Qwen-Drive 1.0 поєднує сприйняття, відповіді про трафік і планування
Дослідницький підрозділ Alibaba представив Qwen-Drive 1.0 — модель штучного інтелекту, яка в одній системі сприймає дорожню обстановку, відповідає на запитання про трафік і планує маршрут автомобіля. Вона побудована на основі Qwen3.5-4B і доповнена модулями для створення тривимірної карти оточення та планування найближчих маневрів. Та сама мовна модель може підтримувати функції керування й взаємодію з пасажирами.
Дослідники встановили, що здатність описувати зображення не забезпечує автоматичного розуміння тривимірного простору. Навчання лише додаткових модулів майже не покращило просторову точність; основну візуально-мовну модель також довелося навчати на просторових завданнях. Команда поєднала 24 загальнодоступні набори даних про дорожні сцени, а потім додала навчання плануванню та навчання з підкріпленням.
У симуляціях версія, навчена з винагородами, зменшила частку випадків, коли автомобіль з’їжджав із дороги, з 24 до 12 відсотків. Водночас вона рухалася обережніше й долала меншу відстань. Пояснення не завжди відповідали фактичним рішенням: модель могла сплутати далекий червоний сигнал світлофора з дитиною, яка вийшла на дорогу. На відео з автомобілів з іншими конфігураціями камер результати також погіршувалися. Модель безкоштовно передають дослідникам через Hugging Face, ModelScope і GitHub.
Текст підготовлено ШІ Sakhanda Wire за матеріалом The Decoder. Факти, цитати та повний контекст — в оригінальній статті нижче.