Volkswagen Group各ブランドを横断する共有AVデータ・フライホイールをPorscheが主導

2026年10月21日、NVIDIAのGTC Berlinカンファレンスで、Porsche、Volkswagen Group各ブランド、CARIADは、Porscheが初期導入とエコシステム統合を主導し、自動運転車開発のための共有データ・フライホイールをVoxel51、NVIDIA、Microsoftと共同で構築すると発表した。

Volkswagen Groupは、車両群のデータをシミュレーション、トレーニング、評価と結び付けるフィジカルAIスタックの開発を主導している。Voxel51によると、同グループのコネクテッド車両群が生み出すデータ量は、平均的なドライバー1万1,000人分に相当するという。また両社は、この協業により、実車でのテスト走行の繰り返しを最大90％削減し、AI回帰テストのサイクルを最大85％短縮できると見込んでいる。

フライホイールにおける各社の役割

各社は、この協業を、次世代の先進運転システムを開発する自動車メーカー向けのリファレンスアーキテクチャと位置付けている。

Volkswagenは、コネクテッド車両群、実走行データ、車両プラットフォーム、システム要件を提供する。Voxel51はデータレイヤーを担い、フライホイール内の6つのワークフロー、すなわちマルチモーダル検索と取得、自動ラベリング、シナリオベースのキュレーション、データセットのバランス調整、トレーニングデータの選定、モデルの検証を支える。NVIDIAは、データの取得、生成、シミュレーション技術を提供する。そこには、トレーニングデータの準備、拡張、評価を行うCosmos Data Factory、実走行を再構成するOmniverse NuRecライブラリ、シミュレーション環境で運転システムをテストするためのオープンモデルとツールが含まれる。Microsoft Azureはクラウドとコンピューティング環境を提供し、ワークロードは同グループがすでに利用しているインフラ上で、車両群規模で実行される。

カンファレンスに関するNVIDIAの公式ニュースルーム発表によると、PorscheはVoxel51を通じて、Volkswagen Group各ブランドを横断するデータ・フライホイールのワークフロー開発を主導しており、Azure上でCosmos Data FactoryとOmniverse NuRecを活用している。

NVIDIAの自動車部門担当バイスプレジデント、Rishi Dhallは発表の中で、シミュレーションによって実世界での運転経験が継続的な学習と改善のサイクルへと変わりつつあると述べた。また、Volkswagen Groupは、Voxel51のデータプラットフォームとOmniverse NuRec、Cosmosを組み合わせることで、車両群のデータを高忠実度のシミュレーションシナリオに変換できると語った。

監査、生成時のゲート、再構成の結果

運転ソフトウェアのリリースを仮想環境で検証することは、PorscheとVolkswagen Groupにおけるフライホイールの初期用途の一つだ。エンジニアは実走行データからカメラ入力を再構成してレンダリングし、シミュレーションの出力を実世界の測定値と照合する。Voxel51によると、この取り組みの狙いは、テストの再現性を高め、フィードバックサイクルを短縮し、実車でのテスト走行への依存を減らすことだ。

録画データがGPUによる再構成に進む前に、Voxel51は、生センサーデータの整合性、タイミング、キャリブレーション、軌跡、対象物、座標系などを対象とする約80項目のチェックで、元データのログを監査する。Voxel51でフィジカルAI分野のパートナーシップ責任者を務めるDan Guralによる詳細な技術解説によると、この監査はMCAPファイルを直接読み込み、3段階で実行される。各走行データにつき、マニフェストの検査に約1ミリ秒、エピソードの検査に約1秒、デコード後の検査に数分かかる。各チェックでは、合格、不合格、または実行不能のいずれかが記録される。Voxel51が「沈黙は合格を意味しない」と呼ぶルールに基づいており、入力データが欠けている場合に、それを有効なデータと誤認することはない。

Guralは、このループを「検索、確認、生成、再構成、評価」の5段階で説明している。検索段階では、プラットフォームにNVIDIA Cosmos Dataset Searchが統合されており、映像クリップはCosmos-Embed1で埋め込み表現に変換されたうえで、Milvusに保存される。続いてエージェント型の再ランキング機能が、検索意図に基づいてプランナーモデルに評価基準を作成させ、Cosmos Reasonを使って各クリップをその基準に照らして採点し、リストの順位を付け直す。

Guralによると、Voxel51はnuScenes、Waymo、PandaSet、Argoverse 2、MAN TruckScenes、aiMotive、Lyft Level 5の7つの公開データセットを使って監査機能を検証した。公開データでは、確認済みの問題が25件見つかり、そのうち17件は再構成の前に修正された。Cosmos Data Factoryによる合成データ生成について、詳細な技術解説では、保存されたゲートの証拠から、サンプリングステップ数12が採用率において35に匹敵し、コストをクリップ1本あたり6.80 GPU分から2.43 GPU分に削減したと報告している。また、属性ゲートを通過した生成クリップはわずか30～38％だったこと、判定器を再調整すると、GPU時間を追加することなく意味的な合格率が3％から91％に上昇したことも報告している。

再構成について、詳細な技術解説では、NVIDIA H100 GPUで処理した公開nuScenesの25シーンにおけるピーク信号対雑音比の中央値は29.05 dBだったと報告している。また、nuScenesの夜間シーンの一例では、この指標が28.59 dBだった一方、構造的類似度スコアは0.56、学習ベースの知覚的類似度スコアは0.61だったという。Guralはこの例を挙げ、画質を単一の数値だけで評価すると、見た目に明らかに品質の低い結果でも合格と判定され得ることを示している。再構成はすべて人によるレビューキューに送られ、エンジニアがシミュレーションへの使用を承認するか、再トレーニングに戻すか、却下する。完了したシーンは、NVIDIA AlpaSimを含むシミュレーターですぐに使えるUSDZファイルとしてパッケージ化される。

Azureへの展開とループの管理主体

各段階はMicrosoft Azure上でジョブとして実行され、Volkswagen Groupが車両群のデータを管理します。Azureは、データ処理、再構築、シミュレーションに必要なストレージとコンピューティングリソースを提供するとともに、これらのワークロードをグループ既存のセキュリティ、ID管理、地域ごとのガバナンスの枠組み内に維持します。

Voxel51によると、共通データモデルによって、あるプロジェクトで作成した走行データやシナリオを、車両プログラム、ソフトウェアのリリース、ブランドをまたいで引き継げます。走行データが増えるたびにシナリオの基盤も拡充され、再構築されたシーンは今後の開発・検証サイクルで再利用できます。

Voxel51の共同創業者兼CEO、Brian Mooreは、自動車メーカーはすべてのツールを自社で開発しなくても、開発のサイクルを自ら管理できると述べています。「業界をリードする性能を実現する鍵は、自社が利用できるデータを活用することです。スタックのすべての層を自社で構築しなくても、開発と反復改善のサイクルは自ら管理する必要があります」。Voxel51は、自社のプラットフォームを拡張可能なものと説明しています。チームは独自のモデルを持ち込み、カスタムのシナリオロジックを定義し、既存のデータやインフラを接続できますが、運転システム自体の構築方法を指定されることはありません。

Voxel51によると、同社がPorscheとの協業を開始したのは2024年です。当時、PorscheのテックリードであるTin Stribor Sohnは、データの課題に対処するには、データを理解するための自動ラベリング、新規性や重要性のある事象を見つけるシナリオ検出、重複を取り除くためのキュレーションが必要だと説明しました。また、Voxel51の投稿はMcKinseyの調査を引用し、世界の消費者の4人に1人が、より優れた自動運転機能を求めてブランドを乗り換える意向を示しているとも述べています。

これとは別に、GTC Berlinで発表されたNVIDIAのリリースによると、Volkswagen Commercial Vehiclesは、複数の自動運転システムに対応するため、自動運転車両プラットフォーム「ID. Buzz AD」を、コンピューティングプラットフォーム「NVIDIA Hyperion」上で披露しています。