Vad som släppts
Alibabas Qwen-team har publicerat Qwen-Drive-1.0-4B, en öppen språk- och synmodell för självkörning som kombinerar förståelse av en trafikscen med planering av var fordonet ska ta vägen härnäst. Kod, vikter och demodata finns tillgängliga under Apache 2.0-licens, och TechNode rapporterade släppet den 7 september. Projektet togs fram tillsammans med Huazhong University of Science and Technology.
Den medföljande artikeln, utlagd på arXiv den 31 augusti, beskriver modellen som ett första steg mot en språk- och synbaserad grundmodell för bilkörning, inte som en färdig produkt.
En modell, tre uppgifter
Det designval författarna framhäver är vad de inte ändrade. Qwen-Drive bygger på Qwen3.5-4B, en modell som är multimodal från grunden, och den förtränade arkitekturen lämnas orörd. Körförmågorna kopplas på runt omkring.
Ett perceptionshuvud i fågelperspektiv sköter 3D-objektdetektering, semantisk beläggningsprediktion och BEV-kartsegmentering. En separat Planning Expert utgår från samma delade representationer för att generera fordonets framtida bana. Teamet levererar två planeringsvarianter: en tränad genom imitation av körexempel och en förfinad med förstärkningsinlärning.
Varför det spelar roll att språkmodellen lämnas intakt
Körsystem har historiskt byggts som kedjor: en perceptionsmodul producerar lådor och körfält, en planerare konsumerar dem, och de två delar inget mer än ett gränssnitt. Det fungerar, och det innebär också att planeraren aldrig ser det som perceptionen kastade bort.
Att förena dem i en representation är fältets nuvarande satsning. Risken är att specialisering av en generell modell på kördata förstör den generella förmåga som gjorde den användbar — den som låter den svara i ord på “varför bromsade du här”. Författarna hävdar att deras stegvisa träningsrecept, som blandar körhandledning med allmänna språk- och syndata, undviker det: de rapporterar stark 3D-perception och scenförståelse samtidigt som den allmänna förmågan i stort bevaras.
Riktmärkena är författarnas egna
Artikeln rapporterar vad den kallar mycket konkurrenskraftig rörelseplanering i utvärderingar med öppen slinga, pseudo-sluten slinga och sluten slinga. Det är ett påstående från modellens upphovsmän om deras egen modell, och det har ännu inte reproducerats oberoende. Öppna vikter gör den reproduktionen möjlig, vilket är mer än man kan säga om de flesta körmodeller.
Storleken är poängen
Fyra miljarder parametrar är litet. Det är ingen brist att be om ursäkt för; det är skälet till att släppet är intressant. En körmodell måste gå i ett fordon, inom en effekt- och latensbudget som en datacentermodell aldrig möter, och 4B under Apache 2.0 är en storlek som ett universitetslabb eller en medelstor underleverantör faktiskt kan finjustera och driftsätta.
Det fortsätter också ett mönster. Alibaba har i två år publicerat Qwen-vikter öppet medan västerländska motsvarigheter publicerar artiklar om modeller ingen annan kan köra, och effekten på vem som gör efterföljande forskning har varit synlig.
Vad man bör följa
Oberoende utvärdering på riktmärkena med sluten slinga, som är där körmodeller brukar sluta se bra ut. Och om något fordonsprogram tar in den — en öppen modell som ingen sätter i en bil är en forskningsartefakt, inte en produkt.
