自動運転向けの視覚言語モデル（VLM）は有望な性能を示しているものの、地域固有の交通規則への対応能力は十分に検討されておらず、多様な世界各地域への展開には不確実性が残る。この課題に対し、Yingzi Ma氏らは2026年6月1日にarXivへ投稿した論文（arXiv:2606.02774、cs.CV）で、地理文化的文脈に基づく運転推論を体系的に調べる新たなベンチマーク「GeoDrive-Bench」を提案した。
GeoDrive-Benchの特徴は、そのデータ規模と品質管理にある。研究チームは、運転文化の異なる6カ国を対象に、人手で検証済みの多肢選択QAペアを5,053件整備した。ベンチマークは、認識、予測、計画、地域推論という4つの運転タスクを重視している。各設問では、国ラベルを明示せずに、視覚的証拠と現地の交通慣習から正しい運転行動を推論することがモデルに求められる。これにより、モデルはラベルに頼らず、シーン内の手がかりから地域差を実際に識別する必要がある。
評価に加えて、著者らは地域特有の交通規則知識をVLMの内部表現に注入する蒸留アルゴリズムを設計した。これにより、モデルは視覚的なシーン理解を現地の運転方針とより適切に整合させることができる。この手法はモデルの弱点を診断するだけでなく、地域認識能力を備えた運転モデルの訓練にも道を開くもので、ベンチマークは評価と訓練の両面を兼ねたテストベッドとして位置づけられている。
実験では、9つの最先端VLMを対象に評価を実施した。その結果、地理的な運転文化や各タスクにおいてモデルの性能に大きな差が見られ、現行モデルが堅牢な地域認識型の運転知能をまだ備えていないことが示された。一方、提案されたベースラインモデルは地域をまたぐ運転文化推論において改善を示した。これらの結果は、展開可能な自動運転基盤モデルの実現には地域固有の規則理解への継続的な取り組みが必要であることを示しており、GeoDrive-Benchは診断と訓練の双方に資するテストベッドとして、この分野の研究を後押しするものと期待される。