/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-4B-Instruct
Библиотека
transformers
Опубликована
16 июн 2026

nuscenes-waypoints-model

Изображение и текст → текст3 профессии

Мультимодальная модель на базе Qwen3-VL-4B, дообученная предсказывать будущие траектории движения по дорожным изображениям и видео nuScenes.

17скачиваний за 30 дней0лайковвеса обновлены16 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

nuScenes Waypoints Model — модель зрения и языка из коллекции RnB-EnCoRe-SelfDriving лаборатории Stanford Autonomous Systems Lab. Она основана на Qwen/Qwen3-VL-4B-Instruct и дообучена на данных nuScenes для предсказания будущей траектории движения по наблюдениям с нескольких камер. Модель принимает изображения или видео вместе с текстом и выдаёт текстовое представление путевых точек без промежуточного текстового рассуждения.

Модель предназначена для экспериментов по планированию движения автономного транспорта и оценки прогнозирования траекторий. Обучение включало 30 эпох и 10 980 шагов оптимизации; максимальная длина последовательности при обучении — 2048 токенов. Распространяется по лицензии Apache-2.0.

Это исследовательская модель, обученная на nuScenes; её предсказания могут быть неточными или небезопасными. README прямо указывает, что модель не предназначена для применения в реальных автомобилях или критически важных системах, а результаты следует проверять в симуляции.

Сценарии применения

  • предсказание будущих путевых точек по изображениям с камер автомобиля
  • эксперименты по планированию движения автономного транспорта
  • оценка прогнозирования траекторий на данных nuScenes

Ограничения

Модель обучена на nuScenes, поэтому её результаты могут быть неточными или небезопасными. Она не предназначена для реальных автомобилей и критически важных систем; перед дальнейшим использованием результаты следует проверять в симуляции.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

nuScenes Waypoints Model (Trajectory-Only)

Part of the RnB-EnCoRe-SelfDriving collection from the Stanford Autonomous Systems Lab.

This is a Qwen3-VL-4B vision-language model fine-tuned on nuScenes driving data to directly predict a future waypoint trajectory from multi-camera observations, without producing intermediate natural-language reasoning.

For the reasoning + waypoints variant, see stanfordasl/nuscenes-rnbencore-reasoning-waypoints.

Model details

  • Base model: Qwen/Qwen3-VL-4B-Instruct (Qwen3VLForConditionalGeneration)
  • Architecture: hidden size 2560, 36 layers
  • Modality: image/video + text → text
  • Task: future trajectory (waypoint) prediction on nuScenes
  • Output: predicted waypoints (no chain-of-thought)

Training

  • Fine-tuned on a nuScenes VQA trajectory-only dataset
  • Epochs: 30 (10,980 optimizer steps)
  • Max sequence length: 2048

Usage

For dataset preparation, prompting, inference, and evaluation, follow the instructions in the project repository: https://github.com/rnb-encore/RnB-EnCoRe-SelfDriving

from transformers import AutoModelForImageTextToText, AutoProcessor

model_id = "stanfordasl/nuscenes-waypoints-model"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(model_id, torch_dtype="auto", device_map="auto")

# Build a chat message with the driving camera image(s) + prompt,
# then processor.apply_chat_template(...) and model.generate(...).
# See the GitHub repo for the exact prompt format and post-processing.

Intended use & limitations

This model is a research artifact for autonomous-driving planning experiments. It was trained on nuScenes and is not intended for deployment in real vehicles or safety-critical settings. Outputs may be inaccurate or unsafe; always validate in simulation before any downstream use.

Citation

If you use this model, please cite the RnB-EnCoRe self-driving work:

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
1cb2480

0 моделей