الإجاباتمنشور18 المصادر
Qwen-Drive-1.0-4B: نموذج مفتوح يفصل الإدراك عن تخطيط القيادة الذاتية
يعتمد Qwen Drive 1.0 4B على نموذج Qwen3.5 4B متعدد الوسائط، مع أوزان مفتوحة وترخيص Apache 2.0 ووحدات خارجية للإدراك والتخطيط. يوفر المشروع تخطيطاً مدرَّباً بالإشراف وتخطيطاً محسّناً بالمكافآت، إلى جانب أوضاع للإجابة المرئية والتخطيط المباشر والتخطيط المشروط بالتعليل.
نشر بواسطةتم التحرير باستخدام GPT-5.6 Terraتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- يعتمد Qwen Drive 1.0 4B على نموذج Qwen3.5 4B متعدد الوسائط، مع أوزان مفتوحة وترخيص Apache 2.0 ووحدات خارجية للإدراك والتخطيط.
- يوفر المشروع تخطيطاً مدرَّباً بالإشراف وتخطيطاً محسّناً بالمكافآت، إلى جانب أوضاع للإجابة المرئية والتخطيط المباشر والتخطيط المشروط بالتعليل.
- الأوزان متاحة عبر Hugging Face، بينما يضم مستودع GitHub الشيفرة والوثائق وبيانات العرض وأدوات الاستدلال والتقييم؛ لكنه ليس نظاماً جاهزاً للقيادة على الطرق العامة.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Alibaba Qwen’s Qwen-Drive-1.0-4B, released on September 8, 2026, and how does its Apache 2.0 open-source design combine the unchange. Article summary: Qwen-Drive-1.0-4B is Qwen’s Apache-2.0 open-weight, 4B-parameter vision-language driving model, developed with Huazhong University of Science and Technology. It keeps Qwen3.5-4B’s multimodal VLM architecture intact and a. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Qwen-Drive-1.0-4B هو نموذج رؤية ولغة مخصص لأبحاث القيادة الذاتية، بأوزان مفتوحة من فريق Qwen التابع لعلي بابا بالتعاون مع جامعة هواتشونغ للعلوم والتكنولوجيا. بدلاً من إعادة تدريب نموذج Qwen3.5-4B الأساسي وتحويله إلى منظومة قيادة مغلقة يصعب تحليلها، يحتفظ المشروع بالنموذج متعدد الوسائط كعمود فقري مشترك، ثم يضيف وحدات خارجية مستقلة للإدراك من منظور علوي وتخطيط الحركة. الأوزان والبرمجيات المنشورة متاحة بترخيص Apache 2.0. 10
11
15
بنية واحدة مشتركة ووحدتان قابلتان للفصل
يتولى Qwen3.5-4B فهم الصور واللغة والإجابة عن الأسئلة المرئية، بما فيها أسئلة مشاهد القيادة. والفكرة المعلنة هي إضافة قدرات القيادة من دون استبدال البنية العامة للنموذج متعدد الوسائط. 10
11
وترتبط به وحدتان خارجيتان:
- رأس إدراك BEV: يعالج تمثيلات كاميرات الرؤية المحيطية وينتج مخرجات إدراك ثلاثية الأبعاد بمنظور علوي، على نمط BEVFormer. وتشمل هذه كشف الأجسام ثلاثي الأبعاد، وإشغالاً دلالياً للمشهد، وتقسيم خريطة الطريق. وتصف الوثائق ما يصل إلى 300 صندوق ثلاثي الأبعاد ضمن سبع فئات موحّدة، وشبكة إشغال بحجم 200 × 200 × 16 لعشر فئات، وخريطة بمساحة 60 × 30 متراً وبدقة 0.15 متر لست فئات.
18
- خبير التخطيط (Planning Expert): وحدة منفصلة تنشئ مسارات المركبة المستقبلية اعتماداً على التمثيلات المشتركة. ويوحّد المشروع شكل المسار في 50 وضعية للمركبة ضمن إطارها المرجعي — الموقع والاتجاه — بمعدل 10 هرتز على مدى خمس ثوانٍ، كي يمكن استخدام مجموعات بيانات قيادة عامة مختلفة ضمن هدف تخطيط واحد.
1
أهمية هذا الفصل بحثية بالدرجة الأولى: يمكن اختبار الإدراك بعيداً عن التخطيط، ومقارنة التخطيط المباشر بالتخطيط الذي يسبقه تعليل لغوي، أو تبديل الوحدات وإجراء اختبارات العزل من دون تغيير النموذج الأساسي.
ما الفرق بين planner-sft وplanner-rl؟
يوفر Qwen نسختين للتخطيط تستندان إلى العمود الفقري نفسه:
planner-sft: خبير تخطيط دُرّب بالإشراف أو محاكاة أمثلة القيادة. يستطيع إنتاج المسارات مباشرة، أو بعد أن يولّد النموذج تعليلاً نصياً.planner-rl: نسخة خضعت لاحقاً لتحسين قائم على المكافآت وفق أهداف مرتبطة بالمعايير المرجعية. وتوصي الوثائق باستخدامها مع التخطيط المشروط بالتعليل، لأن جولات التحسين فيها كانت مشروطة بتعليلات مولّدة.
وهذا يفسر مفاضلة مهمة في التقييم: قد يحسن التحسين بالمكافآت درجات التوافق مع التفضيلات أو المقاييس الشبيهة بالمحاكاة في الحلقة المغلقة، مع تراجع طفيف في خطأ إزاحة المسار مقارنة بمسار سائق مسجل. فهذه المقاييس لا تقيس الشيء نفسه؛ وانخفاض خطأ المسار لا يعني تلقائياً درجة أفضل في مقاييس التفضيل أو الحلقة المغلقة. 1
ثلاثة أوضاع لتشغيل النموذج
يوثق الدليل العملي ثلاثة أوضاع للاستدلال: 17
| الوضع | ما الذي يعمل؟ | المخرج |
|---|---|---|
VQA |
نموذج الرؤية واللغة فقط | إجابة نصية |
DIRECT_PLANNING |
تمريرة واحدة للنموذج، ثم خبير التخطيط | مسارات |
REASONING_PLANNING |
يولّد النموذج تعليلاً أولاً، ثم يستخدم الخبير هذا السياق | تعليل ومسارات |
تستخدم الأوضاع الثلاثة الشبكة الأساسية نفسها، لكن الاختلاف يكمن في توليد التعليل من عدمه، وفي ما إذا كان خبير التخطيط يتلقى تمثيلات تشمل ذلك السياق المولّد. 17
تدريب مرحلي وبيانات موحّدة
يصف Qwen تدريباً مرحلياً يجمع بين إشراف خاص بالقيادة في الإدراك ثلاثي الأبعاد، والأسئلة والأجوبة الخاصة بمشاهد القيادة، وتخطيط المسار، وبين بيانات رؤية ولغة عامة. وتوحّد منظومة إعداد البيانات تسميات الإدراك المتباينة في تصنيف مشترك، وتراجع إجابات أسئلة القيادة المرئية لتحقيق الاتساق، وتحول المسارات من مجموعات البيانات العامة إلى صيغة نقاط المسار الموحدة. 1
11
الهدف هو الموازنة بين التخصص والاحتفاظ بالقدرات العامة: اكتساب فهم مشاهد القيادة والتخطيط من دون التخلي ببساطة عن قدرات الصورة واللغة العامة في النموذج الأساسي. وتدعم المواد المتاحة أن ذلك كان هدفاً في التصميم والتقييم، لكنها لا تكفي وحدها لإثبات أداء مستقل وشامل في جميع اختبارات المعرفة العامة أو الإدراك المكاني. 1
11
ماذا تقول النتائج المعلنة، وماذا لا تقول؟
في نتائج التخطيط التي أعلنها المشروع، سجل مخطط RL درجة 90.7 في مقياس NAVSIM v1.1 PDMS، مقابل 88.2 لمخطط SFT؛ وارتفعت الدرجات إلى 91.4 و89.3 على الترتيب مع اختيار أفضل عينة من ست عينات. كما أبلغ المشروع عن قيم RFS من مجموعة بيانات Waymo Open قدرها 7.91 لنسخة RL و7.78 لنسخة SFT. وفي تقييم NVIDIA PhysicalAI بالحَلقة المفتوحة، بلغ مقياس minADE لثلاث ثوانٍ 0.38 متر لنسخة RL و0.34 متر لنسخة SFT. 1
ويذكر المستودع أيضاً تحسناً في مهام الأسئلة والأجوبة المرئية الخاصة بالقيادة مقارنة بخط أساس Qwen3.5-4B المدرج، ضمن عدة معايير تشمل LingoQA وVLAD وSURDS وWaymoQA ومقاييس على نمط DriveLM. 1
لكن هذه نتائج يعلنها المشروع نفسه، وليست شهادة مستقلة للسلامة أو الجاهزية للنشر. فدرجات التخطيط، والتشابه في الحلقة المفتوحة مع مسارات السائقين المسجلة، ومقاييس التفضيل، والتحقق من السلامة في العالم الحقيقي، كلها ادعاءات مختلفة. ويعرض Qwen هذا الإصدار كخطوة أولى موجهة للبحث، لا كنظام قيادة ذاتية جاهز للإنتاج. 5
11
ما الذي يستطيع المطورون الوصول إليه؟
يستضيف مستودع Hugging Face أوزان Qwen-Drive-1.0-4B وإعداداته، ويحيل إلى مستودع QwenLM/Qwen-Drive-1.0 العام على GitHub للحصول على الشيفرة وبيانات العرض والوثائق. 10
12
وتشمل المواد المنشورة للاستدلال والتقييم ما يتيح للمطورين:
- تشغيل أسئلة وأجوبة الصور والنصوص، وأسئلة مشاهد القيادة؛
- تشغيل عروض القيادة المتاحة؛
- توليد المسارات بالتخطيط المباشر أو المشروط بالتعليل؛
- فحص مخرجات الإدراك بمنظور BEV؛
- استخدام صيغ المشاهد والتقييم المنشورة؛
- التجربة على مجموعات بيانات عامة أو مدخلات مشاهد مخصصة.
مع ذلك، لا يسمح الإصدار وحده بإعادة إنتاج كل مراحل التدريب. فمجموعات التدريب غير المنشورة، والتعليقات التوضيحية، وبيانات التفضيلات، والبيانات المملوكة لا يمكن استعادتها بالكامل من الأوزان والشيفرة العامة فقط. 1
5
لماذا يهم التصميم المعياري؟
تكمن قيمة Qwen-Drive-1.0-4B، في المقام الأول، في كونه منصة بحثية تضع الحدود بوضوح بين فهم اللغة والرؤية، والإدراك ثلاثي الأبعاد، وتخطيط الحركة. وهذا يجعل اختبارات العزل أكثر فائدة: هل التحسن ناتج من تمثيل المشهد، أم توليد المسار، أم التعليل اللغوي، أم هدف مكافأة صُمم لمعيار بعينه؟
كما يتيح المشروع استبدال الرؤوس أو توسيعها، وبناء مشاهد مخصصة، وتجربة ترتيبات بديلة للكاميرات أو الحساسات. لذلك لا تتمثل قيمته في الادعاء بأن نموذجاً بحجم 4 مليارات معلمة حلّ القيادة الذاتية، بل في توفير نقطة انطلاق مفتوحة لاختبار كيف يمكن لنموذج رؤية ولغة مشترك أن يدعم مكونات قيادة قابلة للفهم والتحليل. 11
18
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "Qwen-Drive-1.0-4B: نموذج مفتوح يفصل الإدراك عن تخطيط القيادة الذاتية"؟
يعتمد Qwen Drive 1.0 4B على نموذج Qwen3.5 4B متعدد الوسائط، مع أوزان مفتوحة وترخيص Apache 2.0 ووحدات خارجية للإدراك والتخطيط.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
يعتمد Qwen Drive 1.0 4B على نموذج Qwen3.5 4B متعدد الوسائط، مع أوزان مفتوحة وترخيص Apache 2.0 ووحدات خارجية للإدراك والتخطيط. يوفر المشروع تخطيطاً مدرَّباً بالإشراف وتخطيطاً محسّناً بالمكافآت، إلى جانب أوضاع للإجابة المرئية والتخطيط المباشر والتخطيط المشروط بالتعليل.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
الأوزان متاحة عبر Hugging Face، بينما يضم مستودع GitHub الشيفرة والوثائق وبيانات العرض وأدوات الاستدلال والتقييم؛ لكنه ليس نظاماً جاهزاً للقيادة على الطرق العامة.