「道路の穴」をAIはどう見分けるのか？テスラFSDが挑むポットホール回避とオキュパンシーネットワークの進化

テスラのイーロン・マスクCEOは、完全自動運転ソフトウェア「FSD（Full Self-Driving）」において、道路上のポットホール（路面の穴・陥没や大きな段差）を自動回避する機能が近日中に実装される予定である旨を改めて言及しました。

Coming soon
— Elon Musk (@elonmusk) August 31, 2026

ポットホールへの対応は2019年〜2020年頃から構想として語られてきたものの、長年にわたり難度の高い課題とされてきました。なぜ路面の凹凸の認識と回避がAIにとって難問であったのか、そして最新のエンドツーエンド（E2E）ニューラルネットワークと「3Dオキュパンシーネットワーク」の進化によってどのようにアプローチが変わったのか、その工学的背景と車両制御の統合設計について考察します。

なぜ「路面の穴」の認識はAIにとって難問だったのか

自動運転システムにおいて、歩行者や先行車、道路標識などの立体物（路上障害物）を検出することと、路面そのものの「深さ・窪み」を検出することには、認識アルゴリズム上で大きな違いが存在します。

1. 静的フリートマッピング方式の限界

テスラはかつて、車両に搭載された加速度センサーやカメラを用いて路面からの衝撃・振動を検知し、その位置情報をクラウド上で集約して「ポットホールマップ」を生成するフリート学習アプローチを検討していました。

しかし、この方式には実運用上の制約がありました。

1. 突発的な路面変化への即応性

降雨後のアスファルト剥落や道路工事など、日々新しく発生するポットホールに対して、事前に他車が通過してデータをアップロードするまで回避できないというタイムラグが生じます。

2. 車線内位置とGPS精度のズレ

一般道におけるGPSの位置誤差（数メートル単位）と、タイヤ1本分の幅（約20〜30cm）を避けるためのミリメートル単位の制御要求との間には大きなギャップが存在します。

そのため、地図データに依存するのではなく、車両が搭載するカメラ映像からリアルタイムに路面状態を3次元認識するビジョンオンリーのアプローチが不可欠となりました。

3Dオキュパンシーネットワークがもたらす路面プロファイルのボクセル化

テスラがFSDで導入した「オキュパンシーネットワーク（Occupancy Network）」は、カメラ映像から周囲の空間をボクセル（体積を持った3次元グリッド）として再構成する技術です。この技術の進化が、路面の凹凸認識に変化をもたらしています。

1. 2Dテクスチャと3D幾何構造の分離

カメラ画像のみに頼る従来の2Dアプローチでは、路面の「影」「濡れたアスファルト」「道路補修のアスファルト継ぎ目」といった平面的な色の違いと、実際に深さを持つ「物理的な穴（ポットホール）」を正確に区別することが困難でした。

オキュパンシーネットワークは、複数カメラの視差情報と車両の移動に伴う時系列データ（Temporal Context）を統合することで、路面が水平面からどれだけ落ち込んでいるか（または盛り上がっているか）を立体的なボクセル占有確率として推論します。

Waymo CEOが指摘した「カメラ自動運転の限界論」。テスラFSDがE2Eニューラルネットで挑む計算論的アプローチ

WaymoのCEOが主張した「カメラ単体自動運転の安全性限界論」を技術的に解剖。LiDAR＋高精度マップ派の幾何学検証アーキテクチャに対し、テスラFSDがPhoton-to-ControlのエンドツーエンドAIで挑む計算論的アプローチとスケーラビリティの境界線を比較解説。

2. エンドツーエンド化による遅延削減

FSD v12以降で採用されたE2Eニューラルネットワークでは、「画像認識 ➔ 3Dモデル生成 ➔ 経路計画 ➔ 操舵制御」という従来の多段階パイプラインを統合し、光子の入力から車両のアクチュエータ制御出力までを単一のニューラルネットで処理します。これにより、路面の変化を認識してからステアリングやサスペンションへ指示を送るまでの処理遅延が削減されています。

車両制御との連動：マイクロステアリングと減衰力調整

検出されたポットホールに対して、車両がどのように対処するかは、車両の足回り構造や周囲の交通状況によって異なります。

1. ハードウェア構成による制御アプローチの違い

1. コイルスプリング車（Model 3 / Model Y）における車線内マイクロ回避

Model 3やModel Yのようなコイルスプリング式サスペンションを搭載する車両では、隣接車線や対向車線にはみ出すことなく、同一車線内で数センチ〜数十センチだけ走行ラインをずらす「車線内マイクロステアリング」が主な回避手段となります。

急激な舵角変化による乗員の不快感を抑えつつ、タイヤへの直接的な衝撃入力を避ける軌道平滑化が求められます。

2. アダプティブサスペンション車におけるリアルタイム減衰力制御

サイバートラックなど、アダプティブダンピングや電子制御エアサスペンションを備える車種では、ステアリングによる回避に加えてサスペンション制御の連動が考えられます。

穴を完全に避けきれない場合でも、突入直前にダンパーの減衰力を一時的に緩和（ソフト化）することで、ホイールやサスペンションリンクへの衝撃荷重を低減するセミアクティブ制御が可能となります。

オセアニアで公式確認されたFSD v14 Lite。モデル蒸留が解き明かすHW3の限界と日本導入の道筋

豪州・NZ向けにテスラが開発を公式確認した「FSD v14 Lite」。HW4比でメモリ帯域15%の旧HW3で最新自動運転モデルを動かすモデル蒸留（Distillation）技術、右ハンドル・左側通行の空間認識適応、日本市場への影響を徹底解説します。

実環境における過剰検知（False Positive）と認識のトレードオフ

ポットホール回避機能の実装にあたり、最大の技術的ハードルとなるのが「過剰検知（誤認）」への対策です。

1. 日本の道路環境における特有の課題

日本の都市部や幹線道路には、マンホールの蓋、橋梁の伸縮継手、道路工事の仮舗装段差、路面ペイントなど、多種多様な路面テクスチャが存在します。

ファントムアクション（不要な回避動作）の抑制: 無害なマンホールの段差や影を「危険な陥没」と誤認して急な車線内蛇行や急減速（ファントムブレーキ）を行うと、後続車追突のリスクや乗員の不安を招きます。
検知閾値のチューニング: 逆に安全マージンを広げすぎると、実際の危険なポットホールを見落とし、タイヤのバーストやホイールリムの損傷につながります。

ニューラルネットワークが「回避すべき有害な穴」と「そのまま通過してよい軽微な凹凸」をどの程度の信頼度スコアで切り分けるかが、日常の実用性を左右するポイントとなります。