Qwen-Drive 1.0: Ein neuer Ansatz für autonomes Fahren und seine Herausforderungen

Qwen-Drive 1.0: Fortschritte und Herausforderungen bei der Erklärbarkeit autonomer Fahrsysteme

Die Entwicklung autonomer Fahrsysteme schreitet mit großen Schritten voran. Ein aktueller Beitrag zu diesem Feld ist Qwen-Drive 1.0, ein Modell aus dem Hause Alibaba, das darauf abzielt, die Komplexität der Umgebungswahrnehmung, der Beantwortung von Verkehrsfragen und der Routenplanung in einem einzigen, integrierten KI-Modell zu vereinen. Dieser Ansatz verspricht eine effizientere und kohärentere Steuerung autonomer Fahrzeuge, bringt jedoch auch spezifische Herausforderungen mit sich, insbesondere im Bereich der Erklärbarkeit von Fahrentscheidungen.

Ein integrierter Ansatz für autonomes Fahren

Qwen-Drive 1.0 ist nicht nur darauf ausgelegt, Fahraufgaben zu bewältigen, sondern auch als intelligenter Assistent im Fahrzeugcockpit zu fungieren. Dies wird durch eine Architektur ermöglicht, die auf dem bereits existierenden Qwen3.5-4B-Modell aufbaut und dieses um zwei entscheidende Komponenten erweitert:

• 3D-Wahrnehmungsmodul: Dieses Modul erstellt eine detaillierte Vogelperspektivenkarte der Umgebung. Es identifiziert Objekte im dreidimensionalen Raum, bestimmt belegte Bereiche und rekonstruiert den Straßenverlauf. Die Forscher betonen, dass dieses Modul auch als Messinstrument dient, um zu quantifizieren, wie viele räumliche Informationen das Modell tatsächlich aus den visuellen Eingaben extrahiert.
• Planungs-Experte: Diese Komponente nutzt interne Modelldaten, um die zukünftige Bewegung des Fahrzeugs zu planen. Sie ist entscheidend für die Generierung von Fahrstrategien und die Umsetzung der wahrgenommenen Umgebung in konkrete Fahrmanöver.

Ein zentraler Aspekt der Entwicklung von Qwen-Drive 1.0 war die Erkenntnis, dass Text-Bild-Modelle, obwohl sie Bilder detailliert beschreiben können, nicht automatisch ein Verständnis für den dreidimensionalen Raum entwickeln. Eine gezielte Schulung für räumliche Aufgaben war unerlässlich, um die Leistungsfähigkeit des Modells in diesem Bereich signifikant zu verbessern. Dies unterstreicht die Notwendigkeit, spezifisches Domänenwissen explizit in die Trainingsprozesse zu integrieren, anstatt sich ausschließlich auf generische Fähigkeiten zu verlassen.

Überwindung von Herausforderungen bestehender Modelle

Bisherige Ansätze im autonomen Fahren, die generische Text-Bild-Modelle auf Fahrdaten feinabstimmen, zeigten zwei Hauptschwächen:

1. Mangelndes räumliches Verständnis: Modelle, die hauptsächlich auf Verkehrs-Frage-Antwort-Paare trainiert wurden, konnten Entfernungen, Positionen und freie Flächen nicht zuverlässig erkennen.
2. Katastrophales Vergessen: Eine zu starke Spezialisierung auf Fahrdaten führte oft dazu, dass die Modelle ihr breites Allgemeinwissen verloren. Dieses Wissen ist jedoch gerade in seltenen oder unerwarteten Verkehrssituationen von entscheidender Bedeutung.

Qwen-Drive 1.0 versucht, diese Probleme durch seine modulare Architektur und einen gestuften Trainingsansatz zu adressieren. Das Training beginnt mit dem Wahrnehmungsmodul, kombiniert dann Wahrnehmung mit Fragenbeantwortung und integriert anschließend die Routenplanung. Der letzte Schritt verfeinert das Verhalten des Modells mittels Reinforcement Learning. Für die visuell-sprachliche Komponente wurden 24 öffentlich verfügbare Datensätze von Verkehrsszenen kombiniert, wobei ein KI-Modell zur Standardisierung und Ausrichtung der Daten eingesetzt wurde. Zusätzlich wurden eigene Beispiele erstellt, um die Gründe für spezifische Fahrentscheidungen, wie beispielsweise eine Bremsung, zu erläutern.

Integration von Cockpit- und Fahrsystemfunktionen

Ein Trend in der Automobilindustrie ist die Konvergenz von Infotainment- und Fahrsystemen auf einer einzigen Recheneinheit. Die Entwickler von Qwen-Drive 1.0 argumentieren, dass ein Modell, das allgemeine Fähigkeiten zugunsten reiner Fahrleistung opfert, hier nicht hilfreich wäre. Ein solches Szenario würde weiterhin ein separates Modell und zusätzliche Rechenleistung für Cockpit-Aufgaben wie Dialoge oder offene Fragen erfordern. Qwen-Drive 1.0 zielt darauf ab, diese beiden Funktionen in einem Modell zu vereinen, indem es sowohl im Bereich der Verkehrsfragen als auch bei der räumlichen Wahrnehmung gute Ergebnisse erzielt und dabei das allgemeine Wissen des Basismodells beibehält.

Leistung in Simulationen und die Herausforderung der Erklärbarkeit

In internen Benchmarks übertrifft Qwen-Drive 1.0 spezialisierte Modelle in den meisten Fahr- und Wahrnehmungskategorien. Bei Fragen zu Verkehrsszenen zeigte es eine deutliche Verbesserung gegenüber dem unmodifizierten Basismodell Qwen3.5-4B. Besonders signifikant war der Fortschritt bei der Erklärung von Ursache-Wirkungs-Zusammenhängen, etwa warum das Fahrzeug bremsen oder abbiegen sollte. Auch das allgemeine Wissen blieb weitgehend erhalten; das Modell zeigte kaum Leistungsabfälle bei Tests außerhalb des Fahrkontexts und verbesserte sich sogar leicht bei einigen räumlichen Aufgaben.

In Fahrsimulationen konnte die Rate, mit der das Fahrzeug von der Fahrbahn abkam, von 24 auf 12 Prozent reduziert werden, nachdem das Modell mit Belohnungen neu trainiert wurde. Zudem zeigte das Modell ein vorsichtigeres Fahrverhalten. Trotz dieser Fortschritte offenbart sich eine zentrale Herausforderung: Die Erklärungen des Modells für seine Fahrentscheidungen stimmen nicht immer präzise mit den tatsächlichen Manövern überein. Beispielsweise kann das Modell ein weit entferntes rotes Licht und ein plötzlich auf die Straße tretendes Kind in seinen Erklärungen vermischen, obwohl diese Situationen sehr unterschiedliche Reaktionszeiten erfordern. Die geplante Fahrweise korreliert ebenfalls nicht immer mit der zuvor gegebenen Begründung.

Diese Diskrepanz zwischen Erklärung und Handlung wirft wichtige Fragen bezüglich der Vertrauenswürdigkeit und der Validierung autonomer Systeme auf. Die Aussagekraft der Testergebnisse wird zudem dadurch eingeschränkt, dass einige der Testverfahren von den Autoren selbst entwickelt oder nachgebaut wurden, was die Übertragbarkeit auf komplexe reale Fahrsituationen erschwert.

Grenzen der Adaptivität und zukünftige Forschungsrichtungen

Ein weiteres Limit von Qwen-Drive 1.0 zeigt sich bei der Verarbeitung von Videomaterial von anderen Fahrzeugen mit abweichenden Kamera-Setups. Hier ist die Erkennungsleistung deutlich geringer, was auf einen Mangel an geeigneten Trainingsdaten für solche Konfigurationen hindeutet. Das Problem des "katastrophalen Vergessens" ist auch im Kontext von Qwen-Drive 1.0 relevant, wie es bereits bei anderen großen Modellen wie PaLM-E von Google DeepMind beobachtet wurde.

Die Kombination eines Sprachmodells mit einer Fahrfunktion eröffnet zudem neue Angriffsflächen. Studien haben gezeigt, dass präparierte Schilder im Sichtfeld der Kamerasysteme autonome Fahrzeuge dazu bringen können, Fehlentscheidungen zu treffen, selbst wenn die Objekte korrekt erkannt wurden. Die Forschung bewegt sich daher zunehmend in Richtung von "World Action Models", die nicht nur die Umgebung wahrnehmen, sondern auch vorhersagen, wie sich diese als Reaktion auf die eigenen Aktionen des Agenten verändert.

Das Qwen-Team hat das Modell der Forschungsgemeinschaft zur freien Nutzung auf Plattformen wie Hugging Face, ModelScope und GitHub zur Verfügung gestellt, um weitere Entwicklungen und Analysen zu fördern.

Fazit

Qwen-Drive 1.0 stellt einen bedeutenden Schritt in Richtung eines integrierten, umfassenden KI-Modells für autonomes Fahren dar. Es adressiert wichtige Herausforderungen wie das räumliche Verständnis und das katastrophale Vergessen, die bei früheren Ansätzen auftraten. Die Fähigkeit, sowohl als Fahrsystem als auch als Cockpit-Assistent zu fungieren, ist ein vielversprechender Ansatz für die nächste Generation von Fahrzeugen. Dennoch bleiben Herausforderungen, insbesondere im Bereich der konsistenten Erklärbarkeit von Fahrentscheidungen und der Robustheit gegenüber unbekannten Umgebungsbedingungen. Die weitere Forschung in diese Richtungen ist entscheidend für die Entwicklung sicherer und vertrauenswürdiger autonomer Fahrsysteme.

Bibliographie

• Zhou, X., Zhao, Z., Yang, Z., Li, M., Zhong, H., Bai, S., ... & Bai, X. (2026). Qwen-Drive-1.0: An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving. arXiv preprint arXiv:2609.00111.
• Kemper, J. (2026, 7. September). Qwen-Drive 1.0 tells you why it brakes, just don't expect the explanation to match the maneuver. The Decoder. Abgerufen von https://the-decoder.com/qwen-drive-1-0-tells-you-why-it-brakes-just-dont-expect-the-explanation-to-match-the-maneuver/
• TechNode. (2026, 7. September). Alibaba's Qwen releases open-source model for autonomous driving. Abgerufen von https://technode.com/2026/09/07/qwen-drive-autonomous-driving/
• Hugging Face. (n.d.). Qwen/Qwen-Drive-1.0-4B. Abgerufen von https://huggingface.co/Qwen/Qwen-Drive-1.0-4B