自动驾驶AI学习相关专利图

丰田、英伟达、博世专利案例介绍

2026/10/26

概要

　　本报告由MarkLines根据丰田技术开发株式会社（TTDC）提供的“技术信息发送服务-AI Ninja”的专利信息制作，内容主要围绕近期汽车行业热议的技术话题。TTDC从事知识产权业务和测量控制解决方案业务。在知识产权业务领域，TTDC收集并分析全球汽车研发相关信息，提供研究企划咨询、外语专利申请以及技术翻译服务。

　　近年来，随着自动驾驶和驾驶辅助技术不断升级，用于周边环境识别、其他车辆行为预测以及行驶决策等的AI开发正加速推进。为提升此类AI的性能，将多样化的交通场景纳入学习训练至关重要。然而在实际行驶中，诸如可能引发事故的场景或恶劣天气等低频发生的情况很难充分收集。为此，除了筛选完善对学习有用的实际行驶数据的技术外，目前还广泛应用了通过模拟仿真或合成数据来补充学习场景的技术。此外，车载端追加学习以及将通过学习更新的模型反馈至车辆的机制也在持续探讨中。

　　2020年至2025年，自动驾驶AI学习相关的专利申请量呈增长趋势。从技术分类来看，“实际行驶数据的收集、筛选与标注”相关申请量最多，“基于仿真和合成数据的学习”以及“车端学习、分布式学习与更新模型分发”紧随其后。此外，在2024年至2025年期间，“实际行驶数据的收集、筛选与标注”申请量有所下降，而“基于仿真和合成数据的学习”以及“车端学习、分布式学习与更新模型分发”的申请量则有所增加。

　　本篇报告基于上述背景，以日本、美国、中国、欧洲、韩国以及国际专利申请（WO）为调查对象，从“实际行驶数据的收集、筛选与标注”、“基于仿真和合成数据的学习”以及“车端学习、分布式学习与更新模型分发”这三个技术维度对自动驾驶AI学习相关专利申请进行梳理。第一维度涉及以可用于学习的形式收集、筛选实际车辆或道路获取的数据并添加标注的技术；第二维度涉及将虚拟环境或生成技术创建及加工的行驶数据用于AI学习的技术；第三维度涉及车端或多车协同学习，以及将学习和更新后的模型分发并应用至车辆的技术。通过分析这些申请量的走势及主要申请人的动向，全面把握该技术领域的专利申请全貌。

※鉴于现阶段仍有较多专利申请尚未公开，2025年的申请量为暂定值。。

丰田技术开发株式会社