2026-06-18 👁️ — views

Physical AI 安全記録——AV 事故率 vs 人間ドライバー、究極のベンチマーク

カリフォルニア DMV・NHTSA データと Waymo 安全報告が示す AV 事故率の実態と、これが Physical AI の究極基準である理由。

Physical AI ベンチマークシリーズ 第120回——Physical AI 安全記録：AV 事故率 vs 人間ドライバー、カリフォルニア DMV と NHTSA データが示すもの、そして安全統計が Physical AI の究極ベンチマークである理由

自動運転車（AV）に関するあらゆる商業論点——ユニットエコノミクス、規制承認、ライダー NPS、投資家の評価——は最終的に一つの根本的な問いに行き着く：自動運転車は人間ドライバーより安全か？これは二次的な考慮事項でも、規制上のチェックボックスでもない。業界全体の根幹をなす前提だ。AV が人間より安全であることを証明できなければ、規制の窓は狭まり、保険経済は悪化し、公衆の信頼は崩壊し、投資論点は瓦解する。証明できれば、商業モデルのすべての変数が同時に改善する。安全統計は多くあるベンチマークの一つではない——他のすべてのベンチマークが依拠する基盤だ。

本稿は、公開データを用いて比較安全統計フレームワークを構築する：カリフォルニア DMV 年次介入報告、Waymo 自身の安全報告、NHTSA 事故データ、そして Tesla が NHTSA に提出する四半期安全報告。AV が現在人間の基準に対してどこに立っているか、トレンドラインが何を示しているか、そして安全ベンチマークが構造的にシンプルな「マイルあたり事故数」比較よりはるかに複雑である理由を明らかにする。

第1節——人間ドライバーの基準値

AV の安全データを評価する前に、AV が超えるべき基準値を確立する必要がある。米国の人間ドライバー基準値は NHTSA の年次交通安全統計データベースから算出され、すべての道路タイプ、すべての条件、すべてのドライバー年齢、すべての飲酒/注意散漫状態を網羅する。これは米国ドライビングの全体像——理想的な条件を選別したサブセットではない。

NHTSA による 94% の人的エラーという数値は、AV 安全論拠の核心だ。ほとんどの重大事故が人間の意思決定——飲酒、注意散漫、疲労、判断ミス、速度超過——に起因するなら、人間を制御ループから取り除くシステムは理論的に大半の事故を排除できるはずだ。「理論的に」という言葉は重要だ：AV は人的エラーを排除しながら、新たな故障モードを導入してはならない（センサー障害、ソフトウェアのエッジケース、悪天候、特殊な道路構成）。したがって安全ベンチマークは「平均的な人間より安全」ではなく「平均的な人間より安全、かつ新たな障害カテゴリーを導入しない」だ。

第2節——Waymo 安全データ（開示済み）

Waymo は、十分な走行距離と開示された安全データを持ち、人間の基準値と統計的に意味のある比較が可能な唯一の完全無人商業 AV 事業者だ。2026 年初頭時点で、Waymo は 5,000 万マイル以上の無人商業走行距離を積み重ねている——死亡率と負傷率を比較するのに十分なサンプルサイズだ。

Waymo の 2023 年安全報告でのエアバッグ展開事故ゼロという数値は特に重要だ。エアバッグ展開は高重症度衝突の代理指標——車両自体の安全システムを作動させるほどの衝撃力を持つ事故だ。人間基準値のエアバッグ展開事故率は約 1億マイルあたり 4-5 件（推定）。Waymo が何百万マイルもの都市無人走行でゼロを報告していることは、サンプリングの偶然だけでは説明できない安全性能の差を示している。

第3節——Tesla FSD 安全データ

Tesla の安全データ開示は Waymo とは根本的に異なる。Tesla は NHTSA に四半期安全データを提出し、ウェブサイトに概要統計を公開するが、政府データベースへの包括的な安全報告書は提出していない。重要な区別は、Tesla の FSD システム——商業展開されている「Full Self-Driving」監視モードを含む——は常に人間の安全ドライバーが同乗し介入可能な状態にあることだ。これは監視型自律システムであり、無人システムではない。

Tesla の「4 倍安全」という主張の背後にある方法論的議論は本物で重要だ。Autopilot は主に高速道路や管理されたアクセス道路で有効化されるが、これらは本質的に低事故率の環境だ。比較のためには道路タイプと運転環境を制御することが不可欠だが、Tesla の公開統計はこれを十分に考慮していない。緊急車両への衝突事故に関する NHTSA 調査は、特定の故障モードを明らかにしている：車道上の静止物体（特に複雑な背景に対して特異な視覚特徴を持つもの）の検出と回避の問題だ。

第4節——なぜ安全統計が Physical AI の究極ベンチマークなのか

安全統計は AV 商業モデルにおいて独自の位置を占めている：規制の関門、投資家信頼シグナル、保険価格決定のインプット、公衆信頼のドライバー、そしてコア技術論拠の主要検証、これらすべてを同時に担う。

2023 年 10 月の Cruise 事件は業界全体の規制リスクテンプレートを確立したため、特に注目に値する。サンフランシスコで無人運転中の GM Cruise ロボタクシーが、別の車両に轢かれて Cruise の進路に弾き飛ばされた歩行者と衝突した。Cruise 車両はその後路肩に停車——標準的な事故後の行動——その際に歩行者を約 20 フィート引きずった。カリフォルニア DMV は数週間以内に無人許可証を停止した。調査で Cruise が規制当局に事故を完全に開示していなかったことが判明し、GM は 2023 年末までに Cruise 事業全体を閉鎖した。数十億ドルの投資、大規模なサンフランシスコの車隊、数年間の商業運営経験——これらすべてが一つの重大事故から数ヶ月で消えた。

第5節——安全ベンチマークスコアカード：Waymo vs Tesla vs 人間の基準値

トレンドラインは絶対値と同様に重要だ。Waymo の安全指標は走行距離の蓄積とともに改善する——より多くの走行距離がより多くのトレーニングデータを生成し、モデルが改善され、安全パフォーマンスが改善する。この複利ダイナミクスは、今日の比較が 5,000 万マイルに対する 5 億マイルでの Waymo の安全上の優位性を過小評価していることを意味する。

第6節——「証明可能な人間超え」への道筋

統計的課題は、稀なイベント——死亡事故——が信頼を確立するのに膨大なサンプルサイズを必要とすることだ。米国の人間ドライバー死亡率は 1億マイルあたり約 1.37 件（NHTSA 2022）。AV システムの死亡率がこの水準を下回ることを統計的有意性をもって証明するには、人間の基準値での期待死者数が少なくとも数件になるだけの走行距離が必要だ。1 億マイルでは、人間の基準値での期待死者数は約 1.37 件——AV の比率が低いのかただ運が良いのかを結論づけるには統計的検出力が不足する。5 億マイルではより明確になる。10 億マイルでは統計的に堅牢な比較が可能だ。

Waymo の 5,000 万マイル以上の無人走行距離は、負傷事故率の比較が統計的に意味を持ち始める領域に近づいているが、死亡率の比較はまだサンプルサイズによって制限される。無人運転での死亡者ゼロという記録は肯定的なシグナルだが、より低い死亡率の統計的証明ではまだない——「システムが劇的に安全」と「システムがわずかに安全でまだ死亡の抽選を引いていない」の両方と整合する。5 億マイルでゼロ死亡なら後者の解釈は非常に考えにくくなる。2026 年半ばの業界の軌跡は、Waymo の都市無人運営の安全証明が 2-4 年以内に完成することを示唆している。

注記： 「（推定）」と表示されたすべての数値は、2026 年半ば時点で公開されている規制提出書類、会社発表、安全報告書、業界推定値から得られたものです。本稿は投資や法律上のアドバイスを構成しません。

ソース

• NHTSA 2022年交通安全統計 — NHTSA ↗
• Waymo 2023年安全レポート — Waymo ↗
• Tesla 四半期安全レポート — Tesla ↗
• カリフォルニア DMV 自動運転車テスト年次報告 — California DMV ↗
• NHTSA 自動運転システム調査 — NHTSA ↗

タグ