Qwen вместе с Хуачжунским университетом выложила Qwen-Drive-1.0, открытую модель для беспилотного вождения на базе Qwen3.5-4B. Идея в том, что общая визуально-языковая модель держит на себе всё сразу: отвечает на вопросы о дорожной сцене, а через два внешних модуля даёт 3D-восприятие и планирует траекторию.

Архитектура VLM сохранена, модель дообучали по стадиям на дорожных и общих данных. Голова BEV-восприятия детектирует объекты в 3D, считает occupancy и размечает карту. Планировщик генерирует будущую траекторию, есть SFT-версия и дообученная через RL. Общие визуальные способности сохранились: на MMBench и MMMU модель почти вровень с исходной Qwen3.5-4B, а на дорожных вопросах обходит Cosmos-Reason2-32B и MiMo-Embodied-7B. На NAVSIM планировщик после RL даёт 90,7 PDMS.

Веса лежат на Hugging Face под Apache 2.0 одной папкой: VLM на 9,1 ГБ, рядом голова восприятия и два варианта планировщика, нужный подключается при загрузке. Для запуска рекомендуют карту от 24 ГБ.

@neuro_channel