ARTICLE

自動運転とフィジカルAI ― 「ロボットが走る」もう一つの主戦場【2026年版】

2026/9/16 (更新: 2026/10/13)

SHARE

自動運転とフィジカルAIのロボットが走る主戦場をNVIDIA技術視点で解説【2026年版】

自動

自動運転とフィジカルAI ― 「ロボットが走る」もう一つの主戦場【2026年版】

ARTICLE株式会社renue
renue

株式会社renue

2026/9/16 公開2026/10/13 更新

renueについて

renueは、AIで業務を実装する会社です

AIコンサルティングから図面AI・広告運用エージェント・コールセンターAIまで、実際に動いているサービスをご覧いただけます。renueが何をしている会社か、まずはサービス一覧からご確認ください。

自動運転はフィジカルAIの「もう一つの主戦場」

フィジカルAIと聞くと「ヒューマノイドロボット」を思い浮かべる方が多いでしょう。しかし実は、自動運転はフィジカルAIの最大の応用領域の一つです。NVIDIAはロボティクスと自動運転の双方へモデルや開発基盤を提供しています。ただし、GR00TとAlpamayoは対象機体や行動表現が異なり、全自動運転車・ロボットが同じモデルや重みを使うという意味ではありません。

2026年3月、NVIDIAとUberは2028年までに28都市4大陸でL4ロボタクシーを展開する大規模パートナーシップを発表(Uber IR)。日本でもティアフォーといすゞがNVIDIA DRIVEベースのレベル4自動運転バスの開発を開始しました。

本記事では、自動運転とヒューマノイドの技術的な繋がり、NVIDIAのDRIVEプラットフォーム、主要パートナーシップ、そして日本の動きまでを解説します。

フィジカルAIの2大応用 ― 「二足歩行」と「四輪走行」

ここではフィジカルAIの応用例としてヒューマノイドと自動運転車を比較します。表のモデル・プラットフォームはNVIDIAの例であり、全社の採用構成やフィジカルAIの応用をこの2分野に限定する分類ではありません。

応用領域ヒューマノイドロボット自動運転車
移動方式二足歩行四輪走行
動作環境工場、倉庫、家庭道路、高速道路、駐車場
AIモデルの例GR00T(ロボット向けVLA)Alpamayo(自動運転の研究・開発向けVLA)
センサーカメラ、力覚、触覚カメラ、LiDAR、レーダー
NVIDIAの開発基盤の例Isaac Sim / Isaac Lab(シミュレーション等)DRIVE AGX(車載開発)/ DRIVE Sim(シミュレーション等)
企業例(採用モデル・機器は各社別)Tesla、Figure AI、AgiBotUber×NVIDIA、Waymo、Tesla FSD

共通する技術基盤

ヒューマノイドと自動運転には、認識・行動生成やシミュレーションなど共通化できる開発要素があります。一方、入力、出力、制御周期、安全要件は用途と実装ごとに異なります。

  • VLAモデル:GR00T N1とAlpamayo 1は視覚・言語等と行動生成を結ぶモデル。前者のロボット行動と後者の車両軌道は異なり、全構成や重みが同一ではない
  • シミュレーション基盤:NVIDIAは両分野にOmniverse系の開発技術を提供。GR00T N1は実ロボットデータ・人の動画・合成データを併用し、すべてのモデルをOmniverseだけで訓練するわけではない
  • チップ:自動運転向けのDRIVE AGX Thorと、ロボット等向けのJetson AGX Thorは製品・ソフトウェア構成を区別。Isaacは開発基盤であり、全機体がThorを搭載するわけではない
  • Sim-to-Real:シミュレーションから実環境への転移は両分野の開発手法の一つ。センサー・物理条件等の差を評価し、仮想空間での成功を現場での安全・性能保証にしない

両分野へ技術を展開するNVIDIAの製品戦略は確認できます。ただし、開発要素の共通化から全メーカーのモデル・車載機器・ロボット制御が同一であるとは推定できません。

NVIDIA DRIVEプラットフォーム ― 自動運転のフルスタック

AGX Thor ― 2,000+ TFLOPSの車載コンピュータ

NVIDIA DRIVE AGX Hyperion 10の中核は、BlackwellアーキテクチャベースのDRIVE AGX Thorです。1基あたり2,000 FP4 TFLOPS以上のリアルタイム演算能力を持ち、これを2基搭載するHyperion 10は冗長性と高性能を両立します(NVIDIA Newsroom)。

Alpamayo VLA ― 「考える」自動運転AI

NVIDIAの2026年1月発表のAlpamayo 1は100億級(10B)の推論型VLA教師モデルです。軌道と推論テキストを生成し、微調整・蒸留や評価ツールの開発に使います。説明テキストだけで判断の正しさや実際の因果過程を保証しません(元の引用:TechCrunch)。

  • 信号故障や工事現場等の「ロングテール」エッジケースへの対応を研究・評価。学習経験にないすべての状況で安全な自律走行ができるという保証ではない
  • Alpamayo 1.5はナビゲーション指示、柔軟なカメラ数等に対応。1も複数カメラ入力を持つため、1.5で初めてマルチカメラになったという意味ではない
  • 10Bは大規模教師モデルの仕様。パラメータ数だけで直接車載できるとは判断せず、実行用モデルへの蒸留・機器制約・用途別の試験を区別

NVIDIA × Uber ― 28都市4大陸のロボタクシー

2026年3月、NVIDIAとUberは史上最大規模のロボタクシー展開計画を発表しました(NVIDIA Newsroom)。

フェーズ時期内容
Phase 1展開前データ収集車両で都市固有の走行データを取得、Alpamayoを都市ごとに最適化
Phase 22027年前半〜LA・サンフランシスコ湾岸でオペレーター付きロボタクシー開始
Phase 3〜2028年28都市(北米・欧州・豪州・アジア)で完全無人L4運行

NVIDIAが「L4フルスタック・ソフトウェアプロバイダー」として自動運転業界に本格参入する転機であり、チップ供給だけでなくAIソフトウェアで自動運転の"脳"を支配する戦略が明確になりました。欧州ではBoltとの提携も発表されています。

主要パートナーシップ ― 世界の自動車メーカーが動く

パートナー内容時期
Uber28都市4大陸でL4ロボタクシー展開2027年開始〜2028年
BYDDRIVE Hyperion搭載L4車両開発2026年〜
GeelyDRIVE Hyperion搭載L4車両開発2026年〜
日産自動車DRIVE Hyperion搭載L4車両開発2026年〜
いすゞ × ティアフォーDRIVE AGX Thor搭載L4自動運転バス2026年〜
トヨタNVIDIA協業による自動運転の未来構想進行中
HyundaiBoston Dynamics Atlas+自動運転AI統合2026年〜

いすゞ × ティアフォー × NVIDIA ― 日本のレベル4バス

日本でもフィジカルAI×自動運転の動きが加速しています。ティアフォーといすゞは、NVIDIA DRIVE AGX Thorを搭載したレベル4自動運転バスの開発を開始しました(いすゞ自動車)。

ティアフォーの技術的転換

ティアフォーの2026年3月19日発表は、Alpamayo 1をAutowareに統合して検証してきたことと、新モデルをレベル4の開発に活用する方針を説明しています。将来の商用展開を目指す段階であり、ルールベースを含む全既存構成の廃止や、公開教師モデルそのままの車載・完成済み商用運行を示す発表ではありません。

この発表は、推論型モデルやデータ生成を自動運転の開発に取り込む例です。認識・判断を学習で扱うことと、低位制御や安全上の制約を設けることは両立し、ルールとAIの二択で全自動運転システムを分類できません。

Tesla FSD技術のOptimus転用 ― 車とロボットの「脳の共通化」

Teslaの2026年1月28日資料のAI5/AI6は開発中で、生産予定は当時それぞれ2027年/2028年でした。両機種を車とOptimusへ既に共通搭載している実績とは区別します。数十億マイルという走行データ量を、ロボットの訓練量や直接移植できる性能へ換算する根拠も未確認です。共通する認識・計画の方針と、機体固有のデータ・制御・評価は分けて扱います。

技術要素FSD(自動運転)Optimus(ヒューマノイド)
推論チップAI5/AI6は1月発表時の開発計画。7月資料のFSD提供説明はAI3/AI4AI5/AI6の機種・世代別の搭載実績は未確認。車と同一搭載済みとはしない
空間認識カメラベースVision-Only視覚認識・計画を応用する方針。FSDの重みや車の機能をそのまま移植する意味ではない
学習データ数十億マイルという元記述は集計時点・FSDの版を要確認ロボット固有の訓練データが必要。全走行データの訓練利用や直接転用の範囲は未確認
学習基盤Cortex 2は7月資料で開発基盤として説明。Dojoは別システムで現行使用を未確認Cortex 2は車両とロボットの自律性ソフトウェア開発を支援。Dojoの共用実績は未確認

マスクの「テスラはフィジカルAI企業だ」という宣言は、車もロボットも「物理世界で自律的に動くAIデバイス」という同一のフレームワークで捉えていることを意味します。

自動運転×ヒューマノイドの技術スタック比較

層自動運転ヒューマノイド共通点
知覚カメラ・LiDAR・レーダーカメラ・力覚・触覚カメラベースのCV技術
判断Alpamayo等の研究・開発用モデルと車載スタックを区別GR00T N1等の高位理解と行動生成を結ぶモデル視覚・言語等から行動を生成する研究の枠組み。全社同一構成ではない
制御ステアリング・加速・ブレーキ関節角度・把持力・歩行バランスリアルタイム制御が必要。元120-200Hzは対象モデル・機器・推論と制御の区分が未確認で、両分野の共通実測周期ではない
安全冗長システム・安全停止力制御・衝突回避物理安全層の設計
シミュレーションDRIVE SimIsaac SimNVIDIAのシミュレーション開発の例。全社・全モデルの必須基盤ではない

知覚→判断→制御という3層は比較のための概念整理です。実際の構成はモデルの入力・出力、学習データ、低位制御、安全要件、計算資源などにも依存します。VLAの採用も全社共通ではなく、共通する開発手法と、特定機体で成立する統合・性能を区別します。

renueの見解

renueの技術スタンスとして、自動運転とヒューマノイドの技術統合は「汎用AIモデルの進化を追うことが最優先」というポジションをさらに強化します。NVIDIAがAlpamayo(自動運転)とGR00T(ヒューマノイド)を同一のOmniverseプラットフォーム上で展開しているように、AIモデルのレベルで見れば自動運転もロボットも「同じ問題」です。

企業がAI戦略を考える際は、「自動運転のAI」「ロボットのAI」と分けて考えるのではなく、フィジカルAI全体の技術進化を一体的にキャッチアップする視点が重要です。

よくある質問(FAQ)

Q. 自動運転とヒューマノイドロボット、技術的にどう繋がっていますか?

両分野では認識・行動生成やシミュレーションの開発手法を共有できます。VLAはその研究例で、全車両・ロボットが同じモデルやOmniverseを使うわけではありません。DRIVE AGX ThorとJetson AGX Thorも用途別の製品です。対象機体ごとに入力・出力と制御、安全性を評価します。

Q. 日本でロボタクシーはいつ走りますか?

いすゞ・ティアフォーの発表はレベル4自動運転バスの開発・実装の取り組みです。ロボタクシーとは分けて読みます。NVIDIA×Uberの2026年3月発表は、2027年前半にLA・サンフランシスコで始め、2028年までに28都市へ展開する計画を示しています。この発表に日本固有のサービス開始日はなく、アジアという地域区分から国内の開始日を推定できません。

Q. Tesla FSDとNVIDIA DRIVEはどう違いますか?

Teslaは自社の車両・データ・推論機器を組み合わせる方式で、FSD(Supervised)は運転者の監督が必要です。NVIDIA DRIVEは複数メーカー向けの車載開発プラットフォームで、各社のソフトウェア構成は異なります。両者を全く同じVLAモデルとしたり、FSDの提供機能とレベル4の開発計画を同じ段階としたりはできません。

まとめ

自動運転はフィジカルAIの応用領域の一つです。VLA研究・シミュレーション・推論計算には両分野で活用できる要素がありますが、すべての機体が同じNVIDIA製品やモデルを使うわけではありません。NVIDIAとUberの28都市計画、ティアフォー×いすゞのレベル4バス開発、Teslaの車両・ロボット向けAI開発は、各社・各用途の計画と実績を分けて評価します。

「自動運転の技術」と「ロボットの技術」を別物として見る時代は終わり、フィジカルAIという一つの大きな技術潮流として理解することが、次の一手を考えるための出発点になります。


参考情報

あわせて読みたい

AI活用のご相談はrenueへ

renueは自社開発のAIツールを自社運用するAIコンサルティングファームです。自動運転×フィジカルAIの動向を踏まえた貴社のAI戦略を支援します。

→ 詳細を見る

SHARE

FAQ

よくある質問

認識・行動生成やシミュレーションの開発手法には共通点があります。VLAは研究例の一つで、全車両・ロボットが同じモデルやOmniverse、Thor機器を使うわけではありません。DRIVE AGX ThorとJetson AGX Thorも用途別の製品です。入力・出力、制御と安全性は機体ごとに評価します。

いすゞ・ティアフォーの発表はレベル4自動運転バスの開発・実装の取り組みです。ロボタクシーとは分けて読みます。NVIDIA×Uberの2026年3月発表は、2027年前半にLA・サンフランシスコで始め、2028年までに28都市へ展開する計画を示しています。この発表に日本固有のサービス開始日はなく、アジアという地域区分から国内の開始日を推定できません。

Teslaは自社の車両・データ・推論機器を組み合わせる方式で、FSD(Supervised)は運転者の監督が必要です。NVIDIA DRIVEは複数メーカー向けの車載開発プラットフォームで、各社のソフトウェア構成は異なります。両者を全く同じVLAモデルとしたり、FSDの提供機能とレベル4の開発計画を同じ段階としたりはできません。

主に、自動運転(乗用車・商用車・バス)、ロボタクシーとライドシェア、配送ロボットとドローン、倉庫・物流ロボット、ヒューマノイドロボット(製造業・介護・小売)、農業ロボット、建設ロボット、清掃・警備ロボット、医療・手術ロボット、デジタルツインと工場自動化、家庭用ロボット、などです。

主に、業務領域別の優先順位付け、対象タスクの安全要件と規制対応、データ整備(センサー・映像・動作データ)、シミュレーション環境(Omniverse等)の活用、AIモデル開発と運用(AgentOps)、サイバーセキュリティとOTセキュリティ、人間×ロボット協働の業務再設計、社員教育とリスキリング、外部パートナー(自動車メーカー・ロボティクスベンダー)との連携、ESG・サステナビリティ戦略との接続、です。フィジカルAIは単なる新技術ではなく社会インフラと労働市場を変える長期的な変革であり、戦略と組織能力の両輪での備えが、長期的な競争力の本質的な要素となります。

renueについて

renueは、AIで業務を実装する会社です

AIコンサルティングから図面AI・広告運用エージェント・コールセンターAIまで、実際に動いているサービスをご覧いただけます。renueが何をしている会社か、まずはサービス一覧からご確認ください。

AI導入・DXの悩みをプロに相談してみませんか?

AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。

無料資料をダウンロード