Waymo因积水顽疾大规模召回，多城Robotaxi服务暂停

事件概述

2026年5月，美国亚特兰大暴雨中，一辆空载Waymo无人车驶入无法通行的严重积水路段，被困约一小时后拖离。这是一个月内Waymo第二次因积水引发运营事故——4月20日，另一辆Waymo在圣安东尼奥驶入积水后被溪流冲走，车内同样无乘客。

关键事实与响应

• 第二次事故：4月事故后，Waymo于5月中旬向NHTSA提交自愿召回，涉及3791辆搭载第五/六代自动驾驶系统的车辆，理由是软件缺陷导致车辆检测到积水后仍低速驶入危险区域。
• 临时方案：Waymo通过OTA推送地理围栏限制特定时间/区域的行驶，但亚特兰大事故表明该措施治标不治本：暴雨突发先于官方山洪预警，系统依赖外部天气信息，无法独立判断积水危险性。
• 最新停运：新事故后，Waymo暂停亚特兰大、奥斯汀、达拉斯、休斯顿等城市运营，同时暂停旧金山、洛杉矶、凤凰城、迈阿密的高速公路服务，以更新软件改善施工区和淹水道路表现。

技术瓶颈分析

• 感知局限：水面反射导致激光雷达点云稀疏/失真，暴雨下摄像头发光/反光问题突出；多传感器需结合水深、流速等维度，系统感知能力不足。
• 规则驱动短板：Waymo基于预定义规则（如限速、障碍物刹车）和海量数据训练，但积水属于“长尾场景”，变量（水深、流速、路面坑洼）无法穷举规则。极端天气下，依赖外部天气警报的防御机制可能失效。
• 缺乏常识判断：系统无法像人类驾驶员一样综合判断积水是否可通行，工程师面临的核心挑战是如何让系统具备类人的常识推理。

技术路线对比：Waymo vs 特斯拉

• Waymo路线：顶层设计，依赖高精地图、多传感器和预设规则，追求L4/L5。优势是可控性，劣势是面对未设计场景灵活性不足。
• 特斯拉FSD路线：渐进式，基于摄像头纯视觉+神经网络，从L2逐步迭代。优势是适应性强、能处理未知场景（如主动减速避让警车）。
• 相互趋同：Waymo第六代Driver引入更多机器学习模型，降低对高精地图依赖；特斯拉FSD V14增加交叉验证机制，注重安全冗余。未来方案可能是两者结合：地图提供先验，神经网络处理实时判断，规则保证安全。

拓展背景

特斯拉FSD最新进展：已面向包括中国在内的10个国家和地区开放FSD监督版，中国招聘多条智驾测试岗位。但FSD入华后仅定位“辅助驾驶”，小鹏副总裁称车企中仅小鹏欢迎FSD入华。