自動運転業界では、高精度地図（HDマップ）からリアルタイムの知覚ベース・ナビゲーションへの移行が進んでいます。しかし、この変化は開発チームにとって重要な課題をもたらしています。というのも、現在使用されているシミュレーションやバリデーションのツールは依然として詳細なマップを必要とする一方で、それらのマップは維持コストが高く、実用性を失いつつあるからです。
本記事では、車両認識データからのマップを自動生成する技術が、この課題をどのように解決できるのかを探ります。この技術により、AV チームは従来の HD マッピング運用の負荷をかけずに、走行ログから高品質なマップを直接生成できます。マップレス走行を可能にするのと同じ認識データを活用することで、実際の自動運転と開発環境のインフラ要件とのギャップを埋めることが可能になります。
HD マップからの移行
これまで、自動運転アプリケーションは高精度地図（HDマップ）に大きく依存していました。HD マップは AV 車両のフリート間で共有され、走行中に取得したデータによって更新されることもありました。
現在、AV 業界では HD マップからの脱却を進めています。代わりに、AV のセンサーと知覚パイプラインが車両周辺を詳細に表現する一時的な“ローカルマップ”を生成します。これには、走行可能領域、レーンライン、車線標示、交通標識などが含まれます。このマップは車両が走行するたびに繰り返し生成されます。そして重要な点として、この方式はリアルタイムネットワーク、フリート、リモートサーバーの存在を前提としません。
この傾向には複数の要因があります：
・AV センサーと認識アルゴリズムの精度が向上し、一時的なローカルマップを十分に生成できるようになった
・HD マップの作成・維持・共有はコストが高く、展開地域の拡大とともに経済的に持続困難となった
・HD マップ情報と認識データの融合は特に end-to-end ML スタックでは困難
AV は HD マップなしでも走行できるようになったが、開発環境では依然としてマップが必要
シミュレーター、監視ツール、検索・評価ツールはマップを必要とします。そのため AV 開発チームは、テスト走行が行われる地域のマップを作り続けていますが、これはコストと時間がかかり、縮小しつつあります。
高精度地図が不足するという問題
マップが必要である以上、自動で“十分に詳細なマップ”を生成できないだろうか？
自動運転に使用される認識データが十分高品質なら、そのデータから AV のルートの詳細マップを生成できるはずです。
Foretellix はまさにそのための技術を開発しました。
私たちのマッピングパイプラインへの入力は 記録された走行ログ です。ただし、すべてのセンサーデータや AV スタックの信号を完全に記録するのではなく、知覚パイプラインが生成した抽象化された情報を使用します。これには以下が含まれます：
・AV のグローバル位置
・走行可能領域の境界、道路線形、レーン標示
・道路標識、信号機、停止線や矢印などの路面標示
・その他の道路属性（例）
‐レーン用途：自転車レーン、一般車レーン、歩道など
‐路面素材：アスファルト、コンクリート、砂利など
‐アクセス制限：有料道路、私道など
これらの情報は AV スタックの各サイクル（通常 20〜100 ミリ秒ごと）で取得されます。
理論上、この情報を時間方向に統合すれば AV の走行ルートの詳細マップが生成できるはずです。
しかし、実際にはマップとして利用する前に解決すべき課題が多数あります。
入力データの品質課題
入力データは常に正確とは限らず、利用できない場合もあります。品質を左右する要因には以下があります：
センサーノイズ、誤差、干渉（例：光の反射）
遮蔽によりシーンの一部が欠落
不十分または存在しない道路標示
認識誤り（例：路面の影を停止線と誤認）
時系列での不整合（例：あるフレームで認識された標識が他のフレームで消える）
データ品質を補正する技術
マッピングパイプラインは複数の戦略を用いてこれらの問題を克服します。
- 時間統合による補完
データは時間方向に積み重なるため、シーン内の多くの要素は何度も観測されます。
レーン境界線はほとんどのフレームに存在するため、欠落部分があっても補間により埋めることができます。
- 不完全な知覚データへの補正アルゴリズム
システムは構造的不変量や文脈的推論を利用して欠損を補います。
例：
車線標示が欠落した区間では、隣接区間を分析して車線数や車線幅を推測し、欠落部分を補間
大型車両が長時間視界を遮る場合でも、
→「その車が走行しているという事実」から車線の存在を推論
図 1：走行ログから詳細マップへの構築パイプライン
（※原文に図あり）
走行範囲の拡張と地図統合
走行ログは AV が実際に走行した範囲のみをカバーします。しかし、シミュレーションにおいては、交差点に他車両を追加するなど、ログの周辺領域が必要になる場合があります。
Foretellix の Smart Replay はシーンのバリエーションを生成でき、そのためには交差道路などより広いマップが必要です。
幸い、多くの AV テストは複数車両で同一地域を複数回走行します。マッピングパイプラインは以下の利点を持つ マップ統合（フュージョン） を行います：
- マップ品質の向上
複数の走行が重なることで情報が強化され、1 回の走行の欠陥が他の走行データで補われます。
結果として、より完全で信頼性の高いマップが得られます。
- 広域マップの生成
複数の走行マップを縫い合わせることで広範囲の統合マップが生成され、
必要に応じて ROI（関心領域）に切り出して利用できます。
図 2：ドライブログの融合によりマップ範囲と精度を向上させるマップサービス
（※原文に図あり）
まとめ
AV 開発ツールが詳細なマップを必要とする一方、そのマップはもはや AV の走行には使われていません。また ODD（運行設計領域）は地図が存在しない領域へと拡大しています。
このギャップを埋めるためには、不完全な走行ログから高品質マップを生成する技術が不可欠 です。このアプローチにより、評価・検証・バリデーションのすべてで利用可能な高品質マップを得ることができます。
もし AV チームの開発プロセスがマップ不足により問題に直面している場合、
ぜひお問い合わせいただき、情報交換を続けてください。
著者について
Yaron Kashai – Foretellix フェロー
先端研究、技術革新、全社的なエンジニアリング活動を主導。
Cadence、Verisity、National Semiconductor で上級エンジニア／研究職を歴任。
10 件以上の特許を保有し、Technion とテルアビブ大学でコンピュータ工学・電気工学を専攻。
