极端情况的苦战：Waymo 在积水路面的挣扎

Waymo 最近暂停了在亚特兰大和圣安东尼奥的无人驾驶出租车服务，此前发生了一系列车辆难以应对强降雨和积水路面的事件。这一决定紧随上周发布的软件召回之后，而该召回旨在解决导致当前服务暂停的正是这一问题。

在亚特兰大，一辆无人驾驶的 Waymo 车辆被发现驶入了一条积水的街道，并在被回收前困在那里大约一个小时。这一事件凸显了当前自动驾驶汽车 (AV) 感知与决策能力的严重差距：即区分浅水洼与危险积水的能力。

技术差距：感知与判断

Waymo 的官方立场是，安全是首要任务，且亚特兰大事件发生在官方国家气象局 (NWS) 警报发布前的强降雨期间。公司依靠这些警报作为更广泛信号集的一部分，为车队准备应对恶劣天气。然而，车辆未能实时避开积水，这表明存在更深层的技术挑战。

从传感器的角度来看，检测路面上的水是非常困难的。正如技术社区的观察者所指出的，水在 LiDAR 和摄像头看来通常呈现为平坦的表面，这使得系统很难准确测量深度。挑战不仅在于“看到”水，还在于将这种感知整合到能够做出判断的驾驶模型中——这通常需要人类水平的推理能力。

“修复与失败”的模式

这并非 Waymo 在应对环境极端情况时的孤立事件。该公司在处理其他特定行为时也面临过类似的障碍：

• 校车安全： 去年，Waymo 发布了一个修复程序，以防止无人驾驶出租车非法超越停止的校车。尽管进行了更新，但仍有报告称车队继续进行违规操作，导致 NHTSA 和 NTSB 展开了调查。
• 安全事故： NHTSA 和 NTSB 也在调查 2026 年 1 月在圣莫尼卡发生的一起事件，当时一辆 Waymo 车辆撞击了一名儿童，尽管公司坚称车辆在撞击前已减速至每小时六英里。

这些反复出现的问题表明，应对复杂的城市交互作用所需的“最终解决方案”比简单的软件补丁更难实现。Waymo 承认，其最近的召回更新仅在“存在较高风险的时间和地点实施限制”，而不是为避开积水提供全面的解决方案。

“AI-Complete” 问题

在积水路面的挣扎表明了 AI 社区内关于自动驾驶本质的一场更广泛的辩论。一些人认为 AVs 正在接近临界点，而另一些人则认为这些失败是“AI-complete”的证据——这意味着解决每一个可能的极端情况都需要人类水平的通用智能。

一位评论员回顾了 DARPA Grand Challenge 的历史，指出通往全自动驾驶的道路是一场“解决无止境问题流的长期苦战”。困难在于，人类驾驶员可以根据上下文和直觉轻松识别“软障碍”或危险的积水，而无人驾驶出租车要么必须为每一个极端情况进行艰苦的编程，要么必须具备高层级的抽象推理能力（例如额叶皮层或复杂的 LLM）来处理新情况。

对未来路径的看法

虽然目前的失败令人沮丧，但一些人将其视为部署过程中的必要环节。理由是，通过让车队在亚特兰大等城市面临现实世界的挑战，Waymo 可以收集训练系统处理这些场景所需的必要数据。与人类驾驶员不同，一旦 AI 系统“弄清楚”了某个特定极端情况的解决方案，该知识可以瞬间扩展到整个车队。

然而，怀疑论依然存在。正如一位批评者所指出的，“几乎快要成功”与“完全自动驾驶”之间的差距是巨大的，且对 NWS 警报等外部信号的依赖，而非依赖车载实时感知，表明该技术目前仍严重依赖于预定义的约束，而非真正的态势感知能力。