自動運転シミュレーションおよびワールドモデルに関する調査レポート（2026年）

自動運転シミュレーション調査 - 「シミュレーション試験＋ワールドモデル」主導の試験システムが研究開発の基盤となっています。

『自動運転シミュレーションおよびワールドモデルに関する調査レポート（2026年）』は、主にシミュレーションおよびワールドモデル分野における中核技術、業界動向、主流ソリューションに焦点を当て、シミュレーションテストの完全なシステム（MILからVILまでのX-in-the-loopテスト、シナリオライブラリの構築など）に加え、OEMやティア1サプライヤーによるワールドモデルソリューションの進化についても網羅しています。本報告書では、中国国内の14社および海外の13社の主要なシミュレーションプラットフォームおよびワールドモデルソリューションプロバイダーを分析し、シミュレーションテストとワールドモデルの相乗関係を整理するとともに、調査を通じて、データコストの削減、シナリオの一般化、意思決定の推論におけるワールドモデルの核心的な価値を実証しています。

国家標準「GB/T 47025-2026インテリジェント・コネクテッド・ビークル－自動運転機能のシミュレーション試験方法および要求事項」が2026年1月28日に公布され、正式に施行されました。本標準は、自動運転機能または自動運転システムを備えたカテゴリーMおよびNの車両に適用され、自動運転機能に関するシミュレーション試験方法、試験要件、および総合評価基準を規定しています。本規格では、7つのカテゴリーにわたり計48項目の特別試験項目を定義しています。GB/T 47025-2026および既に公布されているGB/T 41798-2022（「インテリジェント・コネクテッド・ビークル－自動運転機能のトラック試験方法および要求事項」）ならびにGB/T 44719-2024（「インテリジェント・コネクテッド・ビークル－自動運転機能の公道試験方法および要件」）は、「シミュレーション・フィールド・公道」の三位一体からなる完全な検証システムを構成しています。

L3/L4自動運転車の量産を加速させるため、成熟した自動運転アルゴリズムの検証では、通常、「99.9%のシミュレーション試験＋0.09%の閉鎖場試験＋0.01%の公道試験」という黄金比が採用されています。推奨される国家標準GB/T 47025-2026では、センサーモデルと実車の誤差が<=5%;the consistency between the dynamics model and the actual vehicle should be>=95%であること、交通参加者の挙動が高忠実度であることなどが求められています。これは、自動運転業界がコンプライアンス対応と安全優先という新たな発展段階に入ったことを意味します。シミュレーション試験はもはや研究開発のための補助的な手段ではなく、製品の市場参入、認証、および安全性の立証において法的に義務付けられたプロセスとなっています。

一方、生成AIモデルであるワールドモデルは、内部表現を構築することで、実世界の動的法則（物理的特性や空間的属性を含む）を理解することができます。また、テキスト、画像、動画、動作データなどの入力情報から動画コンテンツを生成します。これは自動運転やロボティクスなどの分野で急速に大きな応用可能性を示しており、インテリジェントシステムを高度な知覚・意思決定能力へと飛躍させる中核的な技術的支柱となりつつあります。

1.シミュレーションプラットフォームは、高忠実度、物理的一貫性、動的相互作用を備えた「トレーニング環境」へと進化しています。

シミュレーションシステムの位置づけは、従来のテスト実行ツールから、アルゴリズムのトレーニングを支える中核的なデータインフラへと格上げされました。また、シミュレーション環境も、視覚的な類似性から行動の真実性へと進化しており、物理センサーのシミュレーション（光子、電気信号、マルチエコーなど）、正確な材料特性（反射率、粗さなど）、物理法則に則った車両ダイナミクスや交通流を重視することで、「Sim-to-Real（シミュレーションから現実へ）」のギャップを埋めることを目指しています。

高忠実度という点では、シミュレーションプラットフォーム各社はシミュレーション検証機能を継続的に強化しており、信頼性の高いシミュレーションをより詳細なものにしています。例えば、Keymotek社のaiSim6は、ASAM OpenMATERIAL 3D規格に準拠し、正確な材料の物理特性を定義することで、カメラ（非線形応答、CMOSノイズ）やLiDAR（ガウス光線、マルチエコー、気象による減衰）などの物理センサーシミュレーションを提供できます。さらに、自社開発のPBRスプラッティング技術に基づき、3DGSモデルのシナリオ照明を動的に調整することが可能です。これにより、同一の道路区間において昼間、夕暮れ、夜間といった照明条件を動的に切り替え、「動的に構成可能なトレーニング環境」へと変貌させ、「物理的ダイナミックニューラルレンダリング」を実現しています。

特に、aiSim 6は流体の動きを記述するナビエ・ストークス方程式を環境粒子物理シミュレーションに適用し、合成データリンクに物理的な環境擾乱を導入しています。これにより、車両の気流による葉の動き、雨天時の路面からの水しぶき、マンホール蓋からの蒸気と交通参加者の間の動的相互作用などをリアルにシミュレートすることが可能となり、エッジシナリオにおける物理的リアリズムの欠点を解消しています。

物理的な整合性という点では、PilotD Technologyの高忠実度物理シミュレーションを例に挙げましょう。同社は、自己進化型のデュアルタービン駆動データトレーニングプラットフォームを独自に開発しました。これは、高忠実度ワールドモデルを用いて、ロボットブレインの閉ループトレーニングのためのビジョンや点群などのマルチモーダルデータを生成します。一方、同社のデータ信頼性検証技術である「Physical Judge」システムは、生成されたデータの物理的妥当性をチェックし、データのスクリーニングとワールドモデルの閉ループ再トレーニングを同時に行います。この自己進化型データデュアルタービンを基盤として、EAIの「Cerebrum」は、物理的妥当性を高めた合成データを注入することで完全自動の反復進化を遂げ、複雑な実世界シナリオにおけるアルゴリズムの適応性と汎化能力を向上させます。

同社が独自開発した完全物理光学コアモデリング技術は、データの光学的な物理性を高度に再現し、これを利用して動的特性と光学特性の両面で高忠実度を持つマルチモーダル世界モデルデータ生成アーキテクチャを訓練し、AI企業に高忠実度の合成データソリューションを提供します。

動的相互作用の面では、例えば、高度な自動運転向けの交通流合成データプラットフォームであるSYNKROTRONのOASIS Trafficソリューションは、実際の路側データに基づいています。AIを活用して60の高度な相互作用シナリオを網羅する敵対的交通流を生成し、TTC/PETを用いて危険度を定量化し、ロングテールの特殊ケースの30%以上をカバーしています。また、大規模な動的交通シナリオデータセット（典型的なエリア、典型的な交通シナリオ、動的な参加者、自然かつ対立的な行動）を生成することが可能です。

2.ワールドモデルは、補助的なツールから中核的な基盤へと変貌を遂げます。

ワールドモデルは、重力、衝突、因果関係などの物理法則を内在化することで、長期的な一貫性や解釈可能性といった従来のシミュレーションツールが抱える問題を解決し、世界の「常識」を理解することを目指しています。例えば、GigaAIのGigaWorld-1は優れた物理法則遵守能力を持ち、重力や衝突といった複雑な物理的相互作用を正確にシミュレートできます。Li AutoのMindVLA-o1は、ネイティブ3D ViTと予測的潜在世界モデルを用いて、3次元空間構造における物体の位置関係や運動パターンを理解します。また、世界モデルを活用して、膨大かつ高忠実度で多様なトレーニングデータを生成し、実際の物理的相互作用データの極端な不足に対処するとともに、「Sim2Real」移行を促進します。

融合動向：VLA+ワールドモデル+ 強化学習

自動運転の分野において、ワールドモデルは単なるデータ生成ツールから、自動運転システムの認知・推論の中核へと進化し、VLAや強化学習と深く統合されています。アルゴリズムのトレーニングにおいては、VLAが知覚と意味理解を担当し、ワールドモデルが将来の推論と予測を担当し、強化学習が仮想世界における自律的な最適化決定を担当します。これら3つが連携して機能します。例えば、

QCraftの「VLA＋ワールドモデル」統合アーキテクチャは、数百万台規模の量産で実証済みのエンドツーエンド機能を統合できるだけでなく、言語処理機能を通じて環境テキスト、複雑なシナリオ、音声コマンドを正確に理解し、モデルの意思決定、遠隔操作、HMIの3つの要素を整合させることができます。さらに、ワールド予測モデルの助けを借りて、交通参加者の行動、道路構造の変化、動的なシナリオの展開を正確に推論し、それによって最適な走行軌道を計画することができます。

VLA 2.0の「クラウドマトリックス」として、XPeng X-Worldは運転シナリオについて「思考」できる物理AIシミュレーターです。ワールドモデルを通じて膨大なシナリオを生成し、トレーニングと評価を行い、研究開発のパラダイムを「実車テストの積み重ね」から「計算能力によるトレーニングの積み重ね」へと転換させます。本モデルは、最先端の映像生成モデルであるWAN 2.2を基盤とし、カスタマイズされたDiTバックボーンネットワークを採用しています。その主な革新点は、視点・時間自己注意メカニズムの導入にあります。これにより、生成時にモデルが時間軸と7つの周囲ビューカメラ視点間の空間的幾何学的関係を同時にモデル化することを強制し、生成された仮想世界が視点間で緊密に統合されることを保証するとともに、オブジェクトが「モデルを横切る」ことや位置ずれが生じるのを防ぎます。基盤となる層には、高い圧縮率を持つ3D因果的変分オートエンコーダー（VAE）を採用しており、これによりマルチチャンネル動画ストリーム処理の計算負荷を大幅に低減し、長期的なモデリングをサポートします。

ワールドモデルの主要な適用事例：

自動運転の分野において、ワールドモデルは「クラウド学習＋車載推論」というデュアルエンジンアーキテクチャを採用しています。クラウドは大規模なトレーニングとシナリオ生成を担当し、車両はリアルタイムの意思決定と迅速な対応を行います。例えば、2026年4月24日、HuaweiはQiankun ADS 5をリリースしました。これはWEWA 2.0を採用し、ゲーム理論に基づくトレーニングと学習効率を10倍に高め、衝突リスクを50％低減します。2026年にはクラウドの演算能力が現在の60 EFLOPSへと飛躍的に向上し、2023年の水準から21倍の増加を達成し、高度な自動運転の研究開発を支えています。

ファーウェイのWEWAアーキテクチャにおいて、クラウドベースのWE（World Engine）は、仮想シナリオのトレーニングとモデルパラメータの更新を処理します。拡散生成モデルを基盤とし、生成・学習・検証を同時に行うモードで動作します。隣接車両の割り込み、飛び出し、先行車の急ブレーキなど、様々な稀なシナリオを制御的に生成することができ、人間によるAIトレーニングからAIの自己トレーニングへの転換を実現します。自動車向けWA（World Action Model）は、リアルタイムの経路計画と制御を担当します。

ワールドモデルとして、Pony.aiのPonyWorld 2.0は自己診断および方向性のある進化機能を備えています。AIは独自に課題を診断し、データ収集を能動的に誘導することができ、研究開発トレーニングにおけるパラダイムシフトの中核となります。具体的には、PonyWorld 2.0はPony.aiの自動車モデルの意図セマンティクス層と組み合わせることで、あらゆる運転判断の自動トレースバックおよびアトリビューション分析を実現します。本システムは問題の根本原因を自動的に特定し、診断結果をモデルトレーニングプロセスに正確に反映させることができます。

自己診断の結果に基づき、PonyWorld 2.0はワールドモデルの精度が不十分な具体的なシナリオを自動的に特定し、方向性のあるデータ収集タスクを能動的に生成します。例えば、システムは「特定の期間中、指定された交差点において、逆光条件下での非動力車両および歩行者が混在する交通シナリオのデータ収集に重点を置いてください」といった指示を自動的にプッシュすることができます。これにより、研究開発チームとテストチームは、ワールドモデルの「精度要件」を軸に効率的に連携し、AIに導かれた方向性のあるデータ収集とモデル反復を実現します。

EAIの分野において、ワールドモデルは「データエンジン」から、物理的推論、行動計画、ミッション決定が可能なEAIエージェントの「大脳」あるいは「シミュレーター」へと進化しました。

例えば、非効率的で時間のかかる映像予測リンクに依存する従来のWAアーキテクチャとは異なり、GigaAIが開発したGigaWorld-Policyのアクション中心のパラダイムであるWorld-Action Model（WAM）は、クロスモーダル結合のボトルネックを解消し、アーキテクチャの最適化を通じて推論効率を劇的に向上させます。

これは、「複雑なトレーニングと簡素化された推論」というハイブリッド・パラダイム・モデルの先駆けとなっています：

学習フェーズにおいて、GigaWorld-Policyは因果マスクメカニズムを用いて、アクショントークンと将来の視覚トークンの統一モデリングを実現し、将来の視覚ダイナミクスが提供する高密度の監督信号をアクション予測が最大限に活用できるようにします。

推論フェーズでは、本モデルは動画予測ブランチを完全に排除し、軽量なアクション生成モジュールのみを残します。これにより、長い視覚トークンシーケンスに対する推論処理を回避し、従来のWAモデルにおけるクロスモーダルアーキテクチャの結合によって生じる構造的な計算上の冗長性を根本的に解消します。

現在の主流のWAモデル（MotusやCosmos Policyなど）と比較して、GigaWorld-Policyはポリシーの品質を維持しつつ推論速度を10倍向上させ、ロボットの高頻度閉ループ制御におけるリアルタイム要件を真に満たしています。GigaWorld-Policyの実世界タスクにおける平均成功率は85%に迫ります。Cosmos-Policyのような強力な競合モデルと比較しても、その絶対成功率は30%以上向上しています。

2026年4月29日、GensPi Technologyは汎用ワールド・アクションモデル「MotuBrain」を正式にリリースしました。EAIロボット向けの汎用大脳として位置付けられ、マルチロボット適応性、マルチタスク汎化能力、長期タスク実行能力を備え、単一の脳で多機能性と多タイプ対応を実現しています。MotuBrainの核心的な革新は、「認識された世界」と「実行すべき動作」を統一的にモデル化した点にあり、ロボットが環境を理解するだけでなく、変化を予測し、実行可能な動作戦略を生成することを可能にします。MotuBrainは、2つの権威ある国際ベンチマークであるRoboTwin 2.0とWorldArenaの両方で1位を獲得しました。WorldArenaでは、MotuBrainは総合EWMスコア63.77で1位を獲得し、モーション品質、フロースコア、モーションの滑らかさなど、複数の主要な動作指標においてトップの成績を収めました。

3.「シミュレーションテスト＋ワールドモデル」主導のテストシステムが研究開発の基盤となりました。

自動運転のデータ閉ループおよびテストシステムにおいて、シミュレーションテストとワールドモデルは互いに補完し合い、技術的な欠点を相殺し、互いの能力の限界を補完しています。

自動運転およびEAIの分野において、シミュレーションテストとワールドモデルは「分離」から「深い統合」へと移行しつつあります。業界では統一基準の確立が始まり、「再構築＋生成＋シミュレーション＋トレーニング」を統合したプラットフォームの構築が推進されており、自動運転からEAIに至るシミュレーション機能を実現し、より広範な物理AIエコシステムを構築しようとしています。

現在、ワールドモデル（特に生成型ワールドモデル）はシミュレーションプラットフォームの中核となる「動力源」となっており、AIを活用したシミュレーションシナリオの自動生成を推進し、低コストかつ高品質で、膨大かつ多様なシナリオ（特にロングテールや希少なシナリオ）や高忠実度のセンサーデータを生成しています。

2026年4月24日、51SimのSimOne 4.0は、フィジカルAI時代に向けて全面的に再構築・アップグレードされ、「4DGS再構築＋生成型ワールドモデル」という技術基盤を構築しました。これにより、実車データからインタラクティブで編集可能、かつスケーラブルな仮想シミュレーション資産を自動的に構築し、大規模なシナリオ生成を実現します。SimOne 4.0は、データ、トレーニング、推論、検証、デリバリーという5つの中核的なプロセスを網羅し、AIが安全かつ効率的に物理世界へ進出できるよう包括的に支援します。さらに、SimOne 4.0は、ニューラルレンダリング技術ソリューションであるNVIDIA Omniverse NuRecを製品レベルで深く統合し、実データ収集、ニューラルシナリオ再構築から閉ループシミュレーション実行に至るまで、完全なデータ駆動型プロセスを構築しています。51Simのエンドツーエンドのデータ駆動型閉ループソリューションにおいて、ダイナミクス、LiDAR、およびカメラシミュレーションの信頼度はそれぞれ95%、95%、90%に達し、シミュレーションテストと実地テストの一致率は92%に達しています。

SimOne 4.0は、複数のGPUアーキテクチャを同時にサポートしています。Moore ThreadsのフラッグシップAIトレーニングおよび推論統合GPUであるMTT S5000との体系的な適応と徹底的な最適化を実現しました。このプラットフォームは、大規模な4DGSおよびワールドモデルトレーニングタスクの高並列実行を可能にし、複雑な動的シナリオに対して短時間で高品質な再構築とモデルトレーニングを提供し、ワールドモデルとVLAの継続的な進化を推進します。これまでに、SimOneは自動運転、スマート機器、ロボットなど、多くのEAI分野において100社以上の顧客を支援してきました。

2026年1月、AGIBOTは、同社の大規模言語モデルを基盤としたオープンソースのシミュレーションプラットフォーム「Genie Sim 3.0」をリリースしました。NVIDIA Isaac Simを基盤とするこのプラットフォームは、高忠実度のシミュレーション環境と、自然言語によるシナリオ生成機能を提供します。デジタルアセットの生成、シナリオの一般化、データ収集から自動評価に至るまでの全プロセスをカバーするクローズドループソリューションを提供し、モデルトレーニングおよび検証プロセスを大幅に高速化するとともに、物理的なハードウェアへの依存を低減します。

Genie Sim 3.0の主な特徴として、デジタルツインレベルのハイファイシミュレーション環境が挙げられます。これは、3次元再構築、ビジュアル生成技術、物理エンジンを画期的に深く統合し、視覚的なリアリズムと物理的な正確性の統一を実現しています。第二に、自然言語駆動型のシナリオ生成および一般化を先駆けて実現しました。Genie Sim 3.0では、開発者が自然言語による指示を入力することで、プラットフォームが数分以内に数千ものトレーニングおよびテストシナリオを自動的に生成・一般化し、大規模な並列トレーニングを実施できます。さらに、このシミュレーションプラットフォームは、包括的なオープンソースのシミュレーションデータセット（200以上のタスクを網羅し、総時間は数万時間に及ぶ）と効率的な収集ソリューションも提供しています。また、10万件以上のシミュレーションシナリオに基づいた3次元評価システムを構築しています。特筆すべきは、AGIBOTの世界モデル「Genie Envisioner」がNVIDIA Cosmosを基盤としており、知覚から行動に至るエンドツーエンドの閉ループを実現している点です。GEは、統一された動画生成型世界モデルを中核として、ポリシー学習、評価、シミュレーション機能を同一のフレームワークに統合しています。AGIBOTは、自社開発の行動条件付きワールドモデルアーキテクチャにCosmos Predict 2を深く統合することで、GE-Simに強力な汎用的な視覚的・物理的事前知識機能を提供しています。

シミュレーションテストとワールドモデルの統合は、本質的に「データ生成－アルゴリズム学習－モデル検証－継続的進化」というフライホイール型の閉ループを構築します。自動運転とEAIという2つの分野において、その統合の道筋は極めて一貫しており、どちらも「物理AI」という究極の目標を指し示しています。それは、システムが仮想世界において認知から行動に至るまでの閉ループ学習を完了し、その後、シームレスに物理世界へと移行できるようにすることです。

目次

条項

第1章 シミュレーションテストの概要

• シミュレーションテストフェーズとコラボレーション
  • シミュレーションシナリオモデリング技術
  • 3DGS高精度シミュレーションシナリオ再構築技術
  • シミュレーションシナリオモデリング
  • 3DGS技術の4つの主要な発展方向
  • 自動運転シナリオの4D再構成と動的モデリングのための共通アルゴリズム
  • シミュレーションシナリオモデリング
  • 物理センサーシミュレーション
  • レンズモデルの光学的物理モデリング
  • CMOSセンサーの光電子シミュレーション
  • LiDARモデリング：ガウス光線と物理的減衰
  • 事例分析：LidarPainter
  • 車両ダイナミクスシミュレーションソリューションの比較
  • 事例分析：パノカー2026の新バージョン
  • Xインザループテストと調整
  • SIL事例
• シミュレーションシナリオライブラリ
  • シナリオ抽象化階層
  • シミュレーションシナリオライブラリの分類
  • シナリオライブラリのデータソース
• OpenXシリーズ規格
• シミュレーションプラットフォームにおけるOpenXシリーズ規格の適用事例
• 交通流合成データプラットフォームの事例
• 交通流合成データセットの事例：
• 非構造化道路シミュレーションにおける課題
• 非構造化道路シミュレーションにおける困難克服事例
• シミュレーションテストと世界モデルの関係
• 「シミュレーションテスト＋世界モデル」駆動型テストシステム
• シミュレーションテスト／世界モデルにおけるトレンド1
• 国家規格GB/T 47025-2026「インテリジェントコネクテッドカー－自動運転機能のシミュレーション試験方法及び要求事項」の解釈
• 国家シミュレーション基準における48のテスト項目のリスト
• シミュレーションテストと世界モデル産業チェーン