本文报道了 Waymo 因积水问题导致多起事故并大规模召回，分析了其规则驱动系统在极端天气下的局限性，并与特斯拉 FSD 的端到端学习路线进行了对比。
📝 详细摘要
文章首先报道了 Waymo 无人车在亚特兰大因暴雨驶入严重积水路段被困的事故，这是一个月内第二次因积水问题引发的运营事故。Waymo 随后提交了涉及 3791 辆车的自愿召回申请，承认软件缺陷，并暂停了亚特兰大、奥斯汀等多城的 Robotaxi 服务。文章从技术角度分析了 Waymo 屡次栽跟头的原因：一是感知层面，水面会导致激光雷达点云稀疏和摄像头视野受限；二是其规则驱动系统难以穷举积水这类长尾场景的变量。文章随后对比了特斯拉 FSD 的端到端学习路线，以 FSD 识别警车后主动减速变道为例，说明其在处理微妙驾驶规则上的优势。最后，文章指出两种技术路线正在相互靠拢，未来的自动驾驶方案可能是地图、神经网络和规则的结合。
💡 主要观点
- Waymo 因积水问题导致多起事故并大规模召回，暴露了其规则驱动系统在极端天气下的脆弱性。 Waymo 的自动驾驶系统依赖预设规则和高精地图，难以应对积水这类变量复杂的「长尾场景」，导致车辆在检测到积水后仍低速驶入危险路段。
💬 文章金句
- 都 2026 年了，无人车 Waymo 还是搞定不了积水路面？！
- Waymo 事后承认其软件存在缺陷，并进行了一次大规模召回，通过地理围栏在特定时间、区域限制车辆行驶。
- 但就现在的情况来看，这种临时措施治标不治本，积水问题仍是这家无人车公司的'顽疾'。
- 如何让系统具备类似人类驾驶员的'常识判断'，是 Waymo 工程师当前面临的真正挑战。
- 最终的自动驾驶方案，或许不会是纯粹的某一条路线，而是两者的结合：用地图提供先验信息，用神经网络处理实时判断，用规则保证基本安全。
📊 文章信息
AI 初评：84
来源：量子位
作者：杰西卡
分类：人工智能
语言：中文
阅读时间：14 分钟
字数：3311
标签： Waymo, 特斯拉, 自动驾驶, Robotaxi, FSD