Qwen-Drive-1.0(キューウェン・ドライブ・イッテンゼロ)とは

Qwen-Drive-1.0とは、走行中の映像を理解し、道路状況の把握、自車の将来軌道の予測、運転に関する質問応答を1つの土台で扱う研究用AIモデルです。自動運転で必要になる「見る」「考える」「言葉で答える」を、共通の視覚言語モデルにつなぐ試みです。

Qwenチームと華中科技大学の研究者が、2026年8月31日に論文を公開しました。公式説明は「自動運転向け視覚言語基盤モデルへの最初の一歩」と位置付けています。車両へ組み込むだけで自律走行が完成する製品ではありません。

3つの役割を1つの土台でどう分ける？

土台はQwenの3.5世代に属する視覚言語モデルです。カメラ映像と言葉を共通の形で扱い、一般的な画像への質問だけでなく、「前方の信号は何色か」といった運転場面の質問にも答えます。

その外側に、周囲の物体や走行可能な空間、道路の構造を読み取る「BEV認識ヘッド」が接続されます。BEVとは、車の周囲を上から見下ろした地図のように表す方法。公式説明はこの部品を、共有する土台が3次元の情報をどこまで持てているかを測る探り針であり、読み取った立体構造を人が直接見て確かめられる形で外に出す窓口だと位置付けています。

もう1つのPlanning Expert（走行計画の専門機能）は、数秒先までに自車がどこを通るかを軌道として出力する役割です。公式資料によれば、この部品は認識ヘッドがまとめた地図を受け取るのではなく、土台がすでに計算した中身を直接読む設計。公式リポジトリでは、言語を作るデコーダーも書き換えず、これらの機能を外付けで追加しています。同じ映像理解の土台を、異なる出力で共有する構成です。

公式説明では、運転向けの教師データと、一般的な画像と言葉のデータを組み合わせ、学習を段階的に進めています。狙いは、運転の能力を足すあいだに、一般的な画像理解や指示への追従を落とさないこと。一方で、公開データでカバーされない地域の道路ルールや稀な危険場面は、導入先が別に評価しなければなりません。

VLAや世界モデルと何が違う？

VLAは、視覚と言葉から行動へつなげるモデルの考え方です。世界モデルは、行動によって周囲がどう変わるかを予測する技術。Qwen-Drive-1.0はこれらの上位概念そのものではなく、走行映像から認識、軌道、質問応答を出す具体的な研究モデルです。

特に注意したいのは、将来の軌道を出せることと、ハンドル、アクセル、ブレーキを安全に動かせることは別だという点です。センサーの故障対応、応答時間、制御装置との接続、法規と安全性の検証は、別の工程で設計しなければなりません。

企業はどこを検証すべきか

導入検討では、まず使い道を分けます。車載制御の検証はリスクが高い一方、走行映像の検索、シナリオの分類、データ欠損の発見など、人が結果を確認できる評価用途から始める方が安全です。

次に、晴天の広い道路だけでなく、雨、夜間、工事、緊急車両、地域固有の標識など、自社が使う環境で失敗しやすい場面を検証データに含めます。平均的な精度だけでは、重大な見落としを評価できません。

出力の合格基準も分けます。認識では歩行者や障害物の見落とし、軌道では危険な進路と基準路からのずれ、質問応答では映像と回答の不一致を見ます。すべてを1つの平均点にまとめると、事故につながる低頻度の失敗が隠れるかもしれません。3つの出力は同じ土台を共有しながら、別々の部品が出します。認識の精度が上がっても、軌道の安全性は別に測り直してください。

公開されたコードとモデルのライセンス表示はApache-2.0ですが、学習データや組み込むほかの部品の条件まで一括して保証する表示ではありません。商用化の前に、各データと部品の条件を個別に確認してください。

Qwen-Drive-1.0に関するよくある質問

Qwen-Drive-1.0は車両へそのまま搭載できる製品ですか？

いいえ。公式にも自動運転向け基盤モデルへの最初の一歩とされる研究公開です。実車利用にはセンサー、制御、応答時間、故障対応、法規への適合を別途検証する必要があります。

Qwen-Drive-1.0とQwen-Drive-1.0-4Bは別のものですか？

Qwen-Drive-1.0は公式GitHubと論文で使われる研究名で、Qwen-Drive-1.0-4BはHugging Faceで公開されたモデルの識別名です。資料を探すときは両方の表記を使うと、論文と配布ファイルを分けて確認できます。

Qwen-Drive-1.0の出力はハンドルやブレーキの制御命令ですか？

公式説明で直接示されるのは、走行環境の認識、自車の将来軌道、質問への回答です。軌道を実車の操舵や制動へ変換する制御系は別に設計し、安全性を検証する必要があります。