現代自動車、Atria AIのデータフライホイールを本格稼働

現代自動車グループは2026年9月13日、自動運転の「データフライホイール（data flywheel、データの好循環）」が本格稼働に入ったと発表しました。このループは専用車両から走行データを集め、モデルが最も苦手とする場面を選び出します。そこを重点的に学習し直し、その結果を公道を走る車へ戻します。

学習される仕組みはAtria AIと呼ばれます。グループの自動運転子会社である42dotが自社で開発しました。フライホイール（弾み車）という言葉はここで実際の意味を持ちます。ループが一周するたびに次の一周が安くなるはずだからです。車そのものが、次の難しい問題を探しに行くからです。

ループは実際にどう回るのか

現代自動車の発表は、一本道の流れではなく循環として説明しています。挙げられている段階は次のとおりです。

段階	何が起きるか
収集	専用車両が複数の市場で実際の走行データを集める
ハードexample mining	モデルがうまく扱えない場面を自動で選び出す
継続的な学習	その事例を学習に戻し、評価結果をさらに前へ送る
仮想検証	実際の場面を3Dで再構成し、テストとして再生する
配信	改善したモデルを車へ戻し、新しいデータを生ませる

このうち2つは、やさしい言葉に置き換える価値があります。ハードexample miningとは、すべてを記録しようとしないという意味です。狙うのは厄介な場面、つまりモデルが間違える場面です。新しいことを教えてくれるのは、その映像だけだからです。

もう1つは仮想検証です。現代自動車は実際の路上の場面を3D Gaussian Splattingで再構成すると述べています。これは、写真から場面を、固い面ではなく柔らかい粒の集まりとして組み立てる手法です。いったんその形にしてしまえば、車を再び路上に出さずに、何度でも再生し、条件を変えられます。

グループはさらに、開発をフォロー・ザ・サン方式で回しているとしています。韓国と米国のチームが時差をまたいで作業を引き継ぎ、24時間の周期をつくります。センサーの標準化はMotionalと調整しており、基盤としてNVIDIA DRIVE Hyperion 10を挙げています。Data Unionという枠組みは、現代自動車、起亜、42dot、Motionalが1つの形式でデータを共有できるようにするものです。

車両の数は思うより少ない

目を引くのは、これを支える車の少なさです。現代自動車は、データ収集に充てる車両を40台としています。京郷新聞は、その内訳を収集20台、検証20台と報じ、1台あたり週およそ80時間、車両全体で週およそ1,600時間としています。

同紙はこの数字をテスラと並べます。テスラは1日におよそ438万時間の走行データを集めているといいます。差は僅かではありません。現代自動車の答えは、まだ使っていない規模です。グループは年におよそ700万台を、およそ190の国と地域で販売しています。経営陣は、量産開始から5年以内に競合の累計データを追い抜くと見ています。

Minwoo Park氏は、グループのAdvanced Vehicle Platform部門の社長であり、42dotの最高経営責任者です。「Competitiveness is determined by how much data you secure, how quickly you learn and how effectively you can reflect those results」と同氏は述べました。42dotのAtriaグループを率いるSeonggyun Jeong氏は、より端的にこう述べています。「High-quality data is where good autonomous driving AI ultimately starts」

何が、いつ出るのか

目標	時期
光州でのレベル4実証、韓国国土交通省と共同	2026年内
レベル2+の量産、NVIDIA基盤	2028年前半
レベル2++の量産、NVIDIA基盤	2028年後半
Atria AIの量産採用	2029年後半

最後の行について、資料は食い違っています。現代自動車自身の発表は、2029年のAtria AIの目標をレベル2++としています。京郷新聞はレベル3+と報じています。この差は重要です。レベル3からは、道路を見ている責任が運転者ではなく車の側に移るからです。

グループはVision-Language-Actionモデルも進めています。車が見たものを言葉による推論につなぎ、そこから運転操作へつなぐ仕組みです。「VLA is core technology for Physical AI going beyond simply driving」と、42dotのTrionグループを率いるHeeSeok Lee氏は述べました。

開発者にとっての意味

応用できる考え方はハードexample miningであり、これは自動車に限りません。本番でモデルを動かしている多くのチームは、いまだにデータをおおむね無作為に集めています。現代自動車の主張は、モデルが失敗した事例だけを残すなら、小さな車両群が大きな車両群に勝てる、というものです。自分のモデルが本番のトラフィックを見ているなら、今週考える価値があるのは、自分たちの失敗を自動で検知して保存できるかどうかです。

3D再構成の段階は、見せ物ではなく面白い技術として受け取ってください。実際の場面を再生・改変できる形に組み直すことは、高価な実地テスト1回を安いテスト多数に変える方法です。同じ型は、実環境での検証に費用がかかるあらゆるシステムに当てはまります。つまり、ほとんどのシステムに当てはまります。

自動運転レベルの食い違いは、発表というものの性質を思い出させます。同じ説明会についての2つの記事が、2029年の製品で道路を見るのが車か運転者かで食い違っています。これほど先のロードマップでは、レベルは約束ではなく目標です。ネバダ州が有料ロボタクシーを数千台認可したことは、その足元がどれほど速く動きうるかを示しました。

最後に、誰がこのループの外にいるかに注意してください。これは閉じたフライホイールです。現代自動車の車、現代自動車の子会社、現代自動車の形式です。Data Unionが標準化するのはグループ内の共有であって、外部との共有ではありません。自動車メーカーが走行データの共通形式に歩み寄ると期待していたなら、これは逆方向を指す証拠です。