及びタクシー車両、物流を担うトラック車両をいう。）数を１万台とする数
値目標を新たに設定している。
自動運転のプログラムは、従来、エンジニアが作成する「ルールベース」
（人が走行パターンごとに自動運転のプログラムを規定する手法をいう。以
下同じ。）で開発されていたが、直近では、路上を走行し、その運転をＡＩ
に自己学習させる手法である「ＡＩベース」での開発が急速に進んでいる。
ＡＩの学習の速度及びそれによって実現される運転の精度は、エンジニアに
よるプログラミングの速度及び精度を遥かに上回り、従来の「ルールベース」
の開発では対応できなかった自動運転（未知の状況への対応、隘路における
すれ違い等）がより安価かつ短期間で可能となっている。
さらに、「主要な製品・技術等の官民投資ロードマップ素案（先行検討分
を除く）」（令和８年４月 16 日戦略分野分科会（令和７年 12 月 26 日日本成
長戦略会議議長決定により日本成長戦略会議の下に開催されるものをい
う。））においては、日本の自動車産業は、製造品出荷額等は約 72 兆円で、
輸出額の約 16％、就労人口の約８％を占める日本経済の柱であり、販売台
数の世界シェアは約 25％を占めているが、海外では自動運転関連の巨額投
資が進み、米国 Waymo 社等、多数のプレイヤーがモジュール型ＡＩ（認識や
経路判断を別々のＡＩで処理する手法をいう。以下同じ。）を実装し、レベ
ル４（システムが周辺監視をし、一定の条件下で自動運転をする機能を有し、
条件外でも車両が安全確保をするものをいう。以下同じ。）の無人自動運転
タクシーサービス等を開始している一方、我が国の自動運転の多くは実証の
フェーズで、レベル４の無人自動運転タクシーサービスの事業化に至ってい
ない現状がある。また、
「ＡＩベース」の中でも、Ｅ２Ｅ（End to End AI（認
識から経路判断までを全て単一のＡＩで処理し多様な走行環境でも走行可
能な革新的な手法）をいう。以下同じ。
）について、莫大なコストが必要と
なる高精度三次元地図が不要であり、様々な環境でも走行可能な革新的アプ
ローチであることから、経路が一定のバスやトラックにおいてはモジュール
型ＡＩも有効だが、Ｅ２Ｅが今後の自動運転のコアになる見込みである中で、
Ｅ２Ｅの開発に必要な計算基盤・データの不足等の開発環境の整備や、供給
側・需要側の中長期的な投資判断やインフラ整備等の関連投資判断のための
自動運転の用途ごとの社会実装時期・水準の見通しの提示などの導入環境の
整備についての課題が示されている。
こうした中、令和６年度警察庁委託調査研究「令和６年度自動運転の拡大
に向けた調査研究報告書」（令和７年３月警察庁公表）においては、自動運
転車の開発上課題となる具体的な交通上の場面について、関係規定の法解釈

22