Qwen-Drive 1.0: Otonom Sürüş İçin Açık Görme Modeli

Alibaba’nın Qwen ekibi, Ağustos sonunda otonom sürüş alanına yönelik ilk açık modelini yayımladı. Qwen-Drive 1.0 4B, sürüş sahnelerini anlayan, 3B algılama yapan ve aracın gelecekteki rotasını planlayan bir görme ve dil modeli. Teknik makale 31 Ağustos 2026’da yayımlandı, model sayfası ise 2 Eylül’de güncellendi. Model Apache-2.0 lisansıyla Hugging Face üzerinde.

Ne Değişti?

Qwen ekibi modeli, otonom sürüş için 3B algılama ile soru cevaplamayı ön eğitim aşamasında birleştiren ilk görme ve dil temel modeli olarak tanımlıyor. Önemli bir mühendislik tercihi de dikkat çekiyor: Önceden eğitilmiş Qwen3.5-4B mimarisine hiç dokunulmamış. Bunun yerine modele iki ek parça takılmış.

Birincisi, kuş bakışı (BEV) algılama başlığı. Bu bölüm 3B nesne tespiti, anlamsal doluluk haritası ve kuş bakışı harita bölütlemesi üretiyor. İkincisi, Planning Expert adlı planlama uzmanı. Bu bölüm, akış eşleme (flow matching) yöntemiyle aracın gelecekteki yörüngesini üretiyor. Örnek çıktıda beş saniyelik, saniyede on noktalık altı farklı rota adayı veriliyor.

Planlayıcının iki sürümü var. Denetimli ince ayarla eğitilen planner-sft, doğrudan ve akıl yürütmeli planlamayı destekliyor. Pekiştirmeli öğrenmeyle ödül odaklı eğitilen planner-rl ise en iyi akıl yürütme modunda çalışıyor.

Rakamlar

Planlama testlerinde NAVSIM PDMS puanı denetimli sürümde 88,2, pekiştirmeli sürümde 90,7. Altı adaydan en iyisi seçildiğinde bu puan 91,4’e çıkıyor. Waymo’nun uçtan uca sürüş testi WOD-E2E’de pekiştirmeli sürüm doğrulama setinde 8,45 puan alıyor.

Sürüş sahnesi soru cevaplamada temel modele göre belirgin artış var. LingoQA’da puan 70,4’ten 77,8’e, WaymoQA’da 67,1’den 74,5’e yükseliyor. Genel görme ve dil testlerinde ise sonuçlar temel modele yakın kalıyor. Örneğin MMBench’te 87,1’den 85,5’e küçük bir düşüş, RealWorldQA’da ise 76,3’ten 79,0’a artış görülüyor. Yani sürüşe özelleşme, genel yetenekleri büyük ölçüde korumuş.

Bu sonuç, mimariye dokunmama kararının işe yaradığını gösteriyor. Sürüş için ayrı bir model eğitmek yerine genel bir görme ve dil modeline ek modüller takmak, hem geliştirme maliyetini düşürüyor hem de modelin genel bilgi birikimini koruyor. Sürüş sırasında ‘öndeki araç neden yavaşladı’ gibi sorulara cevap verebilen bir model, aynı zamanda gördüğü sahneyi doğal dille açıklayabiliyor.

Model kartı bazı sınırlara da dürüstçe değiniyor. Bazı testlerde resmî hakem yerine Qwen-Plus hakem olarak kullanılmış ve ekip bu hakemin daha cömert puan verdiğini kabul ediyor. Algılama başlığının da kasıtlı olarak basit tutulduğu ve ileri algılama testlerinde uzman modellerle yarışmak için tasarlanmadığı belirtiliyor.

Kimi İlgilendiriyor?

Model, otonom sürüş ve sürücü destek sistemleri üzerinde çalışan araştırmacılar için tasarlanmış. Kart, kullanım amacını açıkça araştırma ve geliştirme olarak tanımlıyor; trafikteki gerçek bir araçta doğrudan kullanılmak üzere sunulmuyor.

Küçük boyutu önemli bir avantaj. Adında 4B geçse de sayfada toplam boyut yaklaşık 5 milyar parametre olarak listeleniyor. Bu, araç içi donanıma yakın ölçekte deneme yapmak isteyen ekipler için erişilebilir bir büyüklük. Kod, demo verisi ve belgeler QwenLM/Qwen-Drive-1.0 GitHub deposunda; vLLM ve SGLang ile sunum örnekleri de mevcut.

Türkiye’den Kullanıcılar İçin

Türkiye’de otomotiv sektörü ve yerli elektrikli araç projeleri, sürücü destek sistemleri üzerinde çalışan mühendis sayısını artırdı. Apache-2.0 lisanslı bir model, bu ekiplerin ve üniversite laboratuvarlarının kendi verileriyle deney yapmasına olanak tanıyor. Ancak model büyük ölçüde yabancı veri setleriyle test edildiği için Türkiye’deki yol koşulları, tabelalar ve trafik alışkanlıklarında ne kadar iyi çalıştığı bilinmiyor; yerel veriyle doğrulama şart.