2026-06-18 — views
2026年フィジカルAI歩行者・自転車安全——Waymo多センサーVRU検出対Tesla FSD カメラのみ夜間性能：AVセーフティベンチマーク
WaymoのLIDARは夜間でも正午と同様に歩行者を検出。Tesla FSDはカメラのみでヘッドライトとニューラルネットに依存。夜間VRU安全が主戦場。
フィジカルAIベンチマークシリーズ 第197記事——脆弱な道路利用者の安全
歩行者、自転車利用者、その他の脆弱な道路利用者（VRU）は、自動運転車（AV）設計において最もリスクの高い安全課題です。2トンの自動運転車が時速25マイルで歩行者と衝突した場合、VRUにとってほぼ確実に重篤または致命的な結果をもたらします。このベンチマークの核心にある設計思想の問いは、したがって単なる性能の問題ではなく、安全アーキテクチャの問題です。すなわち、能動的LIDARを用いた多センサーアプローチが、VRU衝突が最も起こりやすい条件——暗闇、雨、遮蔽——において、カメラのみのニューラルネットワークアプローチよりも構造的な安全上の優位性を提供するかどうかです。
Waymoの多センサー融合スタック（LIDAR＋レーダー＋カメラ）とTesla FSD（Full Self-Driving）のカメラのみニューラルネットワークは、2026年における商業規模での二つの主流AVデザイン哲学を代表します。このベンチマークは、5つの次元にわたってVRU検出能力を体系的に比較します：VRUカテゴリーリスク、多センサー対カメラのみ検出、夜間性能（重要な主戦場）、自転車利用者予測、そして総合安全スコアカード。
セクション1——VRU安全が最高リスクのAV課題である理由
VRU——歩行者、自転車利用者、オートバイライダー、子供、車いす利用者、電動キックボードおよび電動自転車のライダー——は交通エコシステムの中で最も脆弱な立場にあります。クラッシャブルゾーン、シートベルト、エアバッグが衝突エネルギーを二つの保護された乗員コンパートメントに分散させる車同士の衝突とは異なり、VRU衝突は人体を2トン車両の全運動エネルギーにさらし、自身には防護構造がありません。時速25マイルにおいて、歩行者への衝撃は時速10マイルの衝撃の約4倍の運動エネルギーを持ちます——この差が傷害が中程度か致命的かを決定します。
AVシステムは困難な条件マトリックス全体でVRUを検出しなければなりません：
- 低環境光： 人間が運転する交通での歩行者死亡事故は夕方から夜間に最高値に達します（NHTSA交通安全データによれば、米国歩行者死亡事故の推定75%は暗い条件で発生します）；どのAVシステムも人間が最も苦手とする条件で、人間ドライバーのVRU検出を上回るか少なくとも匹敵する必要があります
- 悪天候： 雨と霧はカメラの視界を大幅に低下させます；夜間の霧の中で暗い衣服を着たVRUは難しいカメラ検出問題です
- 長距離： 時速45マイル（都市高速道路速度）では、安全な制動に推定50～70メートルの検出距離が必要です；住宅地での時速25マイルでは検出距離の要求は低いですが、反応時間は依然として重要です
- 部分遮蔽： 駐車車両の後ろから出てくる子供は、最初の検出から完全停車まで推定0.5～1.5秒の反応時間しかありません——多くの人間ドライバーの反応時間よりも短い；VRUが検出される前に既知の遮蔽ポイントで予防的に速度を落とすことができるAVシステムは構造的安全上の優位性を持ちます
- 予測不能な行動： 道路に飛び出してボールを追いかける子供、横断歩道の途中で方向を変える酔っぱらった歩行者、突然方向転換する自転車利用者——AVシステムは通常の交通パターンに従わないVRUの行動を予測し、譲歩しなければなりません
VRUカテゴリーとその特定の検出課題：
| VRUカテゴリー | 検出課題 | 速度範囲 | 最も危険なシナリオ |
|---|---|---|---|
| 歩行者（成人） | 直立二足歩行シルエットはVRUカテゴリーで最も明確な検出対象；課題は夜間の暗い衣服 | 歩行：1.2〜1.8メートル/秒 | 夜間に暗い衣服で横断歩道以外を横断 |
| 子供 | 身長が低いためカメラシステムの検出距離が短くなる；より速く/より予測不能な動き | 歩行：1.0〜1.5メートル/秒；走行：3〜5メートル/秒 | 駐車車両の間から道路に走り込む |
| 自転車利用者 | 細いプロファイル、動的な速度と方向の変化、車線との相互作用 | 都市部サイクリング：4〜8メートル/秒 | 障害物を避けるための突然の車線変更；高速での交差点通過 |
| オートバイライダー | レーダー反射断面積が狭い（レーダーにとって最も難しいVRU）；カリフォルニアでの車線分割；高速 | 都市部/高速道路：15〜35メートル/秒 | 車の流れの間での車線分割；急制動 |
| 電動キックボード/電動自転車ライダー | 歩行者より速く、多くは無灯火で、自転車レーンを逆走することも；古いAVモデルでは珍しい分類 | 4〜8メートル/秒 | 無灯火での夜間走行、自転車レーンの逆走 |
| 車いす利用者 | 低いシルエット；歩道が塞がれると車道を移動する場合がある；歩行者より遅い | 0.5〜1.5メートル/秒 | 指定外の場所での横断；歩道が塞がれた車道上での移動 |
VRU安全の規制環境は厳しくなっています：
- NHTSA常設報告令（2021年）： AV事業者および部分自動化システム事業者に対し、NHTSA AV衝突データベースに24時間以内（重大事故）または毎年（軽微事故）に事故を報告することを義務付ける；データベースは公開されています
- カリフォルニア州DMV AV事故報告： すべてのAV事業者に対し、衝突事故のみならず自社AVが関与するすべての事件の報告を義務付ける；カリフォルニアはWaymoとTesla両社のAV運営における主要な規制環境です
- ISO 21448（SOTIF）： 意図した機能の安全性（Safety Of The Intended Functionality）はVRU相互作用を第1ティアテストシナリオカテゴリーとして具体的に目録化しています；SOTIF準拠は規制された市場での商業AV展開の事実上の要件になりつつあります
- EU AV規制（2025〜2026年予定）： VRU保護を第1ティア安全要件として位置付ける；規制草案の文言はVRU密集した都市環境での無人運転操作に特に適用されるセンサー冗長性を強調しています
公衆監視の文脈はリスクを増幅させます：1件のAV/歩行者事件は、同等の人間ドライバー事件と比べて不均衡にメディアに取り上げられます。1件の注目度の高いVRU事件が、規制審査、車両停止、大規模な公衆信頼の損失を引き起こす可能性があります——2023年10月にサンフランシスコでの歩行者衝突後のCruise停止がその例として示されています。VRU安全記録はしたがって安全指標であるのみならず、存亡に関わる商業リスク指標でもあります。
セクション2——WaymoのVRU検出：多センサー融合の優位性
| VRU検出次元 | Waymoのアプローチ | 詳細 | 安全への影響 |
|---|---|---|---|
| LIDARベースのVRU検出（日中・夜間） | 能動センサー：レーザーパルスを発射し、飛行時間を測定；検出精度は環境光に依存しない | LIDARは推定100〜300メートル（推定値）でセンチメートルレベルの空間分解能で歩行者形状の物体（直立二足歩行シルエット）を検出します；暗闇と完全な日光での検出は同じです——LIDARは反射された環境光に依存しません | 夜間LIDARのVRU検出はWaymoの構造的安全優位性です：歩行者死亡事故が最も多い時間帯（深夜/夜間）においても、LIDARは完全な検出能力を維持しますが、カメラベースシステムは最大の性能差に直面します |
| レーダーベースのVRU速度測定 | レーダーは物体のドップラー速度を測定；ゼロ視界の霧の中でも静止物体から移動する歩行者（ドップラーが人間の歩行速度約1.4メートル/秒と一致）を区別します | レーダーはカメラを遮蔽する雨や霧を透過します；LIDARとカメラの視界が低下しても、VRU速度を提供します | サンフランシスコの頻繁な海岸性霧において、レーダーVRU検出は特に価値があります；LIDAR（空間）＋レーダー（速度）＋カメラ（視覚分類）＝3つの独立したVRU検出経路 |
| カメラベースのVRU視覚分類 | カメラは意味的VRU情報を提供します：体の姿勢（こちらを向いているか背を向けているか）、歩行者の意図（スマートフォンを見ているかドライバーとアイコンタクトしているか）、自転車のハンドサイン、子供vs成人の認識、車いす分類 | カメラはLIDARポイントクラウドとレーダードップラーが提供できない行動的コンテキストを提供します：横断歩道でスマートフォンを見ている歩行者と、ドライバーとアイコンタクトしている歩行者は、空間的に同一であっても行動的には異なります | カメラはVRU行動意図レイヤー；LIDARは精密な空間位置レイヤー；レーダーは速度レイヤー；3センサー融合により、信頼性の高い検出と行動予測を同時に実現 |
| 遮蔽処理 | WaymoのHDマップは遮蔽シナリオのコンテキストを提供します：システムは特定の横断歩道の駐車車両が歩行者が出てくる可能性のある部分遮蔽ゾーンを作ることを知っており、VRUが検出される前から予防的に速度を落とします | マップ情報による遮蔽認識により、Waymoはセンサーがまだ歩行者を検出していなくても予防的に速度を落とすことができます——マップから特定の横断歩道の位置で駐車車両の後ろから歩行者が現れる可能性を知っているからです | HDマップ＋LIDAR空間認識＋行動予測＝複数の独立したセーフガードを持つ遮蔽安全システム；駐車車両の後ろから走り出る子供は、どのセンサーにも映る前に予防的な速度低下を引き起こします |
| 自転車利用者とマイクロモビリティ予測 | WaymoはサンフランシスコとフェニックスからのAV商業データから自転車利用者の行動予測モデルを訓練しています；予測は見出し、速度、道路コンテキストに基づいて2〜5秒後の自転車利用者の位置を推定します | 自転車利用者の行動は歩行者の行動よりも予測が難しい（自転車利用者はより速く動き、交通とより動的に相互作用します）；Waymoの予測は複数の都市と年にわたる実際の都市自転車利用者の行動で訓練されています | 実際の商業都市自転車利用者での長い訓練履歴は意味のある優位性です；初期のAVシステムは都市のサイクリングに苦労しました。なぜなら訓練データセットで自転車利用者が過小代表されていたためです |
| 安全記録（VRU） | WaymoのNHTSA SGOとカリフォルニア州DMV事故報告はいくつかの低速事故を示しています；Waymoは2026年中頃までの商業的なドライバーレス運行においてVRUの生命を脅かす怪我や死亡事故がゼロであるとする安全報告を公表しています（公開報告による） | 完全な事故データベースはNHTSA SGOとカリフォルニア州DMVの公開記録で入手可能です；メディアで報じられた事故には、自転車利用者が無傷のまま車両が自転車に接触した事例、および人間ドライバーによる軽微な追突を引き起こした車両の異常停止などが含まれます | 商業ドライバーレス運行におけるWaymoのVRU安全記録は人間ドライバーのベースラインに対して強力です；ただし、Teslaの推定600万台以上に対して車隊規模が小さく（推定2,500台以上、推定週15万回以上の乗車）、統計的比較は絶対数ではなく比率の正規化が必要です |
セクション3——Tesla FSDのカメラのみVRU検出
| VRU検出次元 | Teslaのアプローチ | 詳細 | 安全への影響 |
|---|---|---|---|
| カメラのみVRU検出 | Tesla FSDはVRU検出に完全にカメラのみを使用します（Tesla Visionを搭載した最新のModel 3/YにはLIDARもレーダーもありません）；FSDのニューラルネットワークはすべての照明と天候条件でカメラ入力のみからすべてのVRUカテゴリーを検出しなければなりません | カメラベースのVRU検出は低光条件ではLIDARベースよりも困難です：カメラはVRUと背景の間のコントラストを作るために環境光または能動光源を必要とします；車両のヘッドライトのみで照らされた夜間の暗い衣服を着た歩行者は、日中の同じシーンよりも困難な検出問題です | 夜間VRU検出はカメラのみAVの主要な構造的限界です：推定75%の米国歩行者死亡事故が暗い条件で発生します（NHTSAデータ）；カメラのみのAVシステムはニューラルネットワークとヘッドライトエンジニアリングだけで夜間にLIDAR相当のVRU検出性能を達成しなければなりません |
| エンドツーエンドVRU学習 | TeslaのエンドツーエンドFSDニューラルネットワークは、多様な地理、照明条件、天候にわたる数百万のVRU相互作用シナリオを含む推定60億マイル以上の人間ドライビングの教師データで訓練されています | スケール優位性：Teslaの訓練データは、はるかに大規模な車隊があらゆる道路タイプと時間帯の消費者ドライビングをカバーするため、WaymoよりもVRUシナリオの多様性が比例的に多く含まれています | 訓練データのスケールはVRUシナリオの多様性の優位性です；品質上の限界：VRUシナリオにおける人間ドライバーの行動が常に安全のゴールドスタンダードではありません——訓練データには人間のVRU検出エラーと正しい応答の両方が含まれます |
| 能動ヘッドライトを使用した夜間VRU検出 | Teslaはカメラ検出のために前方の道路を照らすために車両ヘッドライトを使用します；FSDカメラは高感度イメージセンサーで低光性能のために設計されています；夜間FSD性能はニューラルネットワークの各世代で大幅に改善されています | ヘッドライトで照らされたカメラ検出は直前方のヘッドライトコーン内のVRUに対して良好に機能します；周辺部（側道、私道）からアプローチするVRUや複雑な周囲光シナリオには課題が残ります | Teslaの夜間カメラ性能は標準的な自動車カメラよりも大幅に優れています；しかし能動LIDAR照明は高い空間分解能で全方向を同時に照らしますが、ヘッドライトは主に前方コーンを照らします |
| 自転車利用者予測 | FSDは米国消費者車隊全体の自転車利用者に対する人間ドライバーの応答数十億マイルで訓練されています；自転車利用者予測はFSDが消費者展開で強い改善を示した分野です | 消費者FSDユーザーは良い自転車利用者対応と悪い自転車利用者対応の両方を報告しています；Teslaは体系的な自転車利用者相互作用性能データを公表していません | 消費者車隊展開は、FSDがWaymoよりも毎週はるかに多くの自転車利用者シナリオに遭遇することを意味します；この自転車利用者シナリオのスケールの経験は、継続的な再訓練による予測モデル改善の優位性です |
| 既知のFSD VRU制限（報告済み） | NHTSA調査には緊急車両近傍（VRU密集環境）や高速道路工事区域（労働者がVRU）でのFSD動作の調査が含まれます；2023年のFSD v11.xリコールは横断歩道の歩行者行動に関するものでした | 各NHTSAリコール/調査は、FSD動作が不十分と判断されたVRUシナリオを表しています；OTAアップデートが報告された問題を解決しました；しかしカメラのみVRUエッジケースがリコールにつながるパターン対Waymoの多センサー冗長性は、構造的なアーキテクチャの違いです | カメラのみVRU検出は、LIDARが独立した能動センシングで処理するエッジケースに対処するために、ニューラルネットワークの継続的な改善を必要とします |
| 安全記録（VRU、消費者FSD） | TeslaはAV衝突について常設報告令の下でNHTSAに申告します；Teslaの報告は消費者FSD衝突の大多数が追突や車線変更エラーに関係し、VRU衝突ではないことを示しています；VRU固有の比率は公開報告では別途分析されていません | NHTSA SGO衝突データベースは公開されています；VRU固有の分析は衝突タイプでのフィルタリングが必要です；Teslaの消費者車隊は絶対数でより多くの衝突を生成しますが（はるかに多い走行距離）、関連指標はFSD起動100万マイルあたりの衝突です——別途開示されていません | TeslaはFSD起動VRU衝突率を100万マイルあたりで公表していません；この比率がなければ、Waymoのドライバーレスお VRU記録との直接比較は方法論的に有効ではありません |
セクション4——夜間安全：重要なVRU主戦場
夜間は、LIDARベースとカメラのみVRU検出間のアーキテクチャの違いが最大の安全上の影響を持つ場所です。NHTSA歩行者死亡データは、米国歩行者死亡事故の約4分の3が暗い条件で発生することを示しています——夜間の性能をVRU安全の最も重要な一つの次元、単なる多くの次元の一つではなく、として位置付けています。
| 夜間VRU次元 | Waymo LIDARベース | Teslaカメラのみ | なぜ重要か |
|---|---|---|---|
| 基本的な検出メカニズム | LIDARは自身の905nmレーザーパルスを発射します；検出は環境光に依存しません；夜間に黒い衣服を着た歩行者は日中と同じ距離と分解能で検出されます | カメラは反射光（環境の街灯または車両ヘッドライト）を必要とします；低環境光環境では高感度イメージセンサーとセンサーノイズに対するニューラルネットワーク適応が必要です | LIDARの夜間検出は物理的に日中の検出と同じです——性能低下なし；カメラベース検出は夜間に物理的性能の天井に達しますが、LIDARはそれを持ちません |
| 夜間の検出距離（推定） | LIDARは夜間条件で推定100〜200メートル（推定値）で歩行者サイズの物体を検出します；レーダーはより低い空間分解能でさらに遠距離の移動VRUを検出します | 夜間のカメラベース検出距離はヘッドライトの照射距離によって制限されます：ロービームで推定50〜100メートル、ハイビームで推定150〜200メートル（推定値）；ヘッドライトコーン外のVRUははるかに近くになるまで検出されない可能性があります | 時速35マイルでの制動距離は約35メートルが必要です；時速45マイルでは約55メートルが必要です；ヘッドライト距離（特にロービーム）は高い都市速度での突然のVRU出現に対して不十分な場合があります |
| 夜間の部分遮蔽 | LIDARの360度カバレッジは全方向から同時にVRU反射を検出します；側面から路肩に踏み出す歩行者はあらゆる照明条件とあらゆるアプローチ角で検出されます | カメラヘッドライトは主に前方コーンを照らします；側面または後方からアプローチする歩行者はヘッドライトビームに入っておらず、前方弧に入るまで前向きカメラには見えない可能性があります | WaymoのLIDARは360度の夜間VRU検出を提供します；Teslaのヘッドライトで照らされたカメラは主に前方弧をカバーします——構造的な検出ジオメトリの違い |
| 歩行者死亡率の文脈 | NHTSAデータ：人間ドライバーによる歩行者死亡事故は夜遅く/夜間に最高値に達します；暗い条件（街灯なし、またはヘッドライト不十分）が最も危険な歩行者衝突環境です；どのAVシステムもこの最高リスクの照明条件で人間ドライバー性能を超えなければなりません | AVのVRU安全主張は夜間の性能に特に対処しなければなりません——歩行者死亡事故が最も多い時間帯は正確にLIDARがカメラのみシステムに対して最大の構造的性能優位性を持つ時です | これは最も重要な単一のVRU安全次元です：LIDARベースとカメラのみの夜間検出間の差は、最高リスクと低リスクの歩行者衝突時間帯間の差と正確に一致します |
| 天候による性能低下 | 雨と霧は極端な濃度ではLIDARを低下させますが、レーダーは両方の条件を確実に透過します；LIDAR＋レーダー＋カメラの組み合わせは悪天候でも冗長なVRU検出を提供します | 雨と霧はカメラの視界を直接低下させます；大雨は安全な制動に必要な距離で前方カメラに歩行者を隠す場合があります；悪天候で訓練されたニューラルネットワークは性能を向上させますが、降水による物理的な遮光を克服することはできません | センサー冗長性は、主要センサー（LIDAR、カメラ）が天候により低下しても、Waymoがバックアップのリュー検出（レーダー速度）を持つことを意味します；カメラのみには独立した予備センサーがありません |
夜間安全分析は一つの構造的結論に収束します：LIDARの光非依存VRU検出は、歩行者死亡事故が最も多く、カメラベース検出が最大のパフォーマンスペナルティに直面する正確な時間帯（深夜から真夜中）に、性能低下なしで動作します。これは僅差の違いではありません——VRU安全のための最も重要な結果をもたらす運用条件における安全アーキテクチャの違いです。
セクション5——VRU安全ベンチマークスコアカード
| VRU安全次元 | Waymo | Tesla FSD | エッジ | 2028年展望 |
|---|---|---|---|---|
| 夜間VRU検出 | 高：LIDARは光非依存のVRU検出を提供します；夜間対昼間の性能低下なし | 中：カメラベース検出はヘッドライト距離と環境光によって制限されます；ニューラルネットワークエンジニアリングは大幅に緩和しますが、LIDAR物理を匹敵できません | Waymo——最高リスク照明条件での構造的LIDAR優位性 | LIDARコスト削減とカメラニューラルネットワーク改善が継続します；差は縮まりますが、LIDARは2028年まで物理的夜間検出優位性を維持します |
| 多センサーVRU冗長性 | 高：LIDAR（空間）＋レーダー（速度）＋カメラ（視覚分類）＝3つの独立した検出経路；単一センサー故障は他の2つで補われます | 低：カメラのみは単一センサー故障モード（レンズ汚染、グレアアーティファクト、ニューラルネットワークエッジケース）がVRU検出の独立したフォールバックを持ちません | Waymo——3つの独立センサー経路対1つ | レーダー/LIDARのないTeslaにはセンサー冗長性への設計的経路がありません；これは漸進的ではなく根本的な違いです |
| 自転車利用者行動予測 | 高：サンフランシスコとフェニックスの商業ドライバーレス都市自転車利用者データの長年の実績；実際の商業サイクリングシナリオで予測が訓練されています | 高：膨大な自転車利用者シナリオの多様性を含む数十億マイルの人間ドライビング；シナリオ幅のスケール優位性 | ほぼ同等——異なる優位性：Waymo＝ドライバーレスコンテキスト品質；Tesla＝スケール/多様性 | 両社ともより多くのデータで改善します；比較には現在利用できないシナリオ別公開性能指標が必要です |
| 子供とマイクロモビリティ検出 | 強：LIDARは高さや大きさに関係なくすべての物理的物体を検出します；子供は成人と同じ距離で検出可能です；電動キックボードの小さなレーダー反射断面積はLIDARで補われます | 訓練データ依存：子供/マイクロモビリティシナリオで訓練されたニューラルネットワークに依存します；子供の低い身長は遠距離でのカメラベース検出における既知の課題です | Waymo——LIDARのサイズ非依存検出はより低いVRUに対する構造的優位性 | ニューラルネットワーク改善はTeslaを助けます；LIDARのサイズ非依存性は2028年まで根本的なアーキテクチャ優位性として残ります |
| 遮蔽安全 | 強：HDマップはVRUが検出される前から横断歩道での予防的速度低下を提供します；LIDARは遮蔽物周辺の空間的コンテキストを提供します | 標準：FSDは視覚シーンのコンテキストから遮蔽リスクを推論します；既知の遮蔽位置での地図ベースの予防的速度低下なし | Waymo——HDマップ＋LIDARが既知の遮蔽ポイントで積極的な安全マージンを可能にします | TeslaのエンドツーエンドモデルはトレーニングからOcclusion risk推論を学習できます；地図ベースの予防的速度低下はWaymo固有の構造的能力として残ります |
| 規制事故の透明性 | 高：NHTSA SGO＋カリフォルニア州DMV事故報告が公開されています；Waymoは特定の安全指標を含む年次安全報告を公表しています | 中：NHTSA SGO報告が提出されています；VRU固有の衝突率は別途公表されていません；FSD起動衝突率は開示されていません | Waymo——より透明なVRU安全報告により外部検証が可能 | 両社ともVRU固有データに関する規制要件の強化に直面しています；2028年までに義務的なVRU比率開示が実施される可能性が高い |
総合評価： 夜間VRU検出は、多センサー対カメラのみのアーキテクチャの違いが最も明確で重要な安全上の影響を持つ場所です。LIDARの光非依存VRU検出は、人間ドライバーによる歩行者死亡事故が最も多い正確な条件下で作動する能動的安全メカニズムです。Teslaのカメラのみのアプローチは、ニューラルネットワークが夜間に根本的により困難な知覚問題を解決することを要求します——そしてFSDは各バージョンで劇的に改善されてきましたが、カメラのみの夜間検出は根本的なセンサーアーキテクチャの変更なしにはLIDARの物理レベルの夜間検出能力を匹敵することができません。
商業的なドライバーレス運行の大規模展開において、VRU安全の規制環境は多センサー冗長性要件に向けて動いています。EUのAV規制草案と米国NHTSAのAV安全フレームワークはいずれも、完全ドライバーレス（監視なし）AVサービスのためのセンサー冗長性を強調しています。Teslaのカメラのみのアーキテクチャは、監督型消費者FSDとは異なる規制ティアの下で運営される後者ではなく、ドライバーレス展開専用のVRU安全要件が厳しくなるにつれて、規制上の摩擦が増大する可能性があります。現在の規制および安全アーキテクチャの状況では、構造的センサー優位性はWaymoに属します；TeslaのニューラルネットワークのImprovement軌道が2028年までに差を埋めることができるかどうかが、このベンチマークの次の世代にとっての重要な問いです。
出典：NHTSA常設報告令AV衝突データベース（nhtsa.gov）；カリフォルニア州DMV AV事故報告（dmv.ca.gov）；Waymo安全レポート（waymo.com/safety）；NHTSA歩行者安全データ（nhtsa.gov/road-safety/pedestrian-safety）。（推定値）とマークされたすべての数字は、公開情報、規制申告、第三者報告に基づく推定値であり、独立した検証は行われていません。