自動運転のための視覚-言語-行動モデル：過去・現在・未来

- 本論文は autonomous driving 向けの Vision-Language-Action (VLA) フレームワークに関するサーベイ論文。 - 従来の modular な Perception-Decision-Action パイプラインや Vision-Action (VA) モデルの限界を整理。 - VLA の台頭を LLMs と multimodal learning の進展に位置づける。 - 既存手法を End-to-End VLA と Dual-System VLA の2パラダイムに分類。 - textual vs. numerical action generators、explicit vs. implicit guidance のサブクラスを区別。 - 代表的な datasets と benchmarks を整理し、課題と今後の方向性を示す。

- modular な Perception-Decision-Action パイプラインは hand-crafted interfaces や rule-based components が複雑・long-tailed な状況で破綻し、cascaded design が知覚誤差を伝播させる問題があった。 - Vision-Action (VA) モデルは視覚から行動への直接写像を学習するが、不透明で distribution shifts に敏感、構造的推論や instruction-following 能力を欠く。 - 本論文は visual understanding・linguistic reasoning・actionable outputs を統合する VLA の枠組みを整理し、より interpretable・generalizable・human-aligned な driving policies への道筋を示す。 - 単純な列挙ではなく、End-to-End と Dual-System の2パラダイムおよびサブクラスへの体系的分類を提示する点が貢献。

- 本論文はサーベイであり、新規アルゴリズムの提案ではなく VLA 研究の構造的特徴づけを行う。 - 初期の VA アプローチから現代の VLA フレームワークへの進化をたどる。 - 既存手法を2つの主要パラダイムに分類する。 - End-to-End VLA: perception・reasoning・planning を単一モデル内で統合。 - Dual-System VLA: VLMs による slow deliberation と planners による fast・safety-critical execution を分離。 - 各パラダイム内で textual vs. numerical action generators、explicit vs. implicit guidance mechanisms のサブクラスを区別。 - 評価用の代表的な datasets と benchmarks を整理する。

- 本論文はサーベイ論文であり、提案手法の実験的検証は要旨からは不明。 - 有効性の検証として、既存の代表的な datasets と benchmarks を整理・要約している。 - 具体的な benchmark 名や評価指標、実験結果は要旨からは不明。

- 課題として robustness、interpretability、instruction fidelity を挙げている。 - End-to-End VLA と Dual-System VLA の比較や、textual vs. numerical action generators、explicit vs. implicit guidance の差異に関する議論が含まれると推測されるが、詳細は要旨からは不明。 - 今後の open directions として、human-compatible autonomous driving systems の基盤確立を目指す方向性を示す。

- 要旨で直接参照・比較されている個別研究は明示されていない。 - 関連手法として、modular な Perception-Decision-Action パイプライン、Vision-Action (VA) モデル、Large Language Models (LLMs)、multimodal learning を挙げる。 - VLA の2パラダイムとして End-to-End VLA と Dual-System VLA、サブクラスとして textual vs. numerical action generators、explicit vs. implicit guidance mechanisms に関連する研究を次に読むべき候補として挙げる。 - 具体的な論文名は要旨からは不明。