2026-06-18 — views

フィジカルAIセンサー — WaymoライダーとカメラとレーダーフュージョンvsTesla純視覚FSD：知覚ハードウェアベンチマーク2026

Waymoはライダー・カメラ・レーダーを融合し冗長な3D知覚を実現。Teslaはカメラのみ——車両1台あたり10〜30倍安価——AIがカメラの弱点を補えるとの賭けだ。

概要

センサースタックは自動運転車設計において最も根本的なハードウェアの決断だ。Waymoはライダー（lidar）・カメラ・レーダーの3種類のセンサーを融合し、冗長性を持つ知覚システムを構築する。Teslaはカメラのみを使用する純視覚方式を採用し、AIが十分に強力であればライダーは高価な補助輪に過ぎないと主張する。この議論は車両コスト・悪天候下での知覚信頼性・センサーデータ処理に必要なAIの種類に対して重大な意味を持つ。本記事はフィジカルAIベンチマークシリーズ第168回だ。

セクション1 — Waymoのセンサースイート：ライダー + カメラ + レーダー融合

Waymo Gen 6車両は互いの弱点を補い合う3種類の相補的なセンシングモダリティを搭載し、単一障害点のない知覚システムを構築している。

センサー次元	Waymo詳細	戦略的意義
ライダー（主要測距センサー）	Waymo Gen 6は自社開発ライダーを使用；lidarはレーザーパルスを発射し飛行時間を計測して精密な3Dポイントクラウドを生成；射程200m以上（推定）；暗闇とほとんどの気象条件下で動作	Lidarはカメラに匹敵できないセンチメートル精度の3D形状を提供；薄暗い光の中の50m先の歩行者も、カメラのコントラストが低くてもlidarは明確に検出
自社開発ライダー	WaymoはGoogle SDCプロジェクト以来自社lidarを開発；複数世代の自社ライダー（Honeybee・Laser Bear Honeybeeなど）；Gen 5からGen 6で大幅なコスト削減	自社lidarは商用lidar購入より大幅にコストを削減；Waymo自社lidarは商用代替品より安価かつ高性能
カメラアレイ	Gen 6は360度視覚カバレッジを提供する多眼カメラアレイを使用；カメラはlidarが提供できない色・テクスチャ・意味情報（標識・信号・車線）を取得	カメラとlidarは相補的：lidarは深度と形状を提供し、カメラは意味と色を提供；融合知覚は単体センサーより優れる
レーダー	短距離・長距離レーダーはドップラー効果で近隣物体の速度を計測；レーダーは豪雨・濃霧・粉塵の中でもlidarとカメラが劣化する状況で動作	レーダーの速度計測は悪天候で不可欠：豪雨中lidarポイントクラウドはノイズが増加；濃霧中カメラはコントラストを失う；レーダーは両方を突破
センサー融合	Waymoの知覚システムはセンサーレベルと物体レベルの両方でlidar・カメラ・レーダーデータを融合；融合表現は単体センサーより豊かで信頼性が高い	センサー融合は冗長性を提供：1つのセンサーが劣化しても（濡れたlidarレンズ・カメラへの太陽光グレア）他のセンサーが知覚品質を維持
センサーコスト（Gen 6）	WaymoはGen 5からGen 6での大幅なコスト削減を発表；Gen 6正確コストは非公開；業界推定では完全なlidar+カメラ+レーダースイートは車両1台あたり推定5千〜1.5万ドル（推定）	車両1台5千ドルでも、センサーコストは重大な製造コスト項目；Teslaのカメラのみのアプローチはこれを完全に排除——8カメラFSDアレイは推定200〜500ドル（推定）
センサー評価	Waymoの多センサーアプローチは工学的に安全な選択だ：センシングモダリティが多いほど冗長性が高く、あらゆる条件での知覚が信頼できる。コスト面のペナルティは現実的で大きい。核心的な問いは、この冗長性が商業AV安全に必要かどうか、あるいはカメラとAIがはるかに低コストで同じ信頼性を達成できるかどうかだ——それがTeslaの賭けだ。

セクション2 — Teslaのセンサースイート：純視覚（カメラのみ）

Tesla HW4プラットフォームは9台のカメラを使用し、lidarもレーダーも搭載しない。賭けは、十分なカメラデータで訓練されたAIがlidarベースの知覚に匹敵するか超えられるというものだ。

センサー次元	Tesla詳細	戦略的意義
カメラアレイ（HW4）	Tesla HW4は9台のカメラ（8台サラウンド+1台長距離前方）；360度カバレッジ；HW3より解像度向上；Tesla自社製FSDコンピュータで処理	9台のカメラが完全な空間カバレッジを提供；FSDコンピュータはすべてのカメラストリームを同時処理し単一ニューラルネットワーク出力を生成
TeslaがlidarとレーダーをなぜやめたのかA	マスクはlidarが「松葉杖」であり、カメラとAIが十分良くなれば不要になると主張；人間は2つの目（カメラ）で運転しlidarに頼らない；lidarはコストと複雑さを増すが、大規模な安全性を根本的に改善しない；Teslaは2021〜2022年にほとんどのモデルからレーダーを廃止	純視覚の賭けは特定の仮説に基づく：十分なカメラデータで訓練されたAIはlidarベースの知覚に匹敵または超えられる；この仮説は完全無人商業スケールでは未証明
「AIがセンサー限界を補う」という主張	Teslaの立場：lidarは各センシング問題を単純なアルゴリズムで簡単にする；カメラは問題を難しくするが強力なAIが解決できる；Teslaのスケールでカメラデータで訓練されたAIはHDマップ依存のlidarシステムより汎化能力が高い	これは一貫した技術的主張だ：AIが十分良ければカメラで足りるかもしれない；問いはすべての気象・照明条件で完全無人運転に「十分良い」AIが既に存在するかどうかだ
純視覚の限界	カメラが苦手な状況：豪雨（レンズ上の水）・雪（ホワイトアウト）・直射日光グレア（センサー飽和）・ヘッドライト範囲を超える完全な暗闇；純カメラシステムは霧中でのレーダー速度計測後退も低コントラストでのlidar 3D形状後退も持たない	これらの限界は仮説ではなく文書化された失敗モード；問いはAV運用ドメインでこれらの条件がどのくらい頻繁に発生するか、そしてAIがセンサー劣化を確実に検出・対応できるかどうかだ
HW4ハードウェア仕様	Tesla FSDコンピュータ（HW4）：AI推論チップ2個、各推定144 TOPS（推定）；9路カメラストリームを同時処理；エンドツーエンドニューラルネットワーク推論向け最適化	9路カメラストリームのリアルタイム処理に十分な推論算力；この特定ワークロード向けに最適化された自社シリコン
占有ネットワークアプローチ	FSD v12はカメラ画像のみから3D空間の占有を予測する占有ネットワークを使用；これはlidarポイントクラウドのニューラルネットワーク代替	カメラからの占有ネットワークは印象的だが、遠距離でのlidarポイントクラウドよりも空間精度が低い；80m先の歩行者は占有ネットワークではlidarより精度が低い可能性
純視覚評価	AIが十分良ければ、Teslaの純視覚の賭けはコスト最適な選択だ：カメラは安価・豊富・継続的に向上；lidarは高価でメンテナンス負担を増す。Teslaのスケールでlidar融合の知覚信頼性を達成できれば賭けは成功。気象・照明条件がlidarなら防げた事故を引き起こし続ければ失敗だ。

セクション3 — センサー議論：技術分析

技術次元	ライダー+カメラ+レーダー（Waymo）	純視覚（Tesla）	現在の証拠
3D測距精度	Lidar：200mでセンチメートル精度（推定）；直接計測	カメラ占有ネットワーク：80m以上でメートル精度（推定）；2D画像から推定	Lidarが3D精度で決定的優位；高速・長距離で最も重要
夜間性能	Lidarは完全な暗闇で動作；カメラはヘッドライト照明が必要；レーダーは暗闇で動作	純カメラはヘッドライト範囲に依存；ヘッドライト範囲内では良好；暗闇の長距離で劣化	ライダー+カメラ+レーダー：遠距離の低照度で決定的優位
悪天候（雨/霧/雪）	Lidarは豪雨で劣化（水滴リターン）；カメラは霧で劣化；レーダーは両方を突破；センサー融合が性能を維持	カメラは豪雨と濃霧で劣化；レーダー後退なし；悪天候に脆弱	ライダー+カメラ+レーダー：レーダー後退により悪天候で決定的優位
信号機・標識認識	カメラは意味（標識テキスト・信号色）を得意とする；lidarはテキストや色を認識不可	カメラ：意味能力が強い；融合と同等の優位	同等——双方ともカメラで意味を処理
車両あたりセンサーコスト	ライダー+カメラ+レーダー：推定5千〜1.5万ドル（推定）	純カメラ：推定200〜500ドル（推定）	Teslaがセンサーコストで決定的優位、推定10〜30倍安価
メンテナンス複雑性	センサーが多いほど保守ポイントが増える；lidarレンズは清潔に保つ必要；センシングモダリティ間のキャリブレーションが必要	自動清掃機能付き9台カメラ；より簡単なメンテナンス；故障率が低い	Teslaがメンテナンス簡便性で決定的優位
地図依存	WaymoのlidarはHDマップ整合を可能にする；lidarポイントクラウドはHDマップ特徴と照合して測位	TeslaのマップレスFSDはリアルタイム測位にカメラを使用；HDマップ不要	Teslaが地図依存で決定的優位（依存なし）
AI訓練データ	lidarポイントクラウドとカメラ画像には異なる訓練データが必要；各モダリティに別個のデータパイプライン	カメラが唯一のモダリティ；シンプルなデータパイプライン；Teslaの60億マイル全マイルが訓練に直接使用可能	Teslaが訓練データ均質性で決定的優位

セクション4 — センサー選択がスケールとコストに意味すること

スケール次元	Waymo多センサー	Tesla純視覚	意味
車両製造コスト	センサースイートが車両1台あたり推定5千〜1.5万ドル追加（推定）	センサーコスト推定200〜500ドル（推定）；10〜30倍低い	10万台Cybercabで、TeslaはWaymoアプローチと比べ推定5億〜15億ドルのセンサーコストを節約（推定）
車隊更新サイクル	Lidarセンサーは劣化で交換が必要；Gen 5からGen 6への移行は車両全体の交換が必要	カメラは劣化するが交換は安価；センサーアップグレードは車両交換でなくHW4チップ交換	Teslaの低センサーコストが車隊更新費用を削減
都市展開	各新都市はlidarベースのHDマップ生成（数週間〜数ヶ月のマッピング走行）が必要；都市ごとの立ち上げコストと期間が増加	HDマッピング不要；OTA FSD更新が新地理をカバー	Teslaが都市展開速度とコストで決定的優位
消費者車両統合	Waymoは消費者向け車両を販売しない；センサースイートは純粋に商業車隊コスト	HW4搭載のすべての消費者向けTeslaは既にセンサーハードウェアを搭載；消費者からロボタクシーへの転換に追加センサーコストなし	TeslaのセンサーをC消費者向け車両に統合した構造的優位は独自
サプライチェーン	自社lidarサプライチェーンは専門メーカーが必要；地政学的・供給リスク	カメラはグローバルに大規模製造される汎用部品；高度に弾力的なサプライチェーン	Teslaがセンサーサプライチェーン弾力性で決定的優位

セクション5 — センサーベンチマークスコアカード

センサー次元	Waymoライダー+融合	Tesla純視覚	優位	2028年展望
3D知覚精度	決定的——lidarが200m以上でセンチメートル精度	占有ネットワークが80m以上でメートル精度	Waymo	AI改善でギャップは縮小するが消えない
悪天候性能	決定的——lidar+カメラが劣化時にレーダー後退	豪雨/濃霧/大雪に脆弱	Waymo	Tesla AIは改善するが物理がカメラを悪天候で制限
車両あたりセンサーコスト	高：推定5千〜1.5万ドル（推定）	低：推定200〜500ドル（推定）	Tesla（決定的10〜30倍）	Lidarコストは下がり続けるがギャップは続く
メンテナンス複雑性	高い：多センサーキャリブレーション・lidar清掃	低い：カメラ中心、よりシンプルなメンテナンス	Tesla	車隊が拡大するにつれTeslaが優位を維持
都市展開（地図依存）	都市ごとにHDマップが必要：数週間〜数ヶ月のマッピング	HDマップなし：OTAが新地理をカバー	Tesla（決定的）	WaymoのHDマップコストは都市ごとの負担のまま
訓練データパイプライン	マルチモーダル：lidar+カメラの別個パイプライン	シングルモーダル：60億マイル全て直接使用可能	Tesla	車隊成長に伴いTeslaデータパイプライン優位が拡大
センサー総合評価	Waymoのlidar+融合アプローチはエッジ条件（悪天候・遠距離暗闇）でより安全で3D幾何で精確だ。Teslaの純視覚アプローチは劇的にコストが低く・シンプル・スケーラブルで600万台に既に展開されている。賭けはTeslaのAIがカメラが最も弱い条件でlidarとの知覚ギャップを縮められるかどうかだ。縮められれば、Teslaのセンサー経済学が決定的に勝つ。縮められなければ、Waymoのセンサー冗長性が純視覚システムでは防げない事故でその価値を証明する。答えはTeslaの完全無人Cybercabが商業マイルを積み重ねる中で事故データから現れるだろう。

（推定）と記されたすべての数値は、公開企業開示・アナリスト推計・業界ベンチマークから導出されたものだ。本記事はフィジカルAIベンチマークシリーズ第168回だ。