Alibaba представила Qwen-Drive 1.0 — ИИ-автопилот для автомобиля
Исследовательское подразделение Alibaba выпустило Qwen-Drive 1.0 — унифицированную модель, которая одновременно берет на себя роль водителя и бортового ассистента. Как пишет The Decoder, система объединяет пространственное восприятие, ответы на вопросы о дорожной обстановке и планирование маршрута в рамках одной архитектуры.
Разработчики взяли за основу мультимодальную модель Qwen3.5-4B, дополнив ее двумя специфическими модулями. Первый отвечает за построение карты местности с высоты птичьего полета в 3D, а второй, получивший название Planning Expert, прогнозирует траекторию движения автомобиля на ближайшие несколько секунд, используя внутренние данные базовой языковой модели.
Проблема пространственного мышления и «галлюцинаций» в логике
Интересно, что простое умение нейросети описывать картинку не гарантирует понимания физического пространства. Исследователи обнаружили, что без специального обучения vision-language компоненты плохо справляются с оценкой дистанции и положения объектов. Только после принудительного обучения на пространственных задачах точность позиционирования заметно выросла, что подтверждает: интуиция в 3D для ИИ не является врожденным навыком.
В ходе симуляций обновленная модель показала неплохие результаты, сократив частоту съездов с дороги с 24% до 12%. Однако обнаружился ироничный нюанс: объяснения модели, почему она решила затормозить, не всегда коррелируют с реальным маневром. ИИ может заявить, что остановился перед красным светом, хотя на самом деле причиной стала выбежавшая на дорогу собака, или наоборот.
Объединение управления автомобилем и развлекательной системы в одной модели — это изящный способ сэкономить вычислительные ресурсы, но попытка научить машину объяснять свои действия человеческим языком пока выглядит как костыль. Мы получаем систему, которая может эффективно тормозить, но при этом уверенно лгать о причинах остановки. Для индустрии, где прозрачность принятия решений критична, такой разрыв между логикой планировщика и риторикой языковой модели создает опасную иллюзию контроля, превращая черный ящик в говорящий черный ящик.
Технологические барьеры и перспективы внедрения
Одной из главных проблем остается так называемое «катастрофическое забывание». Когда модель слишком глубоко специализируется на вождении, она начинает терять общие знания, накопленные в ходе базового обучения. Исследователи Alibaba попытались решить это, оставив ядро модели нетронутым при обучении дополнительных модулей, что позволило сохранить способности к диалогу в кокпите без ущерба для навигации.
Система Qwen-Drive 1.0 была обучена на 24 открытых датасетах, которые пришлось приводить к единому стандарту с помощью другой нейросети. Несмотря на успехи в тестах, разработчики признают: при смене ракурса камер или использовании данных с других автомобилей эффективность распознавания падает. Для реальных дорог, где освещение и углы обзора постоянно меняются, текущей базы данных все еще недостаточно.
Команда разработчиков уже опубликовала модель в открытом доступе на платформах Hugging Face и GitHub. Это дает сообществу возможность проверить, насколько далеко продвинулась Alibaba в создании «умного» автомобиля, который, возможно, пока не идеальный собеседник, но уже вполне приличный ученик за виртуальным рулем.
