Qwen-Drive 1.0 обединява възприятие, трафик и планиране на маршрут
Изследователското звено на Alibaba представи Qwen-Drive 1.0 — AI модел, който в една система възприема пътната среда, отговаря на въпроси за трафика и планира маршрута на автомобила. Моделът е изграден върху Qwen3.5-4B и включва допълнителни модули за създаване на триизмерна карта на околната среда и за планиране на близките движения. Така един езиков модел може да обслужва както функциите за управление, така и взаимодействието с пътниците.
Изследователите установяват, че способността за описание на изображения не означава автоматично разбиране на триизмерното пространство. Самостоятелното обучение на добавените модули не подобрило значително пространствената точност; било необходимо да се обучи и основният визуално-езиков модел със задачи за пространствено разбиране. Екипът използвал 24 публични набора от данни за пътни сцени, след което добавил обучение за планиране и обучение с подсилване.
В симулации обучената с награди версия намалила дела на случаите, в които автомобилът напуска пътя, от 24 на 12 процента. Тя обаче се движела по-предпазливо и изминавала по-малко разстояние. Обясненията невинаги съвпадали с реалните решения: моделът можел да смеси далечен червен светофар с дете, навлизащо на пътя. Резултатите били по-слаби и при кадри от автомобили с различни камери. Моделът се предоставя безплатно на изследователи чрез Hugging Face, ModelScope и GitHub.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на The Decoder. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.