グローバルな学習、ローカルな走行：日本からの教訓

グローバルな走行インテリジェンスを支える基盤

Wayveの自動運転2.0アプローチの核心にあるのは、Wayve基盤モデル（Wavye Foundation Model）です。これはWayveのAIドライバーの中央知能として機能する汎用的な世界モデルです。このモデルは、当社の研究開発フリート、パートナーのフリート、その他のソースから収集された、膨大かつ多様なグローバル走行データのコーパスから学習します。このデータの多様性を通じて、運動の物理法則から人間や車両の挙動の機微に至るまで、世界がどのように動くかについての豊かな理解を構築します。

基盤モデルは、すべての展開先で共有される知識の源として機能します。道路利用者の行動、インフラの構造、交通の流れといった走行の普遍的な原則を学習するため、AIは複雑で構造化されていない環境においても推論し、意思決定を行うことができます。人間が持つ世界に対するメンタルモデルと同様に、予測的な表現を構築することで、新しい状況を予測し、インテリジェントに対応することを可能にします。

当社は定期的に、路上走行モデルに使用されるものよりも大幅に大きく多様なデータセットを用いて、基盤モデルの新しいバージョンをトレーニングし、拡張しています。新しいイテレーション（反復）ごとに根本的な改善がもたらされ、これまで走行したことのない市場を含め、すべての市場でパフォーマンスが向上します。

この中核となる基盤モデルから、実際の道路での展開や微調整（ファインチューニング）用に設計された専用バージョンである走行モデルファミリーを派生させています。これらの走行モデルはさまざまな形態をとることができます。日本のような新しい市場への参入初期には、現地で収集された走行データで微調整されたローカル走行モデルを開発し、AIがその地域特有の交通パターンや道路状況を学習できるようにします。時間の経過とともに、それらの学習内容はグローバル・ベースライン・モデルへと統合されます。これはあらゆる市場からの知識を組み合わせたもので、どこにでも展開可能な単一の高性能モデルを作り上げます。

基盤モデルと走行モデルは共に、WayveのエンボディドAI（身体性AI）テクノロジーのバックボーンを形成しています。基盤モデルがグローバルな知能を提供し、走行モデルがその知能を路上での安全で拡張可能なパフォーマンスへと変換します。つまり、ローカルで学習し、グローバルに向上するのです。

「汎化」と呼ばれるこの適応力により、WayveのAIドライバーは、わずかなローカルデータだけで新しい国でも安全に走行できます。これは、経験豊富なドライバーが数時間ハンドルを握るだけで、見知らぬ道路に適応できるのと非常によく似ています。

Wayveは長年にわたり、自動運転2.0を可能にするこのエンボディドAIテクノロジーの開発に投資してきました。当社は、地域や車両プラットフォームをまたぐ、世界で最も多様な走行データセットの一つを構築してきました。この多様性に、各走行から最大限の学習信号を抽出する高度な技術を組み合わせることで、Wayveとその顧客に、他が模倣することの困難な拡張性の優位性を提供しています。

そのレベルのパフォーマンスが達成されると、当社はすべての地域で改善を促進するためにモデルとトレーニングレシピの最適化を続けました。9月下旬までに、テストを行っているすべての地域で、顕著かつ一貫した向上が確認されました。

Wayve基盤モデルへの日本に関する理解の追加

走行モデルの適応によってローカルおよびグローバルで強力な改善がもたらされた一方で、データの多様性をより多く取り込み、世界に対する理解を強化するために、基盤モデルのアップデートも行いました。

このモデルにおける日本の走行環境の表現を強化するため、パートナーであるS.RIDEからのデータを初めて追加しました。このデータセットには、日本の密集した都市部の道路、活発な歩行者の動き、複雑な交差点、独特の道路標識など、現実世界の事例が含まれており、これらはモデルがより幅広いグローバルな走行コンテキストを解釈することを学習するのに役立ちました。

このアップデート後、測定可能なパフォーマンスの向上が確認されました。