2026-06-18 — views

實體 AI 公共安全 2026 — Waymo 無人駕駛警察攔停協議對比 Tesla 2021 NHTSA 緊急車輛召回：邊緣案例 AV 基準測試

Waymo 建立了無人駕駛警察攔停協議。Tesla 因 Autopilot 未能偵測路旁靜止緊急車輛，於 2021 年遭 NHTSA 召回。

實體 AI 基準系列第 189 篇：緊急應變與邊緣案例 AV 效能

AV 系統在標準駕駛情境的表現可達 99.9%。剩餘的 0.1%——緊急車輛應變、警察攔停、人工交管手勢、施工區域導航——決定了公共安全成果並影響監管審批。本文針對 Waymo 與 Tesla FSD 在最高風險邊緣案例進行基準測試，涵蓋真實事件記錄、監管紀錄與公共安全評分卡。

第一節：緊急與邊緣案例應變如何定義 AV 公眾信任

AV 業界將罕見且困難的駕駛情境稱為邊緣案例的「長尾」。標準駕駛——開放道路車道保持、號誌燈遵守、高速公路跟車——已是現代 AV 系統的已解決問題。長尾才是區分系統能否安全全面部署的關鍵。

緊急車輛應變是這條長尾中風險最高的類別之一。未能讓行救護車或消防車的車輛，可能造成危及生命的阻礙。停在錯誤位置並封堵消防站出口的車輛，在爭分奪秒的緊急現場可能延誤數分鐘。這些並非微不足道的罕見邊緣案例，而是能直接影響生死結果的情境。

監管機構已充分認識到這一點。加州公用事業委員會（CPUC）與美國國家公路交通安全局（NHTSA）均已針對 AV 緊急車輛應變發布具體指引並啟動調查。加州要求持有商業許可的 AV 業者向 CPUC 記錄並通報任何與緊急車輛的互動。NHTSA 透過常設一般命令（SGO）通報要求建立了 AV 相關事件的公開數據集，其中明確標記緊急車輛互動案例。

真實世界的記錄事件說明這一基準類別的重要性：

Waymo 車輛在舊金山曾遭警察攔停，由此引發一個前所未有的法律情境：無任何駕駛在場與警員互動、回答問題、出示證件或接收罰單。在有案可查的事件中，警員靠近 Waymo 車輛後發現駕駛座空無一人。事件最終透過車內喇叭與螢幕連接遠端操作員獲得解決——但這些事件揭示了一個在大規模部署前未被充分預期的缺口。

舊金山曾有 Waymo 車輛被報導停在封堵消防車通道的位置。這類事件——正確偵測到緊急訊號並採取行動，但停車位置在情境上錯誤——有別於未能偵測緊急車輛的情形。車輛正確識別了緊急刺激並採取行動，但行動在空間情境上有誤，反映出訓練 AV 不只要「響應」緊急車輛，更要在所有空間情境下「正確響應」的難度。

Tesla Autopilot 未能適當回應路旁靜止緊急車輛的模式，促使 NHTSA 啟動調查，並於 2021 年發布安全召回 #21V-857。召回針對 Autopilot 未能適當回應啟動警示燈的靜止警車、消防車與救護車的問題，以 OTA 軟體更新方式處理——但底層問題（在複雜路面光線條件下純相機偵測靜止緊急車輛）仍是已知挑戰。

Tesla FSD 在車道標線被臨時障礙物遮蔽或改變的施工區域中亦有紀錄在案的困難。NHTSA 於 2023 年針對 FSD 施工區效能啟動另一項調查。施工區對依賴 HD 地圖或相機場景理解的 AV 系統構成根本挑戰，因其改變了這些系統假定保持一致的道路幾何。

公眾信任面向： 單一高知名度事件——救護車被困惑的 AV 多擋五分鐘、空車遭警察攔停的畫面爆紅——可能讓整個 AV 行業在公眾接受度與監管政策上倒退數年。緊急與邊緣案例應變是 AV 系統在公眾、立法者與監管機構面前最直接展現成敗的維度。

第二節：Waymo 的緊急與邊緣案例應變架構

邊緣案例類別	Waymo 做法	真實世界表現	監管狀態
緊急車輛偵測（燈光／警報聲）	LIDAR 加相機加音訊偵測緊急車輛燈光（閃爍頻閃對 LIDAR 與相機均可見）及警報聲（麥克風陣列偵測音訊）；系統訓練為當緊急車輛啟動燈光警報聲接近時靠右停車	在測試情境中可正常運作；LIDAR 在強烈日光下的閃爍燈光偵測比純相機更可靠；警報聲偵測提供音訊備援	CPUC 要求 AV 業者記錄緊急車輛應變；Waymo 已向 CPUC 提交事件報告
警察攔停協議	遭警察攔停時，Waymo 車輛啟動「警察攔停模式」：靠右停車；通知遠端操作員，可透過車內喇叭與螢幕與警員互動；Waymo 已在各運營城市（舊金山、鳳凰城、洛杉磯、奧斯汀）對 911 指揮中心進行培訓	真實事件：舊金山 Waymo 車輛被攔停；警員起初因無駕駛而困惑；透過遠端操作員互動解決；Waymo 已發布執法互動指南	全新法律領域：誰收罰單？Waymo LLC（AV 業者）已承認將代表其車輛接受交通違規罰單；加州 DMV 已有 AV 交通執法的具體規定
緊急車輛阻擋／妨礙	Waymo 曾發生車輛停在妨礙緊急車輛通道的位置；Waymo 更新路徑規劃演算法，避免在常需緊急車輛通行的位置（路口、消防站出口、醫院入口）停車	改善軌跡：早期事件促成具體軟體更新；Waymo 已向 CPUC 提出防阻礙承諾	CPUC 要求 Waymo 針對任何緊急車輛互動提交事件報告；持續監管監督
無保護左轉	Waymo 車輛執行無保護左轉（對向來車時左轉，無左轉綠燈箭頭）；早期版本過度保守，須等到間隔非常大才轉；目前版本以類人方式判斷間隔	相較早期版本有顯著進步；Waymo 曾表示無保護左轉是最難的 AV 動作之一；目前效能在熟悉環境中已達類人水準	無具體監管要求；屬一般安全效能評估範疇
施工區域導航	施工區域改變 HD 地圖所含的道路幾何，對依賴 HD 地圖的系統構成重大挑戰；Waymo 應對方式：更新地圖人員在車輛部署前重新測繪施工區，並由感測器偵測臨時障礙物與調整後的車道	真實侷限：快速變化或突發施工可能超出地圖更新速度；Waymo 在穩定到足以重新測繪的施工區表現較好	無具體監管指標；CPUC 審查 AV 業者通報的施工區相關事件
警察／旗手人工指揮	警察或施工旗手以手勢指揮交通，覆蓋正常交通號誌；因需在情境中解讀人類手勢，是最難的 AV 邊緣案例之一	已知 AV 侷限：識別人工指揮手勢困難（尚未標準化）；Waymo 車輛在此情境仍有困難；目前做法可能包括偵測到人工指揮時由遠端操作員接管	CPUC 事件通報適用；無針對人工指揮遵守的具體監管標準

Waymo 的多感測器架構為緊急車輛偵測提供有意義的備援。 LIDAR 在強烈日光下也能高可靠性地偵測緊急車輛的閃爍警示燈，而純相機偵測在此條件下可能不可靠。加入用於警報聲偵測的麥克風陣列則提供了第二個獨立偵測通道。若相機因光線條件未能偵測到緊急車輛，LIDAR 與音訊仍可觸發靠邊停車反應，這種冗餘性在架構上具有重要意義。

警察攔停協議代表 Waymo 最具運營創新性的邊緣案例挑戰。全無人駕駛車輛遭警察攔停，此前既無法律也無運營框架可循。Waymo 與加州 DMV、各運營城市政府及地方執法部門合作開發協議——這一歷程透過多年運營才逐步成熟。如今已有的框架（遠端操作員透過車內喇叭互動、Waymo LLC 接收交通違規罰單、執法培訓指南）是需要多年持續多方利害關係人參與才得以形成的制度創新。

第三節：Tesla FSD 緊急與邊緣案例應變

邊緣案例類別	Tesla FSD／Autopilot 做法	真實世界表現	監管與安全紀錄
緊急車輛偵測	相機偵測緊急車輛燈光；麥克風音訊偵測；訓練為接近時靠右停車	2021 NHTSA 調查：多起 Tesla Autopilot 未能適當回應路旁靜止緊急車輛（啟動警示燈的警車、消防車、救護車）的碰撞事故；以 OTA 更新要求 Autopilot 監控靜止緊急車輛	重大安全紀錄問題：NHTSA 安全召回 #21V-857 涵蓋 Autopilot 未能回應緊急車輛的問題；以 OTA 更新處理
警察攔停	有監督 FSD：駕駛在場，可正常與警員互動；目前無無人駕駛警察攔停情境——Tesla Robotaxi 與 Cybercab 將面臨此挑戰	目前有監督 FSD：駕駛正常處理警察互動；未來 Cybercab 挑戰：與 Waymo 無人駕駛攔停相同的法律不確定性	未來挑戰：Cybercab 進入無人駕駛服務後，Tesla 將面臨 Waymo 已克服的「誰是駕駛」問題
緊急車輛阻擋	FSD 訓練包括不阻擋緊急車輛通道；但 FSD 確有在次佳位置靠邊停車的紀錄事件	以訓練為基礎的做法；FSD 依賴相機與學習行為而非 HD 地圖更新來識別適當停車位置	除 2021 年靜止車輛召回外，無 NHTSA 針對緊急車輛阻擋的具體調查
無保護左轉	FSD 處理無保護左轉；純相機系統以視覺估算對向車流間隔；在複雜城市環境中具有挑戰性	可運作；在視線受遮蔽的複雜城市環境中，有部分報告指出 FSD 在無保護左轉時有猶豫	無針對無保護左轉的具體監管紀錄
施工區域導航	FSD 在施工區域有紀錄在案的困難：車道標線改變、臨時障礙物、遮蔽的車道線；NHTSA 於 2023 年針對 FSD 施工區效能啟動獨立調查	2023 NHTSA 調查：多起 FSD 未能正確導航降速或幾何改變施工區的事件；以 FSD 更新處理	NHTSA 對 FSD 施工區效能的調查；已以 FSD 更新處理；持續監控
人工交管指揮	已知 FSD 挑戰；相機系統需在交通流量情境中解讀人類手勢；FSD 訓練包含部分人工指揮情境	有 FSD 在警察人工指揮方面的紀錄事件（Waymo 與 Tesla 均有困難；人工指揮是業界公認的 AV 難題）	未被特別召回或調查；業界廣泛認可為困難的 AV 問題

2021 年 NHTSA 召回（安全召回 #21V-857）是 Tesla 緊急應變安全紀錄中最重要的項目。 召回針對 Tesla Autopilot 未能偵測並適當回應路旁靜止緊急車輛——警車、消防車和救護車——的模式。這是相機特有的弱點：在複雜道路環境下的靜止緊急車輛，通常在強日光或有競爭光源的情況下，造成相機偵測失敗，而 LIDAR 系統對此更具魯棒性，因為 LIDAR 不受環境光線條件影響。

2023 年 NHTSA 施工區調查是這一類別的第二次重大監管行動。車道標線被遮蔽或改變的施工區，對依賴相機車道偵測的系統構成根本挑戰。Tesla 端到端神經網路方式透過大規模訓練數據改善了施工區導航，但 NHTSA 調查記錄了仍以足以觸發監管行動的頻率發生的失敗。

Tesla 的 Cybercab 無人駕駛車輛將面臨 Waymo 已花費多年克服的警察攔停協議挑戰。隨著 Cybercab 進入商業無人駕駛服務，Tesla 需建立相同的法律與運營框架——與加州 DMV 的關係、執法培訓、遠端操作員互動協議——這些都是 Waymo 從 2022 年起在舊金山逐步建立的。

第四節：監管與法律框架：誰負責？

監管面向	現況	Waymo 立場	Tesla 立場
無人駕駛 AV 的交通罰單由誰承受？	全新法律問題；美國無統一標準；加州 DMV 已有指引，全無人駕駛車輛的罰單由 AV 業者承受	Waymo LLC 已承認將代表全無人駕駛 Waymo One 車輛接受交通違規罰單；已與加州 DMV 共同建立此框架	Tesla Robotaxi（有監督）：人類駕駛接受罰單；未來 Cybercab（無人駕駛）：在相同加州框架下，Tesla 或業者將接受罰單
NHTSA 通報要求	Tesla 受 NHTSA 常設一般命令約束：所有涉及 Autopilot／FSD／駕駛輔助的碰撞須在 24 小時內通報；Waymo 受類似但不同的通報義務	Waymo 的 CPUC 通報義務：任何碰撞、緊急車輛互動或接管均需向 CPUC 提交詳細事件報告	Tesla：NHTSA SGO 通報已產生大量 Autopilot 與 FSD 相關碰撞公開數據集；可透過 NHTSA 數據發布查閱
CPUC 事件通報（加州特定）	CPUC 要求 AV TNC 許可持有者就以下情形提交事件報告：碰撞、傷亡、緊急車輛互動、接管	Waymo 受 CPUC 事件通報約束；Waymo 報告已公開，呈現學習軌跡	若 Tesla Robotaxi 在加州以無人駕駛模式作為 TNC 運營，將受相同 CPUC 通報規定約束
聯邦 AV 安全框架	截至 2026 年中，尚無全面聯邦 AV 安全法律通過；NHTSA 透過現行安全標準加自願性指引加 SGO 通報運作	Waymo 主張建立聯邦 AV 框架，提供一致的全國標準，取代零散的州際拼湊	Tesla 亦主張聯邦框架；對 AV 部署的州級限制已有公開意見
AV 碰撞責任	全無人駕駛 AV 有過失時：產品責任（AV 公司）取代駕駛過失；從根本改變了侵權法框架	Waymo 已就全無人駕駛車輛的責任承擔作出公開聲明；Alphabet 的雄厚資金提供財務支撐	Tesla 有監督 FSD：責任取決於駕駛是否介入及 FSD 是否啟用；FSD 用戶協議中的有限責任豁免已在訴訟中受到考驗

警察攔停法律問題是全無人駕駛 AV 部署中最尖銳的監管邊緣。 人類駕駛遭警察攔停時，適用沿用數百年的法律框架：駕駛表明身分、出示文件、接受或質疑罰單。無人駕駛車輛讓這一框架陷入僵局。誰是駕駛？誰可以被開罰單？誰有權同意車輛搜查？

加州已透過 CPUC 與 DMV 規則制定程序建立了這些問題的可行答案。AV 業者（Waymo LLC，或未來運營 Cybercab 的 Tesla 實體）接受交通違規罰單。遠端操作員可透過車內通訊系統與執法人員互動。車輛本身無法同意搜查——這一問題在法律上仍未解決，可能需要州或聯邦立法。

NHTSA SGO 通報系統創建了前所未有的 AV 事件公開數據，此前從未存在。每一起 Autopilot 與 FSD 碰撞都在 24 小時內通報。這些數據是 NHTSA 針對 Tesla 監管行動的主要驅動力——2021 年緊急車輛召回與 2023 年施工區調查均源於在 SGO 數據中識別出的模式。Waymo 在加州的 CPUC 通報在州級建立了類似的問責結構，每季公開披露事件、接管與行駛里程數。

第五節：公共安全基準評分卡

公共安全面向	Waymo	Tesla FSD／Robotaxi	Cybercab（估）	優勢方
緊急車輛偵測	良好——LIDAR 加相機加音訊提供多感測器備援；可偵測靜止與行進中的緊急車輛	中等——相機加音訊；2021 年 NHTSA 召回針對靜止緊急車輛偵測失敗	架構類似 FSD	Waymo——多感測器備援；LIDAR 特別解決了純相機系統的光線條件失敗模式
警察攔停協議（無人駕駛）	已開發並記錄；正在舊金山、鳳凰城、洛杉磯、奧斯汀開展執法培訓；透過車內喇叭／螢幕進行遠端操作員互動；Waymo LLC 接受交通違規罰單	不適用於目前有監督車隊；未來 Cybercab 的挑戰	將面臨 Waymo 於 2022-2026 年克服的相同法律與運營挑戰	Waymo——已透過多年無人駕駛運營建立並落地實施框架
緊急車輛阻擋	早期事件已透過針對消防站出口、醫院入口、路口附近路徑規劃的軟體更新解決；CPUC 監督推動改善	已在訓練中從功能層面處理；無具體阻擋調查	類似挑戰	大致相當——雙方均在改善；Waymo 因 CPUC 通報而有更多記錄在案的學習軌跡
施工區域導航	受快速變化施工超出 HD 地圖更新速度的挑戰；以主動重新測繪團隊與感測器障礙物偵測應對	2023 年 NHTSA 調查；以 FSD 更新處理；遮蔽車道標線的純相機偵測是結構性弱點	類似 FSD 純相機方式	大致相當——業界普遍挑戰，失敗模式各異
人工交管指揮	已知侷限；偵測到人工指揮時遠端操作員接管是目前的緩解措施	已知侷限；相機識別人類手勢難以泛化	類似	大致相當——業界尚未解決的問題
監管紀錄	CPUC 事件通報提供公開問責與 2021 至 2026 年的記錄改善軌跡；無等同於 2021 年 NHTSA 緊急車輛召回的重大聯邦安全召回	NHTSA SGO 碰撞通報；2021 年緊急車輛召回；2023 年施工區調查；此類別兩次重大監管行動	尚無紀錄——從零開始但也缺乏 Waymo 已建立的監管框架	Waymo——透過 CPUC 更透明的公開問責；無等同 2021 年 NHTSA 緊急車輛召回的重大安全召回
總體評決	緊急與邊緣案例應變是 AV 事件成為全國新聞並觸發監管行動的維度。Waymo 的多感測器架構（LIDAR 加雷達加音訊）為緊急車輛偵測提供了純相機無法比擬的有意義備援。Tesla 在此維度的安全紀錄更令人擔憂：2021 年 NHTSA Autopilot 召回是重大安全事件，純相機系統在造成此事件的特定光線條件下在結構上仍更脆弱。兩家公司都在人工指揮方面面臨困難——這是業界尚未解決的問題。Waymo 的無人駕駛警察攔停框架（執法培訓、遠端操作員協議、加州 DMV 協調）使其在 Tesla Cybercab 進入無人駕駛商業服務時將面臨的法律與運營挑戰上佔得先機。

公共安全邊緣案例效能的結論： 在這一基準類別中，Waymo 與 Tesla 並不相等，且差距並非微小。Tesla 的 2021 年 NHTSA 召回與 2023 年施工區調查代表了聯邦層面公認的、處理兩個最關鍵邊緣案例類別的失敗——緊急車輛偵測與施工區導航。Waymo 的事件（警察攔停困惑、消防車阻擋）同樣真實，但代表早期部署的運營挑戰，這些挑戰透過 CPUC 強制通報與軟體更新的迭代方式得到解決，且未引發聯邦安全召回。

公眾信任的影響深遠。聯邦安全召回是一個全國可見的事件，塑造公眾與監管機構對 AV 安全的看法長達數年。Waymo 的監管關係以 CPUC 通報問責與事件驅動改善為特徵。Tesla 在此維度的監管關係則以 NHTSA 主導的調查與召回為特徵——這是一種根本上不同且更對抗性的動態。

第六節：關於本系列

這是實體 AI 基準系列第 189 篇。本系列此前已涵蓋爬坡指數、人形機器人競賽、單位經濟學、全球競爭、HD 地圖、車隊運營、軟體與 OTA、保險與責任、消費者需求、合作關係、競爭護城河、Cybercab 對比 Model Y、安全數據、Waymo Gen 6、Optimus 製造、計分卡快照、2030 預測情境、投資者框架、城市擴張、州批准地圖、AV 天氣與氣候限制、人才爭奪、監管日曆、Robotaxi 定價、數據飛輪比較、人形機器人部署、供應鏈分析、消費者採用需求、Waymo 估值與 IPO，及更多基準維度。

本篇新增緊急與邊緣案例應變維度：Waymo 與 Tesla 如何處理最高風險情境——緊急車輛偵測、警察攔停、施工區導航、人工交管指揮——這些情境定義了 AV 系統的公共安全與監管信任。多感測器與純相機架構之間的邊緣案例效能差距在此最為清晰，這一類別的監管紀錄將塑造本十年剩餘時間內 AV 公眾信任的走向。