同じ道を走るのに、なぜウェイモとテスラは"見ているもの"が違うのか? ──地図と照らす派、景色で読む派

同じ道を走るのに、なぜウェイモとテスラは"見ているもの"が違うのか? ──地図と照らす派、景色で読む派

前回の記事の最後に、私はこんな問いを残しました。——目印のない場所で、機械はどうやって"今どこ"を知っているのか?

身近な入口として、こんな話から始めさせてください。

いま、街なかでは、自動運転や運転支援の実用化が少しずつ進みつつあります。なかでもよく知られているのが、Googleの自動運転プロジェクトから生まれたウェイモ（Waymo）と、テスラ（Tesla）です。ところがこの2社、同じ道を走っているのに、車が"見ているもの"が、まるで違うのです。

なぜ、こんなにアプローチが分かれるのか。じつはその違いの根っこに、今日のテーマ——「位置の知り方には、大きく分けて2つの流派がある」——が、まるごと詰まっています。

そもそも「今どこ問題」が、いちばん難しい

前回、iPhoneもハンディスキャナーも、動きながら測るぶん「自分が今、どれだけ動いたか」を推定し続けなければならない、とお話ししました。

でも、ここに落とし穴があります。自分の歩数だけを頼りに進むと、小さなズレが積み重なっていく——連載でずっと追いかけてきた「ドリフト」です。だから機械は、自分の中の計算だけに頼ってはいられません。外の世界の手がかりと照らし合わせて、「いや、今どこは本当はここだ」と、たえず位置を直し続ける必要があります。

この「動きながら、まわりの地図と自分の位置を、同時につくり続ける技術」を、専門的にはSLAM（スラム）と呼びます。名前は難しいですが、やりたいことは一つだけ。"今どこ"を、見失わないこと。それだけです。

じつはこれ、自動運転車だけの話ではありません。私たちが現場でiPhoneやハンディスキャナーを動かすときも、まったく同じ「今どこ問題」が起きています。だからこそ、前回までにお話しした「基準点（マーカー）を置く」「ゆっくり滑らかに動かす」といった工夫が効いてくる。あれは結局、機械が"今どこ"を見失わないための、人間側からの手助けだったわけです。

そして、この"今どこ"の解き方に、大きく2つの流派があるんです。

ざっくり絵にすると、こんな2人です。

図：詳しい地図を持つ人と、景色を読みながら進む人。同じ「今どこ?」を、別のやり方で解いています。（比喩図）

流派①「地図と照らす派」──ウェイモ

ひとつ目は、地図と照らす派。

あらかじめ、その街の精密な3D地図——点の集まりでできた、いわば"砂つぶの地図"——を作っておきます。そして走りながら、今その場で測った点群を、その地図とパッと照らし合わせる。「この形の並びは、地図のここだ」と分かれば、自分の位置がビシッと決まる。

たとえるなら、詳しい地図を片手に、まわりの建物や角を見比べながら歩く人です。地図がしっかりしているほど、迷いません。

これを街でやっているのが、ウェイモです。公開されている情報では、現行世代でカメラ・LiDAR・レーダーを組み合わせています（たとえば最新世代では13カメラ・4LiDAR・6レーダーを公表。旧来の構成では29カメラと説明される例もあり、台数は世代で変わります）。それらを束ねて周囲をとらえ、あらかじめ高精度な地図を用意したエリアの中を走る。手がかりを何重にも重ねて、確実さを積み上げていく——そんな思想です。

この方式の強みは、地図という"答え合わせ"を、いつも手元に持っていること。たとえ一瞬カメラが眩しさで迷っても、点群と地図が「いや、ここだ」と引き戻してくれます。そのぶん、地図をあらかじめ作る手間と、地図のある範囲でしか走りにくいという制約は、ついて回ります。

流派②「景色で読む派」──テスラ

もうひとつは、景色で読む派。

ウェイモのような高精度3D地図への依存を、できるだけ小さくしようとしています。その代わり、カメラで見えている景色そのものから、「自分は今ここにいて、まわりはこうなっている」と読み取っていきます。人間が、目で見て運転するのに近い発想です。

たとえるなら、地図を持たず、景色や目印を覚えながら、自分の感覚で歩く人。身軽ですが、見えているものをどう解釈するかに、すべてがかかってきます。

これを選んでいるのが、テスラです。公開情報では、カメラ中心の"ビジョンのみ"という方針を掲げ、近年はレーダーや超音波センサーへの依存を減らし、複数の外部カメラとAIを軸にしています。センサーを増やすより、目（カメラ）から得た映像を、AIでとことん賢く読み解くほうへ振り切った——そんな思想です。ただし、現時点で一般のドライバーが使える機能は、運転者がつねに監視することを前提とした"運転支援"であり、車を完全な自律走行にするものではありません。

この方式の身軽さは、高精度3D地図への依存を小さくしやすいこと、そして装備を比較的シンプルにして台数を増やしやすいこと。そのぶん、見えている景色をどこまで正しく解釈できるか、その"読み"の賢さに、すべてが懸かってきます。

じつは私自身、数年前からテスラに乗っていて、このソフトウェアの進化を、いちユーザーとして楽しんでいます。アップデートのたびに、車が周囲をどう捉えているのかが、少しずつ変わっていくように感じる瞬間がある。複数のカメラから、車はいったい世界をどう読み取っているのか——正直、詳しい仕組みまでは分かりません。それでも、乗るたびに「機械は世界をどう見ているのだろう」という好奇心を、静かに刺激されます。

この「機械は世界をどう見ているのか」という問いの先に、もうひとつの発想があります。——人ができることなら、機械にもできるはずだ、という考え方です。

私たち人間は、頭の中で空間を几帳面に数値化したり、幾何学の計算で世界を組み立てたりしているわけではありません。目に入る景色を、経験でなんとなく「読んで」いる。テスラのビジョン重視は、そこに近づこうとしているように見えます。形をきっちり測って3Dの設計図を組み立てるより、カメラの映像から、人間の認識に近い方向を、学習によって目指している。幾何学で世界を組み立てるのとは、別の道なんです。

個人的におもしろいのは、この発想が、車だけにとどまらないことです。同じ「カメラ＋学習」の考え方は、人型ロボットにも広がろうとしている、と説明されることがあります。あくまで私の一つの見方ですが、この派の本当の射程は、自動運転の先にあるのかもしれません。

この2つを並べると、こうなります。

図：地図と照らす派＝高精度地図＋複数センサー／景色で読む派＝カメラ中心＋AI解釈。どちらも、判断にはAIを使います。（比較表）

どっちが正解? ──優劣ではなく、思想の違い

では、どちらが正解なのでしょうか。

正直に言うと、これは「どちらが偉い」という話ではありません。地図と照らす派は、手がかりを何重にも重ねて、確実さ・安全側に寄せる思想。景色で読む派は、装備を軽くしてコストを抑え、たくさんの台数に広げていく思想。重心の置き方が、そもそも違うのです。

ひとつ、大事な補足をさせてください。「地図と照らす派＝古いやり方、景色で読む派＝最新のAI」ではありません。じつは、いまやどちらも中身はAIのかたまりです。地図派のほうも最新のAIで景色を読み解いていて、見た目ほど真逆ではない。だから「大きく分けると2つ」くらいの、ゆるい見取り図として受け取ってください。

どちらが安全か、どちらが勝つか——そこは、安全性・責任・運用範囲をめぐる規制や議論が、いままさに続いているところで、私が断定できる話ではありません。ここから先、「結局どちらに転ぶか」を語るなら、それは完全に私の一つの見方、仮説になります。なので今日は、「こういう2つの考え方があって、各社がそれぞれを選んでいる」という事実のところまでに、しておきます。

おもしろいのは、どちらも「安全に、人を運ぶ」という同じ頂上をめざしながら、まったく逆の道から登ろうとしていることです。確実さを一段ずつ積んで登るのか、身軽な構成で走りながら、学習とソフトウェアの改善で適用範囲を広げていくのか。その登り方の違いに、巨大な投資と挑戦が懸かっている。私は、どちらが正しいかよりも、この"思想の分かれ方"そのものに、素直なおもしろさを感じます。

そして、この「確実さを重ねるか、身軽さに賭けるか」という選択は、じつは私たちの現場にも、そのまま顔を出します。ミリ単位の確定値を据え置き機材できっちり押さえにいくのか、iPhoneの手軽さで数をこなして全体をつかむのか。スケールはまるで違っても、悩みの構造は、驚くほどよく似ているんです。

まとめ、そして次の「なぜ?」

同じ道を走るのに、ウェイモとテスラで"見ているもの"が違う。その正体は、性能の優劣ではなく、"今どこ"の解き方——地図と照らすか、景色で読むか——という、思想の違いでした。

ここで、ふと思うんです。景色で読む派の根っこには、「人は、目で見て運転しているじゃないか」という発想があります。たしかに私たちは、頭の中に詳しい地図を広げなくても、なんとなく"今どこ"が分かる。

——でも、私たち人間は、いったいどうやって"今どこ"を知っているのでしょう?

じつは人間も、目だけで歩いているわけではないんです。その話は、次回（第6回・人間の空間認知）でじっくり。

参考にした公式情報：ウェイモ公式の技術情報（第6世代のセンサー構成）、テスラ公式のFSD（運転支援）に関する説明、テスラのカメラ重視（Tesla Vision）に関する説明、テスラ公式のAI・ロボティクスに関する情報。（各社の仕様・機能は世代・地域・時期によって変わるため、最新の情報は各社の公式発表をご確認ください）

連載「なぜ？3Dスキャンの素直な疑問」（全10回）

iPhoneの3Dスキャンにまつわる「なぜ?」を起点に、中学生でも雰囲気が分かるレベルまで、ひとつずつ噛み砕いていく連載です。（公開ずみの回はリンクから、これからの回は順次更新します）

第1回｜入口：3Dスキャンって、何種類あるの? ——測り方の道具箱

第2回｜点群①：LiDARは「面」が見えて、「角」が見えにくい ——その素直な理由（記事を読む）

第3回｜点群②：iPhoneで測ったのに、現場では使えない? ——ドリフトという落とし穴（記事を読む）

第4回｜点群③：同じ"光"で測っているのに、なぜ機械ごとに差が出るのか? ——据え置き・iPhone・ハンディの仕組み（記事を読む）

第5回｜位置推定：同じ道を走るのに、なぜウェイモとテスラは"見ているもの"が違うのか? ——地図と照らす派、景色で読む派（本記事）

第6回｜人間の空間認知：私たちも、目だけで歩いてはいない ——目・内耳・海馬の合わせ技

第7回｜ロボティクス：掃除ロボも自動運転も、中身は同じ ——デモと現場のあいだ

第8回｜メッシュ・ボクセル：砂つぶを、かたちにする ——張りぼてと積み木

第9回｜BIM：かたちに「意味」が宿るとき ——これは扉、これは柱

第10回｜フォトグラメトリ：写真だけで、現実をそっくり起こす ——最初の問いに戻る

私たち One Technology Japan は、3Dスキャンと建設DXの現場で、まさにこの"今どこ"——測ったものを、現実のどこに、どう重ねるか——と毎日向き合っています。よろしければサイトものぞいてみてください。

正解がひとつに決まっていないからこそ、それぞれが自分の思想を選んで、前に進んでいる。迷ったときは、誰かの正解を探すより、自分はどっちに重心を置きたいかを考えてみる。それは案外、技術選びにかぎった話ではない気がします。

今日も、自分の"今どこ"を確かめながら、一歩ずつ。

WHAT A WONDERFUL DAY TODAY!