首个把3D感知、驾驶VQA和运动规划统一进同一个预训练VLM的框架来了！

Name: 首个把3D感知、驾驶VQA和运动规划统一进同一个预训练VLM的框架来了！
Uploaded: 2026-09-18T10:00:00.000Z
Duration: 1 min 8 s
Channel: 深蓝学院

1040

2026-09-18 18:00:00

未经作者授权，禁止转载

阿里 Qwen 团队联合华中科技大学开源了 Qwen-Drive-1.0，首个面向自动驾驶的视觉语言基础模型。它最反常规的一点：完全不动预训练 VLM 的架构，把 3D 感知、驾驶问答、运动规划三件事装进了同一个模型——座舱和驾驶，不再需要两套大模型。论文：Qwen-Drive-1.0: An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving

顶部