通义千问突袭智驾!仅用4B小模型,一口气打通“感知+规划+问答”

arXiv每日学术速递 2026年09月06日 查看原文

已收录文章摘要,完整内容可前往原文阅读。

通义千问团队、华中科技大学联合提出Qwen-Drive-1.0。这个4B视觉语言模型把3D感知、驾驶视觉问答和运动规划放进同一框架,并在开环、伪闭环和闭环设置中评估规划表现。共享表征连接三类驾驶任务Q