资讯🔥7.0
阿里千问开源 Qwen-Drive-1.0-4B：首个面向自动驾驶的视觉语言基础模型
📋总体概括
阿里千问本周开源Qwen-Drive-1.0-4B，官方称其为首个面向自动驾驶的视觉语言基础模型。该模型基于Qwen3.5-4B构建，在预训练阶段统一3D感知与视觉问答，并扩展至运动规划，保留原始VLM架构。模型采用分阶段训练，结合驾驶监督与通用视觉语言数据，提供SFT和RL两个规划专家，仅用公开数据统一轨迹格式构建规划样本，评测覆盖3D感知、驾驶场景理解及开环、伪闭环、闭环运动规划。RL版本以微小开环误差代价换取偏好对齐与闭环安全性提升，对自动驾驶研发社区具有开源参考价值。
⚡关键信息
- ▸阿里千问开源Qwen-Drive-1.0-4B，官方称其为首个面向自动驾驶的视觉语言基础模型，基于Qwen3.5-4B构建。
- ▸预训练阶段统一3D感知与视觉问答并扩展至运动规划，同时完整保留预训练VLM的原始架构。
- ▸模型提供SFT和RL两个规划专家，采用分阶段训练以兼顾驾驶能力与通用视觉理解、指令遵循能力。
- ▸仅使用公开来源数据构建规划样本，统一各数据集轨迹格式，覆盖开环、伪闭环、闭环全链路评估。
- ▸RL训练以微小开环位移误差为代价，换取人类偏好对齐和闭环安全性的全面提升。
🔥犀利点评
「首个自动驾驶VLM基础模型」这顶帽子更多是营销话术，Wayve等玩家早有布局，千问赢在开源和4B的小身板。真正值得肯定的是只用公开数据、统一轨迹格式、覆盖闭环评测这套做法——可复现、可比较，比一堆闭源PPT强。但4B模型做闭环驾驶，离上车还差十万八千里，别指望它替代规控栈。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 IT之家 阅读全文 →