공개 노트

Qwen-Drive 1.0: 제동 이유를 말해도 실제 궤적과 같다는 보장은 없다

2026-09-08Views 46약 4분생성형 AI 활용

Summary

Qwen-Drive 1.0: 설명하는 AI와 운전하는 AI는 얼마나 연결돼 있을까

자율주행 AI가 “보행자 때문에 감속한다”고 답하면, 우리는 그 설명을 실제 판단 근거로 받아들이기 쉽다. 하지만 설명을 생성하는 능력과 주행 경로를 결정하는 과정은 같지 않다. Qwen-Drive 1.0을 이해하고 평가할 때도 이 차이가 핵심이다.

Qwen-Drive 1.0은 Qwen3.5-4B를 기반으로 공간 인식, 교통 질의응답, 경로 계획을 통합한 모델이다. 기존 VLM의 언어 디코더는 유지하면서 BEV 인식 헤드와 Planning Expert를 추가했다.¹

BEV는 차량 주변 환경을 위에서 내려다보는 형태로 표현하는 방식이다. BEV 인식 헤드는 이 공간에서 다음 작업을 공동으로 수행한다.

이 헤드는 단순한 보조 출력 장치가 아니다. 모델이 공유하는 내부 표현에 3D 공간 정보가 실제로 포함돼 있는지 명시적으로 검사하는 프로브 역할도 한다.²

Planning Expert는 같은 VLM 표현을 조건으로 미래 자차 궤적을 생성한다. 궤적 생성에는 잡음 상태를 목표 경로로 점진적으로 변환하는 플로 매칭 방식이 사용된다.³

질의응답과 경로 계획은 기반 표현을 공유하지만, 최종 출력은 서로 다른 경로에서 만들어진다. “왜 멈췄는가”라는 답변은 언어 디코더가 생성하고, 차량이 실제로 따라갈 궤적은 Planning Expert가 생성한다.

따라서 자연스럽고 설득력 있는 설명이 곧 주행 행동의 충실한 해설이라고 단정할 수 없다. 설명에 언급된 객체나 위험 요인이 실제 궤적 결정에 영향을 줬는지는 별도로 검증해야 한다.

실무적인 평가 기준도 문장의 유창함보다 세 출력의 정합성에 맞춰야 한다.

여러 기능을 한 모델에서 학습하려면 서로 다른 데이터셋의 형식을 먼저 맞춰야 한다. Qwen-Drive 1.0의 학습 파이프라인은 인식 레이블을 공통 레이블 공간으로 변환하고, 여러 공개 주행 데이터셋의 궤적을 하나의 웨이포인트 표현으로 표준화한다.¹

주행 VQA 응답도 형식과 사실 일관성을 높이도록 재주석된다. 비전·언어 구성요소 학습에는 공개된 교통 장면 데이터셋 24개가 사용됐으며, 단계별 학습에서는 주행 전용 감독 데이터와 범용 비전·언어 데이터를 함께 활용한다.²

이러한 통합의 의미는 단순히 여러 기능을 한 모델에 배치했다는 데 있지 않다. 서로 다른 출력이 같은 장면을 어떻게 해석하는지 한 기반 위에서 비교할 수 있다는 점이 더 중요하다.

보상 기반으로 재학습한 버전은 시뮬레이터에서 도로 이탈률을 24%에서 12%로 낮췄다.² 이는 경로 계획을 후속 학습으로 개선할 수 있음을 보여주는 결과다.

다만 이 수치를 실제 도로에서의 전반적인 안전성으로 확대 해석해서는 안 된다. 평가 환경, 지표, 실패 유형을 함께 보고 인식과 설명, 궤적이 실제로 일치하는지 확인해야 한다.

Qwen 팀은 Qwen-Drive 1.0을 Hugging Face, ModelScope, GitHub에서 연구용으로 무료 공개한다. 따라서 연구자는 개별 벤치마크 점수뿐 아니라 세 출력 사이의 불일치 사례를 직접 분석하는 데 활용할 수 있다.

Qwen-Drive 1.0의 가치는 단순한 “말하면서 운전하는 AI”보다 인식, 설명, 행동을 하나의 기반 모델 안에서 함께 다룬다는 데 있다. 동시에 공유 표현을 사용한다는 사실만으로 설명이 행동의 원인을 정확히 반영한다고 보장되지는 않는다.

결국 신뢰의 기준은 설명이 얼마나 자연스러운지가 아니다. 인식된 공간, 언어로 표현한 판단, 실제 생성된 궤적이 서로 얼마나 일관되게 맞물리는지가 핵심이다.

요약: Qwen-Drive 1.0은 3D 인식, 교통 질의응답, 경로 계획을 하나의 기반 위에 통합한다. 그러나 설명과 궤적은 별도 경로에서 생성되므로, 모델의 신뢰성은 문장 품질이 아니라 인식·설명·행동의 정합성으로 평가해야 한다.