極端案例的苦戰：Waymo 在淹水道路上的掙扎

Waymo 最近暫停了在亞特蘭大（Atlanta）和聖安東尼奧（San Antonio）的無人駕駛計程車服務，原因是車輛在應對強降雨和淹水道路時表現不佳。此決定緊隨上週發布的一項軟體召回之後，該召回旨在解決導致目前服務暫停的同一問題。

在亞特蘭大，一輛無人駕駛的 Waymo 車輛被發現駛入淹水的街道，並在被救回前困在該處約一小時。此事件凸顯了目前自動駕駛車輛（AV）感知與決策能力的關鍵差距：區分淺水窪與危險淹水之間的能力。

技術差距：感知與判斷

Waymo 的官方立場是，安全是首要任務，且亞特蘭大的事件發生在官方國家氣象局（NWS）警報發布前的強降雨期間。該公司依賴這些警報作為更廣泛信號的一部分，以讓其車隊為惡劣天氣做好準備。然而，車輛未能即時避開淹水，顯示出更深層次的技術挑戰。

從感測器的角度來看，偵測路面上的水是非常困難的。正如技術社群的觀察者所指出的，水在 LiDAR 和攝影機眼中通常呈現為平坦的表面，這使得系統很難準確判斷深度。挑戰不僅在於看到水，還在於將該感知整合到一個能夠做出判斷的駕駛模型中——這通常需要人類等級的推理能力。

「修復與失敗」的模式

這並非 Waymo 在應對環境極端案例時掙扎的孤立事件。該公司在其他特定行為上也面臨類似的障礙：

• 校車安全： 去年，Waymo 發布了一項修復方案，以防止無人駕駛計程車非法超越停止的校車。儘管進行了更新，但仍有報告指出車隊持續進行違法操作，導致 NHTSA 和 NTSB 展開調查。
• 安全事件： NHTSA 和 NTSB 也正在調查 2026 年 1 月在聖莫尼卡（Santa Monica）發生的一起事件，當時一輛 Waymo 車輛撞擊了一名兒童，儘管該公司聲稱車輛在撞擊前已減速至每小時六英哩。

這些重複發生的問題顯示，複雜城市互動的「最終解決方案」比簡單的軟體補丁更難實現。Waymo 承認，其最近的召回更新僅在「風險較高的時間和地點施加限制」，而非提供全面的淹水避讓方案。

「AI 完全型」問題

在淹水道路上的掙扎，凸顯了 AI 社群內關於自動駕駛本質的更廣泛辯論。有些人認為 AVs 正在接近轉折點，而其他人則認為這些失敗是「AI 完全型」（AI-complete）問題的證據——這意味著解決每一個可能的極端案例都需要人類等級的通用智能。

一位評論家回顧了 DARPA Grand Challenge 的歷史，指出通往全自動駕駛的道路是一場「解決無止盡問題流的長期苦戰」。難點在於，雖然人類駕駛員可以根據情境和直覺輕鬆地樣識「軟性障礙物」或危險的淹水，但無人駕駛計程車必須不是要為每個極端案例進行艱苦的程式設計，就是必須具備高層次的抽象推理能力（例如前額葉皮質或複雜的 LLM）來處理新奇情況。

未來的發展路徑

雖然目前的失敗令人沮喪，但有些人將其視為為部署過程中的必要部分。其論點是，透過讓車隊在亞特蘭大等城市面臨真實世界的挑戰，Waymo can 收集到訓練系統處理這些情境的必要數據。與人類駕駛員不同，一旦 AI 系統「弄清楚」了某個特定極端案例的解決方案，該知識可以立即擴展到整個車隊。

然而，懷疑論依然存在。正如一位批評者所指出的，那種「幾乎快到了」與「完全自動駕駛」之間的差距是巨大的，如此依賴外部信號（如 NWS 警報）而非車載即時感知，顯示出技術仍高度依賴預定義的約束條件，而非真正的狀況察覺能力。