杰西卡 發(fā)自 副駕寺
智能車參考 | 公眾號 AI4Auto

都2026年了，無人車Waymo還是搞定不了積水路面？！

最近暴雨多發(fā)，Waymo又出新事故。一輛無人車駛?cè)肓藷o法通行的嚴(yán)重積水路面，導(dǎo)致車輛陷入其中停滯不前。

而且在短短一個月內(nèi)，這已是Waymo第二次因積水問題引發(fā)運營事故：

今年4月，Waymo曾被曝出駛?cè)肓艘欢畏e水車道，由于水勢比系統(tǒng)判斷的要急得多，車輛最終被溪流沖走。

Waymo事后承認(rèn)其軟件存在缺陷，并進(jìn)行了一次大規(guī)模召回，通過地理圍欄在特定時間、區(qū)域限制車輛行駛。

但就現(xiàn)在的情況來看，這種臨時措施治標(biāo)不治本，積水問題仍是這家無人車公司的“頑疾”。

Waymo涉水翻車，已暫停多城運營

事情發(fā)生在最近，一場強(qiáng)降雨突襲美國亞特蘭大。

而一輛處于空載狀態(tài)的Waymo無人車，當(dāng)天駛?cè)肓藷o法通行的嚴(yán)重積水路段，被困大約一小時后才被拖離。

Waymo官方事后解釋，此次暴風(fēng)雨來得突然，在當(dāng)?shù)貧庀缶?strong>正式發(fā)布山洪預(yù)警之前，部分道路就已經(jīng)開始積水。

也就是說，Waymo車隊目前仍依賴官方天氣警報，來決定是否避開深水區(qū)。

這個解釋，實際揭示了Waymo系統(tǒng)設(shè)計中的一個關(guān)鍵依賴：外部信息輸入。

更令人擔(dān)憂的是，這已是Waymo近期第二次因積水問題造成運營事故。

就在今年4月20日，美國圣安東尼奧，也有一輛Waymo無人車在極端天氣受困，好在當(dāng)時車內(nèi)也沒有乘客。

調(diào)查文件顯示，盡管系統(tǒng)已檢測到路面積水，車輛卻仍以低速繼續(xù)前行，最終被沖入溪流。

當(dāng)時，這場事故很快引起了交通部門的關(guān)注。

5月中旬，Waymo向美國國家公路交通安全管理局（NHTSA）提交了自愿召回申請，涉及3791輛搭載第五代和第六代自動駕駛系統(tǒng)的車輛。

給出的召回理由是軟件存在缺陷，可能導(dǎo)致車輛在檢測到積水后，仍以低速駛?cè)霟o法通行的路段。

同時，公司也承認(rèn)，尚未完全開發(fā)出識別并避開積水區(qū)域的最終方案。

因此，Waymo暫時只能通過OTA推送臨時軟件更新，通過地理圍欄在特定時間和區(qū)域限制車輛行駛。

但如今看來，這種臨時措施，更像是一種“治標(biāo)不治本”的權(quán)宜之計。

所以新的事故發(fā)生后，Waymo決定暫停亞特蘭大、奧斯汀、達(dá)拉斯、休斯頓等城市的運營，同時暫停舊金山、洛杉磯、鳳凰城、邁阿密四座城市的高速公路服務(wù)。

公司對外解釋稱，這是為了更新軟件，改善車輛在施工區(qū)與淹水道路周邊的表現(xiàn)，更新完成后會陸續(xù)恢復(fù)。

主動停掉已經(jīng)開通的付費服務(wù)，在Waymo歷史上并不常見。這次停運雖然只是部分城市、部分路段，但對訂單量和用戶體驗的打擊是實實在在的。

這在一定程度上或許能說明，積水問題已經(jīng)無法通過遠(yuǎn)程補(bǔ)丁快速解決，必須讓所有車停下來等升級。

那么，為什么Waymo在水坑里屢次栽跟頭？從技術(shù)維度去考慮，可能有兩方面的核心原因：

其一，是感知層面存在挑戰(zhàn)。

水面本身具有獨特的物理特性，激光雷達(dá)發(fā)射的脈沖遇到水面時，部分被吸收，部分發(fā)生鏡面反射，導(dǎo)致點云數(shù)據(jù)稀疏或失真。

而攝像頭在暴雨天氣下，不僅視野受限，水面反光還會造成過曝或識別混淆。

Waymo采用的多傳感器融合算法，需要結(jié)合實時水深、水流速度、車輛通過性等多維度信息，對系統(tǒng)的感知能力要求極高。

其二，Waymo的系統(tǒng)過度依賴提前設(shè)定。

Waymo的自動駕駛系統(tǒng)，本質(zhì)上是一套規(guī)則驅(qū)動的系統(tǒng)，基于海量駕駛數(shù)據(jù)進(jìn)行訓(xùn)練。

工程師會先寫好成千上萬條規(guī)則——比如“限速范圍內(nèi)行駛”，或者“前方有障礙物則剎車”等等，然后車輛在道路上匹配這些規(guī)則。

這種方式在90%的場景下沒有問題，但剩下的10%——也就是所謂的“長尾場景”——往往是最容易發(fā)生變故的。

積水路面就屬于典型。至少目前，還沒有一條規(guī)則能涵蓋所有涉水情況：

水深多少算危險？水流速度多快算危險？路面下面是平坦還是有坑？這些變量無法用固定規(guī)則窮舉。

平時依賴預(yù)設(shè)規(guī)則和高精地圖時，在已知的高風(fēng)險積水區(qū)域，無人車可以通過更新地圖數(shù)據(jù)、設(shè)置運營限制來規(guī)避風(fēng)險。

但極端天氣突發(fā)時——例如亞特蘭大的事故，這種基于規(guī)則和外部信息的防御機(jī)制可能就會失效。

所以，如何讓系統(tǒng)具備類似人類駕駛員的“常識判斷”，是Waymo工程師當(dāng)前面臨的真正挑戰(zhàn)。

與此同時的另一邊，同樣在推進(jìn)Robotaxi運營的特斯拉，倒是被發(fā)現(xiàn)悄悄學(xué)聰明了。

“老司機(jī)”特斯拉學(xué)會識別警車減速

對于模仿人類駕駛中微妙的、不成文的規(guī)則，特斯拉FSD是越學(xué)越“上道”了。

最近有車主發(fā)現(xiàn)，當(dāng)FSD發(fā)現(xiàn)高速公路中央隔離帶上有警車時，就會主動調(diào)整駕駛行為：

這輛車原本以77英里/小時的速度超速行駛（限速70英里/小時）。

但在發(fā)現(xiàn)警車后，系統(tǒng)果斷主動減速、變換車道，并無縫融入周圍較慢的車流，成功避免了引起警官的注意。

emm，這駕駛手法……

看著怎么那么像人類“老司機(jī)”呢。

這種應(yīng)對緊急車輛的功能，特斯拉曾在過去的軟件更新中多次提及。

2025年10月，特斯拉在FSD版本更新中明確：加入了對應(yīng)急車輛（例如警車、消防車、救護(hù)車）靠邊停車或讓行的處理能力。

不久前推送的FSD V14.3.3版本中，特斯拉又增加了對急救車、校車等特種車輛的專項識別模塊。

根據(jù)部分測試車主反饋，當(dāng)系統(tǒng)檢測到這類車輛時，會提前300米左右啟動避讓策略——

以城市道路50公里/小時的速度計算，300米大約需要20秒，這給車輛留出了充足的變道、減速或靠邊的時間。

兩相對比，其實就又回到了Waymo和特斯拉代表的兩種技術(shù)路線之爭，本質(zhì)上也是兩種工程哲學(xué)的分歧。

Waymo代表的是“頂層設(shè)計”思路，這種思路認(rèn)為自動駕駛是一個可以分解、可以設(shè)計、可以驗證的系統(tǒng)工程，直接瞄準(zhǔn)L4/L5級全無人駕駛。

工程師會定義系統(tǒng)的各個模塊，包括感知、定位、預(yù)測、規(guī)劃、控制。每個模塊有明確的功能定義和性能指標(biāo)，通過精心設(shè)計和嚴(yán)格測試，最終集成為一個可靠的系統(tǒng)。

這種路線依賴高精地圖和多傳感器，簡單來說就是提前把路掃一遍，靠多種傳感器保證不遺漏，然后用海量規(guī)則把車框起來。

其優(yōu)勢在于可控性，系統(tǒng)行為是可預(yù)測、可解釋的。在地圖覆蓋的區(qū)域，車輛定位極準(zhǔn)，安全性有保障。

當(dāng)發(fā)生事故時，工程師可以追溯問題到具體模塊，進(jìn)行針對性的修復(fù)。

但“頂層設(shè)計”的代價是復(fù)雜性。現(xiàn)實世界的駕駛場景幾乎是無限的，當(dāng)系統(tǒng)遇到未經(jīng)設(shè)計的場景時，可能會表現(xiàn)僵硬甚至失效。

特斯拉則是走漸進(jìn)式路線，從L2起步，通過海量用戶車輛收集數(shù)據(jù)，利用端到端神經(jīng)網(wǎng)絡(luò)不斷迭代，最終實現(xiàn)L4/L5級自動駕駛。

其核心是依靠攝像頭捕捉周圍環(huán)境，通過神經(jīng)網(wǎng)絡(luò)處理這些視覺信息，最終做出駕駛決策。

這種方法的優(yōu)勢在于適應(yīng)性和擴(kuò)展性。系統(tǒng)不依賴預(yù)先定義的規(guī)則，因此能夠處理未曾見過的場景。隨著數(shù)據(jù)不斷積累，系統(tǒng)的能力會自然增長。

同時，系統(tǒng)在訓(xùn)練過程中，看到了無數(shù)包含緊急車輛的駕駛場景，以及人類駕駛員在這些場景下的反應(yīng)，應(yīng)對方式也更加“類人”。

但純視覺系統(tǒng)在感知層面存在物理限制，攝像頭在暴雨、大霧、強(qiáng)逆光等條件下性能會下降。

更重要的是，神經(jīng)網(wǎng)絡(luò)是“黑箱”——工程師可能很難完全理解系統(tǒng)做出某個具體決策的原因，也很難保證它在所有邊緣情況下都能安全運行。

所以特斯拉的選擇是通過OTA更新，讓系統(tǒng)能夠不斷從新的駕駛數(shù)據(jù)中學(xué)習(xí)。

兩種路線，各有優(yōu)劣。有意思的是，兩種路線也都在悄悄向?qū)Ψ娇繑n。

Waymo在第六代Driver的宣傳語中，提到了“輕量級、強(qiáng)大的機(jī)器學(xué)習(xí)模型”，這意味著他們正在引入更多基于學(xué)習(xí)的方法，開始降低對高精地圖的依賴，而不是死守規(guī)則。

特斯拉則開始更注重安全冗余，F(xiàn)SD V14版本中增加了更多交叉驗證機(jī)制，不再完全依賴單一神經(jīng)網(wǎng)絡(luò)。

這聽起來有點像Waymo的多傳感器融合思路——雖然傳感器仍然是純視覺。

最終的自動駕駛方案，或許不會是純粹的某一條路線，而是兩者的結(jié)合：用地圖提供先驗信息，用神經(jīng)網(wǎng)絡(luò)處理實時判斷，用規(guī)則保證基本安全。

到那時，成本更占優(yōu)勢的一方，或許會更早拿下主動權(quán)。

One More Thing

最近特斯拉更受關(guān)注的新聞，還屬公司披露的FSD監(jiān)督版最新進(jìn)展——面向中國在內(nèi)的10個國家和地區(qū)開放使用。

而特斯拉中國發(fā)布的多個智駕測試相關(guān)的招聘崗位，似乎也進(jìn)一步驗證了這一消息的真實性。

不過FSD來了中國，也只敢叫“輔助駕駛”……

特斯拉駕駛技術(shù)的巔峰，或許很快就能在國內(nèi)和各家車企賽場上相見了。

不過小鵬副總裁說，車企里或許只有小鵬歡迎FSD入華，“背后的道理，大家或許都懂。”

你怎么看？