株式会社renue
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、AgiBot | Uber×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 2 | 2027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 |
|---|---|---|
| Uber | 28都市4大陸でL4ロボタクシー展開 | 2027年開始〜2028年 |
| BYD | DRIVE Hyperion搭載L4車両開発 | 2026年〜 |
| Geely | DRIVE 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 |
| Hyundai | Boston 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/AI4 | AI5/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 Sim | Isaac Sim | NVIDIA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
- NVIDIA × Uber Robotaxi Partnership - NVIDIA Newsroom
- NVIDIA L4 Robotaxis on Uber - Uber IR
- DRIVE Hyperion Level 4 - NVIDIA Newsroom
- Alpamayo Launch - TechCrunch
- いすゞ × ティアフォー レベル4バス - いすゞ自動車
- ティアフォー AI自動運転L4 - PR TIMES
- ティアフォー NVIDIA協業 - ビジネス+IT
- DRIVE Hyperion Level 4 日本語 - NVIDIA Japan Blog
