Waymo 打造「虛擬人類駕駛」模型：以神經科學破解自動駕駛安全評估難題

Alphabet 旗下的自動駕駛計程車公司 Waymo，近期於《自然通訊 (Nature Communications)》期刊發表一項研究，推出名為「Reference Driver (ReD)」的全新電腦模型。該模型旨在解決自動駕駛產業的核心難題：如何精準量化自動駕駛軟體與人類駕駛表現的差異。

從「碰撞假人」到「行為基準」

過去汽車產業長期依賴實體與虛擬的碰撞假人來測試車輛的結構強度與硬體安全。Waymo 此次推出的 ReD 模型，則將此概念延伸至駕駛行為層面，作為評估自動駕駛系統在交通衝突中表現的「行為基準」。

Waymo 首席安全官 Mauricio Peña 表示：「評估自動駕駛安全是多面向的，理解人類如何處理衝突是拼圖中關鍵的一塊。透過建立這種具備能力的『人類反應參考模型』，我們能協助產業邁向科學化的共同安全評估標準。」

運用神經科學框架模擬駕駛心理

ReD 模型與過往業界模型最大的差異在於，它不僅能模擬緊急時刻的反射動作，更能重現人類駕駛在衝突發生前的心理狀態。該模型採用「主動推論 (active inference)」框架，這是一種神經科學理論，認為人類大腦會持續預測未來，並採取行動以達成最安全、可預測的結果。

該模型能夠模擬駕駛在衝突期間感受到的內在『驚訝感』，為自動駕駛系統提供了一個過去難以大規模自動化的類人基準。——台夫特理工大學助理教授 Arkady Zgonnikov

為了更貼近真實人類行為，ReD 模型納入了多項認知特徵：

• 視覺感知限制：模擬人類在判斷遠距離物體速度時的自然誤差。
• 交通規範過濾：預設傾向遵守交通規則，直到觀察到其他車輛違規。
• 生理操作延遲：考量到人類使用單腳操作油門與煞車時，切換踏板需約 0.2 秒的物理延遲。
• 壓力評估機制：當「驚訝感」達到特定閾值，模型會自動重新評估當前的駕駛計畫。

應用於事故調查與產業協作

此模型對於 Waymo 而言具有高度實務價值。在今年一月發生於加州聖塔莫尼卡的事故中，Waymo 曾利用舊版模型推論，若由專注的人類駕駛操作，撞擊速度約為時速 14 英里；而當時 Waymo 自駕車在減速後以時速 6 英里撞上行人。隨著公司擴展至更多城市並面臨監管機構的嚴格審視，更精確的行為模型成為其提升安全透明度的關鍵。

目前，Waymo 已將該研究的程式碼以學術與非商業授權方式公開，並積極與 SAE 等標準組織合作，期望將 ReD 打造為業界通用的安全評估工具，讓自動駕駛系統能以更具科學根據的方式，定義何謂「謹慎且稱職」的人類駕駛反應。