TIER IV、自動運転向けオープンソースモデル5種の詳細を発表

TIER IVは2026年11月11日、Autoware向けのエンドツーエンド自動運転AIモデル5種類を開発し、オープンソースとして公開すると発表した。ラインアップは、カメラのみを使用するシステムから、LiDAR、レーダー、高精細地図を追加する構成まで幅広くそろう。自動車メーカーや技術パートナーは、モデルを最適化し、車両システムに組み込むための複数の選択肢を得られる。

ラインアップは、NVIDIA Alpamayo 2 Edge、AutoE2E、METEOR、OnePlanner、LatentDriveで構成される。各モデルは、環境認識と走行軌道の生成をつなぐエンドツーエンド設計を採用しているが、必要なセンサー、計画手法、開発の進捗状況はそれぞれ異なる。Autowareとの統合が済んでいるモデルもあれば、車両への適応や統合が進行中のモデルもある。

TIER IVは、2026年11月2日に詳細を発表した次世代アーキテクチャAutoware 2.0の具体的な技術成果として、これらのモデルを紹介している。このアーキテクチャは、AIベースの手法と従来のルールベースの手法を組み合わせ、モジュール型ソフトウェアの統合に柔軟に対応するインデックス方式を追加する。また、車両、アプリケーション、運用環境を問わず商用展開を促進することを目的とした、リファレンスデザインのフレームワークも提供する。

車両に応じた多様なモデル

TIER IVによると、Alpamayo 2 Edgeのパラメーター数は20億で、Alpamayo 2 Superの340億と比べて少ない。同モデルは、カメラ画像と推論のみを用いて走行軌道を生成する。Autowareとの統合は完了しているが、TIER IVは現在もモデルの最適化と実車への適応を進めている。

AutoE2Eの開発は、Autoware FoundationとTIER IVが主導している。TIER IVによると、パラメーター数は7,990万で、NVIDIA製品以外のコンピューティングプラットフォームでも実行できる。カメラのみの構成から、LiDARやレーダーを組み込んだシステムまで対応する。高速・低速アーキテクチャでは、リアルタイムの判断を担うリアクティブモデルと、環境の変化を予測して運転判断を支援するワールドモデルおよび推論モデルを組み合わせている。

TIER IVが独自に開発したMETEORは、主に個人所有の乗用車を対象としており、パラメーター数は1,600万だ。TIER IVによると、この畳み込みニューラルネットワークは鳥瞰表現を用い、高精細地図に依存せず、認識から軌道生成までを単一のネットワークで処理する。1台から8台までのカメラ画像を入力でき、LiDARやレーダーの追加にも対応するほか、NVIDIAおよびRenesasの半導体プラットフォームをサポートする。

TIER IVによると、OnePlannerは認識と動作計画を統合する。現在はBEVFusionを用いてLiDAR点群から鳥瞰表現を生成し、認識段階で抽出した特徴を中間段階で物体の位置や速度に変換することなく、プランナーに直接渡している。また、高精細地図、経路情報、信号機の状態、車両の動きの状態を取り込み、6秒間の軌道を生成する。Autowareとの統合は完了している。

LatentDriveは、自己教師あり学習手法のV-JEPAを用いてカメラ映像の特徴を潜在空間で表現し、中間段階で物体検出や追跡を行わずに軌道を生成する。TIER IVによると、高精細地図は不要で、映像、経路情報、車両の動きの状態を用いて4秒間の軌道を生成する。カメラ1台または3台に対応する一方、Autowareとの統合と車載検証は現在も進められている。

AutoE2E v1.0の内容

TIER IVの支援を受けるAutoware FoundationのRobotaxi Working Groupは、研究および商用利用向けに、Apache 2.0ライセンスの下で2026年11月11日にAutoE2E v1.0を公開した。学習済みチェックポイントも利用できる。このリリースにはReactive Modelが含まれ、同モデルは10 Hzで動作し、6つのカメラ映像を鳥瞰表現に統合して、6.4秒先までの加速と操舵を計画する。ワールドモデル層と推論層は、同じプランナーで動作するよう、現在も開発が続けられている。

同財団によると、ファインチューニング済みのAutoE2Eモデルは、記録データを用いた検証で、3秒間の平均変位誤差が0.744メートルとなり、比較対象のオープンウェイト構成8種のうち2位にランクインした。このオープンループ試験では、モデルに記録済みのカメラ映像を入力し、人間の運転者が実際に走行した経路との誤差を評価した。AutoE2Eには地図のラスタデータと経路情報も入力されたが、モデルごとに入力情報は異なっていた。したがって、この結果が示すのは記録データに基づく軌道予測性能であり、無人運転での道路走行性能ではない。

AutoE2Eはオープンループ評価向けにAutowareと統合済みで、対話的な運転を評価する実車のクローズドループ試験も進行中だ。同財団によると、実運用時の性能と必要なリソースは、プラットフォームごとの評価が必要であり、2027年にはさらなる公道試験を計画している。このプロジェクトは、ハンズフリー運転支援のL2++から将来のL4無人モビリティまでを対象とするが、L4は現時点で実現している機能ではなく、開発目標にとどまる。

商用化と開発ワークフロー

METEORについてTIER IVは、Co-MLOpsに含まれる自動ラベリングプラットフォームCoMETとエージェント型AIを活用し、データのラベリングに加え、モデルのトレーニング、評価、改善を自動化していると説明する。これにより、手作業でのコーディングやラベリングが不要になる。自動車メーカーや部品サプライヤーは、オープンソースモデルを自社の車両仕様や性能要件に合わせて最適化できる。

創業者兼CEOのShinpei Kato氏は、複数のモデルを活用する戦略について、「特定のAIモデルや半導体プラットフォームに依存せず、用途や性能要件に応じた技術をメーカーやサプライヤーが自社内に取り込めるようにすることを目的としている」と述べた。

NVIDIAの自動車部門担当バイスプレジデントであるAli Kani氏は、Alpamayo 2 Edgeとの統合により、開発者はこの技術を研究段階から自社の車両へ移行させるためのオープンな基盤を得られると述べた。

TIER IVが示した次のステップは、性能のさらなる向上、車載環境での最適化、Autowareを通じた自動車メーカーやパートナーとの商用化、そして車両の種類や用途の拡大だ。Autoware 2.0は共通アーキテクチャを提供する一方、AutoE2Eの閉ループテストが未完了であることは、オープンソースとして利用できることと、車両への導入が検証済みであることが、依然として別個のマイルストーンであることを示している。