OneDrive: Unified Multi-Paradigm Driving with Vision-Language-Action Models
この論文は、事前学習されたビジョン・言語モデル（VLM）の単一トランスフォーマーデコーダ内で、言語生成、物体検出、軌道回帰といった異質なタスクを統合的に学習させる「OneDrive」という新しい自律運転フレームワークを提案し、nuScenes や NAVSIM などのベンチマークで最先端の性能を達成したことを報告しています。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
🚗 OneDrive：AI 運転手の「万能脳」を作る物語
この論文は、自動運転の未来を変える画期的な技術「OneDrive（ワンドライブ）」について書かれています。
一言で言うと、**「これまでバラバラだった『見る力』『考える力』『動く力』を、たった一つの『天才的な脳』で全部まとめて処理する」**という仕組みです。
まるで、自動運転の AI に「運転免許証」だけでなく、「地図の読み方」「会話のスキル」「危険察知の直感」まで、すべてを一つに統合した**「スーパー運転手」**を育てようとしているようなものです。
🧩 従来の問題：「分業制」の限界
これまでの自動運転 AI は、まるで**「役割が分かれたチーム」**のように動いていました。
- カメラ担当（視覚）： 道路や車を「見る」。
- 言語担当（思考）： 「左折しよう」といった指示を「言葉」で理解する。
- 運転担当（行動）： ハンドルを切る「動き」を計算する。
これらはそれぞれ別の「頭（モデル）」を持っていて、情報を渡すたびに**「あっちの頭からこっちの頭へ、手紙（データ）を渡す」という作業が必要でした。
これだと、情報が遅れたり、手紙の書き方が違ったりして、「全体としての動きがぎこちなくなる」**という問題がありました。
💡 OneDrive の解決策：「一人の天才」の誕生
OneDrive は、この「分業制」を捨て、**「一人の天才運転手」**を作りました。
この天才は、**「VLM（ビジョン・ランゲージ・モデル）」**という、すでに人間のような会話や画像認識ができる「基礎知識」を持った AI をベースにしています。
🌟 3 つの魔法の仕組み
1. 「同じテーブル」で話す（統一されたトークン）
従来のシステムでは、カメラの画像データと、運転の指示データは別々の部屋で処理されていました。
OneDrive は、**「画像の破片」「車の位置」「運転の計画」「会話の言葉」をすべて、「同じお皿（トークン）」に並べます。
まるで、運転手、ナビゲーター、整備士が「同じテーブルに座って、同時に会話しながら運転計画を立てる」**ような状態です。これにより、情報がスムーズに流れ、即座に反応できます。
2. 「目」は変えず、「手」だけ変える（アテンションの流用）
ここで面白い発見がありました。
AI の「目（画像を見る部分）」と「頭（言葉をつなぐ部分）」は、すでに人間のように訓練されています。この「目」の仕組み（アテンション機構）は、「画像と質問の関係を結びつける力」が非常に優れていることが分かりました。
OneDrive は、この「優れた目」をそのまま使い続け、新しい「運転の手（予測や計画）」をその目に付け足すだけで済ませます。
**「既存の天才の『直感』を壊さずに、新しい『運転スキル』だけを追加する」**ようなイメージです。
3. 「言葉」と「動き」を同時に（マルチタスク）
この天才は、**「言葉で会話しながら」同時に「車の動きを計算」**できます。
- 「前方に赤い車がいるね」と言葉で説明しつつ、
- 「その赤い車を避けて右に少し曲がる」という運転の動きを、同じ瞬間に計算します。
これにより、AI は「言葉で考えている間」に「運転を忘れる」ことがなく、**「思考と行動が完全に同期」**します。
🏆 結果：速くて、安全で、賢い
この「一人の天才」システムを実際のテスト（nuScenes や NAVSIM という自動運転の試験場）で試したところ、驚くべき結果が出ました。
- 安全性向上： 事故（衝突）のリスクが大幅に減りました。
- 正確性： 車の動きの予測が非常に正確になりました。
- 速さ： 従来の「分業制」システムに比べて、計算速度が約 40% 向上しました。
- 例えるなら、「複数の担当者が手紙をやり取りする」よりも、「一人の天才が頭の中で瞬時に全てを処理する」方が圧倒的に速いのです。
🚀 まとめ
OneDrive は、自動運転 AI に**「バラバラのスキル」を「一つの統合された知性」**へと進化させました。
- 以前： 複数の専門家が別々に考えて、手紙で連絡を取り合う。
- 現在（OneDrive）： 一人の天才が、目で見ながら、口で話し、手で運転する。
この技術は、より安全で、人間のように自然に運転できる「未来の自動運転車」の実現に大きく貢献するでしょう。まるで、AI が「運転のプロフェッショナル」として、完全に一人前に成長した瞬間のようなものです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。