EN | JP | Last sync: 2026-01

第5章: 課題・将来展望・市場

リスクへの対処、将来の予測、そして自動運転市場の全体像を理解する

読了時間: 70〜80分 難易度: 中級

この最終章では、自動運転の社会実装に立ちはだかる重要な課題を取り上げ、世界各地の市場におけるL4/L5技術の将来の軌道を予測し、2035年までの包括的な市場規模予測を示します。最後に、2025〜2026年の自動運転の状況を特徴づける5つの主要トレンドを整理したシリーズのまとめで締めくくります。

学習目標

この章を読むことで、次のことを習得できます。

セクション12: 課題とリスク

自動運転技術は目覚ましい進歩を遂げてきましたが、広範な社会実装が現実になるまでには重要な課題が残されています。このセクションでは、最も重要な6つのリスク領域、すなわちエッジケース、倫理的ジレンマ、サイバーセキュリティの脅威、責任の帰属、社会的受容、そしてV2X通信インフラを検討します。

12.1 エッジケース

エッジケースとは、自動運転AIシステムの訓練データに含まれるシナリオの分布から外れる、まれで複雑な状況を指します。エッジケースは、データ駆動型の学習アプローチの限界を露呈させるため、自動運転における最も根本的な課題の一つです。

エッジケースの本質

自動運転システムは膨大な運転シナリオのデータセットで訓練されますが、実世界の運転は事実上無限の種類の状況を提示します。エッジケースの例を以下に挙げます。

核心的な課題は、データ収集だけですべての状況を網羅することは不可能である点にあります。運転シナリオの「ロングテール」が意味するのは、一般的な状況（高速道路の走行、標準的な交差点）は十分に表現されている一方で、まれな事象も総体としては無視できない頻度で発生し、現実の安全リスクをもたらすということです。

対策

業界はエッジケースに対処するため、いくつかのアプローチを追求しています。

アプローチ 説明 現状
合成データ生成 生成AIとシミュレーションを用いて、まれなシナリオを大規模に作成する NVIDIA Cosmos、Wayve GAIA-2が訓練データを活発に生成中
シナリオベーステスト エッジケースの分類体系を体系的に定義し、それに対してテストする Euro NCAP、SOTIF（ISO 21448）の枠組みが確立
世界モデル 物理を理解した内部表現を学習し、未知の状況へ汎化する 活発な研究段階（GAIA-2、OccWorld、DriveDreamer）
基盤モデル 多様なデータで事前学習し、ファインチューニング前に広範な理解を構築する 新興のアプローチ（NVIDIA Alpamayo、Waymo）
人間によるフォールバック システムが不確実性に直面した際に介入できる遠隔の人間オペレーター Waymo、Zoox、および大半のロボタクシー事業者が導入

重要な洞察: 合成データ生成とシナリオベーステストの組み合わせは、エッジケース緩和のための最も有望な短期的アプローチと考えられています。世界モデルは、真の汎化に至るより長期的な道筋を提供します。

12.2 倫理的課題

自動運転は、機械が人間の安全に関わる意思決定をどう行うべきかという、根源的な倫理的問いを提起します。最もよく知られた枠組みはトロッコ問題ですが、研究コミュニティはこの単純化された構図を大きく超えて発展してきました。

トロッコ問題を超えて

古典的なトロッコ問題は、「自動運転車がある人物と別の人物のどちらかをはねざるを得ない場合、どちらを選ぶべきか」を問います。しかし2025年時点で、研究コミュニティは次の理由から、この二者択一の枠組みから離れつつあります。

2025年の主流の立場は、目標は「トロッコ問題のジレンマをプログラムする」ことではなく「自動運転車を安全にプログラムする」ことにあるべきだ、というものです。これは、防御的な運転戦略、堅牢な認識、そしてあらゆる衝突の確率を最小化する保守的な意思決定に注力することを意味します。

倫理的枠組み

いくつかの正式な倫理的枠組みが提案されています。

未解決の論点: 個人設定か社会全体の設定か

依然として未解決の重要な問いは、倫理的な選好を次のいずれにすべきかという点です。

この論争は続いており、多くの規制当局は一貫性と公共の信頼のために社会全体の基準へ傾く一方、一部の倫理学者は個人の自律性を主張しています。この問題について拘束力のある法律を制定した法域はまだありません。

12.3 サイバーセキュリティ

車両がますますコネクテッド化・ソフトウェア定義化するにつれ、サイバーセキュリティは自動運転業界における最優先の懸念事項として浮上しています。

コネクテッド車両の攻撃対象領域

現代の自動運転車は、本質的に移動するデータセンターです。複数の通信チャネルを通じて、膨大な量のデータを収集、処理、送信します。コネクティビティとスマートなネットワーキングは、エッジケースの分類やV2X連携に必要なデータを提供する一方で、サイバーセキュリティとプライバシーのリスクを同時に増大させます。通信チャネルを保護し、送信される情報のプライバシーを確保することは、業界の最優先事項です。

脅威のカテゴリ

コネクテッド車両は、幅広いサイバーセキュリティの脅威に直面しています。

脅威 説明 影響
遠隔ハイジャック 攻撃者がネットワークの脆弱性を通じて、車両の操舵、制動、加速の制御を掌握する 重大: 直接的な身体的安全リスク
センサースプーフィング LiDAR、レーダー、カメラの入力に偽のデータを注入する（例: 偽の物体、GPSスプーフィング） 重大: 誤った運転判断を引き起こしうる
データ窃取 個人の位置データ、運転パターン、独自の地図データを抽出する 高: プライバシー侵害、競合情報の漏洩
ランサムウェア 車両システムをロックし、機能の復旧と引き換えに金銭を要求する 高: 車両の動作不能化、フリート運行の混乱
V2Xメッセージの改ざん 不正なV2Xメッセージを送信し、他の車両やインフラを誤誘導する 重大: 複数の車両に同時に影響を及ぼしうる

標準規格と対策

ISO/SAE 21434は、道路車両のサイバーセキュリティエンジニアリング標準を定めています。ISOとSAE Internationalが共同で発行したこの標準は、次の枠組みを提供します。

さらに、UN Regulation No. 155（UNECE WP.29）は、すべての新型車両に対してサイバーセキュリティ管理システムを義務付けており、EU、日本、韓国で発効しています。

12.4 責任

事故の責任帰属は、自動運転の社会実装における最大の法的課題です。人間が運転する場合、責任の所在は比較的明快です。AIシステムが運転する場合、誰が責任を負うのかという問題は根本的に複雑になります。

主要な問い

国別の規制アプローチ

国 アプローチ 主な動向
フランス ブラックボックスの義務化（2025年） すべての自動運転車は、事故責任を明確に判定するため、包括的な運転データの記録を義務付けられます。ブラックボックスは、システムの状態、センサー入力、意思決定の出力を記録します。
ドイツ L4以上に対する責任保険の義務化 自動運転車向けの特定の保険商品を求める、規制上の重要な節目です。自動運転システムが作動している間は、メーカーが第一義的な責任を負います。
日本 発展途上の枠組み 自動運転車と人間の共存、および事故・トラブルの責任に関する法的枠組みを継続的に整備しています。2023年の道路交通法改正でL4が可能になりましたが、責任の詳細は現在も精緻化が進められています。
米国 州レベルでの差異 連邦レベルの責任枠組みは存在しません。各州は、既存の不法行為法、製造物責任法、および新たに整備されつつある自動運転固有の規制を通じて責任を扱います。

主要な課題: 責任に関する国際的な調和が欠如しているため、国境を越えて事業を展開する自動運転企業は異なる法的枠組みに対応しなければならず、コンプライアンスコストと展開の複雑さが増大します。

12.5 社会的受容

広範な自動運転の社会実装には、大衆の信頼と受容が不可欠です。社会的受容は、個人的な体験、メディア報道、規制への信頼、そして文化的要因によって左右されます。

大衆の認識の傾向

ロボタクシーが積極的に展開されている都市では、注目すべきポジティブな傾向が現れています。

信頼を左右する主要要因

研究は、自動運転車に対する大衆の信頼を構築・維持する上で重要ないくつかの要因を特定しています。

  1. 機械学習のデータ収集におけるプライバシーの尊重: 大衆は、自動運転車が収集する膨大なデータ（カメラ映像、位置追跡、乗員の行動）を懸念しています。透明性のあるデータの取り扱いが不可欠です。
  2. サイバーセキュリティの保証: 車両が遠隔でハイジャックされたり操作されたりしないという、大衆の確信。
  3. 明確な責任帰属: 何か問題が起きたときに誰が責任を負うのか、そして被害者が公正に補償されることを人々は知りたがっています。
  4. 実証された安全実績: 同等の条件下で自動運転車が人間のドライバーより安全であるという、一貫した証拠。

大きく報道された事故の影響

大衆の認識は、大きく報道された事故によって強く形作られ、受容を何年も後退させることがあります。

これらの事故は、たった一件の大きく報道される失敗が業界全体に影響を及ぼしうることを浮き彫りにしており、安全性をすべての自動運転企業にとって存続に関わる最優先事項にしています。

12.6 V2X通信

V2X（Vehicle-to-Everything、車両と外部環境の通信）とは、車両が周囲の環境と通信することを可能にする一連の技術を指します。V2Xは、特に複雑な都市環境における高度な自動運転の重要な実現要素と考えられています。

V2X通信の種類

種類 正式名称 説明
V2V Vehicle-to-Vehicle（車車間） 協調的な状況認識、隊列走行の形成、衝突回避のための車両間の直接通信
V2I Vehicle-to-Infrastructure（路車間） 信号機、道路センサー、料金システム、スマートシティインフラとの通信
V2P Vehicle-to-Pedestrian（車歩間） 特に静粛なEVについて、車両の存在と意図を歩行者や自転車利用者に知らせる
V2C Vehicle-to-Cloud（車クラウド間） HDマップの更新、交通最適化、遠隔監視、OTA更新を含むクラウドベースのサービス
V2N Vehicle-to-Network（車ネットワーク間） より広範な通信とデータ交換のためのセルラーネットワーク接続

展開予測と標準規格

V2Xの普及は急速に加速しています。

V2Xの技術標準

競合する2つのV2X技術標準が存在します。

業界は、5G以降への進化の道筋があることから、徐々にC-V2Xへ収束しつつありますが、一部の地域ではDSRCの展開が引き続き運用されています。

セクション13: 将来展望（2025〜2030年）

自動運転業界は、社会実装が加速する時期に入りつつあります。このセクションでは、地域別のL4/L5ロードマップ、MaaS統合のトレンド、そして今後5年間を形作るスマートシティ接続の動向を検討します。

13.1 地域別のL4/L5ロードマップ

各主要市場は、それぞれ異なる速度と戦略的優先順位で自動運転の社会実装を進めています。

日本

日本は2025年を自動運転の「社会実装元年」と位置づけています。主要なマイルストーンは次のとおりです。

米国

米国は商用ロボタクシーの展開で先行しています。

中国

中国は世界で最も積極的な展開戦略を追求しています。

ドイツ / 欧州

ドイツは、自動運転規制における欧州のリーダーとしての地位を維持しています。

韓国

韓国は野心的な目標を掲げています。

世界市場予測

世界の自動運転車市場は、2025年の2,738億ドルから2035年には5.4兆ドルへと成長すると予測されており、これは34.84%の年平均成長率（CAGR）に相当します。

13.2 MaaS（Mobility as a Service）統合

MaaS（Mobility as a Service、サービスとしてのモビリティ）とは、さまざまな交通手段を単一のクラウドコンピューティングベースのプラットフォームに統合し、マルチモーダルな移動サービスの計画、予約、決済を提供するものです。

現在のMaaSのリーダー

自動運転を活用したMaaSのビジネスモデル

V2Xコネクティビティは、従来の車両では不可能だった革新的なビジネスモデルを可能にします。

Uber + May Mobilityの提携

2025年5月、UberはMay Mobilityとの提携を発表し、Uberプラットフォーム上に数千台のハイブリッド電気自動車トヨタ・シエナの自動運転車を展開することを明らかにしました。主な詳細は次のとおりです。

13.3 スマートシティ接続

自動運転車は孤立したシステムではなく、V2X通信を介して信号機、道路センサー、他の車両を含むスマートシティインフラと接続するように設計されています。このコネクティビティは、自動運転車を単独のロボットから、インテリジェント交通ネットワークのノードへと変貌させます。

スマートモビリティ回廊

国家投資プログラム

主要経済国は、自動運転車の展開に必要なインフラに多額の投資を行っています。

市場予測

市場セグメント 2024年の価値 予測価値 CAGR
世界のスマートモビリティ市場 557億ドル 1,816億ドル（2033年） 14.04%
ITS（高度道路交通システム） - 2030年までAI主導で成長 12%超

2025〜2030年の主要マイルストーンのタイムライン

timeline title 自動運転の主要マイルストーン 2025-2030 2025 : 日本「社会実装元年」 : Waymo 週45万回以上の乗車 : Uber + May Mobilityの提携を発表 : ドイツがL4規制環境を強化 : 中国で20以上のパイロット都市が稼働 2026 : Uber/May Mobilityがテキサス州アーリントンでロボタクシーを開始 : Baidu Apollo Goの拡大が継続 : EUがUNECEの自動運転規制を推進 2027 : トヨタと日産のL4量産車 : 韓国のL4公道運行目標 : 衛星V2X接続の初期展開 : 5G V2Xインフラが世界的にスケーリング 2028 : ロボタクシーサービスが世界50都市以上に拡大 : 米国と中国で自動運転トラック回廊が成熟 : V2X搭載の新車が50%を突破 2029 : L4技術のコスト削減が大量普及を加速 : MaaSプラットフォームが主要都市圏で自動運転フリートを統合 2030 : 日本が公道でのL4車両1万台を目標 : 新車の75%以上がV2X機能を搭載 : 世界の自動運転車市場が1兆ドル超に接近 : L5は依然として研究段階

セクション14: 市場規模と予測

自動運転車市場は、今後10年間で並外れた成長を遂げると予測されています。複数の調査会社が予測を発表していますが、その推計は市場の定義、対象範囲（ソフトウェア、ハードウェア、サービス）、規制の進展に関する前提によって大きく異なります。

14.1 市場予測の比較

次の表は、主要な調査機関による市場規模の推計を比較したものです。

調査会社 2025年の推計 2030年の予測 CAGR 備考
Mordor Intelligence 428億ドル 1,220億ドル 23.3% 自動運転技術のコンポーネントに焦点
Grand View Research - 2,143億ドル 19.9% サービスを含むより広範な市場定義
Morgan Stanley - 2,000億ドル - 投資銀行の視点
Next Move Strategy - 6,149億ドル 24.9% エコシステム全体（車両、インフラ、サービス）を包含
Precedence Research 2,738億ドル - 34.8% 最も広範な市場定義。ADASと完全自動運転を含む

ばらつきに関する注記: 推計値の幅広さ（2025年で428億ドルから2,738億ドルまで）は、市場定義の違いを反映しています。L4以上の自動運転車技術に焦点を絞った狭い定義ではより小さな数値になり、ADAS、サービス、インフラを含む広い定義ではより大きな数値になります。これらの予測を解釈する際は、各社の市場定義に何が含まれているかを常に考慮してください。

14.2 Goldman Sachsの米国市場予測

Goldman Sachsは、米国の主要な自動運転車セグメントについて詳細な予測を発表しています。

ロボタクシー市場

自動運転トラック市場

14.3 市場成長の可視化

次の表は、Precedence Researchの推計（最も広範な定義、CAGR 34.84%）を用いた、年ごとの市場成長予測を示しています。

年 推定市場規模 主な成長要因
2025 2,738億ドル ADASの普及、L2+の拡大、初期のL4展開
2026 約3,690億ドル ロボタクシーフリートの拡大、新規参入者
2027 約4,980億ドル L4量産車（トヨタ、日産）、センサーのコスト削減
2028 約6,710億ドル 規制枠組みの成熟、V2Xインフラのスケーリング
2029 約9,050億ドル マスマーケット向けL4、自動運転トラック回廊、EVと自動運転の融合
2030 約1.22兆ドル MaaS統合、スマートシティ接続、世界的な規制の調和
2035 5.4兆ドル L4の本格普及、L5の初期パイロット、エコシステム全体の成熟

14.4 成長要因

自動運転車市場の爆発的な成長を牽引しているのは、6つの主要な要因です。

  1. ロボタクシーフリートの拡大: Waymo、Baidu、そして新規参入者がロボタクシー運行を急速に拡大しています。新たな都市での開始のたびに、大きな収益成長がもたらされ、このモデルの商業的な実現可能性が証明されます。
  2. EVとの統合: 電気自動車と自動運転技術の融合が相乗効果を生み出しています。EVは、自動運転システムが必要とする電気アーキテクチャ、計算能力、無線更新（OTA）機能を提供します。ほとんどの新しい自動運転プラットフォームは、EV専用に設計されています。
  3. センサーと計算のコスト削減: LiDARのコストは、2012年の1台あたり75,000ドル以上から、2025年にはソリッドステート型で500ドル未満へと下落しました。計算コストもムーアの法則の派生に沿って下がり続けています。これらの削減により、L4システムが量産に耐えうる経済性を持つようになります。
  4. 規制枠組みの成熟: 日本、EU、中国、そして米国の各州が自動運転の運行に関する明確な法的枠組みを確立するにつれ、企業は長期投資に必要な確実性を得られます。規制の明確さは、保険商品、責任枠組み、公道展開の前提条件です。
  5. 労働力不足への対応: 商用ドライバー（トラック、配送、公共交通）の世界的な不足が、自動化を採用する経済的圧力を生み出しています。米国だけでもトラック業界は8万人以上のドライバー不足に直面しており、自動運転トラックは単なる技術的野心ではなく経済的必然になっています。
  6. 技術の融合（AI、5G、V2X）: 人工知能（特に基盤モデルとEnd-to-Endアーキテクチャ）、5Gネットワーク（低遅延のV2X通信を可能にする）、そしてV2Xインフラが同時に成熟することで、わずか3年前には存在しなかった技術スタックが生まれています。この融合が、L4展開のタイムラインを加速させています。
graph TD A[成長要因] --> B[ロボタクシー
フリートの拡大] A --> C[EVとの統合] A --> D[センサー & 計算
のコスト削減] A --> E[規制の
成熟] A --> F[労働力不足
への対応] A --> G[技術の融合
AI + 5G + V2X] B --> H[市場成長
2,738億ドル 2025
5.4兆ドル 2035] C --> H D --> H E --> H F --> H G --> H style A fill:#1a237e,color:#fff style H fill:#b71c1c,color:#fff style B fill:#e3f2fd style C fill:#e8f5e9 style D fill:#fff3e0 style E fill:#f3e5f5 style F fill:#fce4ec style G fill:#e0f7fa

シリーズのまとめ: 2025〜2026年の自動運転を特徴づける5つの主要トレンド

この全5章のシリーズを通じて、私たちは2025〜2026年時点の自動運転技術の全体像を検討してきました。センサーハードウェアや認識アルゴリズムから、商用展開、規制枠組み、市場予測まで、自動運転は現代における最も野心的で複雑な工学的取り組みの一つです。この業界の進化における現在の局面を、5つの決定的なトレンドが特徴づけています。

トレンド1: End-to-End（E2E）の加速

モジュラー型の自動運転アーキテクチャ（認識、計画、制御を分離したモジュール）からEnd-to-Endニューラルネットワークへの移行が劇的に加速しています。TeslaのFSD V13/V14は、単一のニューラルネットワークがカメラ入力から車両制御まで運転タスク全体を処理できることを実証しました。NVIDIAのAlpamayoプラットフォームは業界標準のE2Eフレームワークを提供し、WayveのLINGO-2は言語条件付き運転が可能であることを示しました。E2Eアプローチは、モジュール境界での情報損失を排除し、システムがデータから包括的な運転挙動を学習することを可能にします。モジュラー型のアプローチは解釈可能性やデバッグの面で依然として利点がありますが、勢いは明らかにE2Eアーキテクチャを主要な開発方向とする方へ向かっています。

トレンド2: 基盤モデルと世界モデルの台頭

基盤モデルと世界モデルのパラダイムを自動運転へ応用することは、自動運転AIシステムが環境をどう理解するかにおける根本的な転換を意味します。NVIDIA Cosmos、Wayve GAIA-2、DriveDreamer、OccWorldといった世界モデルは、物理、幾何学、行動ダイナミクスを含む、物理世界の仕組みの内部表現を学習します。これらのモデルは、将来の状態を予測し、合成訓練シナリオを生成し、純粋な認識システムに欠けている「常識」的な理解を提供できます。多様なデータ（画像、動画、言語、運転ログ）で事前学習された基盤モデルは、特定の運転タスク向けにファインチューニングできる広範な理解を提供し、タスク固有のデータ収集の必要性を減らします。

トレンド3: シミュレーションと合成データの進歩

シミュレーション技術は、テストツールから中核的な開発プラットフォームへと進化しました。CARLA v0.9.16、NVIDIA Drive Sim、そして各社独自のシミュレーターは、認識システムを訓練し、計画アルゴリズムをテストし、実世界で再現するのが不可能または危険なシナリオでの安全性を検証する、フォトリアリスティックな合成データを生成します。生成AI（拡散モデルやNeRF/3D Gaussian Splattingを含む）をシミュレーションパイプラインに統合することで、合成データの多様性と現実性が劇的に向上しました。Sim-to-Real（シミュレーションから実世界へ）の転移ギャップは縮小しており、主に合成データで訓練したモデルが、最小限のファインチューニングで実世界の運転に転移できると報告する企業もあります。

トレンド4: 世界的な規制の進展

規制枠組みは、すべての主要市場で大きく前進しました。日本は2023年にL4運行を合法化し、2025年を社会実装元年と位置づけました。ドイツは欧州で初となる包括的なL4法的枠組みを確立しました。中国は商用自動運転運行のために20以上のパイロット都市を認可しました。米国は州ごとのアプローチを続けており、38以上の州が何らかの自動運転関連法を有しています。国際標準（ISO 26262、SOTIF、ISO/SAE 21434、UN-R157）は、共有された安全とサイバーセキュリティの基盤を提供します。完全な国際的調和はまだ遠いものの、進むべき方向は明確です。規制は自動運転の社会実装を妨げるのではなく、可能にするものになっています。

トレンド5: 残された課題

進歩にもかかわらず、重要な課題が残っています。運転シナリオのロングテールに存在するエッジケースは、データだけで対処するのが依然として困難です。自動運転の意思決定のための倫理的枠組みには、実装のための仕組みが欠けています。車両がよりコネクテッド化するにつれ、サイバーセキュリティの脅威は拡大しています。法域をまたいだ責任帰属は未解決のままです。社会的受容は、サービスが展開された都市では改善しているものの、たった一件の大きく報道される事故によって後退しかねません。V2Xインフラの展開は依然として初期段階にあります。完全なL5自動運転、すなわち人間の監視なしにあらゆる場所・あらゆる条件で運転する、という道のりは、近い将来の製品としての現実ではなく、長期的な研究目標にとどまっています。2026年初頭時点の業界のコンセンサスは、定義された運行領域内のL4は2030年にかけて大幅にスケールする一方、L5はまだ達成されていないAIの汎化における根本的なブレークスルーを必要とする、というものです。

完全な参考文献

以下の資料は、この全5章のシリーズを通じて引用されたものです。これらは、2026年1月時点の学術論文、業界レポート、規制文書、報道記事を組み合わせたものです。

標準規格および規制文書

  1. SAE International. "SAE J3016: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles." https://www.sae.org/blog/sae-j3016-update
  2. ISO 26262: Road vehicles -- Functional safety. International Organization for Standardization.
  3. ISO/PAS 21448 (SOTIF): Safety of the Intended Functionality. International Organization for Standardization.
  4. ISO/SAE 21434: Road vehicles -- Cybersecurity engineering. International Organization for Standardization / SAE International.
  5. UNECE WP.29 UN-R157: Automated Lane Keeping Systems (ALKS). United Nations Economic Commission for Europe.
  6. UNECE WP.29 UN-R155: Cybersecurity and Cybersecurity Management Systems. United Nations Economic Commission for Europe.
  7. German Road Traffic Act (StVG) Amendment for Autonomous Driving (2022).
  8. Japan Road Traffic Act Amendments for Level 4 Autonomous Driving (2023).
  9. German Ethics Commission on Automated and Connected Driving. "Report: 20 Ethical Guidelines." Federal Ministry of Transport and Digital Infrastructure (2017).

業界レポートおよび市場調査

  1. AUTOCRYPT. "State of Autonomous Driving 2025." https://autocrypt.io/state-of-autonomous-driving-2025/
  2. Precedence Research. "Autonomous Vehicle Market Size, Share, and Trends 2025 to 2035." https://www.precedenceresearch.com/autonomous-vehicle-market
  3. Goldman Sachs. "Autonomous Vehicle Market Forecast to Grow Ridesharing Presence." https://www.goldmansachs.com/insights/articles/autonomous-vehicle-market-forecast-to-grow-ridesharing-presence
  4. Mordor Intelligence. "Autonomous Vehicle Market - Growth, Trends, and Forecasts (2025-2030)."
  5. Grand View Research. "Autonomous Vehicle Market Size Report, 2030."
  6. Next Move Strategy Consulting. "Autonomous Vehicle Market by Application, 2030."
  7. Morgan Stanley Research. "Autonomous Vehicles: The Future of Mobility."

企業発表および技術レポート

  1. NVIDIA. "Alpamayo: Next-Generation Autonomous Vehicle Development Platform." https://nvidianews.nvidia.com/news/alpamayo-autonomous-vehicle-development
  2. NVIDIA. "Cosmos: World Foundation Model for Physical AI." NVIDIA Developer Blog.
  3. Creative Strategies. "Tesla AI and Autonomy: FSD V13 Update." https://creativestrategies.com/research/tesla-ai-autonomy-fsd-v13-update/
  4. The Driverless Digest. "Waymo's 2025 Year in Review: The Year of Scale." https://www.thedriverlessdigest.com/p/waymos-2025-year-in-review-the-year
  5. Wayve. "GAIA-2: A Generative World Model for Autonomous Driving." Wayve Technical Blog.
  6. Wayve. "LINGO-2: Driving with Natural Language." Wayve Research.
  7. Baidu Apollo. "Apollo Go Robotaxi Operations Report." Baidu Investor Relations.
  8. Aurora Innovation. "Aurora Driver: Commercial Launch Update." Aurora Investor Relations.
  9. May Mobility / Uber. "Uber and May Mobility Partner to Deploy Thousands of Autonomous Vehicles." Press Release, May 2025.
  10. 5GAA (5G Automotive Association). "5G V2X Direct and NTN Paris Demonstration." May 2025.

学術論文およびサーベイ

  1. Hu, Y., et al. "World Models in Autonomous Driving: A Survey." arXiv:2502.10498, 2025. https://arxiv.org/html/2502.10498
  2. Li, Z., et al. "BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers." ECCV 2022.
  3. Jia, X., et al. "DriveTransformer: End-to-End Autonomous Driving with Transformer." 2025.
  4. Mobileye. "RSS (Responsibility-Sensitive Safety): A Mathematical Model for Safety Assurance." Mobileye Technical Paper.
  5. Stanford Institute for Human-Centered Artificial Intelligence (HAI). "Ethics of Autonomous Vehicles: Social Contract Approach." Stanford HAI Research.
  6. Zhao, W., et al. "OccWorld: 3D Occupancy World Model for Autonomous Driving." 2024.

ニュースおよび分析

  1. Reuters. "Cruise Robotaxi Incident and License Suspension." October 2023.
  2. NTSB. "Collision Between a Car Operating with Automated Driving Systems and a Pedestrian, Tempe, Arizona, March 18, 2018." National Transportation Safety Board Report.
  3. CES 2026 Autonomous Driving Announcements and Demonstrations. Consumer Electronics Show, January 2026.
  4. Japan Cabinet Office. "SIP Autonomous Driving: Social Implementation Roadmap." Strategic Innovation Promotion Program.
  5. French Government. "Black Box Mandate for Autonomous Vehicles." Ministry of Transport Regulation, 2025.
  6. South Korea Ministry of Land, Infrastructure and Transport. "L4 Autonomous Vehicle Roadmap 2027." 2024.
← 前の章: シミュレーション・HDマップ・規制 シリーズ目次に戻る →

免責事項