К содержимому
Другое

AutoDrive-OPD-E057O-student

модель автопилота на базе Qwen3-VL

2 мин чтенияобновлено

Модель представляет собой специализированный файнтюн визуально-языковой модели Qwen3-VL-4B-Instruct, обученный для задач автономного вождения в симуляторе NAVSIM. На вход подается изображение с передней камеры и текстовый промпт с параметрами движения (команда навигации, текущая скорость, ускорение, угловая скорость и прошлая траектория), а на выходе модель выдает блок с траекторией движения на 4 секунды вперед. Обучение проводилось методом он-полиси дистилляции (on-policy distillation) на основе двух экспертных RL-моделей. Разработка пригодится исследователям в области беспилотного транспорта и компьютерного зрения.

Ключевые особенности

  • Архитектура Qwen3-VL: Полновесное обучение модели размером 4 миллиарда параметров с поддержкой работы с изображениями и текстом.
  • Дистилляция политик: Использование данных от двух экспертов под управлением обучения с подкреплением (RL) для повышения стабильности.
  • Точное предсказание траекторий: Генерация 8 точек координат [x, y, yaw] с интервалом в 0.5 секунды в текущей системе координат авто.
  • Оценка на NAVSIM: Проверено на 12 146 тестовых сценах бенчмарка с нулевым числом ошибок парсинга.

Что можно сделать

  • Тестирование в NAVSIM: Оценивать качество автономного вождения на симуляционных датасетах, полученных из nuPlan.
  • Исследование беспилотных систем: Использовать как основу для экспериментов с эндо-то-енд (end-to-end) планированием траекторий.
  • Интеграция в пайплайны: Применять скрипты генерации и оценки для анализа работы мультимодальных агентов на дорожных сценах.

Пример

В качестве входа модель принимает кадр с фронтальной камеры CAM_F0 и строковый промпт, содержащий текущую скорость, ускорение и прошлые позы агента, после чего генерирует тег с координатами точек траектории движения.

ПодробнееБенчмарки: navtest PDMS — 0.9227, navtest EPDMS (guarded) — 0.9125, navhard EPDMS — 0.3022.
Параметры инференса: greedy decoding, max_new_tokens=512, min_pixels=262144, max_pixels=1048576.
Базовая модель: Qwen3-VL-4B-Instruct (лицензия Apache-2.0), датасет NAVSIM / OpenScene (nuPlan).
Обсудить Telegram 0 42

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 9.0 GB · готовые файлы10 GB
  • FP8 / INT8рекомендуемвеса 4.1 GB5.0 GB
  • 4-bitвеса 2.3 GB3.1 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2080 Ti

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # wulin222/AutoDrive-OPD-E057O-student
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download wulin222/AutoDrive-OPD-E057O-student --local-dir ~/models/AutoDrive-OPD-E057O-student
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к AutoDrive-OPD-E057O-student
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3-VL-4B-Instruct

Новые посты про версии Qwen3-VL-4B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face

О модели

wulin222/AutoDrive-OPD-E057O-student
Автор
wulin222
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

420

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

EvidenceGuard

EvidenceGuard
Изображения

Jeveration

Jeveration