Waymo mobil self-driving kembali melintasi jalur banjir, Robotaxi memperluas penghentian operasinya hingga empat kota

Waymo 已對旗下 3,791 輛 robotaxi 發起召回、在亞特蘭大等四個城市暫停服務，起因是車輛軟體無法識別積水路段，繼 4 月聖安東尼奧衝進溪流事故後，5 月 21 日亞特蘭大又發生相同問題。
（前情提要：Waymo 堵住了奔赴槍擊現場的救護車，急救人員：情況越來越糟）
（背景補充：特斯拉Robotaxi德州試營運，自動駕駛計程車將挑戰Waymo、Uber地位）

本文目錄

切換

• 從聖安東尼奧到亞特蘭大：同一個錯誤，兩個月內重演
• 軟體更新擋不住的邊界案例：AI 訓練資料的結構性缺口
• NHTSA 介入與連環調查：Waymo 面對的不只是技術問題

自駕車技術在矽谷的實驗室裡，處理的是毫秒內辨識行人、預測十字路口行為的複雜決策。但在德州的一場暴雨後，Waymo 的 robotaxi 在一個更樸素的問題翻車了。

從聖安東尼奧到亞特蘭大：同一個錯誤，兩個月內重演

事件的起點是 4 月 20 日。一輛 Waymo robotaxi 在德州聖安東尼奧（San Antonio）開進淹水路段，最終被沖進溪流。這起事故觸發了 NHTSA（美國國家公路交通安全管理局）的關注，也讓 Waymo 不得不正視旗下車隊軟體的結構性問題。

5 月 12 日，Waymo 對旗下 3,791 輛 robotaxi 發起召回，但這並不是傳統意義上讓車主把車開回廠維修的召回，而是透過 OTA（over-the-air）方式，也就是透過網路遠端推送車載軟體更新，車輛不需要進廠。

Waymo 同時坦承，這個更新只是過渡措施：在「淹水高風險地區、特定時段」限制車輛行駛，但「最終解決方案」尚未完成。

話音未落，5 月 21 日，亞特蘭大（Atlanta）再度出事。一輛無載客的 Waymo robotaxi 開進淹水街道，卡了將近一小時，最終靠拖吊車才脫困。當天的降雨量已大到街道積水，但美國國家氣象局（National Weather Service）甚至還沒來得及發出洪水警報。

這意味著 Waymo 之前推送的 OTA 更新所設定的「高風險時段限制」，在這場快速發展的區域性暴雨中，完全失去作用。

事發後，Waymo 宣布暫停在亞特蘭大、聖安東尼奧、達拉斯（Dallas）、休士頓（Houston）四個城市的服務。

軟體更新擋不住的邊界案例：AI 訓練資料的結構性缺口

要理解 Waymo 為何反覆在同一問題上失守，必須回到自駕車的技術本質。

Robotaxi 的感知系統依賴大量標記資料訓練：哪裡是可行駛的路面、哪裡是障礙物、哪條線是車道邊界。在訓練資料的分布中，城市街道 99% 的時候是「乾燥、正常的路面」。積水路段，在機器學習的語言裡屬於 edge case（邊界案例）：訓練資料沒有充分涵蓋的罕見場景。

問題在於，當 robotaxi 的感測器（攝影機 + 光達 LiDAR）掃描到一片積水時，積水的反射特性與溼潤柏油路面非常相似。模型在沒有被明確教導「這個場景代表危險」的情況下，不是在「判斷錯誤」，而是根本沒有被設計成會在這個場景踩剎車。

Waymo 的 OTA 更新試圖用「地理圍欄 + 時段限制」來迴避這個問題：在已知的淹水高風險區、雨天特定時段，禁止或限制車輛出車。這個邏輯本身並無問題，但它依賴一個前提：預警系統要比現實快。亞特蘭大 5 月 21 日的案例證明，暴雨的速度可以快過 NWS 的警報，更快過地理圍欄的觸發邏輯。

Waymo 商業營運覆蓋美國 11 座城市，包括舊金山、洛杉磯、鳳凰城、奧斯汀、邁阿密等。四城停運，意味著超過三分之一的營運版圖進入暫停狀態。這不只是一個地區性問題，而是整個車隊共享同一套軟體邏輯所帶來的系統性風險。

NHTSA 介入與連環調查：Waymo 面對的不只是技術問題

淹水事件並非 Waymo 目前面對的唯一監管壓力。

在積水召回之外，NHTSA 與 NTSB（美國國家運輸安全委員會）正聯合調查另一起持續性問題：Waymo robotaxi 反覆違法超越停下的校車。美國各州法規要求車輛在開啟停車臂的校車旁停車等待，但 Waymo 車輛在奧斯汀多次違規，推送修正後問題仍未改善，NHTSA 在 5 月 15 日再度發出第二輪檔案請求。

同一時期，今年 1 月 23 日，一輛 Waymo robotaxi 在洛杉磯聖塔莫尼卡（Santa Monica）以時速約 10 公里的低速撞上一名兒童，造成輕傷，事發地點鄰近一所小學。

NHTSA 在聲明中表示，針對淹水事件「必要時將採取行動」。這句話的潛臺詞，是監管機構保留了進一步強制介入的選項——包括要求更嚴格的召回條款、暫停特定城市的商業許可，乃至強制推遲新城市擴張計畫。

自駕車的承諾從來不是「比人類司機在所有場景都更好」，而是「在統計上更安全、更可靠」。但統計上的優越，掩蓋不了邊界案例的失效。

每一次 robotaxi 衝進積水、攔下救護車、超越校車，都在提醒同一件事：大規模商業部署，本質上是讓真實世界承擔訓練資料的缺口。