奥斯汀异常：Waymo 的校车失误
德克萨斯州奥斯汀这座以其充满活力的科技场景和前瞻性思维举措而闻名的城市，最近意外成为自动驾驶汽车 (AV) 学习复杂性的试验场。虽然 Google 的自动驾驶汽车部门 Waymo 一直在美国各个城市扩大业务，但德克萨斯州首府的街道上出现了一个具体的挑战：其自动驾驶汽车始终难以正确识别并响应闪烁灯光的停车校车。
报告于 2023 年底开始浮出水面，详细介绍了在完全自动驾驶模式下运行的 Waymo 车辆在遇到校车时要么无法完全停车，要么表现出犹豫、不可预测的行为的情况。在乘客下车或上车时。尽管庆幸的是这些事件没有造成伤害，但引起了家长、学校官员和地方当局的严重安全担忧。 “这不仅仅是一两个孤立的事件，”奥斯汀交通部发言人马库斯·索恩 (Marcus Thorne) 在去年 2 月的一次采访中表示。 “我们发现了一种模式，表明这些车辆在解释关键的通用道路安全协议方面存在系统性问题。”
学区的主动方法
为了应对不断升级的担忧，奥斯汀独立学区 (AISD) 与奥斯汀市合作，于 2024 年 1 月启动了一项独特的试点计划。该计划旨在直接解决 Waymo 车辆的学习差距。 AISD 交通总监埃琳娜·罗德里格斯 (Elena Rodriguez) 博士解释说：“我们认识到自动驾驶汽车是我们未来的一部分，但安全，尤其是对我们的孩子来说，安全是不容谈判的。” “我们的想法是直接与 Waymo 合作，本质上是为他们的人工智能创建一个受控环境，以‘学习’校车车站的细微差别。”
该计划涉及 AISD 在 Waymo 运营区域内的预定路线上部署几辆配备特殊遥测和通信设备的校车。这些公交车将在一天中的不同时间进行模拟停靠，反映现实世界的情况。目标是为 Waymo 的人工智能提供丰富的数据——视觉、激光雷达、雷达和上下文——特别是与闪烁的红灯、伸出的制动臂以及校车周围是否有儿童相关的数据。 Waymo 工程师被授予访问公交车路线和实时数据流的权限，希望能够微调他们的感知和预测模型。
当算法遇到障碍时
尽管在三个月的时间内进行了协作努力并收集了大量数据，但结果却并不令人印象深刻。到 2024 年 4 月，Waymo 的车辆虽然显示出一些微小的改进，但仍然表现出不一致的行为。有些车辆会正确地停下来，但却过早地前进。其他人会放慢速度，但不会完全停下来，或者在决定移动之前犹豫很长时间。 Waymo 感知系统主管 Lena Khan 博士在新闻发布会上评论道：“我们将数千小时的模拟和真实数据注入到系统中。” “虽然我们看到了物体识别和停止臂检测方面的改进，但现实世界的推理和对完全停止协议的一致遵守，尤其是在眩光或下雨等不同条件下，仍然难以捉摸。”
这一失败凸显了一个关键的局限性：将大量数据集转化为强大的、普遍适用的人工智能现实世界决策的难度。校车停靠站的细微差别——闪烁的灯光、停车臂、儿童的潜在存在以及在所有车道上停车的法律要求——事实证明，算法比预期的要复杂得多。该计划于 4 月下旬正式暂停，Waymo 表示他们需要在重新参与之前重新评估其核心学习方法。
学习曲线：人工智能的现实世界课堂
奥斯汀事件强调了自动驾驶汽车如何“学习”并适应周围环境的基本问题。与许多先进的自动驾驶汽车一样，Waymo 车辆也依赖于复杂的传感器套件，包括：
- LIDAR：用于精确的 3D 地图绘制和物体检测。
- 雷达：用于速度和距离测量，在恶劣天气下尤其有用。
- 高分辨率摄像头：用于视觉感知、交通灯识别以及识别特定物体，例如停车标志，最重要的是学校
- 人工智能算法：融合这些数据、预测行为并做出驾驶决策。
Waymo 服务的价值主张承诺通过其强大的硬件和先进的人工智能来提高安全性和效率，但当它在基本的、至关重要的交通规则上动摇时，就会面临审查。奥斯汀的经验表明，虽然自动驾驶汽车擅长识别静态物体并遵循清晰的车道标记，但解释动态的、依赖于上下文的人类安全协议需要更深层次的认知模拟，而当前的人工智能模型可能尚未完全具备。
超越奥斯汀：对自主未来的影响
奥斯汀的暂停并不是自动驾驶汽车的丧钟，而是对未来巨大挑战的鲜明提醒。对于消费者来说，这些事件强化了谨慎乐观的必要性。虽然机器人出租车的便利性很有吸引力，但基础技术必须完美无缺，尤其是在保护弱势道路使用者方面。自动驾驶的性价比不仅仅在于每英里的成本；还在于每英里的成本。它本质上与坚定不移的安全保证联系在一起。
行业专家，例如德克萨斯大学奥斯汀分校的人工智能伦理研究员 Evelyn Reed 博士，强调此类失败是开发过程的一部分。 “这并不是因为 Waymo 缺乏努力，而是因为构建真正的智能系统存在固有的困难，”里德博士指出。 “人类驾驶员通过经验、直觉和社会理解来学习。人工智能通过数据和模式来学习。弥合这一差距，特别是对于边缘情况和关键安全场景（例如校车车站），是自动驾驶技术的最终前沿。”奥斯汀异常事件是一个重要的教训，推动行业完善其“学习”方法，并确保移动的未来不仅是智能的，而且是绝对安全的。
