Команда Qwen представила Qwen-Drive-1.0 — модель для беспилотных автомобилей, построенную на компактной мультимодальной Qwen3.5-4B. Модель одновременно понимает дорожную обстановку по видео с нескольких камер, может отвечать на вопросы о происходящем вокруг машины и строит траекторию движения на 5 секунд вперёд.

Важность в том, что это открытый и относительно небольшой (4B) фундамент для автопилота: веса и код опубликованы под лицензией Apache 2.0i, а по собственным тестам Qwen модель обходит более крупные специализированные решения в ряде задач понимания дорожных сцен.

• Модель состоит из базовой Qwen3.5-4B, к которой добавили BEV Perception Headi — голову, принимающую 3D-данные со сцены (положение машин, пешеходов, свободное пространство)
• Добавлен planning expert — диффузионный трансформерi из 32 слоёв, который генерирует траекторию движения (50 точек на 5 секунд) из шума (noisy trajectory) с учётом представлений из VLM
• Обучение проходило в 4 этапа, охватывающих разные компоненты модели
• RL-планировщик модели показывает сильные результаты в тестах автономного вождения, по данным Qwen
• Статья: «Qwen-Drive-1.0: An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving», arXiv 2609.00111
• Модель доступна на modelscope.ai/models/Qwen/Qwen-Drive-1.0-4B, веса и код открыты под Apache 2.0