2026 年 5 月，Waymo 向美国国家公路交通安全管理局（NHTSA）正式提交了一份软件召回报告，涉及旗下 3791 辆配备了第五代和第六代自动驾驶系统（ADS）的 robotaxi 车队。召回的核心问题是：车辆在遭遇积水路段时，系统虽然能够识别到前方存在不可通行的水面，却未能执行完全刹停的决策 —— 车辆减速后继续驶入静水区域，从而产生车辆损坏甚至被水流冲走的风险。这一事件的触发点，是一辆空载的 Waymo 车辆在圣安东尼奥市被洪水卷走，引发了监管部门与公众的强烈关注。
从系统工程的角度审视，这次召回揭示了当前 L4 级自动驾驶系统在高动态恶劣天气场景下的典型短板：感知层与决策层之间的耦合逻辑存在边界条件处理的灰色地带。当传感器的融合结果给出了 “前方存在积水” 的判断后，规划控制模块未能将该信息转化为 “不可通行” 的强约束，而是将其降级为 “减速通行” 的软建议。这一决策偏差在普通道路条件下或许仅导致轻微颠簸，但在快速路或高速公路场景下，积水区域的摩擦系数骤降、车辆惯性增大、视野遮挡等因素叠加，使得减速通行成为一个危险的次优解甚至是错误解。
具体而言，Waymo 的传感器套件包括了激光雷达、毫米波雷达、前向和侧向摄像头以及超声波传感器。在干燥晴好条件下，这套多模态融合架构能够实现对道路边界、车道线、障碍物的高精度检测。然而，当路面积水达到一定深度时，激光雷达的点云数据会发生镜面反射衰减，水面与路面的分割线在点云中呈现低对比度；毫米波雷达对水面的回波则可能产生杂波干扰或被吸收；摄像头视角下的积水区域往往呈现出与正常路面相似的外观，仅凭视觉难以判断积水深度是否超出车辆涉水安全阈值。在此背景下，多传感器融合结果中 “积水” 的置信度评分存在天然的不确定性，而决策系统对这种不确定性并未建立足够保守的安全缓冲。
NHTSA 在召回文件中明确指出，问题场景特指 “高快速路面上不可通行的积水车道”。这一限定条件揭示了另一层技术考量：在城区低中速道路场景下，Waymo 的运动规划模块通常会为不可通行障碍预留更大的绕行空间和更充裕的停车距离；但在较高车速条件下，由于最小安全停车距离随速度平方增长，系统面临一个更窄的决策窗口 —— 要么立即变道，要么在积水前完全制动。问题在于，当积水深度未知、变道空间不足且后方存在高速来车时，系统陷入了进退两难的困境，而现有逻辑选择了一种在统计意义上风险较高的行为：减速进入积水区域。
Waymo 已于 2026 年 4 月 20 日前向全部受影响车辆推送了临时软件更新，核心改动围绕三个维度展开。第一，在感知层面引入积水区域的几何扩展标注：当任一传感器子系统报告 “前方存在水面” 且融合置信度超过阈值时，即将对应的道路区域标记为 “高风险积水候选区”，并在后续决策循环中强制提升该区域的通行成本权重。第二，在规划层面新增针对高快速路场景的强制制动触发条件：当车辆进入高风险积水候选区且实时车速超过某个与安全制动距离相关的阈值时，规划模块将生成完全制动的参考轨迹而非减速参考轨迹。第三，在运营层面叠加了地理围栏与气象条件联动的运营限制：在暴雨、强降水或已知存在内涝风险的路段，系统自动将对应区域纳入临时禁行区，并结合高精度地图中的低洼路段属性与实时降水数据进行动态刷新。
值得注意的是，Waymo 明确表示目前仍在开发 “最终修复方案”（final remedy），临时更新本质上是一套防御性的保守策略 —— 通过扩大禁行范围和降低通行权限来换取安全余量，而非从根本上解决传感器融合在积水场景下的置信度估计偏差。这意味着在未来的软件版本中，Waymo 需要在多模态感知融合层面引入针对雨天的自适应参数调优机制，可能的方向包括利用历史数据训练积水深度的回归模型、引入车轮传感器或底盘高度传感器数据作为辅助测深手段、以及建立雨天场景下的感知不确定性传播到规划安全的端到端风险量化框架。
从行业影响来看，这次召回具有多重示范意义。首先，它标志着 L4 商业化运营的安全监管已经从 “事后事故响应” 向 “主动场景覆盖” 迁移 ——Waymo 在没有发生严重人员伤亡的情况下主动召回并暂停圣安东尼奥运营，体现了 “预防性安全文化” 的成熟度。其次，它将 “积水道路通行决策” 这一此前未被充分重视的长尾场景推到了聚光灯下，为整个自动驾驶行业提供了一个可参照的失效模式案例和修复路径参考。最后，它暴露了当前传感器融合系统在极端天气条件下仍然依赖规则兜底而非端到端学习的问题 —— 在数据驱动的感知模型泛化能力不足的领域，基于物理先验的约束设计仍然是不可或缺的安全防线。
总体而言，Waymo 此次召回事件的核心技术瓶颈并非传感器硬件能力的不足，而是决策规划层在面对感知不确定性和高快速路物理约束双重压力时，缺少一个能够将 “低置信积水信息” 自动升级为 “强不可通行约束” 的安全决策机制。临时修复通过叠加运营限制和保守制动策略赢得了时间窗口，但真正的根治需要回到感知融合的根本问题：从多模态数据中可靠地估计积水深度，并在规划轨迹生成阶段将这一信息以概率安全约束的形式嵌入优化求解过程。这不仅需要传感器层面的硬件适配（如安装车底测深雷达或利用轮速差估算积水阻力），更需要整个系统架构在感知 - 决策接口处建立一套明确的雨天风险分层协议。
资料来源：TechCrunch 于 2026 年 5 月 12 日发布的《Waymo issues recall to deal with a flooding problem》，以及 NHTSA 公开召回文件摘要。
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。