2026-06-18 — views

实体 AI 公共安全 2026 — Waymo 无人驾驶警察拦停协议对比 Tesla 2021 NHTSA 紧急车辆召回：边缘案例 AV 基准测试

Waymo 建立了无人驾驶警察拦停协议。Tesla 因 Autopilot 未能探测路旁静止紧急车辆，于 2021 年遭 NHTSA 召回。

实体 AI 基准系列第 189 篇：紧急应变与边缘案例 AV 性能

AV 系统在标准驾驶场景的表现可达 99.9%。剩余的 0.1%——紧急车辆应变、警察拦停、人工交管手势、施工区域导航——决定了公共安全结果并影响监管审批。本文针对 Waymo 与 Tesla FSD 在最高风险边缘案例进行基准测试，涵盖真实事件记录、监管记录与公共安全评分卡。

第一节：紧急与边缘案例应变如何定义 AV 公众信任

AV 行业将罕见且困难的驾驶场景称为边缘案例的”长尾”。标准驾驶——开放道路车道保持、交通信号灯遵守、高速公路跟车——已是现代 AV 系统的已解决问题。长尾才是区分系统能否安全全面部署的关键。

紧急车辆应变是这条长尾中风险最高的类别之一。未能让行救护车或消防车的车辆，可能造成危及生命的阻碍。停在错误位置并封堵消防站出口的车辆，在争分夺秒的紧急现场可能延误数分钟。这些并非微不足道的罕见边缘案例，而是能直接影响生死结果的场景。

监管机构已充分认识到这一点。加州公用事业委员会（CPUC）与美国国家公路交通安全局（NHTSA）均已针对 AV 紧急车辆应变发布具体指引并启动调查。加州要求持有商业许可的 AV 运营商向 CPUC 记录并报告任何与紧急车辆的互动。NHTSA 通过常设一般命令（SGO）报告要求建立了 AV 相关事件的公开数据集，其中明确标记紧急车辆互动案例。

真实世界的记录事件说明这一基准类别的重要性：

Waymo 车辆在旧金山曾遭警察拦停，由此引发一个前所未有的法律场景：无任何驾驶在场与警员互动、回答问题、出示证件或接收罚单。在有据可查的事件中，警员靠近 Waymo 车辆后发现驾驶座空无一人。事件最终通过车内扬声器与屏幕连接远程操作员获得解决——但这些事件揭示了一个在大规模部署前未被充分预期的缺口。

旧金山曾有 Waymo 车辆被报道停在封堵消防车通道的位置。这类事件——正确探测到紧急信号并采取行动，但停车位置在场景中错误——有别于未能探测紧急车辆的情形。车辆正确识别了紧急刺激并采取行动，但行动在空间场景中有误，反映出训练 AV 不只要”响应”紧急车辆，更要在所有空间场景下”正确响应”的难度。

Tesla Autopilot 未能适当回应路旁静止紧急车辆的模式，促使 NHTSA 启动调查，并于 2021 年发布安全召回 #21V-857。召回针对 Autopilot 未能适当回应启动警示灯的静止警车、消防车与救护车的问题，以 OTA 软件更新方式处理——但底层问题（在复杂路面光线条件下纯摄像头探测静止紧急车辆）仍是已知挑战。

Tesla FSD 在车道标线被临时障碍物遮蔽或改变的施工区域中亦有记录在案的困难。NHTSA 于 2023 年针对 FSD 施工区性能启动另一项调查。施工区对依赖 HD 地图或摄像头场景理解的 AV 系统构成根本挑战，因其改变了这些系统假定保持一致的道路几何。

公众信任层面： 单一高知名度事件——救护车被困惑的 AV 多挡五分钟、空车遭警察拦停的画面爆红——可能让整个 AV 行业在公众接受度与监管政策上倒退数年。紧急与边缘案例应变是 AV 系统在公众、立法者与监管机构面前最直接展现成败的维度。

第二节：Waymo 的紧急与边缘案例应变架构

边缘案例类别	Waymo 做法	真实世界表现	监管状态
紧急车辆探测（灯光／警报声）	LIDAR 加摄像头加音频探测紧急车辆灯光（闪烁频闪对 LIDAR 与摄像头均可见）及警报声（麦克风阵列探测音频）；系统训练为当紧急车辆启动灯光警报声接近时靠右停车	在测试场景中可正常运作；LIDAR 在强烈日光下的闪烁灯光探测比纯摄像头更可靠；警报声探测提供音频冗余	CPUC 要求 AV 运营商记录紧急车辆应变；Waymo 已向 CPUC 提交事件报告
警察拦停协议	遭警察拦停时，Waymo 车辆启动”警察拦停模式”：靠右停车；通知远程操作员，可通过车内扬声器与屏幕与警员互动；Waymo 已在各运营城市（旧金山、凤凰城、洛杉矶、奥斯汀）对 911 指挥中心进行培训	真实事件：旧金山 Waymo 车辆被拦停；警员起初因无驾驶而困惑；通过远程操作员互动解决；Waymo 已发布执法互动指南	全新法律领域：谁收罚单？Waymo LLC（AV 运营商）已承认将代表其车辆接受交通违规罚单；加州 DMV 已有 AV 交通执法的具体规定
紧急车辆阻挡／妨碍	Waymo 曾发生车辆停在妨碍紧急车辆通道的位置；Waymo 更新路径规划算法，避免在常需紧急车辆通行的位置（路口、消防站出口、医院入口）停车	改善轨迹：早期事件促成具体软件更新；Waymo 已向 CPUC 提出防阻碍承诺	CPUC 要求 Waymo 针对任何紧急车辆互动提交事件报告；持续监管监督
无保护左转	Waymo 车辆执行无保护左转（对向来车时左转，无左转绿灯箭头）；早期版本过度保守，须等到间隔非常大才转；目前版本以类人方式判断间隔	相较早期版本有显著进步；Waymo 曾表示无保护左转是最难的 AV 动作之一；目前性能在熟悉环境中已达类人水准	无具体监管要求；属一般安全性能评估范畴
施工区域导航	施工区域改变 HD 地图所含的道路几何，对依赖 HD 地图的系统构成重大挑战；Waymo 应对方式：更新地图人员在车辆部署前重新测绘施工区，并由传感器探测临时障碍物与调整后的车道	真实局限：快速变化或突发施工可能超出地图更新速度；Waymo 在稳定到足以重新测绘的施工区表现较好	无具体监管指标；CPUC 审查 AV 运营商报告的施工区相关事件
警察／旗手人工指挥	警察或施工旗手以手势指挥交通，覆盖正常交通信号；因需在场景中解读人类手势，是最难的 AV 边缘案例之一	已知 AV 局限：识别人工指挥手势困难（尚未标准化）；Waymo 车辆在此场景仍有困难；目前做法可能包括探测到人工指挥时由远程操作员接管	CPUC 事件报告适用；无针对人工指挥遵守的具体监管标准

Waymo 的多传感器架构为紧急车辆探测提供有意义的冗余。 LIDAR 在强烈日光下也能高可靠性地探测紧急车辆的闪烁警示灯，而纯摄像头探测在此条件下可能不可靠。加入用于警报声探测的麦克风阵列则提供了第二个独立探测通道。若摄像头因光线条件未能探测到紧急车辆，LIDAR 与音频仍可触发靠边停车响应，这种冗余性在架构上具有重要意义。

警察拦停协议代表 Waymo 最具运营创新性的边缘案例挑战。全无人驾驶车辆遭警察拦停，此前既无法律也无运营框架可循。Waymo 与加州 DMV、各运营城市政府及地方执法部门合作开发协议——这一历程通过多年运营才逐步成熟。如今已有的框架（远程操作员通过车内扬声器互动、Waymo LLC 接收交通违规罚单、执法培训指南）是需要多年持续多方利益相关者参与才得以形成的制度创新。

第三节：Tesla FSD 紧急与边缘案例应变

边缘案例类别	Tesla FSD／Autopilot 做法	真实世界表现	监管与安全记录
紧急车辆探测	摄像头探测紧急车辆灯光；麦克风音频探测；训练为接近时靠右停车	2021 NHTSA 调查：多起 Tesla Autopilot 未能适当回应路旁静止紧急车辆（启动警示灯的警车、消防车、救护车）的碰撞事故；以 OTA 更新要求 Autopilot 监控静止紧急车辆	重大安全记录问题：NHTSA 安全召回 #21V-857 涵盖 Autopilot 未能回应紧急车辆的问题；以 OTA 更新处理
警察拦停	有监督 FSD：驾驶在场，可正常与警员互动；目前无无人驾驶警察拦停场景——Tesla Robotaxi 与 Cybercab 将面临此挑战	目前有监督 FSD：驾驶正常处理警察互动；未来 Cybercab 挑战：与 Waymo 无人驾驶拦停相同的法律不确定性	未来挑战：Cybercab 进入无人驾驶服务后，Tesla 将面临 Waymo 已克服的”谁是驾驶”问题
紧急车辆阻挡	FSD 训练包括不阻挡紧急车辆通道；但 FSD 确有在次优位置靠边停车的记录事件	以训练为基础的做法；FSD 依赖摄像头与学习行为而非 HD 地图更新来识别适当停车位置	除 2021 年静止车辆召回外，无 NHTSA 针对紧急车辆阻挡的具体调查
无保护左转	FSD 处理无保护左转；纯摄像头系统以视觉估算对向车流间隔；在复杂城市环境中具有挑战性	可运作；在视线受遮蔽的复杂城市环境中，有部分报告指出 FSD 在无保护左转时有犹豫	无针对无保护左转的具体监管记录
施工区域导航	FSD 在施工区域有记录在案的困难：车道标线改变、临时障碍物、遮蔽的车道线；NHTSA 于 2023 年针对 FSD 施工区性能启动独立调查	2023 NHTSA 调查：多起 FSD 未能正确导航降速或几何改变施工区的事件；以 FSD 更新处理	NHTSA 对 FSD 施工区性能的调查；已以 FSD 更新处理；持续监控
人工交管指挥	已知 FSD 挑战；摄像头系统需在交通流量场景中解读人类手势；FSD 训练包含部分人工指挥场景	有 FSD 在警察人工指挥方面的记录事件（Waymo 与 Tesla 均有困难；人工指挥是行业公认的 AV 难题）	未被特别召回或调查；行业广泛认可为困难的 AV 问题

2021 年 NHTSA 召回（安全召回 #21V-857）是 Tesla 紧急应变安全记录中最重要的项目。 召回针对 Tesla Autopilot 未能探测并适当回应路旁静止紧急车辆的模式。这是摄像头特有的弱点：在复杂道路环境下的静止紧急车辆，通常在强日光或有竞争光源的情况下，造成摄像头探测失败，而 LIDAR 系统对此更具鲁棒性。

2023 年 NHTSA 施工区调查是这一类别的第二次重大监管行动。车道标线被遮蔽或改变的施工区，对依赖摄像头车道探测的系统构成根本挑战。Tesla 端到端神经网络方式通过大规模训练数据改善了施工区导航，但 NHTSA 调查记录了仍以足以触发监管行动的频率发生的失败。

Tesla 的 Cybercab 无人驾驶车辆将面临 Waymo 已花费多年克服的警察拦停协议挑战。随着 Cybercab 进入商业无人驾驶服务，Tesla 需建立相同的法律与运营框架——与加州 DMV 的关系、执法培训、远程操作员互动协议——这些都是 Waymo 从 2022 年起在旧金山逐步建立的。

第四节：监管与法律框架：谁负责？

监管层面	现状	Waymo 立场	Tesla 立场
无人驾驶 AV 的交通罚单由谁承受？	全新法律问题；美国无统一标准；加州 DMV 已有指引，全无人驾驶车辆的罚单由 AV 运营商承受	Waymo LLC 已承认将代表全无人驾驶 Waymo One 车辆接受交通违规罚单；已与加州 DMV 共同建立此框架	Tesla Robotaxi（有监督）：人类驾驶接受罚单；未来 Cybercab（无人驾驶）：在相同加州框架下，Tesla 或运营商将接受罚单
NHTSA 报告要求	Tesla 受 NHTSA 常设一般命令约束：所有涉及 Autopilot／FSD／驾驶辅助的碰撞须在 24 小时内报告；Waymo 受类似但不同的报告义务	Waymo 的 CPUC 报告义务：任何碰撞、紧急车辆互动或接管均需向 CPUC 提交详细事件报告	Tesla：NHTSA SGO 报告已产生大量 Autopilot 与 FSD 相关碰撞公开数据集；可通过 NHTSA 数据发布查阅
CPUC 事件报告（加州特定）	CPUC 要求 AV TNC 许可持有者就以下情形提交事件报告：碰撞、伤亡、紧急车辆互动、接管	Waymo 受 CPUC 事件报告约束；Waymo 报告已公开，呈现学习轨迹	若 Tesla Robotaxi 在加州以无人驾驶模式作为 TNC 运营，将受相同 CPUC 报告规定约束
联邦 AV 安全框架	截至 2026 年中，尚无全面联邦 AV 安全法律通过；NHTSA 通过现行安全标准加自愿性指引加 SGO 报告运作	Waymo 主张建立联邦 AV 框架，提供一致的全国标准，取代零散的州际拼凑	Tesla 亦主张联邦框架；对 AV 部署的州级限制已有公开意见
AV 碰撞责任	全无人驾驶 AV 有过失时：产品责任（AV 公司）取代驾驶过失；从根本改变了侵权法框架	Waymo 已就全无人驾驶车辆的责任承担作出公开声明；Alphabet 的雄厚资金提供财务支撑	Tesla 有监督 FSD：责任取决于驾驶是否介入及 FSD 是否启用；FSD 用户协议中的有限责任豁免已在诉讼中受到考验

警察拦停法律问题是全无人驾驶 AV 部署中最尖锐的监管边缘。 人类驾驶遭警察拦停时，适用沿用数百年的法律框架：驾驶表明身分、出示文件、接受或质疑罚单。无人驾驶车辆让这一框架陷入僵局。谁是驾驶？谁可以被开罚单？谁有权同意车辆搜查？

加州已通过 CPUC 与 DMV 规则制定程序建立了这些问题的可行答案。AV 运营商（Waymo LLC，或未来运营 Cybercab 的 Tesla 实体）接受交通违规罚单。远程操作员可通过车内通信系统与执法人员互动。车辆本身无法同意搜查——这一问题在法律上仍未解决，可能需要州或联邦立法。

NHTSA SGO 报告系统创建了前所未有的 AV 事件公开数据，此前从未存在。每一起 Autopilot 与 FSD 碰撞都在 24 小时内报告。这些数据是 NHTSA 针对 Tesla 监管行动的主要驱动力——2021 年紧急车辆召回与 2023 年施工区调查均源于在 SGO 数据中识别出的模式。Waymo 在加州的 CPUC 报告在州级建立了类似的问责结构，每季公开披露事件、接管与行驶里程数。

第五节：公共安全基准评分卡

公共安全层面	Waymo	Tesla FSD／Robotaxi	Cybercab（估）	优势方
紧急车辆探测	良好——LIDAR 加摄像头加音频提供多传感器冗余；可探测静止与行进中的紧急车辆	中等——摄像头加音频；2021 年 NHTSA 召回针对静止紧急车辆探测失败	架构类似 FSD	Waymo——多传感器冗余；LIDAR 特别解决了纯摄像头系统的光线条件失败模式
警察拦停协议（无人驾驶）	已开发并记录；正在旧金山、凤凰城、洛杉矶、奥斯汀开展执法培训；通过车内扬声器／屏幕进行远程操作员互动；Waymo LLC 接受交通违规罚单	不适用于目前有监督车队；未来 Cybercab 的挑战	将面临 Waymo 于 2022-2026 年克服的相同法律与运营挑战	Waymo——已通过多年无人驾驶运营建立并落地实施框架
紧急车辆阻挡	早期事件已通过针对消防站出口、医院入口、路口附近路径规划的软件更新解决；CPUC 监督推动改善	已在训练中从功能层面处理；无具体阻挡调查	类似挑战	大致相当——双方均在改善；Waymo 因 CPUC 报告而有更多记录在案的学习轨迹
施工区域导航	受快速变化施工超出 HD 地图更新速度的挑战；以主动重新测绘团队与传感器障碍物探测应对	2023 年 NHTSA 调查；以 FSD 更新处理；遮蔽车道标线的纯摄像头探测是结构性弱点	类似 FSD 纯摄像头方式	大致相当——行业普遍挑战，失败模式各异
人工交管指挥	已知局限；探测到人工指挥时远程操作员接管是目前的缓解措施	已知局限；摄像头识别人类手势难以泛化	类似	大致相当——行业尚未解决的问题
监管记录	CPUC 事件报告提供公开问责与 2021 至 2026 年的记录改善轨迹；无等同于 2021 年 NHTSA 紧急车辆召回的重大联邦安全召回	NHTSA SGO 碰撞报告；2021 年紧急车辆召回；2023 年施工区调查；此类别两次重大监管行动	尚无记录——从零开始但也缺乏 Waymo 已建立的监管框架	Waymo——通过 CPUC 更透明的公开问责；无等同 2021 年 NHTSA 紧急车辆召回的重大安全召回
总体评决	紧急与边缘案例应变是 AV 事件成为全国新闻并触发监管行动的维度。Waymo 的多传感器架构（LIDAR 加雷达加音频）为紧急车辆探测提供了纯摄像头无法比拟的有意义冗余。Tesla 在此维度的安全记录更令人担忧：2021 年 NHTSA Autopilot 召回是重大安全事件，纯摄像头系统在造成此事件的特定光线条件下在结构上仍更脆弱。两家公司都在人工指挥方面面临困难——这是行业尚未解决的问题。Waymo 的无人驾驶警察拦停框架（执法培训、远程操作员协议、加州 DMV 协调）使其在 Tesla Cybercab 进入无人驾驶商业服务时将面临的法律与运营挑战上占得先机。

公共安全边缘案例性能的结论： 在这一基准类别中，Waymo 与 Tesla 并不相等，且差距并非微小。Tesla 的 2021 年 NHTSA 召回与 2023 年施工区调查代表了联邦层面公认的、处理两个最关键边缘案例类别的失败——紧急车辆探测与施工区导航。Waymo 的事件（警察拦停困惑、消防车阻挡）同样真实，但代表早期部署的运营挑战，这些挑战通过 CPUC 强制报告与软件更新的迭代方式得到解决，且未引发联邦安全召回。

公众信任的影响深远。联邦安全召回是一个全国可见的事件，塑造公众与监管机构对 AV 安全的看法长达数年。Waymo 的监管关系以 CPUC 报告问责与事件驱动改善为特征。Tesla 在此维度的监管关系则以 NHTSA 主导的调查与召回为特征——这是一种根本上不同且更对抗性的动态。

第六节：关于本系列

这是实体 AI 基准系列第 189 篇。本系列此前已涵盖爬坡指数、人形机器人竞赛、单位经济学、全球竞争、HD 地图、车队运营、软件与 OTA、保险与责任、消费者需求、合作关系、竞争护城河、Cybercab 对比 Model Y、安全数据、Waymo Gen 6、Optimus 制造、计分卡快照、2030 预测场景、投资者框架、城市扩张、州批准地图、AV 天气与气候限制、人才争夺、监管日历、Robotaxi 定价、数据飞轮比较、人形机器人部署、供应链分析、消费者采用需求、Waymo 估值与 IPO，及更多基准维度。

本篇新增紧急与边缘案例应变维度：Waymo 与 Tesla 如何处理最高风险场景——紧急车辆探测、警察拦停、施工区导航、人工交管指挥——这些场景定义了 AV 系统的公共安全与监管信任。多传感器与纯摄像头架构之间的边缘案例性能差距在此最为清晰，这一类别的监管记录将塑造本十年剩余时间内 AV 公众信任的走向。