アクセシビリティ・ステートメント
Skip Navigation
カリフォルニア州サンノゼ、2026年3月18日 /PRNewswire/ -- 「NVIDIA GTC 2026」において、DeepRoute.aiは400億パラメータの視覚・言語・行動基盤モデル（Vision-Language-Action Foundation Model：VLA）アーキテクチャの包括的な紹介を行いました。これは自律走行開発における根本的なブレークスルーを象徴するものです。このモデルは、知覚、推論、および行動を統合する統一されたアーキテクチャを導入しています。これにより、システムが運転するだけでなく、自らの意思決定をリアルタイムで理解し、評価することが可能になります。
DeepRoute.aiはすでに大きな商業的成功を収めており、これまでに25万台以上の量産車に高度な自律走行システムを提供してきました。2025年10月、DeepRoute.aiは高レベル自律走行セグメントにおいて、サードパーティ・サプライヤーの中で単月で40％近い市場シェアを獲得しました。この勢いを基盤とし、基盤モデルの絶え間ない進化に後押しされ、同社は2026年末までに自社の先進運転ソリューションを搭載した車両を100万台配備することを目標としています。
Photo 1 (PRNewsfoto/DeepRoute.ai)
Photo 2 (PRNewsfoto/DeepRoute.ai)
Photo 3 (PRNewsfoto/DeepRoute.ai)
Photo 4 (PRNewsfoto/DeepRoute.ai)
ボトルネックの解消：数日から数時間へ
自律走行の開発は、従来の「データ・クローズド・ループ」ワークフローの非効率性によって長年妨げられてきました。従来のシステムでは、データの収集、レビュー、注釈付け、および再学習を手作業で行う必要があり、このプロセスには通常、1回の反復につき5日以上を要していました。その一方で、企業は膨大な量の未加工の走行データを蓄積していますが、そのほとんどは日常的なシナリオで構成されており、学習価値が限定的であるばかりか、モデルの性能を低下させる可能性さえあります。
DeepRoute.aiのCTOであるTongyi Cao氏は、次のように述べています。「自律走行の核心はスケーリング（規模拡大）の問題です。業界は大きな進歩を遂げましたが、従来の実行経路には欠陥があるため、真の大規模展開はいまだ困難なままです。ボトルネックはもはやデータの取得ではなく、システムがいかに効率的にノイズを排除し、膨大な量の未加工データを価値の高い学習サンプルに変換できるかという点にあります。」
DeepRoute.aiのソリューション：インテリジェントな自動化を通じて、5日以上かかっていたデータ処理サイクルを約12時間に短縮。
1つのモデル、3つの役割：ドライバー、アナリスト、評論家
40B VLA基盤モデルは、以下の3つの補完的な機能を同時に実行します。
ドライバー - 視覚的な入力に基づいてリアルタイムの運転操作を実行します。
アナリスト - 重要な運転事象を特定し、因果推論を通じて意思決定を説明します。
評論家 - 安全性、快適性、および人間らしい行動の観点から走行軌道を評価します。
Cao氏は次のように説明しています。「業界のスケーリングのボトルネックに対する当社の解決策は、統一された400億パラメータの視覚・言語・行動基盤モデルです。このモデルは、基本的な車両制御の域を超えています。データを分析し、運転行動を評価する能力を備えているのです。簡単に言えば、このモデルは『ドライバー』としてだけでなく、同時に『アナリスト』および『評論家』としても機能します」。
これらの機能を単一の基盤モデルに組み込むことで、DeepRoute.aiはデータ・パイプラインの大部分を自動化しました。このシステムは、ヒヤリハットや稀なシナリオなどの価値の高い事象を自律的に特定し、根本原因分析を実行して、推論の注釈を生成します。これらすべてが手作業を介さずに行われます。
自己進化するデータ・フライホイール
このアーキテクチャにより、運転性能の向上がシステムのトレーニング・データの処理・選別能力を直接強化するという、自己強化型の開発サイクルが可能になります。
Cao氏は次のように述べています。「従来のデータ・クローズド・ループは人間による手作業に大きく依存しており、反復スピードが著しく制限されていました。当社の基盤モデルを活用することで、このワークフローを完全に再構築しました。このモデルはデータ・マイニング、原因診断、および行動スコアリングを自律的に処理します。「このワークフローの反復の一つひとつが、当社のAI能力の測定可能な強化に直結するのです。」
この自己進化型フライホイールは、手作業によるラベリングへの依存を劇的に減らしながら、能力の向上を加速させます。
規模と勢い：25万台から100万台へ
Cao氏は次のように述べています。「2025年末までに、DeepRoute.aiの自律走行システムを搭載した25万台以上の量産車の納入に成功しました。基盤モデルは、DeepRoute.aiの次世代自律走行支援の根幹をなすものであり、物理世界のための基本的なAIフレームワークとして機能します。この統一されたアーキテクチャにより、システムは単なる実行を超え、複雑な交通環境を理解し、判断の根底にある論理を説明し、運転行動を評価することが可能になります。この進化により、自律走行システムにより包括的な認知能力と意思決定能力が提供されます。」
GTC 2026でのプレゼンテーションを通じて、DeepRoute.aiは、その40B視覚・言語・行動基盤モデル・アーキテクチャが、継続的なデータ駆動型の学習と迅速な反復サイクルを通じて、スケーラブルで安全な自律走行への道をいかに加速させているかを実証しました。
DeepRoute.aiについて
DeepRoute.aiは、高度な自律走行システムを開発する人工知能のリーディング・カンパニーです。物理世界における汎用人工知能（AGI）の実現というビジョンを掲げ、同社は最先端の基盤モデルを活用して、信頼性が高く安全性を最優先した自律走行ソリューションを提供しています。一流の投資家から7億ドルを超える資金調達を受けているDeepRoute.aiは、20万台以上の量産型消費者向け車両にシステムを展開することに成功しています。スケーラブルで革新的なスマート・モビリティを優先することで、同社は将来の商業用ロボットタクシー事業を切り拓くための強固な基盤を構築しています。
SOURCE DeepRoute.ai
この記事をシェアする