Turing、日本初のVLAモデルによる公道実走行を達成 2億パラメータのモデルを10Hzで制御

何が起きたか

Turingは2026年3月26日、VLA（Vision-Language-Action）モデルを用いた公道でのリアルタイム自動運転を日本で初めて達成したと発表した。同社は約2億パラメータのVLAモデルを独自開発し、車載コンピューティング環境向けに最適化。10Hzでのリアルタイム推論と車両制御を実現した。あわせて、因果推論データセット「RACER」と画像トークナイザ「DriveTiTok」を公開した。

詳細

Turingは2026年3月26日、VLAモデルによる公道でのリアルタイム自動運転を日本で初めて達成したと発表した（同社の2026年3月時点の内部調査による）。VLAモデルはカメラからの視覚情報と言語ベースの文脈理解を統合し、ステアリング、加速、ブレーキなどの運転行動を予測・実行する。従来のEnd-to-End（E2E）モデルが主に生の画像・センサー入力に依存するのに対し、Turingのアーキテクチャは大規模言語モデル（LLM）をバックボーンに組み込み、統合的な意思決定を可能にした。同社は約2億パラメータのVLAモデルを独自開発・学習し、車載コンピューティング環境向けに最適化。公道で10Hzのリアルタイム推論・制御による安定した自動運転性能を実証した。この開発は、経済産業省とNEDOが進める生成AI基盤強化プログラム「GENIAC」の支援を受けて実施された。データセットと事前学習モデルの一部はHugging Faceで公開され、技術的知見はテックブログでも共有されている。

Key Facts

本紙の見方

今回の発表の核心は、VLAモデルを実車に載せて公道で10Hzのリアルタイム制御を実証した点にある。VLAは視覚と言語を統合したモデルだが、実環境での推論速度と車載計算資源の制約が実用化の壁とされてきた。Turingは約2億パラメータという比較的小規模なモデルを独自開発し、車載環境向けに最適化することで10Hzを達成した。これは、大規模なクラウド基盤に依存せず、エッジ側で完結させる設計思想を示しており、物理AIの実装形態として一つの方向性を示すものだ。 本紙は過去に、ソフトバンクが1X Technologiesの過半取得を交渉中と報じた（ソフトバンク、1X Technologiesの過半取得を交渉 評価額60億ドルと報道）。1Xはヒューマノイドロボットを手がけるが、Turingは自動運転に特化している。両者は分野こそ違えど、物理AIの実世界展開という点で共通する。Turingが今回公開したRACERやDriveTiTokは、実世界データをAIの学習・推論に活用するための基盤技術であり、物理AIのデータエコシステム構築という観点で、ロボット分野にも応用可能な知見を含む。 業界構造への含意として、Turingのアプローチは、自動運転の開発競争において、センサーや地図に依存する従来型と一線を画す。LLMをバックボーンにしたVLAは、言語による文脈理解を運転判断に組み込むため、コーナーケースへの対応力が期待される。一方で、約2億パラメータという規模は、大規模基盤モデル全盛の流れの中で小さい部類に入る。これは車載計算資源の制約を反映した選択とみられるが、性能の上限がどこにあるかは未知数だ。 未確定の論点としては、今回の実証がどのような道路環境・走行条件で行われたのか、また量産車への搭載時期やコストが明らかにされていない点が挙げられる。さらに、RACERやDriveTiTokの公開が、業界標準となる可能性があるかどうかも注視すべきだ。Turingは2023年からLLMベースの自動運転の研究開発に注力してきたと述べており、今回の成果はその積み重ねの一里塚と位置づけられる。

なぜ重要か

Turingの実証は、VLAモデルが日本の公道で実時間制御に耐えうることを示した点で、自動運転の技術選択肢を広げる。また、データセットとトークナイザの公開は、業界全体の研究開発を加速させる可能性があり、物理AIの実装競争における日本の位置取りを左右する一歩となる。

日本への影響

Turingの成果は、日本の自動運転開発がLLMベースの新たなアプローチで国際競争に参入できることを示す。特に、車載計算資源の制約下で10Hzを達成した技術は、日本の自動車部品産業や半導体産業にとって、エッジAI処理の需要を生む可能性がある。ただし、具体的な産業連関は現時点では明らかでない。