Waymo 打造虚拟驾驶员,研究人类如何在道路上应对突发状况
摘要
Waymo 与代尔夫特理工大学在《自然·通讯》上发表论文,描述了一种名为ReD的认知模型,该模型模拟人类驾驶员在避免碰撞时瞬间做出决策的过程,可作为自动驾驶系统的基准。
<figure><img alt="Waymo 出租车在亮粉色和绿色背景上。" data-caption="" data-portal-copyright="Image: Cath Virginia / The Verge, Getty Images" data-has-syndication-rights="1" src="https://platform.theverge.com/wp-content/uploads/sites/2/2025/08/STKS518_WAYMO_TAXI_A.jpg?quality=90&strip=all&crop=0,0,100,100" /><figcaption></figcaption></figure><p class="has-text-align-none">Waymo 在构建虚拟系统方面拥有丰富经验,帮助其自动驾驶车辆更好地理解现实世界。它构建了逼真的3D世界,以更好地预测自然灾害和不可预测的边缘情况。它还创建了一个超级注意力驾驶员的虚拟代表,用于在系列模拟场景中与自己的自动驾驶车辆进行测试,以查看哪一方在避免碰撞方面表现更优。</p><p class="has-text-align-none">如今,在<a href="https://www.nature.com/articles/s41467-026-73345-0">今日发表于<em>《自然·通讯》</em>的新研究论文</a><em>,</em>Waymo 描述了一种新的基于计算机的认知模型,解释了人类驾驶员如何瞬间做出决策以避免碰撞。该公司认为,该新模型将服务……</p><p><a href="https://www.theverge.com/transportation/947178/waymo-reference-driver-model-surprise-avoid-collision">阅读 The Verge 上的完整故事。</a></p>
查看缓存全文
缓存时间: 2026/06/10 11:43
# Waymo 构建了一个虚拟驾驶员,用于研究人类如何在道路上应对意外情况
来源:https://www.theverge.com/transportation/947178/waymo-reference-driver-model-surprise-avoid-collision
Waymo 在构建虚拟系统方面拥有丰富经验,这些系统(https://www.theverge.com/2021/7/6/22565448/waymo-simulation-city-autonomous-vehicle-testing-virtual)帮助其自动驾驶汽车更好地理解现实世界。它构建了逼真的 3D 世界(https://www.theverge.com/transportation/874771/waymo-world-model-simulation-google-deepmind-genie-3),以更好地预测自然灾害和不可预见的边缘情况。它还创建了一个高度警觉驾驶员的虚拟化身(https://www.theverge.com/2022/9/29/23377219/waymo-av-safety-study-response-time-crash-avoidance),在一系列模拟场景中与自己的自动驾驶汽车进行对比测试,看哪一方在避免碰撞方面表现更优。
如今,在今日发表于《自然·通讯》(*Nature Communications*)的一篇新研究论文中(https://www.nature.com/articles/s41467-026-73345-0),Waymo 描述了一种新的基于计算机的认知模型,该模型解释了人类驾驶员如何在瞬间做出避免碰撞的决策。公司认为,这一新模型将作为衡量自动驾驶系统的基准,帮助整个行业朝着更高程度的共享安全标准迈进。这也是 Waymo 日益增长的同行评审研究(https://www.theverge.com/news/658952/waymo-injury-prevention-human-benchmark-study)成果中的最新一项,该公司称这些成果使其区别于其他自动驾驶运营商。
Waymo 与荷兰代尔夫特理工大学合作设计了这一新模型,称为 ReD(“Reference Driver”的缩写)。正如汽车行业使用碰撞测试假人来评估汽车的结构完整性和硬件安全性一样,这个新模型充当了行为假人的角色,用于判断自动驾驶汽车在多大程度上能够完全避免危险情况。
“评估自动驾驶汽车的安全性是多方面的,而理解人类如何处理冲突是拼图中至关重要的一块,”Waymo 首席安全官 Mauricio Peña 表示。“通过建立这种胜任人类反应的参考模型,我们可以帮助行业朝着一种共享的、基于科学的方法迈进,以评估避碰行为。”
ReD 依赖于一种名为主动推理的神经科学框架,这一框架由世界顶尖神经科学家如卡尔·弗里斯顿教授(他在 Waymo 提供的一份声明中称 ReD 模型是‘技术上的杰作’)所倡导。其核心原理是:人类大脑始终努力随着时间的推移最小化意外(surprise)。
ReD 将多种人类认知特征叠加在一起,以模拟驾驶员如何应对这种压力。人类根据“逼近效应”(looming),即物体在视野中膨胀的速度,来判断纵向威胁。Waymo 的模型通过自然地难以判断远距离物体的速度(就像真人一样)来复制这一点。它还引入了一个“交通规范”过滤器,使其预测偏向于遵守规则的行为,直到它明确观察到某辆车违反了交通规范。此外,它像人类驾驶员一样评估意外,一旦意外达到某个阈值——表明当前驾驶计划正在失效——就会触发对驾驶方式的重新评估。该模型还考虑了人类用同一只脚操作油门和刹车踏板的方式,通过在两者之间切换时引入 0.2 秒的停顿来实现。
“通过将我们的模型建立在主动推理的基础上,我们实现了对人类碰撞反应的整体性表征,”代尔夫特理工大学助理教授 Arkady Zgonnikov 在一份声明中表示。“这使我们能够模拟驾驶员在冲突过程中感受到的内在‘意外’,为自动驾驶系统提供了一个更像人类的基准,而此前以规模化方式实现这一自动化是不可行的。”
与仅模拟紧急情况的传统安全模型不同,Waymo 表示 ReD 能够通过持续计算意外同时最小化自由能,实现“主动规避”。这使它能够及早预判风险,并在情况升级为冲突之前调整驾驶行为。
Waymo 表示,它正积极与研究人员、监管机构以及像 SAE 这样的标准组织合作,围绕这些参考模型建立共识。目标是推动自动驾驶汽车行业朝着一个共享的、基于科学的标准迈进,以界定什么是“谨慎且胜任”的人类反应。为此,该公司已将 ReD 模型开源,并向任何希望进行测试的人公开提供。
**关注本故事的主题和作者**,即可在个性化主页信息流中看到更多类似内容,并接收电子邮件更新。
Andrew J. Hawkins
相似文章
@dmitri_dolgov:在40英里/小时的道路上,以超过60英里/小时的速度逆行的鲁莽驾驶员很容易导致严重碰撞。两辆不同的Waymo(以及一名警觉的……)
在凤凰城,一辆Waymo自动驾驶汽车采取规避动作,避免与一名鲁莽的逆行驾驶员发生严重碰撞,凸显了自动驾驶技术的安全能力。
面向行人行为不确定性的安全自动驾驶的多智能体强化学习
本文提出了一种多智能体强化学习框架,该框架同时训练自动驾驶车辆和具有个性驱动乱穿马路行为的行人,与单智能体方法相比,碰撞率降低了30%,并展示了更真实的交互场景。
Decart的新世界模型可以模拟数小时的逼真驾驶——但有一些注意事项
Decart发布了Oasis 3,一个交互式世界模型,能够实时生成逼真的驾驶环境,并通过API提供。该模型针对自动驾驶仿真及其他物理AI应用,利用Decart的优化堆栈实现成本效益。
NVIDIA OmniDreams:用于闭环自动驾驶仿真的实时生成式世界模型
NVIDIA推出OmniDreams,这是一个基于Cosmos扩散模型构建的生成式世界模型,用于实时动作条件视频生成,能够在复杂的未见场景中实现自动驾驶策略评估的闭环仿真。
面向部分可观测环境下自动驾驶的统一风险地图学习
提出了一种面向部分可观测环境的自动驾驶统一风险地图建模框架,该框架通过时空建模和基于扩散的场景生成,整合了交通流风险和碰撞风险。在Waymo Open Motion数据集上,该方法优于最先进的遮挡感知基线。