AI-500ロードショー：500都市の走行とそこから得られた知見

今年初め、私たちは単一の基盤モデルから派生したWayve AI Driverが、未知の環境にどの程度汎化できるかをテストするため、AI-500ロードショーを開始しました。汎化性能は当社の自動運転2.0アプローチの核心的な利点であり、地域ごとのエンジニアリングを必要とせずに拡張可能な走行インテリジェンスを構築する上で不可欠です。これを評価するため、セーフティオペレーターがハンドルを握る状態で500以上の都市でAI Driverをテストし、トレーニングでは全く見たことのない場所での挙動を観察しました。

このロードショーは、ヨーロッパ、北米、アジアの公道で実施されました。地理、気候、道路レイアウト、走行文化が多岐にわたる環境を網羅することで、未知の設定におけるシステムの挙動を観察し、単一のグローバルモデルが信頼性高く動作できる条件を特定することができました。

現実世界の多様性が重要である理由

信頼性の高い汎化には、多様な環境への露出が必要です。運行設計領域（ODD）の違いは、モデルの内部表現を強化し、トレーニングデータセットの分布外のシナリオを解釈する能力を向上させます。これは、新しい展開地域ごとにシステムを再設計することなく、単一のグローバルAI Driverを動作させるために不可欠な要素です。

先日の米国、ドイツ、および日本への市場拡大により、このアプローチの実現可能性が証明されました。AI-500ロードショーは、その評価を大幅に大きな規模へと拡張したものです。

グローバル規模での汎化性能のテスト

私たちは、現実世界における有意義な複雑さを備えた都市や町を選定しました。これにより、モデルが現地データを全く持たない、あるいはほとんど持たない「ゼロショット」および「フューショット」の設定で、システムの挙動を観察することが可能になりました。

12月までに、私たちは目標の500都市を超え、AI Driverソフトウェアを世界 506都市で稼働させました。 それぞれの場所で、システムが未知の環境にどのように対応するかを示すさらなる証拠が得られました。

ロードショー全体で、AI Driverソフトウェアを有効にした状態での走行距離は145万kmに達し、汎化性能を評価するための広範な実世界データセットが得られました。

主要な知見：信頼性の高いゼロショット汎化

AI-500ロードショーから得られた最も重要な結果は、AI Driverソフトウェアがテストした都市の大部分において、信頼性の高いゼロショット動作を実証したことです。全展開先のうち、システムは事前の現地データなしで219都市（全体の43%）で動作しました。さらに、訪問した都市の67%は、Wayveが収集したデータまたはサードパーティの走行データが100km未満という、トレーニングデータセット内のデータが極めて少ない場所でした。

これらの分布は、単一のグローバルモデルが、地域固有のエンジニアリングや広範な現地データの準備なしに、多くの未知の環境で動作できることを示しています。これが、本ロードショーで検証された最も明確な成果です。

新しい地域における初期挙動と適応

Wayve AI Driverは、世界共通で実行される単一の重みセットを持つ一つの基盤モデルによって駆動されています。国ごとのモデルバリアントを維持する代わりに、システムが新しい地域に初めて展開される際の初期挙動を導くため、「カントリー・エンベディング」と「ドライビングサイド・エンベディング」という2つの入力を提供しています。

現地データがない国での初期運用中、モデルは他の市場で学習した挙動を示すことがあります。これらは、現地のデータが収集されトレーニングに組み込まれるにつれて減少します。ドメインプライア（領域の事前知識）を使用することで、初期の挙動を安定させ、地域を越えて一貫した開始点を提供することができます。

多様な環境におけるデータ露出

ロードショーでは46,347時間のテスト運用が蓄積されました。これは連続走行5.3年分に相当します。これらの時間は以下の環境を網羅しています：

• パリ、ニューヨーク、東京などの過密な都市中心部
• 小規模な町、山岳地帯、沿岸の道路
• 高速道路およびアウトバーン
• 多様な交通パターンと現地の標識
• 独自の文化的な走行規範

それぞれの場所で異なる運行設計領域の特性が明らかになり、単一のグローバルモデルが幅広い実世界の条件にどのように反応するかについての洞察が得られました。

スケーラブルな展開への示唆

グローバル市場に走行インテリジェンスを展開するには、地域固有のエンジニアリングなしで効果的に動作できるシステムが必要です。AI-500ロードショーは、単一のグローバルモデルが多くの都市、たとえ未経験の場所であっても信頼性高く動作できることを証明し、当社の基盤モデルアプローチの核心的な前提を検証しました。

この規模での汎化は、最小限の適応で市場を越えてOEMが統合できるAI Driverソフトウェアを構築するために不可欠です。これはグローバル展開への実用的な道筋を確立し、開発と評価の次のフェーズに情報を提供するものです。

👉 AI-500ロードショーの締めくくりとして、東京から富士山までのドライブを収めた最終ビデオをご覧ください。