AnswersPublished18 sources
Qwen-Drive-1.0-4B: Algılama ve Planlamayı Ayıran Açık Sürüş VLM’si
Qwen Drive 1.0 4B, Qwen3.5 4B tabanlı, Apache 2.0 lisanslı açık ağırlıklı bir otonom sürüş görsel dil modelidir. Model, ortak görsel dil omurgasına BEV tabanlı 3B algılama başlığı ve ayrı bir planlama uzmanı ekler; VQA, doğrudan planlama ve gerekçeli planlama modları sunar.
YayımlayanGPT-5.6 Terra ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Qwen Drive 1.0 4B, Qwen3.5 4B tabanlı, Apache 2.0 lisanslı açık ağırlıklı bir otonom sürüş görsel dil modelidir.
- Model, ortak görsel dil omurgasına BEV tabanlı 3B algılama başlığı ve ayrı bir planlama uzmanı ekler; VQA, doğrudan planlama ve gerekçeli planlama modları sunar.
- Paylaşılan benchmark sonuçları araştırma için anlamlı sinyaller sağlıyor; ancak bunlar gerçek yol güvenliği veya ticari kullanıma hazır olunduğunun kanıtı değildir.
AI Prompt
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, Alibaba Qwen ile Huazhong Bilim ve Teknoloji Üniversitesi tarafından geliştirilen, otonom sürüş araştırmalarına yönelik açık ağırlıklı bir görsel-dil modelidir (VLM). Proje, temelindeki Qwen3.5-4B modelini kapalı bir uçtan uca sürüş sistemine dönüştürmek yerine bu ortak çok modlu omurgayı koruyor; bunun üzerine kuşbakışı görünüm (BEV) algılama ve hareket planlama için harici modüller ekliyor. Ağırlıklar ve eşlik eden yazılım Apache 2.0 lisansıyla yayımlandı. 10
11
15
Tek omurga, takılabilir iki sürüş modülü
Paylaşılan Qwen3.5-4B modeli görüntü ve metni işliyor. Sürüş sahneleri hakkında görsel soru-cevap dahil olmak üzere VQA görevlerini yerine getirirken, ek sürüş bileşenleri için de temsil katmanları sağlıyor. Qwen’in tasarım amacı, genel çok modlu mimariyi değiştirmeden modele sürüş kabiliyeti kazandırmak. 10
11
Bu yapıyı iki dış modül tamamlıyor:
- BEV algılama başlığı: BEVFormer tarzındaki başlık, çevre kamera görüntülerinden elde edilen temsilleri işleyerek 3B nesne tespiti, semantik doluluk tahmini ve BEV harita segmentasyonu üretiyor. Yayımlanan dokümana göre sistem, yedi birleşik sınıfta 300’e kadar 3B kutu; 10 sınıflı 200 × 200 × 16 doluluk ızgarası; altı sınıflı, 0,15 m çözünürlükte 60 m × 30 m harita rasteri üretebiliyor.
18
- Planlama Uzmanı (Planning Expert): Ayrı bir modül, ortak temsillerden aracın gelecekteki yörüngesini oluşturuyor. Proje, farklı açık sürüş veri setlerini ortak bir planlama hedefine dönüştürmek için yörüngeleri beş saniye boyunca 10 Hz’de kaydedilmiş 50 araç-merkezli poza — konum ve yönelim bilgisine — standartlaştırıyor.
1
Bu ayrım araştırma açısından önemli. Ekipler algılamayı planlamadan bağımsız inceleyebilir, doğrudan planlamayı dil aracılı planlamayla karşılaştırabilir ya da çekirdek VLM’yi değiştirmeden modülleri değiştirme ve çıkarma testlerine tabi tutabilir.
planner-sft ve planner-rl arasındaki fark
Qwen, aynı omurga etrafında iki planlama seçeneği sunuyor:
planner-sft, denetimli ya da taklit öğrenmesiyle eğitilmiş Planlama Uzmanı’dır. Yörüngeleri doğrudan veya modelin önce metinsel bir gerekçe üretmesinden sonra oluşturabilir.planner-rl, benchmark hedeflerine yönelik ödül tabanlı eğitimle ayrıca optimize edilmiş sürümdür. Optimizasyon sırasındaki açılımların örneklenmiş gerekçelerle koşullandırılması nedeniyle dokümantasyon, bu sürümün gerekçeli planlama modunda kullanılmasını öneriyor.
Bu fark, değerlendirmelerdeki önemli bir dengeyi de açıklıyor: Ödül optimizasyonu, tercih uyumu veya sözde kapalı çevrim odaklı skorları yükseltebilirken kaydedilmiş insan yörüngesine göre açık çevrim yer değiştirme hatasını az da olsa artırabilir. Bu metrikler farklı sorulara yanıt verir; daha düşük yörünge hatası, otomatik olarak daha iyi tercih veya kapalı çevrim skoru anlamına gelmez. 1
Modelin üç çalıştırma modu
Açık kaynak kullanım kılavuzu üç çıkarım modu tanımlıyor: 17
| Mod | Çalışan bileşen | Çıktı |
|---|---|---|
VQA |
Yalnızca VLM | Metin yanıtı |
DIRECT_PLANNING |
Bir VLM geçişi, ardından Planlama Uzmanı | Yörüngeler |
REASONING_PLANNING |
VLM gerekçe üretir, ardından uzman bu bağlamı kullanır | Gerekçe ve yörüngeler |
Üç mod aynı temel ağı kullanıyor. Fark, gerekçe üretilip üretilmediği ve planlayıcının üretilen bağlamı içeren temsillere erişip erişmediği. 17
Eğitim yaklaşımı: ortak etiketler ve aşamalı öğrenme
Qwen, sürüşe özgü 3B algılama, sürüş VQA’sı ve planlama gözetimini genel amaçlı görsel-dil verileriyle birleştiren aşamalı bir eğitim yaklaşımı tanımlıyor. Veri hattı, farklı algılama etiketlerini ortak bir sınıflandırmaya eşliyor; sürüş VQA yanıtlarını tutarlılık için gözden geçiriyor; açık veri setlerindeki yörüngeleri ortak ara nokta biçimine dönüştürüyor. 1
11
Amaç, uzmanlaşma ile mevcut yetenekleri koruma arasında denge kurmak: Modelin temel VLM’nin genel görüntü-metin kabiliyetlerini bütünüyle kaybetmeden sürüş sahnesini anlaması ve planlama becerisi edinmesi hedefleniyor. Mevcut materyaller bunun bir tasarım ve değerlendirme hedefi olduğunu destekliyor; ancak genel bilgi veya uzamsal benchmark’ların tamamında bağımsız ve kapsamlı performans kanıtı sunmuyor. 1
11
Raporlanan sonuçlar ne söylüyor, ne söylemiyor?
Qwen’in paylaştığı planlama sonuçlarında RL planlayıcısı, SFT sürümünden daha yüksek NAVSIM v1.1 PDMS değerine ulaşıyor: 90,7’ye karşı 88,2. Altı örnek arasından en iyi sonucu seçme yaklaşımıyla değerler sırasıyla 91,4 ve 89,3’e çıkıyor. Proje ayrıca Waymo Open Dataset üzerinde uçtan uca RFS değerini RL için 7,91, SFT için 7,78 olarak bildiriyor. NVIDIA PhysicalAI açık çevrim değerlendirmesinde üç saniyelik minADE değeri RL için 0,38 m, SFT için 0,34 m olarak veriliyor. 1
Depo ayrıca LingoQA, VLAD, SURDS, WaymoQA ve DriveLM tarzı ölçümler dahil çeşitli sürüş odaklı benchmark’larda, listelenen Qwen3.5-4B taban çizgisine kıyasla sürüş VQA gelişimleri raporluyor. 1
Bunlar projenin kendi bildirdiği benchmark sonuçlarıdır; bağımsız bir güvenlik sertifikası veya kullanıma hazır olduğunun göstergesi değildir. Planlama skorları, kayda alınmış yörüngelere açık çevrim benzerliği, tercih tabanlı metrikler ve gerçek dünyadaki güvenlik doğrulaması birbirinden farklı iddialardır. Qwen de bu sürümü üretim amaçlı otonom sürüş sistemi olarak değil, araştırma odaklı ilk adım olarak konumlandırıyor. 5
11
Geliştiriciler nelerden yararlanabilir?
Hugging Face model deposu, Qwen-Drive-1.0-4B ağırlıkları ve yapılandırmalarını barındırıyor; kod tabanı, demo verileri ve belgeler için herkese açık QwenLM/Qwen-Drive-1.0 GitHub deposuna yönlendiriyor. 10
12
GitHub projesinde modüler çıkarım ve değerlendirme materyalleri bulunuyor. Geliştiriciler şunları yapabiliyor:
- görüntü-metin ve sürüş sahnesi VQA çalıştırmak;
- sağlanan sürüş demolarını çalıştırmak;
- doğrudan ya da gerekçe koşullu planlamayla yörünge üretmek;
- BEV algılama çıktılarını incelemek;
- yayımlanan sahne ve değerlendirme biçimleriyle çalışmak;
- açık veri setleri ve özel sahne girdileriyle deney yapmak.
Ancak sürüm, eğitimin her unsurunu yeniden üretmeye tek başına yetmiyor. Yayımlanmamış eğitim derlemleri, anotasyonlar, tercih etiketleri ve tescilli veriler; yalnızca açık ağırlıklar ve kodla yeniden oluşturulamaz. 1
5
Modüler yayın neden önemli?
Qwen-Drive-1.0-4B’nin esas değeri, bir araştırma platformu olarak görünüyor: Dil-görüntü anlayışı, 3B algılama ve planlama arasındaki sınırları görünür kılıyor. Böylece bir değişikliğin sahne temsilini mi, yörünge üretimini mi, dilsel akıl yürütmeyi mi yoksa benchmark’a özgü ödül hedefini mi iyileştirdiği daha net incelenebilir.
Proje; değiştirilebilir başlıklar, özel sahne kurulumları ve alternatif kamera ya da sensör düzenleri için de alan bırakıyor. Dolayısıyla 4 milyar parametreli bir modelin otonom sürüş sorununu çözdüğü iddiasından çok, ortak bir VLM’nin yorumlanabilir sürüş bileşenlerini nasıl destekleyebileceğini test etmek için açık bir başlangıç noktası sunuyor. 11
18
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Qwen-Drive-1.0-4B: Algılama ve Planlamayı Ayıran Açık Sürüş VLM’si"?
Qwen Drive 1.0 4B, Qwen3.5 4B tabanlı, Apache 2.0 lisanslı açık ağırlıklı bir otonom sürüş görsel dil modelidir.
What are the key points to validate first?
Qwen Drive 1.0 4B, Qwen3.5 4B tabanlı, Apache 2.0 lisanslı açık ağırlıklı bir otonom sürüş görsel dil modelidir. Model, ortak görsel dil omurgasına BEV tabanlı 3B algılama başlığı ve ayrı bir planlama uzmanı ekler; VQA, doğrudan planlama ve gerekçeli planlama modları sunar.
What should I do next in practice?
Paylaşılan benchmark sonuçları araştırma için anlamlı sinyaller sağlıyor; ancak bunlar gerçek yol güvenliği veya ticari kullanıma hazır olunduğunun kanıtı değildir.