自律走行トラック2024-2044：技術、動向、予測

Autonomous Trucks 2024-2044: Technologies, Trends, Forecasts

近年、トラック運送業界における自律走行技術の開発は急速に進んでおり、多くのテクノロジー企業やトラックメーカーが自律走行大型トラックの商業試験を開始している。完全な商業化にはまだ距離があるものの、... もっと見る

出版社	出版年月	電子版価格	ページ数	言語
IDTechEx アイディーテックエックス	2024年6月26日	US$7,000 電子ファイル（1-5ユーザライセンス）ライセンス・価格情報・注文方法はこちら	248	英語

※ 調査会社の事情により、予告なしに価格が変更になる場合がございます。
最新の価格はデータリソースまでご確認ください。
日本語のページは自動翻訳を利用し作成しています。

サマリー

近年、トラック運送業界における自律走行技術の開発は急速に進んでおり、多くのテクノロジー企業やトラックメーカーが自律走行大型トラックの商業試験を開始している。完全な商業化にはまだ距離があるものの、この技術の進歩は、現在の業界の痛みに対処するための大きな可能性を提供している。

トラック業界における重大な課題

トラック運送業界は、高い運営コスト、ドライバー管理の問題、安全性の懸念など、重大な課題に直面している。米国トラック協会（ATA）によると、米国のトラック運送業界は10万人以上のドライバー不足に直面しており、その数は2028年までに16万人に増加する可能性がある。このギャップを埋め、引退するドライバーの代わりとなり、増大する輸送需要に対応するため、業界は今後10年間で100万人のドライバーを雇用する必要がある。若い世代は長期間家を空けることに抵抗があるため、若い世代を惹きつけることは特に難しい。中国のようなアジア諸国では高齢化が進んでおり、今後10年間で労働問題がさらに深刻化すると予想されている。ドライバー不足は、トラック運送会社の国際貨物輸送コストと運営経費を大幅に増加させている。自律走行大型トラックは、こうした課題に対する解決策を提供する。自律走行システムは、注意散漫やヒューマンエラーを排除し、安全性を向上させることができる。また、他の車両や装置とのより効率的なコミュニケーションを可能にし、オペレーションを合理化し、全体的な効率を高める。

業界ダイナミクスと市場シフト

IDTechExは、大型長距離トラック輸送セクターにおける大きな動きを観察しており、Inceptio、Deepway、Einrideなどのいくつかの企業は、概念実証の段階から小規模な商業機会を確保するまでに前進している。しかし、TuSimple、Waymo、Embarkを含むいくつかの業界大手の凋落は、自律走行トラック分野で直面する重大な課題を浮き彫りにしている。これは、業界の不安定な性質と、技術革新から大規模な商業的実現可能性への移行におけるハードルを浮き彫りにしている。自律走行トラックはかつて、自律走行分野で最も商業的価値が高く、急速に収益化できる製品の1つと考えられており、米国と欧州の企業が初期の開発で極めて重要な役割を果たしていた。しかし、パンデミック後の世界的な運賃変動と自律走行規制の導入ペースが商業化を遅らせている。WaymoやTuSimpleなどの大手企業は、自律走行トラック市場から撤退するか、戦略的焦点を縮小している。

自律走行に関する規制が商業化を推進するために徐々に具体化するにつれて、総所有コスト（TCO）が自律走行トラック・システムの普及率を決定する決定的な要因になるだろう。トラックの稼働時間が長いため、エネルギー消費と人件費が自律走行トラックのTCOに影響を与える主要因となる。業界では、自律走行トラックシステムはコストを15％以上削減し、人件費をなくすことができると主張していますが、IDTechExは、様々な市場において異なるレベルの自律走行システム（L0、L2、L3、L4）のTCOを決定するために実用的な計算を行いました。さらに、IDTechExは、内燃エンジン（ICE）プラットフォームと電気プラットフォームのTCOを比較しました。

包括的分析と将来展望

本レポートでは、アジア、米国、欧州における自律走行車とトラックに対する政策支援、今後の政策予測、20年間の予測データを含むIDTechEx独自の調査に基づく十数社の主要プレーヤーの動向など、自律走行トラック輸送業界発展の背景を解説している。

IDTechExの中国市場に関する詳細な調査では、中国の自律走行トラックセクターの価値と、Inceptio、Plus.ai、Pony.ai、TrunkTechといった新興企業の能力に焦点を当てている。IDTechExはまた、自律走行トラック用のさまざまなドライブトレイン構成を検証し、エネルギータイプと車両性能の相関関係を提案している。

主要な側面

自律走行トラックに関する本レポートは、この分野のプレーヤーと活動を詳細に分析しています。現在の市場は、中国、欧州、米国、RoWの地域別に、2019年までの販売に関する過去のデータを通じて文脈化されています。業界の主要な課題と機会が特定され、その商業的展開と地域政策に関する予測が示されています。各市場の忠実度の高い分析がIDTechExの20年予測の指針となっています。

本レポートの主な内容は以下の通りです：

自律走行トラック輸送業界の概要
各プレイヤーの製品、商業化、活動の概要
自律走行トラック車両の動向と性能分析
カメラ、サーマルカメラ、IR、NIR、SWIR、LiDAR、レーダー用光学センサー材料としての量子ドットを含む実現技術の概要
自律走行トラック輸送の売上高と収益に関する20年間の詳細な予測

ページTOPに戻る

1. エグゼクティブサマリー 1.1. 自律走行トラック輸送 - 産業の概要 1.2. 自律走行トラック輸送 - 今まさに正しい条件 1.3. なぜトラックを自動化するのか？ 1.4. 活動中の企業数 1.5. センサー・トリオ 1.6. 車両ごとに異なるパワートレイン 1.7. 自律走行トラックのビジネスモデルの選択肢 1.8. 自律走行トラックのSWOT分析 1.9. IDTechExの予測タイムライン 1.10. 大型トラック販売台数 2019-2044 1.11. 大型トラックの売上高 2023-2044 1.12. 大型トラック用センサー 2021-2044 1.13. IDTechEx購読でさらにアクセス 2. 自律走行トラック：プレーヤーと分析 2.1. はじめに 2.1.1. トラック運送業界のペインポイント 2.1.2. トラックを自動化する理由 2.1.3. SAEの自動化レベル 2.1.4. レベル2とレベル4のトラック輸送 2.1.5. レベル4のトラック輸送向けMaaS 2.1.6. 自律走行を規制する当局 - 米国 2.1.7. 自律走行を規制する当局 - 中国 2.1.8. 自律走行を規制する当局 - EU 2.2. プレーヤー - スタートアップ企業 2.2.1. 新興企業リスト 2.2.2. TuSimple - 概要 2.2.3. TuSimple - 概要 2.2.4. TuSimpleのタイムライン 2.2.5. TuSimpleの自律走行トラックの知覚システム 2.2.6. プラス - 概要 2.2.7. Plus - センサ・スイート 2.2.8. Plus - テスト、トライアル、デプロイメント 2.2.9. Inceptio - 概要 2.2.10. Inceptio - センサスイート 2.2.11. Inceptio - テスト 2.2.12. Inceptio - パートナーと顧客 2.2.13. Einride - 概要 2.2.14. アインライドT-podとE-truckに迫る 2.2.15. アインライド - パートナー 2.2.16. アインライド - グリッドのコンセプト 2.2.17. アインライド - グリッドのコンセプト 2.2.18. コディアック・ロボティクス - 概要 2.2.19. コディアック - センサースイート 2.2.20. コディアック - トライアルとビジネスモデル（1） 2.2.21. コディアック - トライアルとビジネスモデル（2） 2.2.22. トルクロボティクス - 概要 2.2.23. トルクロボティクス - センサスイート（第2世代） 2.2.24. トルクロボティクス - テストとトライアル (1) 2.2.25. トルクロボティクス - テストとトライアル (2) 2.2.26. オーロラ 2.2.27. オーロラ - センサ・スイート 2.2.28. オーロラ - トライアル、ロールアウト、ビジネスモデル 2.2.29. Pony.ai 2.2.30. Pony.ai - ビジネスモデル 2.2.31. DeepWay - Baiduが設立した新興企業 2.2.32. DeepWay - センサ・スイート 2.2.33. ディープウェイ - トライアル (1) 2.2.34. ディープウェイ - トライアル（2） 2.2.35. テラライン（旧ソロAVT） 2.2.36. トランクテック 2.3. プレーヤー - 既存のトラックOEM 2.3.1. ボルボ・トラック - 概要 2.3.2. ボルボ・トラック - ヴェラとVNL 2.3.3. テスラ 2.3.4. ダイムラー（1） 2.3.5. ダイムラー（2） 2.3.6. MAN 2.3.7. スカニア 2.3.8. ヒュンダイ 2.4. 活動を終えたトラック運送事業者 2.4.1. エンバーク - 概要 2.4.2. ウェイモ - 背景 2.5. 自律走行トラックにおける冗長性 2.5.1. 異なるシステムにおける冗長性 2.5.2. 冗長システム 2.5.3. ダイムラー・トラック-ブレーキ制御における冗長性 2.5.4. ダイムラー・トラック-ステアリングと通信 2.5.5. コンチネンタル - ブレーキ（ヘビーデューティ専用ではない） 2.5.6. Bosch - ブレーキおよびステアリング（ヘビーデューティ専用ではない） 2.5.7. TuSimple - 機能安全性 2.5.8. TuSimple - ハードウェア故障許容性 2.5.9. TuSimple - ソフトウェア耐故障性 2.5.10. TuSimple - 機能安全の概要 2.5.11. Plus.AI - シングルセンサタイプの冗長性 2.5.12. Kodiak - ローカライゼーションの冗長性 2.5.13. Aurora 2.5.14. モービルアイ - 冗長性への異なるアプローチ 2.5.15. コネクテッド・テクノロジーにおける冗長性 2.6. トラック分析 2.6.1. 技術成熟度の定義 2.6.2. 2022年のL4自律走行トラック企業の市場準備度 2.6.3. L4自律走行トラック企業の市場準備レベル 2024年 2.6.4. 成熟度 2.6.5. 資金調達と受領（1） 2.6.6. 資金調達と受領 (2) 2.6.7. 資金調達 2.6.8. 資金調達 2.6.9. テスト走行距離、トレイル、パートナー 2.6.10. L4自律走行公道テスト時間、場所、速度、承認機関 2.6.11. 企業の背景 2.6.12. 自律走行トラックの活動（1） 2.6.13. 自律走行トラック輸送活動（2） 2.6.14. 総所有コスト分析-想定と内訳 2.6.15. 総所有コスト分析 2.6.16. 総所有コスト分析 2.6.17. 会社の所在地 (1) 2.6.18. 会社の所在地（2） 2.6.19. 新興企業のビジネスモデルの選択肢 2.6.20. ビジネスモデルとオペレーティングモデルの採用 2.6.21. 自律走行トラックの6つの主要ドライバー (1) 2.6.22. 自律走行トラックの6つの主要ドライバー（2） 2.6.23. 自律走行トラックに残されたハードル 2.6.24. IDTechExの見解 3. トラックにおける自律走行活動と進捗のまとめ 3.1. 車両タイプ別ロケーション分割 3.2. 商用自動運転における各社の車両とバリューチェーンの位置づけ 3.3. 注目すべき自律走行トラック 3.4. 自律走行トラックのSWOT分析と比較 3.5. 商業的準備と機会の比較、ロボシャトル、自律走行バス、自律走行トラック 3.6. 3.6. IDTechEx の予測スケジュール 4. 実現技術：カメラ 4.1. 自律走行トラックのカメラ 4.2. RGB/可視光カメラ 4.3. CMOSイメージセンサーとCCDカメラ 4.4. CMOSの主要コンポーネント 4.5. 表側照明と裏側照明 4.6. クロストークの低減 4.7. グローバルシャッターとローリングシャッター 4.8. TPSCo：グローバルシャッターのリーディングファウンドリー 4.9. ソニー：CMOSのブレークスルー？ 4.10. ソニー積層ADC搭載BSIグローバルシャッターCMOS 4.11. オムニビジョン：車載用2.μmグローバルシャッターCMOS 4.12. ハイブリッド有機SiグローバルシャッターCMOS 4.13. イベントベースビジョン：新しいセンサータイプ 4.14. イベントベース・センシングとは？ 4.15. 一般的なイベントベース・センシング：長所と短所 4.16. イベント・ベース・ビジョンとは？(I) 4.17. イベント・ベース・ビジョンとは？(II) 4.18. イベント・ベース・ビジョンとは？(III) 4.19. イベント・ベース・ビジョンのデータはどのようなものか？ 4.20. オートノミーにおけるイベント・ベース・ビジョン？ 5. 技術を可能にする：サーマルカメラ 5.1. 自律走行トラックにおけるサーマルカメラ 5.2. 電磁スペクトルのセグメント化 5.3. NIRの必要性 5.4. オムニビジョンシリコンCMOSの近赤外感度の向上 5.5. オムニビジョンシリコンCMOSの近赤外感度の向上 5.6. 短波長赤外線（SWIR）イメージングの動機 5.7. 自律移動においてなぜSWIRなのか 5.8. その他のSWIRの利点：路上での危険検知の向上 5.9. 材料のSWIR感度 5.10. SWIRイメージング：既存技術と新技術の選択肢 5.11. 高解像度、低コストIRセンサーへの挑戦 5.12. シリコンベースのSWIR検出 - TriEye 6. 実現技術：イネーブリングテクノロジー：IR、NIR、SWIR用光学センサー材料としての量子ドット 6.1. 光センサー材料としての量子ドット 6.2. 量子ドット：材料系の選択 6.3. その他の進行中の課題 6.4. 溶液処理の利点 6.5. IRおよびNIRにおけるQD-Si CMOS 6.6. IRおよびNIRにおけるQD-Si CMOS 6.7. IRおよびNIRにおけるハイブリッドQD-SiグローバルシャッターCMOS 6.8. エンベリオンQD-グラフェンSWIRセンサー 6.9. エンベリオンQD-グラフェン-SiブロードレンジSWIRセンサー 6.10. SWIRビジョンセンサー：初のQD-SiカメラとInVisageの代替品？ 6.11. SWIRビジョンセンサー：初のQD-SiカメラとInVisageの代替品？ 6.12. SWIRビジョンセンサー：初のQD-SiカメラとInVisageの代替品？ 6.13. SWIRビジョンセンサー：初のQD-SiカメラとInVisageの代替品？ 6.14. QD-ROIC Si-CMOS集積化例（IMEC） 6.15. QD-ROIC Si-CMOS集積化例(RTI International) 6.16. QD-ROIC Si-CMOSの集積化例(ICFO) 6.17. QD-ROIC Si-CMOSの集積例(ICFO) 7. 実現技術LIDAR 7.1. 自律走行トラックにおけるLiDAR 7.2. LiDARの分類 7.3. 車載用 LiDAR：動作プロセス 7.4. 車載用LiDAR：要件 7.5. LiDARシステム 7.6. LiDARの動作原理 7.7. 最初の市販車のレーザー距離計機能 7.8. ライダー製品パラメータの比較 7.9. TOF vs FMCW LiDAR 7.10. LiDARスキャニングカテゴリー 7.11. 様々なビームステアリング技術を持つライダーのまとめ 7.12. 一般的なビームステアリングの比較 7.13. ビームステアリング技術の概要 7.14. 点群 7.15. ライダー信号のアプリケーション 7.16. 3D点群モデリング 7.17. LiDARの課題 7.18. 天候不良：課題と解決策 7.19. ライダーの早期導入の可能性 7.20. Velodyne ライダーのポートフォリオ 7.21. Valeo SCALA 7.22. Livox：リスレー・プリズム 7.23. 自動車用ライダーの技術別プレーヤー 8. 実現技術レーダー 8.1. 自律走行トラックにおけるレーダー 8.2. 自律走行車の典型的なセンサー群 8.3. レーダーは自動車用センサーで重要な位置を占める 8.4. イメージング・レーダーの必要性と出現 8.5. 4Dレーダーとイメージングレーダー 8.6. レーダーの動向：数量と設置面積 8.7. レーダーの動向：パッケージングと性能 8.8. レーダーの動向：レンジの拡大 8.9. レーダーの動向：視野 8.10. レーダーのトリレンマ 8.11. レーダーの解剖学 8.12. レーダーの主要コンポーネント 8.13. レーダーの主要コンポーネント - アンテナ 8.14. レーダーの主要コンポーネント - RFトランシーバー 8.15. レーダーの主要コンポーネント - MCU 8.16. 車載レーダー：周波数動向 8.17. トランシーバーの動向 8.18. チャンネル数を増やすための2つのアプローチ 8.19. レーダーにおける半導体技術動向 8.20. レーダー新興企業への資金援助 8.21. レーダー用パッケージの今後の選択 8.22. 主要プレーヤー - ティア1サプライヤー 8.23. トランシーバーサプライヤー 8.24. サプライチェーン 8.25. ティア1製品の例 - コンチネンタル 8.26. ティア1の製品例 - Bosch 8.27. レーダー新興企業の例 - Arbe 8.28. アルベとその投資家 8.29. レーダー新興企業の例-Zadar 9. 予測 9.1. 予測の章に関する注記 9.2. 方法 9.3. 大型トラック販売台数 2023-2044 9.4. 自律走行トラック価格 2018-2044 9.5. 大型トラックの売上高 2023-2044 9.6. 自律走行型トラックの走行距離とサービス収入 2023-2044 9.7. 自律走行トラックのパワートレイン 2023-2044 9.8. 自律走行トラック用センサー 2021-2044 10. 企業プロファイル 10.1. オーロラ 10.2. ボッシュ 10.3. コンチネンタルAG 10.4. ディープウェイ 10.5. アインライドヒュンダイ 10.7. インセプティオ 10.8. Innoviz 10.9. イノヴィズ 10.10. コディアック・ロボティクス自律走行トラックのスタートアップ 10.11. モービルアイADAS & Autonomy Computation 10.12. Ouster 10.13. plus.ai 10.14. ポニー.ai 10.15. テラライン 10.16. テスラモーターズ 10.17. Torc：ロボシャトルとトラックの自律走行テクノロジー企業 10.18. トランク・テック 10.19. トゥシンプル 10.20. ヴァレオ 10.21. Velodyne LIDAR 10.22. ボルボ・トラック - トラックの電動化 10.23. ウェイモ（2023年） 10.24. ウェイモ（2024年）

ページTOPに戻る

Table of Contents

Summary

この調査レポートは、2024-2044年の自律走行トラック市場について詳細に調査・分析しています。

主な掲載内容（目次より抜粋）

トラックにおける自律走行活動と進歩の概要
サーマルカメラ
量子ドットを光センサー材料として使用した赤外線、赤外線、赤外線干渉計
実現技術：LIDAR レーダー

Report Summary

In recent years, the development of autonomous driving technology in the trucking industry has progressed rapidly, with numerous technology companies and truck manufacturers initiating commercial trials of autonomous heavy-duty trucks. Although full commercialization remains some distance away, the advancements in this technology offer substantial potential for addressing current industry pain points.

Critical Challenges in the Trucking Industry

Today, the trucking industry faces critical challenges, including high operational costs, driver management issues, and safety concerns. According to the American Trucking Association (ATA), the U.S. trucking industry faced a shortfall of more than 100,000 drivers, a number that could increase to 160,000 by 2028. The industry needs to hire one million drivers over the next decade to bridge this gap, replace retiring drivers, and meet growing shipping demands. Attracting younger generations is particularly challenging as they are reluctant to spend extended periods away from home. The aging population in Asian countries like China is expected to exacerbate labor issues in the next decade. The driver shortage has significantly increased international freight transportation costs and operational expenses for trucking companies. Autonomous heavy-duty trucks offer a solution to these challenges. Autonomous driving systems can eliminate distractions and human errors, thereby improving safety. They also enable more efficient communication with other vehicles and devices, streamlining operations and enhancing overall efficiency.

Industry Dynamics and Market Shifts

IDTechEx has observed significant activity in the heavy-duty long-haul trucking sector, some companies, such as Inceptio, Deepway, and Einride, have advanced from the proof-of-concept stages to securing small-scale commercial opportunities. However, the fall of several industry giants, including TuSimple, Waymo, and Embark, underscores the significant challenges faced in the autonomous trucks sector. This highlights the volatile nature of the industry and the hurdles in transitioning from innovation to large-scale commercial viability. Autonomous trucks were once considered one of the most commercially valuable and rapidly monetizable products in the autonomous driving sector, with American and European companies playing pivotal roles in their early development. However, post-pandemic global freight fluctuations and the pace of autonomous driving regulation implementation have slowed commercialization. Leading companies such as Waymo and TuSimple have either exited the autonomous trucking market or scaled down their strategic focus.

As regulations for autonomous driving gradually take shape to drive commercialization, Total Cost of Ownership (TCO) will become a decisive factor in determining the penetration rate of autonomous truck systems. Due to the extensive operating hours of trucks, energy consumption and labor costs are major factors influencing the TCO of autonomous trucks. Although the industry claims that autonomous truck systems can reduce costs by over 15% and eliminate labor costs, IDTechEx has conducted practical calculations to determine the TCO for different levels of autonomous systems (L0, L2, L3, L4) across various markets. Additionally, IDTechEx has compared the TCO of internal combustion engine (ICE) platforms with electric platforms.

Comprehensive Analysis and Future Outlook

This report explains the reasons behind the development of the autonomous trucking industry, including policy support for autonomous vehicles and trucks in Asia, the U.S., and Europe, future policy forecasts, and the movements of over a dozen key players based on IDTechEx's proprietary research, which includes 20-year forecast data.

IDTechEx's in-depth research into the Chinese market highlights the value of China's autonomous truck sector and the capabilities of its startups such as Inceptio, Plus.ai, Pony.ai, TrunkTech. IDTechEx also examines different drivetrain configurations for autonomous trucks and proposes correlations between energy types and vehicle performance.

Key Aspects

This report on Autonomous Trucks provides a detailed analysis of the players and activities within the sector. Current market is contextualised through historical data on sales back to 2019, with regional granularity across China, Europe, USA and RoW. Key challenges and opportunities are identified for the industry, with predictions regarding their commercial deployment and Regional policies. The high-fidelity analysis of each market guides IDTechEx's 20-year forecasts.

Key aspects of this report include:

An overview of the Autonomous trucking industry
A summary of each player's product, commercialization, and activity
Autonomous trucking vehicle trends and performance analysis
An overview of Enabling Technologies includes Cameras, Thermal Cameras, Quantum Dots as Optical Sensor Materials for IR, NIR, SWIR, LiDAR, and Radar.
Granular 20-year forecasts for Autonomous trucking sales and revenue

ページTOPに戻る

1.	EXECUTIVE SUMMARY
1.1.	Autonomous trucking - Industry Overview
1.2.	Autonomous trucking - the right conditions right now
1.3.	Why Automate Trucks?
1.4.	Number Of Active Companies
1.5.	The Sensor Trio
1.6.	Different powertrains for different vehicles
1.7.	Business model options for autonomous trucks
1.8.	SWOT analysis for autonomous trucks
1.9.	IDTechEx predicted timelines
1.10.	Heavy-Duty Trucking Unit Sales 2019-2044
1.11.	Heavy-Duty Trucking Revenue 2023-2044
1.12.	Sensors for heavy-duty trucks 2021-2044
1.13.	Access More with an IDTechEx Subscription
2.	AUTONOMOUS TRUCKS: PLAYERS AND ANALYSIS
2.1.	Introduction
2.1.1.	Pain points in the trucking industry
2.1.2.	Why Automate Trucks?
2.1.3.	SAE levels of automation
2.1.4.	Level-2 and Level-4 Trucking
2.1.5.	Level-4 MaaS for trucking
2.1.6.	Authorities for regulating autonomous driving - US
2.1.7.	Authorities for regulating autonomous driving - China
2.1.8.	Authorities for regulating autonomous driving - EU
2.2.	Players - Start-ups
2.2.1.	Startups list
2.2.2.	TuSimple - Overview
2.2.3.	TuSimple - Overview
2.2.4.	TuSimple's Timeline
2.2.5.	Perception system of TuSimple's autonomous trucks
2.2.6.	Plus - Overview
2.2.7.	Plus - Sensor Suite
2.2.8.	Plus - Testing, Trials and Deployments
2.2.9.	Inceptio - Overview
2.2.10.	Inceptio - Sensor Suite
2.2.11.	Inceptio - Testing
2.2.12.	Inceptio - Partners and Customers
2.2.13.	Einride - Overview
2.2.14.	Einride: A closer look into the T-pod and E-truck
2.2.15.	Einride - Partners
2.2.16.	Einride - The Grids Concept
2.2.17.	Einride - The Grids Concept
2.2.18.	Kodiak Robotics - Overview
2.2.19.	Kodiak - Sensor Suite
2.2.20.	Kodiak - Trials and Business Model (1)
2.2.21.	Kodiak - Trials and Business Model (2)
2.2.22.	Torc Robotics - Overview
2.2.23.	Torc Robotics - Sensor Suite (Gen 2)
2.2.24.	Torc Robotics - Testing and Trials (1)
2.2.25.	Torc Robotics - Testing and Trials (2)
2.2.26.	Aurora
2.2.27.	Aurora - Sensor Suite
2.2.28.	Aurora - Trials, Rollout and Business Model
2.2.29.	Pony.ai
2.2.30.	Pony.ai - Business Model
2.2.31.	DeepWay - A Baidu Founded Start-up
2.2.32.	DeepWay - Sensor Suites
2.2.33.	DeepWay - Trials (1)
2.2.34.	DeepWay - Trials (2)
2.2.35.	Terraline (Formerly Solo AVT)
2.2.36.	TrunkTech
2.3.	Players - Established Truck OEMs
2.3.1.	Volvo Truck - Overview
2.3.2.	Volvo Truck - Vera and VNL
2.3.3.	Tesla
2.3.4.	Daimler (1)
2.3.5.	Daimler (2)
2.3.6.	MAN
2.3.7.	Scania
2.3.8.	Hyundai
2.4.	Trucking Players That Are No Longer Active
2.4.1.	Embark - Overview
2.4.2.	Waymo - Background
2.5.	Redundancy in Autonomous Trucks
2.5.1.	Redundancy in Different Systems
2.5.2.	Redundant Systems
2.5.3.	Daimler Trucks - Redundancy in Braking Control
2.5.4.	Daimler Trucks - Steering and Communication
2.5.5.	Continental - Brakes (not Heavy-Duty Specific)
2.5.6.	Bosch - Brakes and Steering (not Heavy-Duty Specific)
2.5.7.	TuSimple - Functional Safety
2.5.8.	TuSimple - Hardware Failure Tolerance
2.5.9.	TuSimple - Software Fault Tolerance
2.5.10.	TuSimple - Functional Safety Overview
2.5.11.	Plus.AI - Single Sensor Type Redundancy
2.5.12.	Kodiak - Localisation Redundancy
2.5.13.	Aurora
2.5.14.	Mobileye - A Different Approach to Redundancy
2.5.15.	Redundancy in Connected Technologies
2.6.	Truck analysis
2.6.1.	Technology Maturity Status Definitions
2.6.2.	Market readiness level of L4 autonomous truck companies 2022
2.6.3.	Market Readiness Level of L4 Autonomous Truck Companies 2024
2.6.4.	Maturity
2.6.5.	Fundings Raised and Received (1)
2.6.6.	Fundings Raised and Received (2)
2.6.7.	Fundings
2.6.8.	Fundings
2.6.9.	Testing Mileage, Trails and Partners
2.6.10.	L4 Autonomous Public Road Testing Time, Location, Speed and Approval Authority
2.6.11.	Company Backgrounds
2.6.12.	Autonomous Trucking Activity (1)
2.6.13.	Autonomous Trucking Activity (2)
2.6.14.	Total Cost of Ownership Analysis - Assumption and Breakdown
2.6.15.	Total Cost of Ownership Analysis
2.6.16.	Total Cost of Ownership Analysis
2.6.17.	Company Locations (1)
2.6.18.	Company Locations (2)
2.6.19.	Business Model Options for Start-ups
2.6.20.	Business and Operating Model Adoption
2.6.21.	6 Key Drivers for Autonomous Trucks (1)
2.6.22.	6 Key Drivers for Autonomous Trucks (2)
2.6.23.	Remaining Hurdles for Autonomous Trucks
2.6.24.	IDTechEx opinion
3.	SUMMARY OF AUTONOMOUS ACTIVITY AND PROGRESS IN TRUCKS
3.1.	Locations Split by Vehicle Types
3.2.	Table of Vehicles and Value Chain Position of Companies in Commercial Autonomy
3.3.	Ones to Watch - Autonomous Trucks
3.4.	SWOT analysis and comparisons for autonomous trucks
3.5.	Commercial readiness and opportunity comparison, roboshuttle, autonomous buses, autonomous trucks.
3.6.	IDTechEx predicted timelines
4.	ENABLING TECHNOLOGIES: CAMERAS
4.1.	Cameras in Autonomous Trucks
4.2.	RGB/Visible light camera
4.3.	CMOS image sensors vs CCD cameras
4.4.	Key Components of CMOS
4.5.	Front vs backside illumination
4.6.	Reducing Cross-talk
4.7.	Global vs Rolling Shutter
4.8.	TPSCo: Leading foundry for global shutter
4.9.	Sony: CMOS Breakthrough?
4.10.	Sony: BSI global shutter CMOS with stacked ADC
4.11.	OmniVision: 2.µm global shutter CMOS for automotive
4.12.	Hybrid organic-Si global shutter CMOS
4.13.	Event-based Vision: A New Sensor Type
4.14.	What is Event-based Sensing?
4.15.	General event-based sensing: Pros and cons
4.16.	What is Event-based Vision? (I)
4.17.	What is Event-based Vision? (II)
4.18.	What is event-based vision? (III)
4.19.	What does event-based vision data look like?
4.20.	Event Based Vision in Autonomy?
5.	ENABLING TECHNOLOGIES: THERMAL CAMERAS
5.1.	Thermal Cameras in Autonomous Trucks
5.2.	Segmenting the Electromagnetic Spectrum
5.3.	The Need for NIR
5.4.	OmniVision: Making Silicon CMOS Sensitive to NIR
5.5.	OmniVision: Making Silicon CMOS Sensitive to NIR
5.6.	Motivation For Short-Wave Infra-Red (SWIR) Imaging
5.7.	Why SWIR in Autonomous Mobility
5.8.	Other SWIR Benefits: Better On-Road Hazard Detection
5.9.	SWIR Sensitivity of Materials
5.10.	SWIR Imaging: Incumbent and Emerging Technology Options
5.11.	The Challenge of High Resolution, Low Cost IR Sensors
5.12.	Silicon Based SWIR Detection - TriEye
6.	ENABLING TECHNOLOGIES: QUANTUM DOTS AS OPTICAL SENSOR MATERIALS FOR IR, NIR, SWIR
6.1.	Quantum Dots as Optical Sensor Materials
6.2.	Quantum Dots: Choice of the Material System
6.3.	Other Ongoing Challenges
6.4.	Advantage of Solution Processing
6.5.	QD-Si CMOS at IR and NIR
6.6.	QD-Si CMOS at IR and NIR
6.7.	Hybrid QD-Si Global Shutter CMOS at IR and NIR
6.8.	Emberion: QD-Graphene SWIR Sensor
6.9.	Emberion: QD-Graphene-Si Broadrange SWIR sensor
6.10.	SWIR Vision Sensors: First QD-Si Cameras and/or an Alternative to InVisage?
6.11.	SWIR Vision Sensors: First QD-Si Cameras and/or an Alternative to InVisage?
6.12.	SWIR Vision Sensors: First QD-Si Cameras and/or an Alternative to InVisage?
6.13.	SWIR Vision Sensors: First QD-Si Cameras and/or an Alternative to InVisage?
6.14.	QD-ROIC Si-CMOS integration examples (IMEC)
6.15.	QD-ROIC Si-CMOS Integration Examples (RTI International)
6.16.	QD-ROIC Si-CMOS Integration Examples (ICFO)
6.17.	QD-ROIC Si-CMOS Integration Examples (ICFO)
7.	ENABLING TECHNOLOGIES: LIDAR
7.1.	LiDAR in Autonomous Trucks
7.2.	LiDAR classifications
7.3.	Automotive LiDAR: Operating process
7.4.	Automotive LiDAR: Requirements
7.5.	LiDAR system
7.6.	LiDAR working principle
7.7.	Laser range finder function for the first production car
7.8.	Comparison of lidar product parameters
7.9.	TOF vs FMCW LiDAR
7.10.	LiDAR scanning categories
7.11.	Summary of lidars with various beam steering technologies
7.12.	Comparison of common beam steering options
7.13.	Overview of beam steering technologies
7.14.	Point cloud
7.15.	Lidar signal applications
7.16.	3D point cloud modelling
7.17.	LiDAR challenges
7.18.	Poor weather performance: Challenges & solutions
7.19.	Early possible adoption of Lidar
7.20.	Velodyne lidar portfolios
7.21.	Valeo SCALA
7.22.	Livox: Risley prisms
7.23.	Automotive lidar players by technology
8.	ENABLING TECHNOLOGIES: RADAR
8.1.	Radar in Autonomous Trucks
8.2.	Typical Sensor Suite for Autonomous Cars
8.3.	Radar Has a Key Place in Automotive Sensors
8.4.	The Need for and Emergence of Imaging Radar
8.5.	4D Radars and Imaging Radars
8.6.	Radar Trends: Volume and Footprint
8.7.	Radar Trends: Packaging and Performance
8.8.	Radar Trends: Increasing Range
8.9.	Radar Trends: Field of View
8.10.	Radar Trilemma
8.11.	Radar Anatomy
8.12.	Radar Key Components
8.13.	Primary Radar Components - The Antenna
8.14.	Primary Radar Components - the RF Transceiver
8.15.	Primary Radar Components - MCU
8.16.	Automotive Radars: Frequency Trends
8.17.	Trends in Transceivers
8.18.	Two Approaches to Larger Channel Counts
8.19.	Semiconductor Technology Trends in Radar
8.20.	Funding for Radar Start-ups
8.21.	Future Radar Packaging Choices
8.22.	Leading players - tier 1 suppliers
8.23.	Transceiver suppliers
8.24.	Supply chain
8.25.	Example products from a tier 1 - Continental
8.26.	Example products from a tier 1 - Bosch
8.27.	Example of radar start-up - Arbe
8.28.	Arbe and its Investors
8.29.	Example of radar start-up - Zadar
9.	FORECASTS
9.1.	Notes on the forecasts chapter
9.2.	Method
9.3.	Heavy-Duty Trucking Unit Sales 2023-2044
9.4.	Autonomous truck pricing 2018-2044
9.5.	Heavy-Duty Trucking Revenue 2023-2044
9.6.	Miles and service revenue for autonomous trucks 2023-2044
9.7.	Autonomous truck powertrains 2023-2044
9.8.	Sensors for autonomous trucks 2021-2044
10.	COMPANY PROFILES
10.1.	Aurora
10.2.	Bosch
10.3.	Continental AG
10.4.	DeepWay
10.5.	Einride: Automating Logistics
10.6.	Hyundai
10.7.	Inceptio
10.8.	Innoviz
10.9.	Innoviz
10.10.	Kodiak Robotics: Autonomous Trucking Start-up
10.11.	Mobileye: ADAS & Autonomy Computation
10.12.	Ouster
10.13.	plus.ai
10.14.	Pony.ai
10.15.	Terraline
10.16.	Tesla Motors
10.17.	Torc: An Autonomous Technology Company in Roboshuttles and Trucks
10.18.	Trunk Tech
10.19.	TuSimple
10.20.	Valeo
10.21.	Velodyne LIDAR
10.22.	Volvo Trucks - Truck Electrification
10.23.	Waymo (2023)
10.24.	Waymo (2024)

ページTOPに戻る

ご注文は、お電話またはWEBから承ります。お見積もりの作成もお気軽にご相談ください。

webからのご注文・お問合せはこちらのフォームから承ります

本レポートと同分野の最新刊レポート

本レポートと同分野の最新刊レポートはありません。

IDTechEx 社の最新刊レポート

本レポートと同じKEY WORD（）の最新刊レポート

本レポートと同じKEY WORDの最新刊レポートはありません。

よくあるご質問

IDTechEx社はどのような調査会社ですか?

IDTechExはセンサ技術や3D印刷、電気自動車などの先端技術・材料市場を対象に広範かつ詳細な調査を行っています。データリソースはIDTechExの調査レポートおよび委託調査（個別調査）を取り扱う日... もっと見る

調査レポートの納品までの日数はどの程度ですか?

在庫のあるものは速納となりますが、平均的には 3-４日と見て下さい。
但し、一部の調査レポートでは、発注を受けた段階で内容更新をして納品をする場合もあります。
発注をする前のお問合せをお願いします。

注文の手続きはどのようになっていますか?

1)お客様からの御問い合わせをいただきます。
2)見積書やサンプルの提示をいたします。
3)お客様指定、もしくは弊社の発注書をメール添付にて発送してください。
4)データリソース社からレポート発行元の調査会社へ納品手配します。
5) 調査会社からお客様へ納品されます。最近は、pdfにてのメール納品が大半です。

お支払方法の方法はどのようになっていますか?

納品と同時にデータリソース社よりお客様へ請求書（必要に応じて納品書も）を発送いたします。
お客様よりデータリソース社へ（通常は円払い）の御振り込みをお願いします。
請求書は、納品日の日付で発行しますので、翌月最終営業日までの当社指定口座への振込みをお願いします。振込み手数料は御社負担にてお願いします。
お客様の御支払い条件が60日以上の場合は御相談ください。
尚、初めてのお取引先や個人の場合、前払いをお願いすることもあります。ご了承のほど、お願いします。

データリソース社はどのような会社ですか?

当社は、世界各国の主要調査会社・レポート出版社と提携し、世界各国の市場調査レポートや技術動向レポートなどを日本国内の企業・公官庁及び教育研究機関に提供しております。
世界各国の「市場・技術・法規制などの」実情を調査・収集される時には、データリソース社にご相談ください。
お客様の御要望にあったデータや情報を抽出する為のレポート紹介や調査のアドバイスも致します。

自律走行トラック2024-2044：技術、動向、予測

サマリー

目次

Summary

Table of Contents

ご注文は、お電話またはWEBから承ります。お見積もりの作成もお気軽にご相談ください。

本レポートと同分野の最新刊レポート

IDTechEx 社の最新刊レポート

本レポートと同じKEY WORD（）の最新刊レポート

よくあるご質問

IDTechEx社はどのような調査会社ですか?

調査レポートの納品までの日数はどの程度ですか?

注文の手続きはどのようになっていますか?

お支払方法の方法はどのようになっていますか?

データリソース社はどのような会社ですか?