中国新興自動車メーカーが取り組むAIアーキテクチャ「LBM」は本流となるか：和田憲一郎の電動化新時代！（65）（2/3 ページ）

[和田憲一郎（日本電動化研究所 代表取締役），MONOist]

なぜ今、LBMなのか

　中国勢、とりわけXpengがLBMへと舵を切った背景には、従来の自動運転アーキテクチャでは突破できない技術的制約が存在したようだ。以下では、LBMの利点と課題を整理した上で、中国の新興自動車メーカーがそれでもなおLBMを推進する理由を考えてみたい。

図3　E2EからLBMへ［クリックで拡大］ 出所：日本電動化研究所

LBMの利点

未来状態の予測、環境変化の推論および行動選択の最適化

　LBMは、視覚情報を行動へ変換するE2E的要素を内包しつつ、その背後に「未来状態の予測（技術：世界モデル）」「環境変化の推論（技術：身体性モデル）」「行動選択の最適化（技術：行動推論）」といった高度なモデル化能力を統合することが可能となった。

データ収集効率の向上

　手書きルールではなく、膨大な運転データから学習するため、人間の運転行動に近い自然な挙動を獲得できる。特に中国の都市部のような複雑環境では、データ量が性能を決定する。

ロボティクスとの共通基盤

　LBMはロボティクスの行動を生成するためのAIモデルとして発展してきたため、自動運転、ヒューマノイドなどとAI基盤を共有できる。ロボティクス化を進める企業にとっては整合的。

LBMの課題

説明責任の難しさ

　E2EやLBMはブラックボックス性が高く、「なぜその行動を選択したのか」を説明しにくい。自動運転では安全性／法規制の観点から、説明責任が伴う。

安全性検証の難しさ

　LBMは膨大な状態空間を扱うため、従来のテスト手法では網羅できない。特にまれな危険シナリオに対する安全性検証が難しい。

コストの高さ

　複雑なモデルを扱うことから、開発コストが高くなる。

それでも中国メーカーがLBMを推進する理由

　上記のような課題があるにもかかわらず、なぜ中国新興自動車メーカーはLBMを推進しようとするのであろうか。幾つかの理由があると推察する。

中国の都市部は世界で最も難しい自動運転環境

　中国の都市部では、歩行者／自転車／電動バイクの密度が高い地域が多い。また、車線や標識が不明瞭な場所が多いことから、自動運転に関して最も難しい環境への対応が求められた。

VLAの限界

　Xpengは2024年からVLAの採用を進めたが、自動運転に関して、VLAだけでは未来予測／環境変化の推論などが不十分と考えた。

ロボティクス事業とのシナジーを求めた

　Xpengはロボティクス分野にも進出しており、自動車とロボットのAIを統合する戦略的価値が大きいと判断した。