2026-06-18 — views

フィジカル AI マッピング技術 2026 — Waymo HD 事前地図 vs Tesla 地図なしエンドツーエンド FSD：AV ナビゲーションアーキテクチャベンチマーク

Waymoは展開前に全道路をセンチメートル精度でマッピング。Tesla FSDはHD地図なしで走行。一方は明示的知識、他方は学習能力に賭ける。

フィジカル AI ベンチマークシリーズ第196回：フィジカル AI マッピング技術 2026 — Waymo HD 事前地図 vs Tesla 地図なしエンドツーエンド FSD

自動運転における最も重大な技術的分岐は、乗客には見えないところにある：車両は事前に構築されたセンチメートル精度の地図を参照することで自分の位置を知るのか、それともカメラ映像からリアルタイムで道路形状を推論するニューラルネットワークによるのか？WaymoとTeslaは正反対の賭けをしている。Waymoは商業乗車サービスが始まる前に、専用マッピング車両を使って全商業ルートを詳細にマッピングする。Tesla FSD v12+はHD地図を一切使わず、エンドツーエンドのニューラルネットワークがリアルタイムのカメラ入力だけでナビゲートする。このアーキテクチャ上の選択は、地理的スケーラビリティ、エッジケースの信頼性、運用コスト構造、そして両社の自動運転プラットフォームの長期的競争ポジションに深く影響する。

第1節：マッピングアーキテクチャの分岐——HD 事前地図 vs リアルタイム地図なしナビゲーション

AV業界では2つの主要なマッピングアーキテクチャが確立されており、それぞれが「車両が走行する前に何を知るべきか」という問いに対して根本的に異なる答えを示している。

アーキテクチャ1：HD地図ベース（Waymo、Cruise、Mobileye、Baidu）。 マッピング車両が商業車両の運営前に全商業ルートを複数回走行し、センチメートル精度の3D地図を生成する。その地図は以下を網羅する：車線境界の位置と幅；信号機の位置（各信号ヘッドの正確な3D座標）；停止線と横断歩道の位置；路面の詳細（勾配変化、スピードバンプ、踏切）；標識の位置；交差点のトポロジーと合流・分岐点；駐車場の幾何学的構造。商業車両はこのマッピングエリアで動作する際、LIDARセンサーでリアルタイムの3D点群を生成し、事前構築HD地図と照合して精確な位置を特定する。これにより、GPS単体（推定1〜3メートル誤差）では不可能なセンチメートル級の位置精度が実現する。HD地図は「事前知識」だ：車両は信号機が視認できる前からその位置を知っており、カーブに入る前に正確な曲率を知っており、横断歩道の位置を事前に把握している。この事前知識はリアルタイムの認識負荷を大幅に軽減する。

アーキテクチャ2：地図なしエンドツーエンド（Tesla FSD v12+、一部中国AVスタートアップ）。 事前構築HD地図は存在しない。車両はリアルタイムのセンサーデータのみでナビゲートする。TeslaのエンドツーエンドニューラルネットワークはカメラのRAWピクセルから直接走行指令（ステアリング角、アクセル、ブレーキ）を出力し、事前地図の参照は一切ない。このネットワークは数十億マイルの人間の運転データで訓練することで、暗黙的な「世界モデル」を内在化している——明示的な地図なしに視覚パターンから道路形状、信号位置、車線境界を推論するよう学習している。標準精細度（SD）ナビゲーションデータ（Google MapsやApple Mapsと同じ道路センターライングラフ）はマクロレベルのルート案内を提供するが、車線レベルの形状やセンチメートル精度の位置は提供しない。全てのリアルタイム道路理解はカメラ入力を処理するニューラルネットワークによる。

主なトレードオフ。 HD地図はスケールが遅い——各新エリアでの展開前に数週間から数ヶ月のマッピング作業が必要——だが安全上重要な事前知識を提供し、車両が地図と現実の不一致を検出した際の明示的なフォールバックがある。地図なしシステムは即座にスケールできる（事前マッピング不要；カメラが認識できるエリアなら規制承認後すぐに展開可能）が、全てのエッジケースをリアルタイムの認識だけで処理しなければならず、同等のフォールバックがない。

第2節：Waymo の HD マッピングインフラ

マッピング次元	Waymoのアプローチ	詳細	運用上の影響
HD地図作成プロセス	Waymoのマッピング車両（商業車両と同一のフルセンサースイートを装備）がサービス開始前に全商業ルートを複数回走行；生成されるHD地図は車線境界、縁石、信号機、停止線、横断歩道について推定1〜5cm精度	新都市でのマッピングには商業サービス開始前に数週間から数ヶ月の作業が必要；サンフランシスコはWaymo One開始前に数ヶ月の事前マッピングが必要だった；アトランタも同様のプロセスが必要	マッピングがWaymoの都市展開タイムラインにおける主要な時間制約；アトランタのスケジュールは商業サービス開始前のHD地図完成に部分的に依存
HD地図の範囲と詳細	車線レベルの形状：正確な車線境界位置、幅、合流・分岐点；信号機位置：各信号ヘッドの正確な3D座標；停止線と横断歩道；路面：勾配変化、スピードバンプ、踏切；標識位置；駐車場トポロジー	商業サービスゾーンの完全なHD地図は道路区間ごとに推定数百万の3D点を含む；圧縮3D点群と構造化セマンティックオーバーレイとして保存	地図のフリートへの配布はエンジニアリング上非自明な課題；道路工事、新設信号機、車線変更後に地図を最新状態に保つ必要がある
リアルタイム地図位置特定	Waymo車両はLIDARでリアルタイム3D点群を生成；位置特定アルゴリズムがこれをHD地図と照合して精確な位置を決定；GPS単体では精度不足（推定1〜3メートル）；LIDAR対地図照合は推定センチメートル級精度を実現	LIDARはHD地図位置特定に不可欠：センチメートル精度の3D計測が事前地図との照合に必要な忠実度を提供；レーダーとカメラが補助的な位置特定データを提供	HD地図位置特定こそがWaymoのLIDARが物体検出だけでなく主要な位置特定センサーである理由；LIDARを除去すると認識スタックだけでなく位置特定パイプライン全体の再構築が必要
地図のメンテナンスと更新	HD地図は継続的なメンテナンスが必要：道路工事が車線境界を変える；新しい信号機が設置される；Waymoは地図更新パイプラインを維持：マッピング車両が定期的に商業ルートを再走行；重要な変更は素早く更新	HD地図の最終更新後に変化した道路区間に遭遇した商業Waymo車両は「地図/現実の不一致」を経験し、減速してROC（遠隔操作センター）に指示を要請する	地図の陳腐化は実際の運用リスク；都市での道路変化の頻度が高いほど（フェニックスよりサンフランシスコ）更新頻度が増す
地図ベースの認識誘導	WaymoはHD地図から全信号機の正確な位置を知っているため、認識システムはシーン内で信号機を探す必要なく信号機の現在の状態（赤/黄/緑）に集中できる；横断歩道の位置も事前にわかるため、行人を視覚的に検出する前に注意を向けられる	地図知識による「誘導された注意力」はリアルタイム認識の計算負荷を下げ、信頼性を向上させる；地図は注意の事前情報として機能し、認識システムにどこを見るかを伝える	複数の信号機、横断歩道、交差点がある複雑な都市環境では、地図ベースの注意誘導は重要な安全上の優位性
地理的カバレッジの制限	WaymoはHD地図が完成したエリアでのみ商業無人運転サービスを提供できる；新都市への展開や既存都市のサービスエリア拡大にはまず地図作成の完了が必要	カバレッジの境界拡大は地図に依存；Waymoのサービスエリアは常に完成したHD地図の範囲と一致	HD地図の制約がWaymoの主要なスケーラビリティの上限；新地点への展開前に必ず数週間〜数ヶ月のマッピングが必要；これがTeslaの地図なしアプローチが地理的スケーラビリティで優位な構造的理由

第3節：Tesla の地図なしエンドツーエンド FSD アーキテクチャ

マッピング次元	Teslaのアプローチ	詳細	運用上の影響
HD地図への非依存	Tesla FSD v12+は事前構築HD地図なしで動作；リアルタイムのカメラ入力を数十億マイルの人間の運転データで訓練されたエンドツーエンドニューラルネットワークで処理してナビゲート	HD地図なしでは、FSDはカメラが現在見えているものだけから車線境界、信号位置、横断歩道位置、道路形状を判断しなければならない	地理的事前マッピング不要は即時の地理的スケーラビリティを意味する；Teslaはマッピング車両なしで新都市・新国家でFSD運用を開始できる
ナビゲーションデータソース	TeslaはルートプランニングにSD（標準精細度）ナビゲーション地図データ（Google MapsやApple Mapsと同じ道路中心線グラフ）を使用——HD地図ではない	SDナビゲーションデータはマクロレベルで道路の方向を伝えるが、車線レベルの形状、正確な信号位置、センチメートル精度の縁石位置は提供しない	SDナビゲーション＋リアルタイムカメラがTeslaのマッピングスタックを構成；Waymoよりずっと少ない事前マッピング作業、しかし走行時点での事前知識も大幅に少ない
エンドツーエンドニューラルネット	Tesla FSD v12+はエンドツーエンドニューラルネット：生のカメラピクセルから走行指令（ステアリング角、アクセル、ブレーキ）を出力；車線位置・信号位置・道路曲率についての中間的な推論はネットワーク内部で行われる	人間の運転データでのエンドツーエンド訓練によりFSDは例から運転の暗黙ルールを学習；利点：新しい状況への汎化能力が高い；欠点：解釈可能性が低い	Teslaの600万台以上のフリートがエンドツーエンドモデルのための膨大な訓練データを生成；より多くの訓練データがより良い暗黙的世界モデルに、つまりより良い地図なしナビゲーションにつながる
地理的スケーラビリティ	FSDはカメラが十分な視覚品質で認識できる場所ならどこでも動作できる；事前マッピング不要；FSDは米国数十州、カナダ、中国、欧州各国で都市特有の事前マッピングなしにデモされた	地理的スケーラビリティはTeslaのマッピングアーキテクチャの最大の優位性；Teslaの消費者車両がある新しい国や都市は自動的に潜在的なFSD展開エリアになる	Robotaxiの展開パスへの影響は大きい：規制承認が得られればTeslaはマイアミ、ナッシュビル、シカゴへの同時サービス開始を発表できる；Waymoは商業サービス開始前に各都市を先にマッピングしなければならない
新規環境への対応	FSDは事前地図という安全網なしで新規環境（訓練中に走行されなかった道路、異常な交差点形状、工事ゾーン）を処理しなければならない	新規環境では、FSDのニューラルネットワークは訓練からのパターン認識に完全に依存；新規環境が訓練データと十分に異なれば、FSDの性能が低下する可能性がある；Waymoの地図は新規環境を地図/現実の不一致として検出し、保守的なフォールバック動作を引き起こす	これが核心的な信頼性のトレードオフ：Waymoの地図はフォールバックを提供するが、TeslaのFSDには新規環境検出の同等のフォールバックがない
暗黙的世界モデル vs 明示的地図	FSDは訓練から暗黙的「世界モデル」を内在化：車線標示の見た目、信号機の位置関係、交差点の構造を数十億マイルの訓練データから学習	この暗黙的知識はニューラルネットワークの重みに分散して保存される；WaymoのHD地図のような明示的な構造化データベースではないため、特定の場所の検査、更新、デバッグが困難	暗黙的世界モデルは強力だが不透明；WaymoのHD地図はエンジニアが特定の交差点についての車両の「知識」を正確に検査できる

第4節：スケーラビリティ vs 信頼性——マッピングアーキテクチャのトレードオフ

次元	HD地図アプローチ（Waymo）	地図なしアプローチ（Tesla FSD）	戦略的影響
地理的スケーラビリティ	低：各新エリアで展開前に数週間または数ヶ月の事前マッピングが必要	高：カメラが認識できるエリアなら規制承認後に即展開可能	Teslaの地図なしアプローチには構造的スケーラビリティ優位性；Waymoのマッピングボトルネックが展開ペースを制限
新規環境の信頼性	高い：地図/現実の不一致検出がフォールバックを提供；車両は何が期待されるかを「知っている」	低い：新規環境をリアルタイムの認識だけで処理しなければならない；明示的なフォールバックがない	Waymoはマッピングされたエリアで信頼性が高い；Teslaは真の新規環境で信頼性が低下する可能性
継続的なメンテナンスコスト	高い：継続的な更新が必要；道路変化による陳腐化リスク；マッピング車両が定期的に商業ルートを再走行する必要	ゼロ：メンテナンスすべき地図がない；FSDソフトウェア更新が地図更新を置き換える	Teslaはマッピング運用コストで構造的優位性：地図メンテナンスフリート不要、地図更新パイプライン不要、地図陳腐化リスクなし
地政学的データリスク	高い：中国では高精度地図データが国内に留まることが要求される；EUはセンチメートル精度の道路形状データに対してデータ主権の観点がある	低い：地図なしアプローチはHD地図データ主権の問題を回避：保存・共有・保護が必要なセンチメートル精度の道路データベースがない	Teslaの地図なしアプローチは地政学的データリスクが低い；HD地図データ主権法が厳格な地域での国際展開において重要
実行時の計算要件	一部では低い（地図が事前知識を提供し、リアルタイム推論負荷を軽減）が、地図の配布と位置特定計算が必要	リアルタイム推論負荷が高い（事前知識なしにカメラからすべての道路構造を推論）が、地図配布や位置特定計算は不要	混合：Waymoは一部の計算を地図にオフロード；Teslaはより多くのリアルタイム推論が必要だが地図インフラのオーバーヘッドがない
訓練データへの依存性	低い：地図が訓練データが暗黙的にエンコードする必要がある明示的知識を提供	高い：すべての道路知識は訓練から来る必要がある；データが多いほど暗黙的世界モデルが良くなる	Teslaの600万台以上のフリートがこの訓練データ要件を規模で満たしている
地理的カバレッジの更新サイクル	長い：1都市を追加するには数週間〜数ヶ月のマッピング、検証、商業開始が必要	短い：1都市を追加するには規制承認とFSDソフトウェア検証（マッピング段階なし）が必要	規制承認が得られれば、Teslaは地理的カバレッジをWaymoより劇的に速く拡大できる

第5節：マッピング技術ベンチマークスコアカード

マッピング次元	Waymo	Tesla	優位	2028年の展望
地理的スケーラビリティ	低：地図制約の展開；新都市ごとに数週間〜数ヶ月	高：規制制約の展開；マッピング段階なし	Tesla（決定的）	Robotaxi展開が進むにつれTeslaの地理的スケーラビリティ優位性が拡大；Waymoはマッピングペースに制約
マッピングエリアでの信頼性	高：HD地図が事前知識プラス新規検出フォールバックを提供	中程度：事前知識フォールバックなし；リアルタイム認識に完全依存	Waymo（マッピングエリア内）	WaymoはマッピングエリアでFSDニューラルネットワークが向上するにつれてギャップが縮小するが、信頼性優位性を維持
地図メンテナンス負担	高い：継続的コスト；陳腐化リスク；道路変化後の再マッピングが必要	ゼロ：維持すべき地図なし；FSD更新が地図更新を置き換え	Tesla（ゼロメンテナンス負担）	Teslaのゼロメンテナンス負担優位性はアーキテクチャにより永続的
国際データ主権	困難：センチメートル精度HD地図データは中国、インド、EUでデータ主権の問題を生む	簡単：ローカライズや規制対応が不要なHD地図データベースがない	Tesla（データ主権リスクが低い）	AV国際展開が進むにつれ重要性が増す
訓練データ活用	限定的：推定2,500台の商業車両がデータを生成；地図がデータ劣位を補う	高い：600万台以上の消費者フリートが継続的に訓練データを生成；暗黙的世界モデルが走行マイルごとに向上	Tesla（訓練データフライホイール）	Teslaのデータフライホイール優位性は構造的でフリート規模とともに拡大
エッジケースのセーフティネット	地図/現実の不一致検出が明示的なエッジケースフォールバックを提供	明示的フォールバックなし；エンドツーエンドネットワークが認識から全エッジケースを処理しなければならない	Waymo（明示的セーフティネット）	FSDの暗黙的世界モデルの向上に伴いギャップが縮小；真のエッジケースは依然Waymoの構造的優位性

総合評価。 マッピングアーキテクチャの分岐は、WaymoとTeslaがAVスケーラビリティへの道で正反対の賭けをしている最も明確な例だ。Waymoは明示的な事前知識に賭けた：HD地図プラスLIDARによる位置特定が、マッピングされたエリアでのマイルあたりの信頼性を高める。Teslaは暗黙的な学習知識に賭けた：エンドツーエンドのニューラルネットワークプラス訓練データが、マッピング制約なしの地理的スケーラビリティを生み出す。両方の賭けに根拠がある。Waymoのアプローチはマッピングされたエリアで世界最も信頼できる商業無人運転を実現した。Teslaのアプローチは世界で最も地理的に広範な監視付きAVシステムを実現した。2028年の問いは、FSDの暗黙的世界モデルがエッジケースにおいてWaymoの明示的地図の信頼性に匹敵できるかどうかだ。できれば、Teslaのスケーラビリティ優位性が決定的になる。できなければ、Waymoの都市ごとの信頼性優位性がTeslaの地理的リーチよりも商業的に価値があるかもしれない。

このシリーズについて

本稿はフィジカル AI ベンチマークシリーズの第196回です。これまでの回では、ランプ指数、ヒューマノイド5社レース、規制、資本、計算、センサー、ユニット経済、グローバル競争、HDマッピング、フリート運用、ソフトウェアアーキテクチャ、保険と責任、消費者需要、パートナーシップ、競争優位性、安全データ、Waymo Gen 6、Optimusの製造、スコアカードスナップショット、2030年予測、投資家フレームワーク総合分析、都市別展開分析、データプライバシーとサイバーセキュリティ、悪天候耐性、緊急対応、国際展開、競合他社状況、消費者満足度、プラットフォームライセンス、センサーサプライチェーンをカバーしてきました。本稿は、両社が2028年以降に行うすべての地理的展開の意思決定の根底にあるマッピングアーキテクチャの基盤を確立します。