加州機動車管理局近日證實,已於11日禁止Waymo在全州高速公路上開展無安全員運營和測試。禁令原本只針對加州,但Waymo隨即把高速載客服務的暫停範圍擴大到舊金山灣區、洛杉磯、鳳凰城、邁阿密和奧斯汀五個市場。這意味著Waymo在高速公路上接送乘客不到一年,就被監管踩下剎車。

讓加州出手的是接連兩天發生在舊金山灣區的險情。11月5日,101號公路一段道路封閉施工,工人和裝置都在場,三輛Waymo開了進去。第二天,280號州際公路上,巡警車正引導後方車流減速,一輛Waymo試圖從旁邊繞過去,被警車擋了下來。Waymo稱兩起事件均未造成碰撞或人員受傷,但加州車管局認定,反覆闖進仍有人作業的封閉區域,已對公共安全構成緊迫威脅。

這次禁令恰好打在Waymo最重要的市場上。加州一直是Waymo的業務大本營,舊金山灣區和洛杉磯更是重點擴張地區。根據公開資料估算,去年8月Waymo在加州的車隊規模約1400輛,到今年6月已超過3200輛。8月,Waymo又獲監管批准,進一步擴大灣區和洛杉磯周邊18個縣的運營範圍,服務版圖有望擴大到原來的三倍以上。如今高速公路突然被劃為禁區,依賴高速路線的機場接送、跨區域長途訂單首當其衝。據《舊金山紀事報》報道,這次限制實際會讓乘客叫不到前往該機場的Waymo,給Waymo正在推進的業務擴張添了很大變數。

Waymo是谷歌母公司Alphabet旗下的無人駕駛公司,把L4自動駕駛做成了計程車生意,在獲准的道路和執行條件下由系統完成駕駛,車內無需司機接管。今年9月,Waymo在美國15座城市提供服務,每週約有50萬筆付費訂單,規模遠超特斯拉Robotaxi和亞馬遜旗下的Zoox等美國競爭對手。據Axios報道,截至今年8月,Waymo佔據了美國無人駕駛網約車約95%的訂單,而特斯拉和Zoox當時仍處於商業化擴張初期。Waymo的野心還不止於美國,今年9月它宣佈與日本計程車公司日本交通、打車平台GO達成合作,計劃2027年在東京推出商業化無人駕駛出租車服務。

弔詭的是,Waymo的車隊越開越大,栽跟頭的地方卻並不新鮮。過去一年,它已經因為施工道路等問題多次召回車輛,而且多次問題沒有得到根本性解決。今年6月17日,Waymo向美國國家公路交通安全管理局(NHTSA)提交召回報告,涉及3871套第五代自動駕駛系統。此前,鳳凰城在4月11日和19日有6次駛過封閉匝道標誌進入高速施工區;5月18日,舊金山灣區又有7輛Waymo從錐桶之間穿過,開進相鄰的封閉施工車道。Waymo當時的解決措施是更新軟體,提高施工區識別能力,調整遇到多種危險時的處置順序,並增加提前識別計劃施工路段和遠端協助等措施。7月底,Waymo從鳳凰城開始逐步恢復高速載客。然而三個多月後,灣區的封閉施工路段裡又出現了Waymo。11月兩起險情的詳細技術調查尚未公開,還不能斷定是同一故障復發,但類似問題反覆出現,足以讓監管部門懷疑此前的修復究竟有多大效果。

Waymo被追問軟體修復效果也不止這一次。11月6日,NHTSA啟動複核,涉及2895套Waymo系統。此前Waymo因為車輛違規駛過停靠校車而召回軟體,聲稱已經完成修復,但監管部門發現掌握的相關事件中多數發生在Waymo所報的修復日期之後。Waymo則辯稱,自今年3月以來公司沒有再收到此類罰單。

在美國,類似麻煩並非Waymo一家遇到。今年6月20日,拉斯維加斯一輛空載Zoox無人車開進被濃煙籠罩的火災現場,當時消防員還沒擺好錐桶,車輛試圖轉向後急剎停住,最終在遠端人員協助下倒車離開。7月,Zoox為此召回105輛無人車,更新軟體提高對濃煙等情況的識別能力。通用汽車旗下的Cruise也有過類似問題。2023年8月,一輛Cruise無人車與正在執行任務的消防車相撞,車內乘客受傷;同年10月,一名行人被其他汽車撞倒後落在Cruise車前,Cruise撞上行人並停住,隨後又執行靠邊停車動作,將傷者拖行約6米。事故及後續資訊披露問題最終導致加州暫停Cruise的無人駕駛測試和運營許可,2024年底通用汽車停止資助Cruise的無人計程車開發業務。

今年7月8日,NHTSA專門給自動駕駛企業發出公開信,列舉了監管部門記錄的險情:有的無人車直接開進事故現場,有的擋住救護車和消防車,還有的無法正確應對警燈、濃煙和交通錐桶。這些事故大多有一個共同點:道路原本的通行規則突然發生了變化。消防員剛到還來不及設定路障,巡警可能臨時要求高速上的車輛減速,施工人員也可能正在搬動錐桶。對司機來說,看到這些情況通常就知道不能再按照原來的車道行駛,無人車卻必須根據現場不斷變化的資訊重新判斷哪裡能走、該讓誰先走。更麻煩的是,這類意外遠沒有正常行車那麼頻繁,即使車隊累計行駛上億公里,也未必碰到過足夠多的複雜情況。但總體碰撞率低,掩蓋不了故障在特定場景集中出現的風險。同樣的軟體裝在幾千輛車上,一處沒修好的缺陷就可能讓整個車隊反覆犯錯。

如今,Waymo等自動駕駛企業都用世界模型訓練和測試無人車,減少對真實道路試錯的依賴。簡單來說,自動駕駛系統先從大量真實駕駛資料中學習如何開車,世界模型則負責在計算機裡模擬道路環境,預測車輛、行人和其他交通參與者接下來會怎樣運動。今年2月,Waymo公佈了自己的世界模型,該系統不僅能模擬真實行車記錄,還能生成相應的攝像頭和雷射雷達資料,甚至展示過龍捲風、大象出現在道路上的罕見場景。但相比這些奇觀,更應關注的是更基礎的路況改變後的應急調整。世界模型確實可以提高訓練效率,但問題在於,修好了一個場景的錯誤,不代表車輛在其他場景中也會表現得更好。

今年2月,清華大學封碩等研究人員在《自然·通訊》發表論文,專門討論了自動駕駛訓練中的“蹺蹺板效應”:針對某一類危險加強訓練,可能提高車輛在這類場景下的安全性,卻讓它在其他場景中更容易犯錯。這是因為真正危險的駕駛場景在海量行車資料中只佔很小一部分,企業發現事故後往往重點利用這些失敗案例訓練系統,但如果只盯著出錯的情況,模型就可能學到過於偏激的避險策略。放到Waymo的施工區問題上,如果強化訓練讓車輛見到錐桶就儘量遠離,它可能成功避開封閉車道,卻也可能把正常擺在路肩上的錐桶誤判為封路訊號,突然急剎。研究人員也在尋找更好的訓練方法。香港大學李弘揚等研究者提出的WorldEngine,嘗試從真實行車記錄中找出容易出錯的片段,將其重建成可以互動的虛擬道路,再改變其他車輛的行為,生成更多不同的危險場景用於訓練和測試。清華大學團隊則提出,訓練不能只盯著失敗案例,還需要保留那些對安全決策有幫助的成功經驗,避免模型為了修復一種錯誤而破壞已經學會的正常駕駛能力。

視線轉回國內,無人計程車也在擴大服務範圍。11月18日,小馬智行在三季報中披露,廣州中心城區與南沙原先分開的運營區域已經連成一片,連續服務範圍超過1000平方公里,乘客可以預約南沙、海珠、天河等區之間的行程。截至9月底,小馬智行全球無人計程車隊達到2768輛,並已在深圳寶安國際機場提供全無人商業服務。蘿蔔快跑也在加快擴張。11月16日,百度披露,今年第三季度蘿蔔快跑在深圳的全無人駕駛訂單量環比增長約170%。截至10月底,其業務已經覆蓋全球30座城市,累計自動駕駛里程超過3.9億公里。但國內無人計程車也避免不了施工、交通管制和突發事故等特殊情況的處理問題。去年8月,重慶永川一輛蘿蔔快跑無人車就駛入正在施工的道路溝槽,車內乘客最終在現場人員幫助下藉助梯子脫困。

針對這些複雜路況,國內企業正在加強模擬訓練。今年4月,小馬智行釋出PonyWorld 2.0世界模型,能夠分析無人車在哪些場景中判斷失誤,再有針對性地補充訓練資料。文遠知行1月釋出的GENESIS,可以模擬道路受阻、車輛突然變道、緊急避險等場景。11月初,百度也推出Apollo World,讓蘿蔔快跑在虛擬城市中完成從接單到送達的完整行程,檢驗車輛在連續變化的路況下如何應對。

不過,除了繼續改進車上的自動駕駛軟體,我國還在進一步發揮道路基礎設施的作用。湖南高速、中國交通廣播等單位建設的“車路雲·聽”,已經能把施工、管制、事故等訊息送到車機,通過彈窗和語音提醒司機。11月19日,交通運輸部網站披露,該專案入選首批“人工智慧+交通運輸”典型應用場景,車載使用者超過137萬輛。當下,我國已在20個城市及聯合體開展車路雲一體化試點,可以藉此打通道路運營方、交管部門和車企的資訊系統,讓不同品牌的無人車及時獲取道路管制訊息。相比讓無人車到了施工現場再靠識別錐桶判斷能不能通行,提前獲得準確的封路資訊顯然更可靠。當然,車路雲不能替代車輛自身的判斷,突發事故仍然需要自動駕駛系統獨立應對。但Waymo的教訓至少說明,自動駕駛的安全性不能只寄希望於車上的演算法越來越聰明,道路本身也可以成為解決問題的一部分。