隸屬於美國 Alphabet、目前提供完全無人計程車服務的 Waymo，在東京舉辦了記者說明會。目前 Waymo 正與日本當地的交通業者合作，在東京進行實證測試，究竟它是如何透過自家的 AI 基礎模型與感測器技術，實現更加安全的自動駕駛？本文將解說說明會中公開的技術策略，以及進軍日本市場的發展方向。
目標是「打造全球最值得信賴的駕駛者」
Waymo 最初於2009年以 Google 自動駕駛汽車計畫的身分成立，之後成為獨立企業持續投入自動駕駛技術開發。隸屬於美國 Alphabet 的 Waymo 於2026年8月19日舉辦了線上記者說明會。
【圖片】Waymo 公開「超過3.2億公里自動駕駛所累積的經驗」究竟是什麼？圖片搶先看
Waymo 比其他業者更早建立完全無人自動駕駛系統，目前已在美國主要城市提供商業化無人 Robotaxi 配車服務，累計服務次數已達數十萬次，駕駛座上完全不需要有人操控。
目前 Waymo 已經累積超過3億2000萬公里的公共道路完全無人駕駛實績，而憑藉這些最先進的技術與經驗，日本則成為 Waymo 下一階段鎖定的主要市場之一。
在說明會上發表演說的 Waymo 車載軟體部門副總裁 Shrikant Thirumalay 表示，自動駕駛技術之所以受到社會迫切期待，有其重要的原因。
全球道路交通事故每年造成約140萬人死亡，其中許多事故都是由人為失誤所導致。日本的道路環境被認為是全球安全性相當高的國家之一，但即使如此，每年仍有超過30萬人因交通事故受傷。
此外，日本也面臨人口高齡化與嚴重駕駛人力不足的問題，導致部分地區無法確保基本交通移動方式的「交通空白地區」，如今已成為全國性的社會課題。
面對這樣的情況，Thirumalay 表示：「我們的目標，是打造全球最值得信賴的駕駛者。不會疲勞、不會生氣、不會分心，也不會酒後駕駛。而且能力不會隨著時間逐漸衰退，反而會持續進步的駕駛者。」
他進一步明確表示：「如果只是要讓 L2（Level 2）駕駛輔助系統持續進化，我認為這條路沒有未來。要實現真正的 L4 自動駕駛，就必須打造一套專門為此而生的系統。」由此也清楚展現 Waymo 並非採取逐步提升駕駛輔助功能的路線，而是從一開始就以不需要人類監督為前提，專注於實現完全自動駕駛。
應對複雜現實世界的 Waymo 獨家 AI 基礎模型
要實現這項理想，核心關鍵就在於經過高度訓練的人工智慧（AI）。
自動駕駛被認為是現代 AI 所面臨的課題中，難度最高的領域之一。現實世界充滿不可預測性，在公共道路上，從倒下的樹木、突發洪水，到突然衝出的行人與掉落物品，各種突發狀況都有可能發生。
Thirumalay 表示：「我們不能花上好幾秒在雲端進行判斷，有時候必須在毫秒級的時間內做出攸關人命的決定。」
近年來，在自動駕駛領域中，一種純粹的端到端（E2E）型 AI 模型受到關注。這類模型會將車輛感測器取得的資訊輸入單一神經網路，並直接輸出車輛的操作指令。
雖然這種技術讓人期待 AI 能夠像施展魔法般自行駕駛，但 Waymo 對於這種方法仍抱持謹慎態度。
Thirumalay 指出原因：「會產生危險的黑箱。當發生問題時，很難輕易確認或解釋 AI 為什麼會做出那樣的判斷。」
此外，他也指出另一項缺點，那就是為了確保安全所需要的安全防護機制（Guardrail）與結構化資料等重要元素，可能無法充分運用，甚至被捨棄。
因此，Waymo 採用了模仿人類思考過程的獨家「Waymo Foundation Model」，並採取將系統整合至少數高性能基礎模型中的方式。
這套模型大致由3個層級所構成。
第一層是 Fast Layer，會整合相機與 LiDAR 等感測器資料，遇到突然衝出的行人等情況時，能夠瞬間反射性地做出煞車判斷。
第二層是 Slow Layer，負責進行高度的語意理解與推理。例如遇到一輛正在燃燒的車輛時，不會單純將其視為障礙物，而是會深入理解包含周遭危險因素在內的整體情況，並做出選擇其他路線等複雜判斷。
第三層則是 Decoder Layer，會將經過處理的所有資訊與推理結果，轉換成實際車輛應該行駛的軌跡。
透過這3個層級彼此協作，Waymo 建立出一套兼顧安全性與可解釋性的自動駕駛系統。
支撐安全性的感測器冗餘設計與嚴格驗證系統
至於用來取得周遭環境資訊的感測器配置，Waymo 也有著明確的理念。有些企業會打造只依賴相機資訊的系統，但 Waymo 則結合能精確掌握周遭環境結構的 LiDAR、擅長辨識語意資訊的相機，以及在惡劣天候下具有優異偵測能力的雷達，藉此確保資訊的冗餘性與系統的穩健性。
對此，Thirumalay 解釋：「我們採取的不是從系統中減少感測器，而是提高感測器的成本效益。」
此外，針對高精度地圖的運用，Waymo 也提出了獨特的觀點。他們表示，即使沒有地圖，當施工路段等現實道路環境發生變化時，車輛依然能夠辨識當下的實際狀況並繼續行駛。
不過，至於為什麼仍要特別使用高精度地圖，Thirumalay 表示：「並不是沒有地圖就無法行駛，而是正因為我們對安全性完全不妥協，所以才會使用高精度地圖。」他也透露，Waymo 會將事先載入的地圖資訊，作為與即時周遭環境進行比對的高精度基準資料。
此外，Waymo 在驗證 AI 判斷並確保安全性的治理機制方面，也相當嚴謹。Waymo 認為，決定 AI 能否持續進步的關鍵，在於如何評估與管理 AI，因此從車輛端與雲端兩個層面進行嚴格檢查。
車輛端搭載了能夠監控 AI 所生成行駛軌跡的獨立驗證層，會確認車輛的行駛軌跡是否違反物理法則或交通法規。
另一方面，在車輛之外的雲端環境中，則運作著名為「AI Critic」的機制。
它就像坐在後座、負責評估駕駛表現的教官，會透過評估模擬環境與現實世界中數十億英里規模的行駛數據，將品質管理流程自動化。Thirumalay 將其形容為：「這套機制就是為了避免讓 AI 自己替自己的答案評分。」他也強調了持續回饋循環的重要性。
除此之外，Waymo 認為光靠實車驗證仍然不足，因此還運用了能夠從文字生成互動式環境的通用世界模型「Genie 3」。透過這項技術，可以在虛擬空間中刻意製造現實世界極少發生的危險極端情境（Edge Case），讓車輛在真正遭遇這些狀況之前，就提前學習如何應對。
這些努力也已經在實際數據中呈現出明確成果。根據 Waymo 以完全自動駕駛數據進行的研究，與人類駕駛的車輛相比，涉及人員受傷的交通事故減少了94%。
此外，Waymo 與全球性再保險公司進行的共同研究也顯示，相較於人類駕駛，車輛財物損害相關的保險理賠申請減少88%，人身傷害相關的理賠申請則減少92%。
適應日本獨特交通環境與未來展望
Waymo 已經在美國建立了穩固的實績，但要適應日本的道路環境，對它而言也是一項全新的挑戰。與美國都市地區相比，東京的道路較為狹窄，路邊停車也相當普遍，加上行人與自行車複雜交錯，形成截然不同的交通環境。
針對這項課題，Waymo 與日本最大的計程車業者「Nihon Kotsu」，以及提供 Mobility Platform 的 GO 簽署了策略合作協議。自2025年首批車輛抵達日本後，Waymo 持續在東京都內的 Minato、Shibuya、Shinjuku 等地進行實證測試，並由 Nihon Kotsu 的專任人員隨車進行測試。
透過當地的實際道路測試，Waymo 持續蒐集日本特有的駕駛行為數據，包括獨特的交通規則、行人移動路線，以及在狹窄巷弄中會車等情境，並藉此持續調整系統。
Thirumalay 對於東京正式開始提供服務的時間僅表示：「將在完成驗證並取得必要的核准後開始。」不過，他對於技術適應日本環境一事則展現出高度信心。
目前 Waymo 將重心放在東京服務的啟動，因此暫時沒有其他地區的相關計畫。不過，Thirumalay 表示：「我們的目標，是即使勞動力環境發生變化，也能維持讓東京所有人都能使用交通工具的環境。而未來隨著這項技術逐漸普及，我們也希望最終能將服務拓展到地方地區。」
這番話，可以說是 Waymo 對日本交通基礎建設目前所面臨危機所提出的一線希望。
原文出處：AIに「自分の運転」は採点させない!? Waymoの自動運転技術を支える“厳格な監視システム”と仮想空間テスト “3.2億km”超の走行データから得られた知見とは
原文記者：くるまのニュース編集部
原文圖庫：https://kuruma-news.jp/photo/1101234
想看更多：更多圖片
