Waymo 近日在 CleanTechnica 上發文，基於其累計超過 2 億英里的全自動駕駛里程，分享了 10 條 AI 開發經驗。這家 Alphabet 旗下的自動駕駛公司表示，在自動駕駛領域大部分仍是未知區域的情況下，他們憑藉這一里程積累，成為少數幾家能夠以過去經驗照亮未來道路的公司之一。文章強調，這些經驗不僅關乎安全，更以安全為核心出發點，其安全資料已顯示 Waymo Driver 在其服務城市中提升了道路安全。
文章首先回應了自動駕駛歷史上兩大爭議話題。第一，關於感測器方案，Waymo 明確表示，僅靠攝像頭無法實現規模化安全全自動駕駛。通過融合攝像頭、雷射雷達和毫米波雷達，Waymo Driver 構建了豐富且冗餘的世界觀，單一感測器無法替代。雷射雷達提供毫米級精度的 3D 幾何線框，攝像頭負責語義識別（如路牌、交通燈顏色），雷達則作為動態哨兵，能在暴雨、濃霧或灰塵中追蹤速度並“看穿”遮擋。
第二，關於是否使用高精地圖，Waymo 選擇使用高畫質地圖作為強大的“先驗”。他們將地圖視為另一種感測器輸入，如同“記憶”，在能見度差和複雜路況下提供額外資訊，使車載計算機能集中算力處理動態或新情況，如臨時繞行或臨時停車標誌。其 AI 驅動的製圖系統確保持續更新，為複雜操作提供可靠參考。
在模型架構上，Waymo 主張“少而大”的模型策略。早期自動駕駛依賴多個專用模組（如行人檢測、車輛跟蹤、訊號燈識別），這種模組化方式在規模化時難以維護。Waymo 整合為更少、高容量、專門的基座模型，利用大數據和算力，讓資料而非脆弱的先驗規則決定相關性，從而發展複雜推理能力，並受益於與大語言模型相同的擴充套件定律。不過，Waymo 強調，這並不意味著將處理整合進單一“黑盒”。
針對端到端（E2E）神經網路的“黑盒”風險，Waymo 表示，其系統雖即時將感測器資料轉化為駕駛決策，但增加了一個獨立的車載驗證層，這是安全擴充套件 L4 級自動駕駛的“非談判項”。該驗證層是獨立的 AI 安全系統，監控 Waymo Driver 提出的每個軌跡，基於物理約束和交通法規，結合強化學習和生成式 AI 啟發的推理進行校驗，若違反限制或存在碰撞風險，則作為硬性後盾阻止。
在測試方面，Waymo 強調大規模閉環模擬的重要性。他們認為，僅回放錄製資料的開環模擬不足，因為周圍交通對車輛動作無反應。閉環模擬模擬真實世界的因果效應，若 Waymo Driver 為避讓激進變道而轉向或剎車，周圍交通會自然反應，形成反饋迴路，這對理解複雜互動和強化學習至關重要。通過閉環模擬，他們能在真實道路遇到罕見事件前發現並測試這些邊緣案例。
文章還提到，Waymo 構建了一個 AI“評論家”來分析駕駛行為，但未展開細節。整體來看，這 10 條經驗反映了 Waymo 在自動駕駛技術路線上的核心選擇：多感測器融合、高精地圖、少而大的模型、非黑盒架構、閉環模擬等，這些原則與行業其他玩家的路線形成對比，也為自動駕駛的規模化部署提供了參考。