2026-06-18 — views

自駕車緊急車輛互動——機器計程車如何應對警車、救護車與消防車

偵測警報聲、讓行消防車、解讀警察手勢——緊急車輛互動是自駕車最難的邊緣情境之一，且已引發真實監管行動。

物理AI基準測試系列第54篇——警報聲、停車臂與手勢

緊急車輛製造了一個複合偵測難題，揭示了人類駕駛員與自動駕駛系統在感知世界方式上最深層的差距。人類駕駛員聽到警報聲、找到來源、判斷情況、靠右停車——整個過程在數秒內完成，憑藉空間聽覺、周邊視覺以及數十年訓練出的本能。自駕車必須透過麥克風陣列、攝影機組、神經網路和路徑規劃演算法複製這一連串動作——並在各種光線、環境噪音和交通幾何條件下可靠執行。

這些情境已從理論邊緣案例演變為有記錄的操作失敗。舊金山消防局於2022年至2023年間多次正式向加州公用事業委員會（CPUC）投訴Waymo車輛阻塞消防車通道。2023年10月的Cruise事故——涉及行人撞擊後車輛未能立即配合警察停車——成為商業無人駕駛運營短暫歷史中後果最嚴重的監管事件，觸發了Cruise無人駕駛許可暫停，最終導致GM機器計程車計畫全面關閉。

本文梳理技術挑戰、記錄真實世界案例，並說明主要自駕車技術棧為應對這些問題所建立的系統。

所有標記（估計）的數字均為基於已發布研究、公司公開披露及業界報告的估算，未在受控測試條件下獨立驗證。

第一節——為何緊急車輛互動如此困難

緊急車輛互動並非單一問題，而是至少六個可能同時發生的獨立偵測與決策挑戰。

情境	人類駕駛員做法	自駕車挑戰
救護車鳴警報	聽到警報→找到來源→靠右停車	音訊偵測＋定位＋停車決策
消防車從後方接近	後視鏡檢查＋閃紅燈→讓道	多攝影機後向偵測＋燈光模式識別
警察手勢指揮	目光接觸＋讀取手勢→服從	即時關鍵點手勢分類
校車停車臂	閃紅燈＋伸出臂→停車	關節臂偵測＋不同光線下的閃燈識別
緊急車輛阻塞車道	謹慎繞行	針對不可預測非標準障礙物的路徑規劃
殯葬車隊	識別護送情境→讓行	多車隊列情境識別；因州而異的規則

挑戰一：多模態訊號融合。 緊急車輛透過兩個獨立通道宣告自身——音訊（警報聲）和視覺（閃燈）。人類自動且無意識地融合這些訊號。自駕車必須運行並行偵測流水線，關聯其輸出，並避免來自其他大噪音或強閃光（工地、夜店、遠處其他緊急車輛）的誤報。

挑戰二：非標準軌跡預測。 緊急車輛被法律允許闖紅燈、逆向行駛、加速穿越路口、突然停車。標準自駕車運動預測模型以正常車輛行為為訓練基礎。對緊急車輛應用正常預測會產生危險的預期路徑估算。

挑戰三：停車決策與執行。 知道緊急車輛正在接近只是問題的一半。自駕車必須決定在哪裡停車——不在路口、不在人行道、不在自行車道、不阻塞車道——並在時間壓力下、可能在密集交通中完成流暢的變道。

挑戰四：警察手勢。 指揮交通的警察覆蓋所有交通號誌。這是一個純粹的視覺、即時、人類手勢識別問題。警察可能被部分遮擋、穿著不同制服、使用非標準手勢，並從四個方向的任一角度在路口執勤。目前沒有標準化訓練資料集用於此能力。

挑戰五：校車停車臂。 當校車啟動閃紅燈並伸出停車臂時，所有50個州的所有車輛都必須在無分隔線道路的兩個方向停車。停車臂是一個物理、關節式機械部件，必須在強光、雨天或低光條件下被偵測到。偵測距離很重要：車輛需要時間平穩制動。

挑戰六：因轄區而異的規則。 殯葬車隊路權因州而異。校車停車規則因道路類型和車道數而異。超越停靠緊急車輛所需的距離因州而異。跨轄區運營的自駕車必須攜帶因地點而異的規則集。

第二節——真實世界事故

商業自駕車部署的緊急車輛互動記錄包含幾起直接影響監管結果的有記錄事故。

事故	日期	發生了什麼	結果
Waymo車輛阻塞消防車	2022至2023年多起，舊金山	Waymo車輛在阻礙消防車前往事故現場的位置停車	SF消防局正式向CPUC投訴；成為CPUC無人駕駛許可辯論的核心因素
Cruise未配合警察停車	2023年10月，舊金山	Cruise機器計程車在行人撞擊事故後的交通執法中未能立即配合警察停車；車輛隨後移至其評估為更安全的位置	CPUC暫停Cruise無人駕駛許可；直接促使GM於2023年11月關閉Cruise機器計程車業務
Waymo與警察指揮交通	2023至2024年，多起	Waymo車輛在警察手動指揮路口交通時意外停車或表現不一致	促使Waymo為模糊情境開發改進的「停車並呼叫遠端操作員」協議
校車偵測問題	持續中	多個自駕車計畫需要針對校車停車臂偵測建立專用訓練資料集；各州超車規則不同	尚無自駕車運營商獲得專門針對停車臂合規的正式認證（估計）

2023年10月Cruise事故需要特別說明。事件順序為：Cruise車輛撞擊一名已被另一輛車撞倒的行人；Cruise車輛隨後在警察啟動警示燈時未能立即停車；車輛在行人在車底的情況下移動了約20英尺。CPUC暫停Cruise無人駕駛許可時，將未能配合警察停車列為具體促成因素，同時還有對事故報告更廣泛的擔憂。監管回應——許可暫停，隨後GM決定關閉整個Cruise機器計程車計畫——是迄今為止任何自駕車運營商面臨的最嚴重後果。

Waymo消防車事故雖然不那麼戲劇化，但很重要，因為它揭示了一個更微妙的失敗模式：自駕車正確識別了需要停車的必要性，但選擇了阻塞緊急車輛通道的停車位置。正確做出停車決策不僅需要偵測緊急車輛，還需要推斷在哪裡停車——避免阻礙正在讓行的車輛本身。

第三節——Waymo的緊急車輛互動系統

在SF消防局事故後，Waymo披露並實施了針對緊急車輛偵測的系統性多層應對措施。

系統元件	功能
音訊偵測模組	專用麥克風陣列加神經網路，用於警報偵測；定位警報方向（前/後/左/右）以輔助停車規劃
緊急車輛燈光模式識別	以主要美國消防、警察和救護車隊的特定燈條模式影片訓練；區分緊急模式與工地、拖車及其他閃光源
停車位置選擇	偵測到警報加燈光→識別不阻塞路口、人行道、自行車道或車道的最近安全停車點→執行變道→停車
遠端協助整合	複雜情境（警察手勢、模糊情況）→標記給人類遠端操作員，操作員在約30秒內（估計）提供指引
警察停車協議	如果警察燈光指向Waymo車輛→停車→啟動危險警示燈→等待遠端操作員或警察靠近
地理圍欄改進循環	事故後，Waymo在受影響區域進行針對性邊緣案例資料收集，以建立新的訓練樣本

遠端協助整合在架構上很重要。Waymo公開描述了分層應對模型，在該模型中，車輛自主處理常規緊急車輛情境，並將模糊案例——特別是警察手勢——升級至人類遠端操作員。這意味著Waymo的無人駕駛車輛在最難的緊急情境中並非完全自主；在現實時間中有人類協助。30秒升級回應是內部估計，尚未獨立審計。

停車位置選擇的改進直接解決了消防車阻塞事故。更新的協議包括明確限制：候選停車位置針對已知路口邊界、人行道標記、自行車道標識和消防栓鄰近度進行篩選。系統必須在快速停車和選擇不製造次生阻塞的位置之間取得平衡。

第四節——Tesla FSD與緊急車輛應對

Tesla FSD目前在監督條件下運行（現有消費者車輛需安全駕駛員在場）。針對商業部署的Cybercab無人駕駛計畫在緊急情境方面必須達到更高的監管標準。

維度	細節
音訊偵測	Tesla車輛的麥克風主要設計用於車廂降噪和語音命令；緊急車輛警報偵測作為獨立能力已在FSD中公開聲明實施（估計）
視覺偵測	基於攝影機的閃燈偵測；端到端v12和v13模型以全球車隊的緊急車輛片段訓練
停車行為	FSD訓練用於識別緊急車輛接近並建議或執行停車；安全駕駛員可隨時覆蓋
警察手勢	對僅憑攝影機的系統更困難；FSD v13包含行人和警察手勢識別的改進（估計）
無遠端操作員	與Waymo不同，Tesla的Cybercab無人駕駛計畫僅依賴神經網路，沒有人類遠端操作員介入
監管要求	對於Cybercab無人駕駛運營，緊急車輛應對必須達到目前正在制定和評估的監管標準

缺乏遠端操作員備援造成了兩家公司應對最難邊緣案例的結構性差異。Waymo可以在數秒內將模糊的警察手勢情境升級至人類。Tesla的無人駕駛系統必須僅透過神經網路推理處理同樣的情境。端到端模型以車隊資料訓練是否能在沒有人類備援的情況下達到警察手勢合規所需的可靠性，是Cybercab監管審查中尚未解決的問題之一。

Tesla的僅攝影機架構也影響警報定位。Waymo的麥克風陣列可以確定警報是從前方、後方還是側面接近——這些資訊直接告知是否和在哪裡停車。攝影機系統必須僅從視覺線索推斷緊急車輛接近方向，一旦緊急車輛出現在攝影機視野中便可可靠工作，但無法僅憑聲音提供提前預警。

第五節——監管標準與「通過」的定義

截至2026年中，美國尚無針對自駕車緊急車輛互動的統一聯邦標準。監管格局以州為單位，加州實際上已成為最嚴格的轄區。

要求	當前狀態
為緊急車輛讓路	所有50個州法律要求；自駕車必須遵守與人類駕駛員相同的法規
校車停車臂	聯邦法律加所有50個州法律要求停車；尚無自駕車獲得專門針對停車臂合規的正式認證（估計）
警察交通指揮	法律要求遵從警察指示；無自駕車特定技術標準；以事故審查逐案測試
NHTSA FMVSS	截至2026年中，聯邦機動車輛安全標準尚未包含針對緊急車輛應對性能的特定要求（估計）
CPUC加州	已透過積極的許可程序成為運營上最嚴格的自駕車監管機構；SF事故推動了美國歷史上首次重大許可暫停
通過標準	尚無公認標準；業界方向是自駕車必須在定義的測試集上達到或超越人類駕駛員緊急車輛應對率

CPUC對無人駕駛許可的監管權使加州同時成為最具吸引力和最受審查的自駕車部署市場。擴展地理圍欄運營的運營商必須向CPUC審查員展示緊急車輛互動性能。Cruise暫停確立了單一高關注度失敗可能導致許可撤銷；Waymo消防車事故確立了持續的低嚴重度失敗可能推動運營要求變更。

缺乏聯邦標準造成不均衡的競爭格局。在加州的運營商面臨最嚴格要求；在監管較寬鬆州份的運營商面臨較低的正式標準。隨著無人駕駛部署規模超越加州，NHTSA預計將制定聯邦性能基準——可能以加州記錄作為主要證據基礎。

資料來源：CPUC無人駕駛車輛許可程序（cpuc.ca.gov）；SF消防局關於自駕車阻塞的投訴，SF Examiner報導（sfexaminer.com）；Cruise 2023年10月事故，NHTSA特別調查（nhtsa.gov/vehicle-safety/automated-vehicles）；Waymo緊急車輛應對更新（waymo.com/blog/）。所有標記（估計）的數字均為基於已發布研究、公司公開運營披露及業界報告的估算；未在受控測試條件下獨立驗證，應視為方向性而非精確數據。