Qwen-Drive-1.0-4B

Qwen-Drive-1.0-4B

基于 Qwen3.5-4B 的驾驶模型，能做 3D 感知、回答道路场景问题并规划车辆未来路径。适合研究自动驾驶的研究者。

由 Qwen 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Qwen-Drive-1.0-4B 是 Qwen 团队推出的专注驾驶的视觉语言模型。它从 Qwen3.5-4B 出发，并且不改动那个模型的设计。旁边接了两个附加部分。一个是感知头，用来找出 3D 物体、预测被占用的空间，并分割鸟瞰图地图。另一个是 Planning Expert，把模型对场景的理解变成车辆可以跟随的路径。同一个模型还能用文字回答关于驾驶场景的开放性问题。这个仓库只有权重和配置文件。

适合谁：研究自动驾驶、想用一个模型同时做场景问答、3D 感知和运动规划的研究者和工程师。

行业 | 谁在用 | 怎么用 | 例子
自动驾驶 | 感知研究者 | 用一个模型测试 3D 检测和地图输出 | 查看某个场景的鸟瞰图输出
自动驾驶 | 规划研究者 | 在驾驶基准上比较不同规划器 | 运行直接规划和推理规划两种模式
AI 研究 | 视觉语言团队 | 研究驾驶数据如何影响通用模型 | 对一张道路图片提自由形式的问题

想要现成驾驶应用的人可以跳过，因为说明页把代码、演示数据和文档放在另一个项目里。

用在哪里：

• Python 里的 transformers 库，使用 Safetensors 权重。
• GitHub 上的 Qwen-Drive-1.0 项目，里面有配套的代码和演示数据。
• Windows、macOS 或 Linux：下载步骤在这三个系统上都能用 Python 完成。

使用场景 | 谁用 | 得到什么
场景问答 | 研究者 | 关于驾驶图像的文字回答
3D 感知 | 感知工程师 | 检测到的物体、占用情况和地图分割
运动规划 | 规划研究者 | 自车未来的路径

如何设置：

先准备好：

• Python 和 pip。
• transformers 库。
• 显存足够放下权重的 GPU，BF16 约 9.1 GB，4 位约 2.3 GB，这是记录里的估算值。
• 来自 GitHub 项目的代码，用于感知和规划。

1. 用 pip 安装 Hugging Face hub 包。
2. 用 hf 命令下载这个仓库。
3. 从 GitHub 获取项目代码和演示数据。
4. 按照模型页面了解加载和运行它的确切方式。

pip install -U huggingface_hub
hf download Qwen/Qwen-Drive-1.0-4B

如何使用：

你可以对基础模型提关于驾驶图像的自由形式问题。要做感知和规划，还需要项目代码里附带的模块。这里能看到的文本没有包含运行步骤，所以具体调用请看模型页面和 GitHub 项目。

Title: 模型的组成部分
工具 | 作用
Qwen3.5-4B 主干 | 读取图像并用文字回答问题
BEV 感知头 | 找出 3D 物体、占用情况和地图区域
Planning Expert | 为自车生成未来路径
planner-sft | 支持直接规划和推理规划
planner-rl | 经过奖励调优的规划器，在推理模式下效果最好

示例：

你给模型一帧前方摄像头画面，问前面有什么。它用文字回答。接上规划器后，同一个场景还会得到一条预测的车辆路径。

新手与专家：

可以把它看成一个学会了开车的语言模型。它能谈论一个道路场景，用 3D 指出物体，并提出下一步往哪走。一个好的第一步是在试规划器之前，先对一张驾驶图像向基础模型问几个问题。

规划器用流匹配来生成路径，并用来自 NAVSIM 和 WOD-E2E 评分的奖励加一个位移项来调优。感知头特意放在视觉语言模型之外，所以它可以当作可检查的 3D 探针。训练把驾驶数据和通用视觉语言数据混在一起，以减少遗忘。

把驾驶场景当作图像读入
用 Qwen3.5 主干编码它
运行感知头或规划器
得到 3D 输出或未来路径

注意事项：记录估算了权重占用的空间。

Title: 权重大小，估算
BF16: 9.1 GB
4-bit: 2.3 GB

• 大小：约 45 亿参数。
• 版本：记录列出别人做的 4 个量化版本和 8 个微调版本。
• 训练：驾驶数据与通用视觉语言数据混合。
• License: apache-2.0
• Cost to run: 没有提到 API 密钥、账号或付费服务。
• Data it reaches: 你从 Hugging Face 下载的文件，以及你传入的图像。
• Not for: 需要成品驾驶应用的人，或想要一个包含代码和演示数据的仓库的人。

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：4.5B
• Weights: about 9.1 GB in BF16; about 2.3 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：7,740
• 点赞：259
• 许可证：apache-2.0
• 基于：Qwen/Qwen3.5-4B
• Quantized versions: 4
• Fine-tunes: 9
• 标签：transformers, safetensors, qwen_drive, autonomous-driving, motion-planning, 3d-perception, visual-question-answering, qwen, image-text-to-text, conversational

链接

• 模型：https://huggingface.co/Qwen/Qwen-Drive-1.0-4B
• 文件：https://huggingface.co/Qwen/Qwen-Drive-1.0-4B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Qwen/Qwen-Drive-1.0-4B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。