップが更新されていない場合、車両が誤動作する可能性	重要な運営リスク：マップされた都市での道路工事は迅速なマップ更新が必要
地理的カバレッジ	マップされた都市のみ：SF、フェニックス、LA、オースティン（商業）、アトランタ（ローンチ前マッピング）	各新都市は商業ローンチ前に専用マッピングキャンペーンが必要	主要なスケーリング制約：マッピング完了なしに新都市でローンチ不可
都市あたりのマップコスト（推定）	初回マッピングキャンペーン約 $1-5M（推定）；継続メンテナンス約 $50万-$200万/年（推定）	車両台数ではなく都市ごとの固定コスト	50 都市以上のグローバル展開：年間マッピング予算合計 $5000万-$2.5億（推定）
HD マップを採用する競合他社	Waymo、Mobileye（REM——ADAS フリートからクラウドソーシング）、Aurora、Cruise	異なる HD マップ戦略；Mobileye は ADAS 量産フリートを使ったクラウドソーシングマッピング	HD マップメンテナンスは業界全体のコスト；マップレスはこれを回避

Waymo の HD マップアーキテクチャにおける最も重要な設計選択は「フリート即マッパー」モデルだ。マップされたルートを走行する Waymo 商用車はすべて同時にマップセンサーでもあり——LiDAR 観測値を保存マップと比較し、差異を検出し、処理・検証されるマップ更新候補をアップロードする。これにより Waymo のマップ品質はマップされた都市での走行マイルとともに向上し、運営フットプリント内で自己強化する精度フライホイールが生まれる。

HD マップアプローチのアキレス腱は地理的な閉じ込めだ。Waymo の車両が現在地のマップタイルを持っていない場合、センチメートル精度で測位できず、安全にドライバーレス運営を続けることができない。これは劣化モードではなく——運営上の境界だ。Waymo は単純に未マップの都市に乗り込むことはできない。専用マッピング車両を送り込み、データを処理し、マップを検証し、通常は最初の商業トリップ前に地域の規制当局の承認を得なければならない。このシーケンスには都市ごとに最低でも数ヶ月かかる。

セクション 2 — Tesla のマップレス FSD アプローチ

Tesla の FSD v12 以降のバージョンは、あらかじめ構築された HD 道路マップなしで動作する。車両は 8 台のカメラのリアルタイム観測のみを使用し、数十億マイル（推定）のトレーニングデータから学習したニューラル表現に対してマッチングを行い、リアルタイムで測位する。新しい都市に入る前にマップタイルをダウンロードする必要はなく、オフライン処理パイプラインもなく、都市固有の準備フェーズも不要だ。

コンポーネント	説明	優位性	リスク
測位方法	カメラベースの視覚測位：FSD がリアルタイムカメラ観測を道路の学習済み視覚表現にマッチング；ニューラル占有ネットワークを使ってリアルタイムで車線構造を理解	事前構築マップ不要；道路のある場所ならどこでも機能	LiDAR-HD マップ融合より測位精度が低い；夜、霧、工事などの視覚的変化に敏感
道路理解	エンドツーエンドニューラルネットがカメラ映像から車線境界、交通信号、交差点、標識を推定	トレーニング中に見たことのない道路タイプを含む任意の道路タイプに汎化	信頼性の高い推論にはトレーニングカバレッジが十分である必要
工事区間の対応	FSD がカメラ観測から変更された道路レイアウトを推定；マップの更新不要	視覚的に検出可能な道路変化は自動処理	視覚的に複雑な工事区間は混乱を引き起こす可能性；FSD 介入の重要な原因
地理的カバレッジ	舗装道路のある国の道路なら一切不問；FSD v12/v13 の地理的範囲：米国とカナダ；EU は規制承認待ち	地理的上限なし；事前マッピングキャンペーンなしにどこでも運営可能	ほとんどの市場ではまだ利用不可；各司法管轄区で規制承認が必要
都市あたりの拡張コスト	地理的拡張の増分コストはほぼゼロ——マッピングキャンペーン不要	Tesla は規制承認後、数週間で米国から任意の国へ拡張可能（HD マップ企業は数ヶ月かかる）	ほぼゼロの拡張コストは長期的な構造的優位性
夜間と悪天候	カメラのみ = 暗所・霧・強雨・雪での性能が LiDAR より困難	LiDAR は周囲光の影響を受けない；低視界条件でも測位可能	カメラのみは LiDAR 支持者が最も多く挙げる安全上の懸念
交差点の理解	FSD はカメラのみから信号状態、横断歩道、方向転換の可否を推定しなければならない	人間も同じ条件で視覚のみで運転する；Tesla はこれで十分と主張	複雑な非制御交差点は FSD の重大な課題；介入が頻繁に発生する原因

Tesla のマップレスアプローチは単にリソース上の制約の産物ではない——それは意図的なアーキテクチャ上の賭けだ。一度もトレーニングを受けたことのない都市でカメラのみで測位してナビゲートできるほど堅牢なシステムは、都市固有の事前計算を必要とするシステムよりも汎用性が高く、最終的により拡張性があるという主張だ。フリートデータのフライホイールがこれを強化する：600 万台以上の車両が道路上で継続的に映像を生成しており、Tesla は運営エリア内で遭遇するあらゆる道路タイプ、交差点構成、天候条件からトレーニングデータを蓄積する。

悪天候の制限が最も明確な構造的脆弱性だ。LiDAR ベースの測位を HD マップと融合した場合、暗所、小雨、適度な雪の中でもほぼ影響を受けない——LiDAR が返す反射形状は周囲光に依存せず、マップは車両がマッチングする基準真値を提供する。カメラベースの測位はセンサーの視界に比例して劣化する。強い雨、車線標示を覆う雪、夜明けや夕暮れ時のグレア、そして照明のない農村道路での夜間走行はすべて、FSD の測位が依存する視覚信号の品質を低下させる。

セクション 3 — Mobileye の REM：クラウドソーシング HD マップという代替案

Waymo の専用フリート HD マッピングと Tesla のマップレスアプローチの間に、第三のモデルが存在する：クラウドソーシング HD マッピングであり、Mobileye の Road Experience Management（REM）システムがその最も完全な代表例だ。

指標	Mobileye REM	vs Waymo	vs Tesla
アプローチ	クラウドソーシング HD マッピング：ADAS 搭載車両（世界中で Mobileye センサー搭載 3000 万台以上、推定）が道路観測データを受動的に収集；継続更新される HD マップに集約	Waymo：専用フリートがマップ作成；REM：ADAS 量産フリートが自動マッピング	Tesla：HD マップなし；REM：量産 ADAS フリートを通じて HD マップを維持
カバレッジ	マップ済み道路 80 億 km 以上（Mobileye 開示）；欧州、北米、および拡大中のエリアをカバー	Waymo カバレッジ：商業運営約 5-6 都市；REM：グローバルカバレッジ	Tesla：マップなしだが地理的カバレッジは無限；REM：グローバルマップ
更新頻度	ほぼ継続的：Mobileye 搭載の通過車両がマップを更新	Waymo：商業フリートルートはほぼリアルタイム；REM：REM 車両が通過するたびに更新	Tesla：更新するマップなし；REM：クラウドソーシングによる継続的更新
コストモデル	マップ作成コストが ADAS 市場によって補助：Mobileye は OEM 顧客に EyeQ チップを課金；マップデータは副産物	Waymo はマッピングコストを全額負担；Mobileye は 3000 万台以上に分散	Tesla はマッピングコストを完全に回避
戦略的意味	REM はマップレス以外で最もスケーラブルな HD マップアプローチ；AV 企業がプラットフォームとして採用すれば、Tesla の地理的カバレッジに近いレベルで Waymo レベルの測位を実現できる可能性	Waymo がグローバル HD マップカバレッジを達成するには Mobileye REM と提携またはライセンスが必要	Tesla のマップレスアプローチは構造的に両者と異なったまま

REM の重要な洞察は、HD マップ作成を専用活動ではなく既存の ADAS 量産フリートの通常走行の副産物として扱うと、マップ作成コストがほぼゼロに近づくということだ。Mobileye EyeQ 搭載車両がパリやラゴスを通過すると、追加のインストルメンテーションやコストなしに自動的にグローバル HD マップに貢献する。マップ更新レイテンシは道路セグメントの交通密度に依存する——交通量の多い都市中心部はほぼ継続的に更新される；交通量の少ない農村道路は REM 搭載車両がたまたま通過したときだけ更新される。

セクション 4 — 測位ベンチマーク：精度 vs カバレッジ

AV 測位における中心的なトレードオフは良いアプローチと悪いアプローチの選択ではない——それは異なる最適化ターゲット間の選択だ。Waymo は定義された地理的フットプリント内で最高の測位精度を最適化する。Tesla は十分な測位精度で無限の地理的カバレッジを最適化する。どちらも厳密に優位とは言えない；どちらがより重要かは展開シナリオに依存する。

シナリオ	Waymo（HD マップ）	Tesla FSD（マップレス）	優位
既知都市・晴天・昼間	センチメートル精度；最大安全マージン	デシメートル精度（推定）；良好なパフォーマンス	Waymo（精度）
既知都市・工事区間	マップが古い可能性；信頼度低下；リモートオペレーションが支援する可能性	リアルタイムカメラ推定；視覚的に検出可能な変化に対応	引き分け——両者とも課題あり；失敗モードが異なる
未知都市・事前マッピングなし	運営不可——HD マップなし	即座に運営可能	Tesla（カバレッジ）
夜間走行	LiDAR は暗所の影響を受けない；マップ融合も影響なし	カメラ依存；夜間のパフォーマンス低下（推定）	Waymo（夜間堅牢性）
強雨または雪	LiDAR は降水で部分的に劣化；マップ融合は依然として助けになる	カメラは降水で大きく劣化；測位が低下	Waymo（悪天候）
農村または未舗装道路	マップされていないエリアでは運営不可	舗装された道路ならどこでも試みることができる	Tesla（カバレッジ）
国際展開	国ごとに数年間のマッピングキャンペーンが必要	数週間で拡張——規制承認のみが制約因子	Tesla（スピード）
マップ攻撃面（セキュリティ）	HD マップは高価値の攻撃対象；マップスプーフィングは車両の混乱を招く	攻撃またはスプーフィングするマップがない	Tesla（セキュリティ面）

工事区間のシナリオはより詳しく検討する価値がある。なぜなら、一方が厳密に優れているのではなく、異なるアーキテクチャがどのように異なる失敗をするかを示しているからだ。Waymo のリスクはマップの陳腐化だ——工事区間が車線境界を変更したが HD マップがまだ更新されていない場合、車両は古い車線形状に測位し、新しい物理的レイアウトと矛盾する軌道を計画する可能性がある。Tesla のリスクは視覚的複雑性だ——活発な工事区間には一時的な信号、曖昧な車線標示、交通整理員、そしてカメラ推論システムをトレーニング分布の端に追いやる可能性のある珍しい障害物があることが多い。両社とも複雑な工事シナリオについては運営サポート（リモートアシスタンス、ジオフェンス）に依存している。

セクション 5 — マッピングと測位ベンチマークスコアカード

次元	Waymo	Tesla	優位
測位精度	センチメートル精度（LiDAR-マップ融合）	デシメートル精度（推定）（カメラベース）	Waymo
地理的カバレッジ	商業運営約 5 都市；マップ済み約 10 都市（推定）	米国とカナダ（監視下）；長期的にグローバルの任意の道路	Tesla
都市あたりの拡張スピード	数ヶ月——マッピングキャンペーンが必要	数週間——規制のみ	Tesla
工事区間の対応	マップ陳腐化リスク；リモートオペレーションが支援	リアルタイム視覚推定；異なる失敗モード	引き分け
悪天候耐性	LiDAR は光と天候から独立；マップ融合は堅牢	カメラは雨・雪・夜間で劣化	Waymo
マッピングコスト	都市あたり初回 $1-5M と継続メンテナンス（推定）	ゼロ	Tesla
セキュリティ攻撃面	HD マップは高価値の攻撃対象	マップなし——マップ攻撃面なし	Tesla
長期スケーリング	都市ごとに比例したマッピング投資が必要	新しい地理エリアあたりの限界コストがほぼゼロ	Tesla の決定的優位

スコアカードは、Physical AI ベンチマークシリーズの他のすべての次元における Waymo 対 Tesla のより広い構図を反映した根本的なアーキテクチャの溝を明らかにしている。Waymo は今日の安全マージンと規制上の信頼に最も重要なすべての指標でリードしている：測位精度、悪天候耐性、そして運営設計ドメイン内での予測可能な失敗モード。Tesla は長期的な商業スケールに最も重要なすべての指標でリードしている：地理的リーチ、拡張スピード、マッピングコスト。

長期スケーリングの次元は特に強調する価値がある。AV の展開が最終的にグローバルで数百都市にスケールするとすれば——商業的実行可能性にはこれが必要だ——二つのアプローチ間のマッピングコストの差は新しい地理エリアごとに広がる。Waymo のコストモデルは都市数に対してほぼ線形だ：各新都市はキャンペーン投資を必要とし、経験とともに大幅には低下しない。Tesla のコストモデルは都市レベルの限界コストがほぼゼロだ：唯一の増分作業は道路の複雑さとは無関係な固定行政コストである地域の規制承認を取得することだ。

Mobileye の REM は、Waymo スタイルの HD マップ企業がこのコスト差を大規模に縮小するための最も実行可能なパスを示している：グローバルの ADAS フリートが通常の走行の副産物として HD マップを作成するなら、都市あたりの増分マッピングコストは Waymo の全コストマッピングキャンペーンではなく Mobileye のチップマージンにまで下がる。Waymo が REM 的なクラウドソーシングアプローチを採用またはライセンスするか、それともロボタクシーフリートの密度を通じて独自の同等手法を開発するかは、今後 5 年間で最も決定的な運営上の選択の一つとなるだろう。

測位問題は最終的に、どの制約がより早く緩和するかという賭けに帰結する：Tesla のカメラベースシステムは、ニューラルネットワークの改善とセンサーの多様化によって悪条件下でセンチメートル精度に近づけるか？あるいは Waymo の HD マップカバレッジは——クラウドソーシングまたはロボタクシー密度を通じて——Tesla の精度が追いつく前に Tesla の地理的カバレッジに匹敵するほど拡大できるか？どちらのパスも実行可能であり、どちらも保証されていない。Physical AI ベンチマークのマッピングと測位次元は、この分野で最も重要でありながら最も未解決な問題の一つであり続けている。

注記： 「（推定）」と表記されたすべての数値は、2026 年中頃時点の公開情報、研究論文、アナリスト推計、業界レポートから導出されている。本記事は投資助言を構成しない。