這次召回不涉及硬體更換，Waymo 將透過 OTA 更新改善車輛對施工區、封閉匝道與道路障礙物的判斷。Waymo 也已暫停高速公路服務，車輛仍可在一般道路提供無人計程車服務。

Waymo 自願召回 3,871 輛無人計程車

根據 NHTSA 召回文件，這次召回影響 3,871 輛 搭載 Waymo 第五代 ADS 的無人計程車。NHTSA 估計，100% 受影響車輛都可能存在這項缺陷。

這次召回不涉及硬體更換，修正重點在於自動駕駛軟體邏輯。Waymo 將透過 OTA 更新改善系統對高速公路施工區與封閉道路情境的辨識能力，降低車輛誤入封閉區域的風險。

截至召回提交時，Waymo 未接獲與此問題直接相關的碰撞、受傷或死亡報告。這次召回屬於 自願性召回，Waymo 在發現問題後先限制營運，並通知州與聯邦監管單位。

13 起事件集中在鳳凰城與舊金山灣區

這次召回的核心問題，是 Waymo 車輛在特定情境下，可能不適當地優先避開其他高速公路障礙物，或未能正確辨識施工區，導致車輛進入已封閉區域並持續高速行駛。

Waymo 記錄到 13 起 相關事件，時間集中在 2026 年 4 月至 5 月。其中美國亞利桑那州鳳凰城（Phoenix）約 6 起，舊金山灣區約 7 起；5 月 18 日單日，Waymo 在灣區就記錄到 7 起相關情況。

這些事件包含車輛進入預先規劃或已封閉的高速公路施工區，也包含車輛在有施工活動的高速公路車道中繼續行駛。施工區的交通錐、臨時標誌、封閉車道、工程車與工人位置，可能每天甚至每小時都不同，對自動駕駛系統的即時判斷要求更高。

高速公路服務暫停，透過 OTA 修正

Waymo 在 2026 年 4 月 起先於鳳凰城限制高速公路營運，並展開調查。到了 5 月 19 日 左右，Waymo 進一步在多地暫停高速公路服務，同時通知州與聯邦監管單位。

截至 2026 年 6 月 20 日，Waymo 高速公路服務仍維持暫停，直到 OTA 更新完成並通過驗證。這代表乘客在部分城市仍可搭乘 Waymo 無人計程車，但路線會以一般道路為主，部分長距離或跨區行程可能受到影響。

Waymo 近年開始測試與推進高速公路自動駕駛服務。高速公路能縮短行程時間，也更接近一般叫車服務的使用情境；但車速更高，一旦遇到封閉施工區或臨時交通管制，系統需要更早辨識、更保守決策，也必須更穩定地處理不確定情境。

這是 Waymo 自 2024 年 2 月以來第四次安全召回

這次高速公路施工區召回，也是 Waymo 自 2024 年 2 月 以來第四次安全召回。2026 年 5 月，Waymo 曾召回約 3,791 輛 無人計程車，原因是車輛可能誤入積水道路並在積水區域中持續行駛。該事件源自聖安東尼奧一輛 Waymo 車輛進入洪水區後被水流帶走。

這兩起近期召回都不涉及硬體損壞，問題都出在自動駕駛系統面對特殊道路情境時的判斷。積水道路與高速公路施工區，都屬於人類駕駛會依現場狀況臨時判斷的場景；對 Waymo 無人計程車來說，系統必須把道路標誌、環境變化、風險程度與行駛路線一起判斷。

Waymo 過去也曾因靜止物體、拖吊車輛、道路障礙物判斷等問題進行軟體修正。這些事件也顯示，無人駕駛車隊在實際營運後，仍會持續透過事件回饋與軟體更新修正邊緣情境。

延伸閱讀

FSD V14 快能無人監督了嗎？自駕最後 0.1% 難題解析

特斯拉 FSD 救命案例！父親心臟病發靠遠端改導航送醫

特斯拉 FSD 買斷倒數！台灣車主該現在買還是等訂閱制？

從這套第一線應變設計可以看到，特斯拉已經把 Robotaxi 當成一套需要警消、道路管理與遠端營運中心共同協作的 SAE Level 4 服務來規劃。車輛不只要會自己開，還要能辨識警示燈與警笛並靠邊停車；事故後要能自動解鎖、降窗並連線支援中心；道路封閉時，也要能透過臨時地理圍欄避免進入管制區域。

Robotaxi 被定義為 SAE Level 4 自動駕駛服務

這次最重要的資訊，是特斯拉已將 Robotaxi 明確定位為 SAE Level 4 自動駕駛服務。這和一般車主車上的 FSD (Supervised) 不同，後者仍屬 Level 2 駕駛輔助，需要駕駛人全程監督；Robotaxi 則是在特定營運條件下，不需要人工駕駛輸入即可完成完整動態駕駛任務。

這也解釋了為什麼 Robotaxi 的第一線應變設計會比一般車輛複雜。當車上沒有駕駛人，現場人員不能再要求駕駛配合靠邊、打開車窗、開門、拿出證件或移動車輛，這些互動都必須改由車輛自動行為、遠端支援中心與第一線人員共同完成。

特斯拉早期 Robotaxi 服務使用的車輛也不是 Cybercab，而是以 Model Y 為基礎的專用營運車輛。這款 Robotaxi 會以金色 Robotaxi 標籤作為識別，標示出現在前後保桿，也可能出現在前門下方；車身則採用更有稜角的前後保桿，前格柵也新增鏡頭。

這代表特斯拉初期 Robotaxi 部署可能先以現有量產車平台切入，而不是等到全新無方向盤、無踏板車型全面上路。對城市管理與第一線人員來說，重點不是它看起來像不像 Model Y，而是它在營運狀態下已經是一台沒有駕駛人的 Level 4 自動駕駛車輛。

警示燈、警笛與跟車動作，成為無人車的攔停語言

Robotaxi 沒有駕駛人，因此攔停流程不能只依賴人類理解。特斯拉的設計，是讓車輛透過攝影機與聲音偵測技術，辨識接近中的緊急車輛燈號與警笛，並在必要時減速、讓道或靠邊停到安全位置。

如果警車或其他第一線車輛在 Robotaxi 後方開啟警示燈與警笛並持續跟隨，Robotaxi 會判斷自己正在被攔停，接著尋找合適位置靠邊停車。在高速公路場景，車輛會先移動到最右側車道，再尋找安全停靠點。

停車後，Robotaxi 會排入 P 檔、解除自動駕駛模式，並以快速閃爍警示燈表示車輛已停妥。第一線人員也可透過前方觸控螢幕左上角是否仍出現藍色 SELF-DRIVING 字樣，輔助確認自動駕駛模式是否仍在啟用。

這裡可以看出 Robotaxi 和一般車輛最大的不同：攔停不再是警察與駕駛之間的互動，而是警示燈、警笛、車輛感知、停靠策略與遠端支援中心之間的協作。這不是單純讓車「看得懂警車」，而是要把警消執勤語言轉換成自動駕駛車輛可以執行的行為。

事故後自動解鎖、降窗與連線支援中心

Robotaxi 的事故應變設計，也不只是把車停下來。發生碰撞或安全關鍵事件時，車輛會嘗試停車、排入 P 檔、解除自動駕駛模式，並快速閃爍警示燈。車門會自動解鎖，方便乘員離開或第一線人員進入；若安全氣囊展開，所有車窗也會自動降下，協助車艙通風與現場溝通。

停車後，Robotaxi 會啟動車艙與 Robotaxi 支援中心的雙向通訊。第一線人員可以透過車上的雙向喇叭與特斯拉代表對話，特斯拉代表也可視情況遠端協助解鎖車門或行李廂、打開手套箱，或降下更多車窗。

這種設計背後的重點，是把「沒有駕駛人」帶來的溝通缺口，轉移到遠端支援中心。當警消抵達現場，不需要猜測車輛狀態，也不需要尋找不存在的駕駛，而是透過支援中心確認車輛是否已解除自動駕駛模式、是否已固定、是否能安全接近。

Robotaxi 也會保存事件前後的攝影機紀錄，並建立事件紀錄。自動駕駛模式解除後，不能由車輛自行重新啟用，必須經由特斯拉代表審核後才可重新啟動。這表示特斯拉不只在處理事故當下，也在建立事件追蹤、責任釐清與後續營運恢復流程。

臨時地理圍欄讓 Robotaxi 能避開封路與事故現場

Robotaxi 上路後，城市不只需要處理單一車輛，也需要處理一整個自動駕駛車隊。道路施工、事故封路、大型活動、臨時交管或災害應變，都可能需要即時禁止 Robotaxi 進入特定區域。

特斯拉設計了臨時地理圍欄機制。第一線人員可向 Robotaxi 支援中心提供單位、識別資料、封閉位置經緯度、封閉原因與封閉時間，特斯拉可在指定位置 1000 英尺範圍內暫停 Robotaxi 服務約 1 小時；若現場需要更長時間，也可以要求延長。

這是一個很關鍵的營運訊號。Robotaxi 不是單車智慧而已，它必須能被遠端營運中心納入城市事件管理。當某個路口臨時封閉，或事故現場需要淨空，城市不只需要讓人類駕駛改道，也需要讓自動駕駛車隊不要繼續派車進入。

這種地理圍欄設計，也反映 Robotaxi 商業化會從「車端能力」延伸到「車隊調度能力」。車輛能不能自己開是一件事，營運系統能不能根據公共安全需求即時調整服務範圍，會是另一個真正上路後才會遇到的考題。

斷電與拖吊設計，揭露無人電動車的現實門檻

Robotaxi 的第一線應變設計也把電動車特有風險納入考量。對第一線人員來說，車輛停下不等於風險解除，還要確認自動駕駛模式、車輪固定與高壓系統狀態。Robotaxi 移動時非常安靜，即使車輛停下，也不能直接假設它已完全停用。現場仍需要確認自動駕駛模式已解除，並視情況固定車輪，避免車輛在現場再次移動。

高壓系統也是另一個重點。Robotaxi 可透過 First Responder Loop（第一線人員斷電迴路）進行停用，但完成斷電程序後，車輛仍需要時間完成低壓系統斷電；高壓電池本身也必須始終視為帶電狀態。這讓 Robotaxi 的救援處理不只是「打開車門」或「把車拖走」，還涉及電動車高壓安全與自動駕駛狀態管理。

拖吊同樣不能用一般車輛邏輯處理。Robotaxi 後馬達在車輪轉動時可能發電，因此運送前需要啟用 Tow Mode（拖吊模式），並以四輪離地方式運送。若讓輪胎在地面上轉動，可能造成重大損壞與過熱；在少數極端情況下，過熱甚至可能導致周邊元件起火。

這些設計揭露了 Robotaxi 商業化的另一面：自動駕駛車不只要會開，也要能被安全停用、移動與清除。對道路救援、拖吊業者與消防人員來說，Robotaxi 不是一台普通電動車，而是一台同時牽涉高壓系統、遠端支援與自動駕駛營運狀態的車輛。

Waymo、Zoox 也在處理同一件事

特斯拉不是唯一需要處理第一線應變的自動駕駛業者。Waymo 早已建立給第一線人員使用的緊急應變指南與執法單位互動流程，也和 GHSA 推出線上訓練課程，協助警消了解無人車如何回應緊急車輛、如何接近車輛、如何處理乘客救援，以及必要時如何關閉車輛。

Zoox 同樣提供第一線人員互動計畫、緊急應變指南、救援資料表與訓練影片。這些做法說明，Robotaxi 業者不能只宣稱車輛很安全，也需要讓公共安全單位知道車輛會怎麼反應，以及異常時要怎麼介入。

不過，Waymo 在美國多地的營運經驗也提醒，第一線應變不是有指南就結束。無人車仍可能在停電、事故、臨時交管或緊急勤務中阻礙道路，遠端支援速度、車輛對手勢與現場狀況的理解、以及第一線單位能否快速介入，都會影響外界對 Robotaxi 的信任。

從 Waymo、Zoox 到特斯拉，Robotaxi 業者都在處理同一個問題：當車上沒有駕駛人時，城市第一線人員要如何攔停、溝通、救援、拖吊，並在異常情境中重新掌握車輛。

延伸閱讀

舊金山 Robotaxi 初體驗！美國旅遊不自駕比 Uber 便宜一半？

特斯拉 Robotaxi 連三個月零事故！Waymo 仍新增 80 起事件

特斯拉 Robotaxi 拿到德州通行證！Level 4 商業營運納管

目前 Ojai 先開放給 Trusted Tester，也就是 Waymo 的信任測試者與選定乘客免費試乘，地點包含舊金山、洛杉磯與鳳凰城。Waymo 接下來也計畫把這款車與第 6 代 Waymo Driver 帶到聖地牙哥、拉斯維加斯、丹佛等城市，讓自動駕駛計程車服務從天氣穩定的地區，逐步挑戰雨天、雪地與低光源等更複雜環境。

Ojai 更像一台移動客廳

Ojai 的基礎車輛由 Zeekr 在中國製造，再運至美國亞利桑那州 Mesa 工廠完成最終組裝與 Waymo 自動駕駛硬體整合。這種分工模式，也讓 Ojai 不再只是把感測器裝到現有乘用車上，而是從一開始就朝高使用率、容易維修、容易清潔的自駕車隊需求設計。

車室空間是 Ojai 和 Jaguar I-PACE 最大的差異。它採低踏板、平坦地板與更方正的車體設計，乘客上下車更直覺，車內也能提供更寬敞的腿部空間。對機場接送、多人共乘或行李較多的乘客來說，這種設計會比傳統 SUV 改裝車更接近自動駕駛計程車真正需要的樣子。

Waymo 也把無障礙設計放進 Ojai 的核心，包括盲文、螢幕閱讀器相容性、座椅把手、充電孔與乘客介面。這些細節不只是讓車看起來更高級，而是讓自駕車更像一種大眾交通服務：不同身形、不同需求的乘客，都要能夠自己完成上車、乘坐與下車流程。

Driver 感測器更少，成本更低

Ojai 首次搭載 Waymo 第 6 代 Driver 系統。這套新硬體相較第 5 代，總感測器數量減少約四成，精確來說為 42%。其中攝影機從 29 個減至 13 個，LiDAR 從 5 組減至 4 組，雷達數量也同步精簡。不過 Waymo 強調，新的感測器解析度、感知距離與天候適應能力都有提升。

這裡也能看出自動駕駛產業正在走向另一個階段。特斯拉當年轉向 Tesla Vision 純視覺方案，核心論述之一就是降低硬體成本、簡化車輛量產與維修複雜度；而如今採用 LiDAR、雷達與攝影機混合方案的 Waymo，也開始透過感測器精簡來降低成本，讓自動駕駛計程車更接近可長期營運的生意。

成本是關鍵。第 6 代 Driver 的硬體成本目標低於 20,000 美元，對比過去改裝車高昂的自動駕駛硬體成本，這會直接影響每趟車資能不能撐起營運模型。自動駕駛計程車要從科技展示變成日常交通服務，不能只會自動開，還要足夠便宜、可靠、好維修，並能大量部署。

天候能力支撐城市擴張

Waymo 這次也特別強調第 6 代 Driver 對雪地、雨天與低光源環境的適應能力。這和接下來的城市擴張有直接關係。舊金山、洛杉磯與鳳凰城雖然路況複雜，但氣候條件相對可控；如果要進入丹佛這類冬季城市，自動駕駛計程車必須能在更低溫、更差能見度與更滑的道路上保持穩定。

這也是 Ojai 比單純換車更重要的地方。Waymo 並不是只推出一台更大的自駕車，而是在用第 6 代 Driver 把自動駕駛硬體、乘客體驗、車隊成本與城市擴張放在一起重做。之後 Hyundai IONIQ 5 也將導入第 6 代 Driver，代表 Waymo 正在把同一套自動駕駛系統擴展到更多車型，而不是只依賴單一平台。

Waymo 目前已累積超過 2,000 萬次全自動乘車經驗，服務規模仍持續成長。這不代表自動駕駛計程車已經沒有挑戰，但至少說明 Waymo 已經不再停留在少量測試車階段，而是進入更接近車隊營運與城市擴張的階段。

專用車型讓自駕車更成熟

Ojai 的真正意義，是 Waymo 從改裝車隊走向目的建置車型。過去自動駕駛服務比較像是「把現有車輛改成無人車」，現在 Waymo 則開始把車輛平台、乘客流程、感測器配置、維修效率與量產成本一起納入設計，讓自駕車不只是會自己開，也更適合長時間、高頻率投入車隊營運。

對乘客來說，Ojai 更接近自動駕駛計程車真正需要的樣子：空間大、好上下車、容易操作，也適合多人與行李使用。Waymo 的下一場競爭，已經不只是誰的自動駕駛比較聰明，而是誰能把無人車變成一門可長期運作的交通生意；Ojai 加上第 6 代 Driver，正是 Waymo 從改裝車隊走向專用自駕車的最新答案。

延伸閱讀

特斯拉 Robotaxi 連三個月零事故！Waymo 仍新增 80 起事件

Waymo 撞死「貓市長」惹眾怒！FSD 遇到小動物會怎麼反應？

全自駕極端情境演練！Waymo 世界模型連龍捲風都能模擬

這篇聚焦在舊金山市區的 Robotaxi 實際搭乘體驗，後續也會陸續發佈 FSD 自駕與國家公園路線的系列內容。從這幾天內多趟叫車的觀察來看，在 Robotaxi 已經上路的城市，美國旅遊如果沒有開車，叫車選擇可能已經不只剩 Uber；尤其在市區短程移動時，Robotaxi 與 Waymo 已開始具備價格、體驗與穩定性的實用價值。

舊金山市區不自駕，Uber 仍是機場與大行李最穩選擇

SFO 進市區仍以 Uber 最方便

這次從舊金山機場前往漁人碼頭附近住宿，因為共有 3 位乘客與 3 件大型行李，一般 Uber 車型空間不夠，必須叫 Uber XL。當時時間接近晚上 9 點，車程約 30 分鐘，最終費用為 US$ 61.98，其中舊金山機場附加費為 US$ 6。

以機場接送來說，Uber 目前仍是最直覺、覆蓋率最高的選擇。Waymo 雖然已開始在 SFO 提供自動駕駛接送服務，但目前上下車地點位於 Rental Car Center，距離航廈最近的下車點為 Grand Hyatt at SFO，對剛下飛機、帶著大型行李的旅客來說，仍不如 Uber 在航廈直接叫車方便。至於特斯拉 Robotaxi，這次實際查詢時也無法作為 SFO 機場接送選項。

多人與大型行李仍需要 Uber XL

對一般旅客來說，剛抵達機場、又帶著多人與大型行李時，Uber 仍然是最保險的解法。尤其是 3 人同行、每人都有一件大型行李箱時，即使一般車型價格較低，也很容易遇到後車廂空間不足的問題。

這也是美國旅遊叫車時很現實的一點：價格不是唯一考量，行李能不能放得下、上下車地點是否方便、車輛是否能順利進出機場，往往比科技體驗更重要。Robotaxi 與 Waymo 的優勢，反而會在進入市區後更明顯，尤其是飯店與景點之間的短程移動。

Robotaxi App 容易上手，價格通常比 Waymo、Uber 更有競爭力

繁體中文介面可用，但翻譯仍有小問題

特斯拉 Robotaxi App 可直接透過 Tesla 帳戶登入，整體介面也支援繁體中文。對台灣旅客來說，這點降低了不少使用門檻，設定上下車位置、查看預估抵達時間與價格都相當清楚，操作邏輯也與一般叫車 App 類似。

不過目前繁體中文翻譯仍有一些明顯機器翻譯痕跡。例如 pick up 原本應該是「上車地點」，在 App 內卻被翻譯成「取件」；SF 原本指 San Francisco，卻被翻譯成「順豐」。這些錯誤不至於影響實際使用，但確實會讓中文使用者在第一次操作時多看幾秒。

相比之下，Alphabet 旗下 Waymo 的繁體中文介面成熟度更高，像上車地點這類用語就能正確呈現。若只看在地化程度，Waymo 目前略勝一籌；但以實際叫車流程來說，Robotaxi 仍算直覺易懂。

Coit Tower 首趟體驗：價格只有 Waymo 不到一半

這次首次搭乘 Robotaxi 的時間約在下午 4 點半，路線是從漁人碼頭附近前往電報山山頂的先鋒公園（Pioneer Park），目的地是科伊特塔（Coit Tower）。當時同一路線比較下來，Waymo 顯示費用為 US$ 19.89，車輛約 6 分鐘後抵達；Robotaxi 則需要等候約 15 分鐘，但價格只要 US$ 8.03。

對旅客來說，這個價差非常有感。舊金山市區短程移動常常只是 10 到 20 分鐘車程，如果一天叫車多次，累積下來差距會很明顯。Robotaxi 的叫車流程也與一般叫車 App 接近，確認行程後，App 會即時在地圖上顯示車輛位置，也會提供車輛資訊與車牌號碼。這次顯示的車輛是一台低調夜幕灰的全新 Model Y。

Robotaxi 車少，等待時間通常比較久

不過 Robotaxi 的低價也伴隨一個現階段限制：車輛數量還不多，等候時間通常比 Waymo 與 Uber 長。這次在舊金山市區實測時，多數情況下 Robotaxi 的等候時間都比較久，也實際遇過直接顯示繁忙、無法叫車的情況。

但只要叫得到車，Robotaxi 通常仍能給出最有競爭力的價格。隨著未來 Cybercab 量產，再加上既有 Model Y 車型投入服務，車隊數量有機會增加。到那時候，Robotaxi 要競爭的就不只是科技體驗，而是能否在價格、等候時間與服務範圍上更接近 Uber 與 Waymo。

5 趟 Robotaxi 實際費用：短程多落在 US$ 7 到 US$ 10

這次在舊金山市區共搭乘 5 趟特斯拉 Robotaxi，價格大多落在 US$ 7 到 US$ 10 之間。因為這次是 3 人同行，實際平均下來每人費用相當划算；若以 Model Y 最多可乘坐 4 名乘客來看，分攤後的單人成本還能再降低。

即使是最後一天前往 Turo 取車地點、行駛距離約 8 英里、車程 25 分鐘，總金額也為 US$ 17.16。對旅客來說，Robotaxi 在市區短程移動時已經具備很明顯的價格吸引力。

從這 5 趟來看，Robotaxi 的價格不是每趟都最低，但只要叫得到車，費用通常相當有競爭力。尤其在舊金山市區這種短程移動頻繁的旅遊場景，若是多人同行並分攤車資，一天多叫幾趟後，和 Uber 或 Waymo 的價差就會更明顯。

實際搭乘感受：像一台更安靜、更穩定的 Model Y 叫車服務

上車後要繫安全帶並在 App 開始旅程

依照這次實際搭乘觀察，舊金山的特斯拉 Robotaxi 車內仍配有安全員，並坐在駕駛座。不過安全員平常幾乎不會介入駕駛，整體感覺比較像是一位必要時才會出手的隨車監督者，而不是傳統 Uber 司機。

上車後，所有乘客都必須繫上安全帶，並在 App 上點選「開始旅程」後，車輛才會出發。這個流程很簡單，也讓人清楚知道車輛何時開始行駛。

安全員存在感低，但現階段仍不是完全無人

實際乘坐起來，Robotaxi 很接近一台由 FSD 在駕駛的 Uber。正常情況下安全員不會參與行駛，但在特定情境下仍會接管。

這次 3 天內在舊金山市區一共搭乘 5 趟 Robotaxi，目前遇到的車型都是 Model Y，安全員也都是男性。整體來說，安全員存在感不高，但並非完全沒有角色。

Spotify 會跟著 Tesla 帳戶上車

這次有一個很有趣的小細節：因為 Robotaxi App 綁定的是 Tesla 帳戶，原本帳戶中的 Spotify 授權似乎也會一併帶到車上。因此一上車後，車內就會自動播放我目前 Spotify 正在播放的歌曲。

目前不確定非特斯拉車主是否也能在 Robotaxi 內綁定 Spotify。相比之下，Waymo App 則可以綁定 YouTube Music。Waymo 因為沒有安全員，車內更接近完全私人空間；Robotaxi 則會變成和前座安全員共享音樂的使用情境。

行駛平穩，舒適度比多數 Uber 更一致

以這次搭乘到的 FSD V14 來看，Robotaxi 在舊金山市區已經開得相當穩定。加速、煞車與轉向都很順，不會讓人覺得過度保守，也不會慢到影響乘坐體驗。

如果用一般旅客角度來看，它已經不像是測試展示，而更像是一個可以實際使用的叫車服務。整體舒適度也比多數人類駕駛更一致。

停靠與轉向：仍會出現需要接管的情境

這次體驗中，Robotaxi 在接近目的地時的停靠位置有時比較難預測，乘客不太容易提前判斷最終會停在哪裡。有時即使後方有車等待，系統仍會自行判斷停靠位置，這時反而是後方駕駛需要多等一下。

車輛在前往藝術宮（Palace of Fine Arts）時，從 Girard Rd 轉入 Palace Dr 停車場的過程中，轉向時機略晚，安全員最後手動接管完成轉彎。從現場情況來看，這可能與地圖標示與實際入口位置之間的落差有關。

最後一天在飯店門口，也觀察到安全員在上車前手動將車輛往前移動，避免佔用上下車區。這些情境顯示，Robotaxi 在一般道路行駛已經相當成熟，但在停車場入口、臨停區或需要精準時機判斷的場景中，仍可能出現人工介入。

三個大行李箱可以放進 Model Y，但略有壓力

同一天因為之前租 Model Y 的經驗顯示後車廂可以放入 3 個大型行李箱，所以這次仍然叫了 Robotaxi。實際上確實放得進去，但尾門關上時需要用手稍微壓一下。

這趟其實前一晚就先查過價格，Waymo 顯示為 US$ 31.39，Robotaxi 則為 US$ 19.53；隔天上午實際叫車時，Robotaxi 最終費用為 US$ 17.16。相較市區短程，這種距離拉長的行程更能看出價差，而 Uber 通常又會比 Waymo 與 Robotaxi 更貴。

Waymo 更成熟也更私人，但不一定每趟都比較划算

這趟旅程中，也有一次因為價格與等候時間選擇 Waymo。當時是上午 9 點左右，從 Marriott Vacation Club 出發，前往 Torpedo Wharf。Robotaxi 顯示價格為 US$ 14.61，等候時間約 11 分鐘；Waymo 則為 US$ 11.09，等候時間約 6 分鐘；Uber 雖然只需等約 4 分鐘，但價格來到 US$ 20.94。

Waymo 最大優點是完全無人駕駛，上車後整台車就是乘客自己的空間，不需要與任何人互動。車內設定也更完整，包括音樂、冷氣與座位空間等。

這次在路上看到的 Waymo 車型多為 Jaguar I-PACE，車隊密度明顯較高，在舊金山市區幾乎隨處可見，也讓等待時間更穩定。另外也收到 Waymo 提供的 freeway early access 通知，顯示部分行程可使用高速公路。不過這次並未實際體驗。

Robotaxi、Waymo、Uber 怎麼選？旅遊時建議三個 App 都打開比價

以這次舊金山實際體驗來看，三種服務的定位其實很清楚。Uber 最穩，適合機場與大型行李；Waymo 提供完整無人駕駛體驗；Robotaxi 則在價格上最有優勢。實際使用方式很簡單：每次叫車前同時打開 Uber、Waymo 與 Robotaxi，比較價格與等待時間，再選擇當下最適合的選項。

未來如果特斯拉 Robotaxi 車隊持續擴大，Cybercab 很可能會成為主要營運車型。一般叫車需求多半集中在 1 到 2 名乘客，Cybercab 的雙人座設定正好對應這類高頻短程移動；而 3 到 4 人同行或需要較大行李空間的情境，Model Y 仍會是更適合的選擇。

延伸閱讀

特斯拉 Robotaxi 連續三個月零事故！Waymo 營運里程最多仍新增 80 起

美西國家公園之旅！Turo 租特斯拉 Model Y 三千公里 FSD 全自駕

美西國家公園「遊園車」體驗？橫跨四大州實測 FSD 全自駕

Waymo 東京測試仍在進行中，官方日本頁面也顯示，目前尚未開放一般乘客搭乘服務。車輛仍由受訓人員在車內監督或操作，主要任務是讓 Waymo Driver 適應東京的左側行駛、密集路口、狹窄道路、行人與自行車混流等都市環境。

Waymo 在日本東京展開道路測試

Waymo 這次進入東京，是該公司第一次在美國以外的公開道路進行測試。合作夥伴日本交通負責車輛管理、維修、駕駛人員訓練與日常營運支援；GO 則提供日本在地叫車平台與交通市場經驗，協助 Waymo 了解東京既有交通服務與使用情境。

日本交通的受訓人員也曾前往美國 Phoenix 接受 Waymo 培訓，內容包含課程、實車操作與防禦駕駛訓練。這讓在地團隊能先熟悉 Waymo 的測試流程，再回到東京執行道路資料收集與車隊營運支援。

測試車輛採用全電動 Jaguar I-PACE，搭載 Waymo Driver 自動駕駛系統。初期約有 25 輛 車導入東京，車頂可看到 Waymo 典型的感測器套件，包含攝影機、雷達與 LiDAR 等硬體，用來收集道路環境、車流、行人與交通設施資料。

此次測試集中在東京核心七區，包括港區、新宿區、澀谷區、千代田區、中央區、品川區及江東區。這些區域涵蓋東京最繁忙的商業、交通與觀光地帶，包含大量行人、自行車、計程車、巴士與配送車輛，對自動駕駛系統的感知與路徑規劃能力要求很高。

在初期階段，Waymo 車輛由日本交通受訓人員手動駕駛，用來收集道路資料並建立更精細的 3D 高精地圖。這些資料會協助 Waymo 理解東京的道路特性，例如左側行駛規則、複雜路口、車道標線、臨停車輛，以及行人穿越路口的習慣。

Waymo 也會將東京道路資料導入模擬環境，用於訓練與驗證 Waymo Driver。對 Waymo 來說，東京不是單純換一張地圖，而是要重新適應另一套交通文化與道路環境。

東京測試仍在進行，尚未開放乘客搭乘

Waymo 於 2025 年 4 月 開始在東京公開道路收集資料，並在 Takanawa Gateway City 舉辦歡迎活動，展示首批抵日車輛，並邀請 JR East 等在地合作單位參與。

進入 2026 年後，Waymo 東京測試仍持續進行。Waymo 在 2026 年 3 月 的東京媒體說明會中提到，東京服務不一定需要數年才會準備好，可能在幾個月內進入下一階段。不過 Waymo 官方日本頁面仍顯示，東京目前尚未開放乘客搭乘服務。

目前 Waymo 車輛仍以測試與驗證為主，並由日本交通受訓人員在車內參與操作或監督。車輛會在東京街道進行日夜測試，持續收集真實道路資料，驗證系統在左側行駛、密集都市環境、狹窄道路與不同季節天氣下的表現。

東京也是 Waymo 評估海外城市部署的重要案例。Waymo 在美國已累積多年無人叫車服務經驗，但海外城市會帶來新的挑戰，例如不同道路規範、交通文化、乘客使用習慣與監管程序。日本市場也面臨高齡化與計程車駕駛短缺問題，這讓自動駕駛叫車服務具有更明確的應用場景。

Waymo 未來若正式在東京推出乘客搭乘服務，可能會先從特定區域、特定條件或受限場景開始。短期重點仍會放在安全驗證、在地法規程序、合作夥伴營運能力，以及東京道路資料的持續累積。東京測試的經驗，也會成為 Waymo 評估其他海外城市部署的重要參考。

延伸閱讀

無人計程車也要召回？3,871 輛 Waymo 施工區辨識問題 OTA 修復

Waymo 新世代 Ojai 自駕車開放試乘！第 6 代 Driver 感測器少四成

Waymo 撞死「貓市長」惹眾怒！FSD 遇到小動物會怎麼反應？

這份資料來自 2025 年 6 月 16 日上路的 SGO 第三修訂版。統計門檻明顯收緊，連時速 1 英里的輕微接觸也被納入紀錄。在這樣的標準下，數據不只是統計結果，更開始直接反映各家系統在真實道路上的運作狀態。

第一季約 100 起事故，Waymo 占多數

在最新釋出的原始資料中，僅 2026 年 2 月至 3 月中旬，自動駕駛系統（ADS）就新增約 100 起碰撞事件。其中 Waymo 增加 80 起、Avride 12 起、Zoox 5 起，Motional 3 起，而特斯拉 Robotaxi 維持 0 起紀錄。

數字本身已經形成對比，但更關鍵的是事故型態。Waymo 多數案例發生在車輛靜止時，被後方人類駕駛追撞。當每月載客量突破 200 萬次，這類「什麼都沒做卻被撞」的情境，在高頻營運下幾乎無法避免。

Robotaxi 零事故，數據開始累積差距

特斯拉在同一期間維持零事故，且自 2026 年 1 月以來沒有新增事件。在車隊規模持續擴大、無人監督比例逐步提高的同時，這段沒有中斷的安全紀錄，開始在長期數據上放大影響。

註 1：此為第三修訂版 SGO 統計期間內之總數。整體資料集約 825 起事件；Waymo 若含歷史資料約 1,790 起。特斯拉相關數據部分來自第三方追蹤器估計。

每 50 天翻倍，正往人類駕駛水準靠近

根據第三方追蹤模型，特斯拉 Robotaxi 的安全性指標正以約每 50 天倍增的速度提升。目前 MPI（每次事故平均里程）約為 28.7 萬英里（部分估計更高），已接近美國人類駕駛約 50 萬英里的基準，差距正在快速縮小。

同一組數據，不同透明度

數據之外，資訊揭露方式同樣影響解讀。Waymo 與 Zoox 多數會公開事故細節，從情境到責任都有明確描述；特斯拉則對部分內容申請商業機密保護，讓事件細節呈現不完整。

這讓同一份數據，在不同揭露程度下出現不同解讀角度。當事故數量逐漸接近時，真正的差異開始不只在數字本身，也在於各家如何說明這些數字。

延伸閱讀

特斯拉 Cybercab 首輛量產車出廠：Waymo 車隊突破 3,000 輛

Waymo 自駕車撞死「貓市長」犯眾怒！FSD 遇到小動物會怎麼反應？

全自駕極端情境演練！Waymo 世界模型從龍捲風到飛機迫降都能模擬

在 Waymo Driver 已累積近 2 億英里全自動行駛里程的背景下，官方同步說明，真正支撐系統成熟度的關鍵並不只來自實車數據，而是規模遠高於實際道路的虛擬模擬測試。Waymo World Model 正是用來補足真實道路幾乎無法涵蓋的極端與罕見情境。

世界模型改變自動駕駛模擬的本質

Waymo World Model 的核心意義，在於模擬方式本身的轉變，而非單純提升畫面擬真度。傳統自動駕駛模擬多依賴人工建模、規則腳本與既有案例重播，場景來源有限，測試範圍受制於已知事件。

世界模型則改以生成式方式建立連續且可演化的虛擬世界，場景能依上下文自然延伸，產生合理但未曾發生過的交通狀況。官方資料指出，Waymo Driver 在實際上路前，已於虛擬世界中行駛數十億英里的模擬里程，用以提前驗證系統在各種條件下的行為表現。

生成式技術清楚區隔於實際上路系統

Waymo World Model 建立在 Google DeepMind 的 Genie 3 世界模型技術之上，但官方刻意劃清研究模型與實際自動駕駛系統之間的界線。Genie 3 提供的是通用世界建模能力，負責生成連續且具一致性的虛擬環境。

Waymo 則透過後訓練方式，針對駕駛領域進行專門調整，使模型能產生與實際感測器相容的輸出資料，包括符合車輛使用條件的 LiDAR 深度資訊。官方也明確指出，生成式模型並未直接部署於車輛上，而是用於模擬與驗證流程，確保測試結果具備可控性與可重複性。

多模態與可控模擬支援工程流程

Waymo World Model 之所以被定位為實用工具，關鍵在於其輸出與控制能力能直接對接工程需求。模擬系統可同步產生高擬真的 3D 相機畫面，以及與 Waymo 實際車輛相容的 LiDAR 深度資料，使感知、預測與規劃模組能在虛擬環境中進行完整驗證。

在操作層面，工程團隊可指定駕駛輸入，測試不同轉向、煞車或加速選擇下的系統反應，同時也能調整道路配置、號誌狀態與交通密度。透過語言指令快速變更天氣、時間與場景設定，大量測試案例得以迅速建立，進一步降低模擬建置成本。

長尾情境成為世界模型的核心用途

Waymo World Model 主要用來模擬所謂的長尾情境，也就是在真實道路中極少出現、幾乎不可能大量蒐集的罕見事件。官方在部落格與示範影片中，已明確展示多種具代表性的極端案例，用以驗證系統在低機率高風險狀況下的反應能力。

官方示範與描述中出現的長尾情境，包含以下幾類：

• 極端天氣與自然災害情境
• 龍捲風在高速公路旁移動，對行車造成直接威脅
• 金門大橋覆蓋輕雪，模擬非典型天候下的道路狀態
• 熱帶城市街道異常下雪，打破地理與氣候常態
• 洪水淹沒住宅死胡同或道路，影響通行與判斷
• 道路發生火災，車輛需從火場附近安全通過
• 罕見或異常動物與物件出現
• 道路上出現大象或德州長角牛等大型動物
• 城市環境中遇到獅子等非典型野生動物
• 行人穿著暴龍裝出現在斑馬線
• 車輛大小的風滾草橫越道路
• 其他異常交通狀況
• 故障卡車逆向停在道路中央，阻斷正常行車路線

官方特別指出，這類情境是真實車隊幾乎從未直接觀察到的案例，必須仰賴世界模型結合廣泛世界知識，以生成方式自然出現。這讓 Waymo Driver 能在虛擬環境中反覆練習近乎不可能發生的狀況，確保安全驗證的完整性。

世界模型支撐無人計程車服務擴張

Waymo World Model 同時扮演支援無人計程車服務擴張的角色。在新城市上線前，團隊可透過世界模型模擬當地交通行為與道路特性，提前驗證系統對陌生環境的適應能力，降低初期部署風險。

從官方定位來看，世界模型已被納入自動駕駛開發流程中的核心基礎設施之一。大型生成式模型正正式進入安全驗證與工程體系，成為 Waymo 推進無人計程車服務與規模化部署的重要支柱。

延伸閱讀

Waymo 自駕車撞死「貓市長」犯眾怒！FSD 遇到小動物會怎麼反應？

Waymo 累積 9600 萬英里無人駕駛里程！事故率顯著低於人類駕駛

舊金山大規模停電全變磚！Waymo：安全確認爆量導致延遲

Waymo 發布聲明回應舊金山停電事件，表示系統當天成功處理超過 7,000 個熄燈號誌，但因安全確認請求大量積壓，導致部分車輛應變延遲。隨著停電擴大，Waymo 主動暫停服務，並引導車輛安全停靠，後續分批返回基地。未來改進方向包括：提升停電情境的即時判斷力、強化緊急應變流程與政府協調，以及持續擴大第一線救援人員訓練。目前已累計培訓超過 25,000 名人員。

PG&E 變電站火災導致全市號誌癱瘓

本次事故起因於 PG&E 在舊金山的變電站發生火災，導致約 13 萬戶停電，約占全市三成用電戶數。多處主要路口交通燈全數熄滅，部分公共運輸系統中斷，整體交通陷入混亂。緊急車輛（如救護車、消防車）需在無燈號狀態下穿越街區，應變風險大幅上升。

根據加州交通法規，當路口號誌完全失效時，應視為四向停車交叉口，所有車輛必須先停再依序通行。舊金山市政府也在當日提醒所有用路人依此原則行駛，並提高警覺。

Waymo 車停主幹道癱瘓路口動線

多段現場影片顯示，部分 Waymo 車輛在路口正中央或車道中央突然停車，尚未通過交叉路口就進入靜止狀態，導致後方車流完全卡死，部分路段出現嚴重回堵。同時也可見部分車輛選擇靠邊停放並開啟警示燈，但未能有效疏導車流。

更關鍵的是，Waymo 一旦停車後便失去主動讓道的能力，不僅自身無法閃避，還阻礙了其他車輛讓出空間，使得原本就困難的緊急通行變得更加艱難。這對需要快速穿越市區的救護車與消防車，形成實質性的通行障礙。

Waymo 隨後宣布，全面暫停舊金山地區所有乘車服務。官方聲明表示，此舉是為了確保乘客安全並避免妨礙緊急車輛通行。從營運策略角度來看，這屬於系統風險管理的一環，而非單純因違規停車遭強制停駛。

現行罰則框架難針對即時情境

截至目前，舊金山市政交通局並未針對本事件發出任何裁罰或公告。加州公用事業委員會（CPUC）亦未啟動調查，其主要職責仍在管理無人計程車的營運許可與收費規範，對於即時道路擁堵或停電情境並無直接裁處權限。聯邦層級監管機構目前亦尚未對此事發表意見。

根據現行法規，道路違規罰則多針對人類駕駛人開立，無人車不具駕駛身份則無法適用。相對而言，停車違規可直接對營運公司開罰，因此 Waymo 在 2024 年的罰單主要來自日常營運期間的違規停放，與本次因大規模停電所觸發的緊急停車狀況有本質差異。

不同自駕技術架構導致應對落差

Waymo 採用高精地圖、感測器融合與後端遠端支援，當號誌失效、通訊中斷時，系統會自動進入「最小風險」模式，選擇原地停止或靠邊停車。這種保守設計在風險控制上具一定優勢，但在本次無預警斷電情境中，車輛停在路口中央，實質阻斷了交通動線。

反觀特斯拉 FSD 採純視覺與車內本地端推論，不仰賴即時雲端或高精地圖支援，所有決策皆在車內處理。即使在交通燈失效、環境混亂下，仍能依據現場路權與車流情境做出動態調整，其行為邏輯更接近人類駕駛面對突發情況時的處理方式。

這起事件呈現出兩種自動駕駛技術路線在極端條件下的實務差異：Waymo 強調精確控制與結構依賴，適用於城市環境清晰且可預測性高的場域；特斯拉則追求系統泛化能力與即時應變，重視在非理想條件下的穩定行為。如何在安全、彈性與社會運作之間找到平衡，仍是自動駕駛技術必須面對的關鍵課題。

延伸閱讀

Waymo 自駕車撞死「貓市長」犯眾怒！FSD 遇到小動物會怎麼反應？

Waymo 累積 9600 萬英里無人駕駛里程！事故率顯著低於人類駕駛

Waymo 誤闖警匪對峙現場！自駕車擋緊急車輛暫無法可罰

隨著 Waymo、FSD 等高度自動駕駛技術持續推進，自駕系統是否能辨識警車、救護車、消防車，以及理解警察手勢、臨時封鎖線與警示燈號，已成為安全與監管討論的重點。Waymo 表示，其系統可透過影像與聲音同步偵測警車與警笛，並已透過獨立機構的應對流程驗證；特斯拉也在最新 FSD v14.2.1 中加入手勢與緊急車輛辨識邏輯。

不過，研究指出，強光警示燈可能干擾部分感知模組，使系統短暫「看不見」周遭物體，顯示在實際路況中仍存在技術與制度落差。

Waymo 無人計程車誤入封鎖區

從網友上傳影片可見，事發時路口已有多輛警車停靠，警示燈閃爍，一輛白色皮卡遭攔下，嫌疑人趴地配合指令。Waymo 無人計程車從側向車道進入，執行無保護左轉，短暫穿越警方劃設的警戒區。

影片畫面顯示，Waymo 駛入路口時，號誌正由黃燈轉為紅燈，車輛完成左轉後短暫停在嫌疑人附近，隨即駛離。雖未造成人員傷亡或影響執法，仍引發外界對自駕系統是否能理解現場情境的質疑。

對人類駕駛而言，看到警車封鎖、警察持槍與嫌疑人趴地，多會選擇停車觀望或改道。但若系統僅依賴號誌與導航指引，就可能產生與人類經驗不同的判斷。

Waymo 技術能力與監管落差

Waymo 一直強調具備辨識警車、消防車與救護車的能力，在感知層整合雷射雷達、毫米波雷達與多組攝影機，能同時偵測聲音與影像。Waymo 也曾舉辦「緊急車輛訓練日」，讓自駕車從不同角度與距離觀察警消車輛，累積訓練資料。

2024 年，Waymo 通過德國檢驗機構 TÜV SÜD 的應急應對審查，證實其系統可解讀警察手勢、偵測警消人員，並能被手動關閉以符合 SAE 標準。Waymo 也已為全球逾 15,000 名警消提供培訓課程。然而，此次 LAPD 案件仍暴露出，在缺乏明確封鎖標誌時，自駕系統的現場判斷仍可能與人類有落差。

加州近期亦發生警方在臨檢路段攔查違規迴轉的 Waymo，但因車內無駕駛，警方當下無法開罰，只能通知營運商後續處理。州政府預計 2026 年起修法，授權警方通報自駕違規，交由主管機關決定是否懲處營運商，反映監管制度正逐步調整以因應自駕技術。

特斯拉 FSD 強化緊急應對能力

特斯拉方面，Elon Musk 早在 2021 年就表示 Tesla Vision 將整合方向燈、警示燈、緊急車輛燈號與手勢辨識能力。FSD v14.2.1 的實測顯示，系統已能在球賽散場等情境中依照警察手勢通行，略過停止標誌，顯示相關功能已從實驗邁入量產。

該版本亦強化對緊急車輛的處理邏輯，包含主動讓行、辨識消防車與救護車，同時提升對無保護轉彎、障礙物與學校巴士等場景的應對表現。

不過，FSD 仍屬 SAE Level 2 駕駛輔助系統，駕駛人需全程監控並隨時介入。過去數年間，已有多起啟用自動輔助駕駛的特斯拉車輛撞上停在路肩的警車、消防車與拖吊車，引發研究團隊針對強光環境下的物體偵測能力進行深入分析。

從實際使用者回報與測試畫面來看，FSD 雖能辨識手勢並依指示通行，仍可能在轉彎、停車或光線複雜環境下出現誤判，如偏離路緣、轉向角度不準或標線辨識不足，顯示其在應對突發狀況上仍有限制。

緊急車輛燈光對感知的影響

PaniCar 國際研究計畫指出，自駕系統的影像偵測模組若暴露於緊急車輛閃燈，物體辨識信心分數可能劇烈波動，甚至低於演算法門檻。這種「數位癲癇」現象將導致系統短暫「看不見」警車周邊物體，潛藏交通風險。

其他研究亦指出，夜間強烈閃燈與高反光塗裝雖提升人眼辨識度，但也可能遮蔽旁邊的行人與警消人員。對以影像處理為主的自駕系統來說，光線變化會影響色彩對比與物體邊界辨識，進一步削弱系統穩定性。

實務上，即使系統設計具備辨識緊急車輛的能力，仍可能受到夜間光源、雨霧天氣、鏡頭污損與燈具閃爍頻率等因素影響。當上述條件交互出現，且伴隨行人、臨時路障或封鎖線，自駕系統的整體可靠度仍難完全取代人類在非常態情境下的判斷。

自駕車監管與執法實務挑戰

自駕車也逐漸成為執法新工具。LAPD 曾調閱一輛經過肇事現場的 Waymo 無人車影像作為證據，顯示其角色已從交通參與者擴展為「移動攝影機」。

但對於違規自駕車，警方仍面臨實務挑戰。過去曾有 Waymo 違規迴轉遭攔下，因車內無駕駛，警方只能通報營運商。加州預計推行制度，讓警方通報自駕違規情形後，由主管機關決定是否懲處營運商，調整傳統以駕駛人為中心的法規結構。

隨著 Waymo、Robotaxi、Zoox 等業者擴大營運，各地警消單位也開始要求業者提供標準化應變流程。包括拉斯維加斯在內的多個城市，已與業者合作舉辦訓練課程，內容涵蓋車輛失聯時的接近方式、關機程序與資料調閱方式等。

延伸閱讀

Waymo 累積 9600 萬英里無人駕駛里程！事故率顯著低於人類駕駛

Waymo 自駕車撞死「貓市長」犯眾怒！FSD 遇到小動物會怎麼反應？

韓國 FSD 正式登陸、台灣何時能上線？全球自駕法規進度一次看

同一時期，特斯拉 FSD V14 在夜間小動物情境下的實測影片廣泛流傳，駕駛分享涵蓋貓、狗、負鼠、松鼠與兔子等案例。雖然官方更新未明列動物偵測功能，但端對端神經網路在辨識模糊輪廓與低對比物體上的表現，顯示其反應能力已顯著提升，使兩家自駕系統在相似場景中的差異逐漸浮現。

Waymo 事故細節、社區反應與監管動向

事故發生於 2025 年 10 月 27 日晚間約 11:40，當時 Waymo 無人計程車正在接客。KitKat 在車前停留約七秒，系統未採取煞停或避讓動作，車輛隨後偏移路徑，將牠捲入後輪。Waymo 表示，貓在啟動瞬間突然竄出，但目擊者指出，車輛偏移過急，未預留反應空間，使官方說法受到質疑。

附近店家 Mike Zeidan 表示，KitKat 長年陪伴居民，是社區生活的一部分。事發後，16th Street 附近出現臨時紀念區，居民擺放鮮花與玩偶悼念。社群平台 X 上的 #RememberKitKat 請願已有超過 12,000 筆簽名，要求 Waymo 公布完整感測資料。

監管方面，加州車輛管理局（DMV）已要求 Waymo 提交原始影像、感測讀值與決策紀錄，以釐清系統為何未提前煞停。舊金山市監事 Jackie Fielder 亦於 11 月提出地方公投案，要求居民表決是否限制無人車在特定區域內行駛，反映地方對無人車路權的關注。

Tesla FSD V14 夜間小動物反應能力實測

特斯拉 FSD V14 在 10 月至 11 月間推出多個版本，包括 V14.1.4、V14.1.7 與 11 月下旬發布的 V14.2，駕駛實測回報顯示系統能在低光源環境下快速辨識小動物，並於駕駛尚未察覺前即主動煞車。

當模型尚在判斷物體類型時，系統介面會以「小狗」或「孩童」等中間類別標示輪廓。即使偶有將小貓誤標為小狗，煞車反應仍無延遲，顯示端對端架構優先採取保守應對策略。

在鄉村道路實測中，FSD 能在植被旁偵測到不明動態，提前減速，讓鹿等野生動物有足夠時間離開道路。V14.2 新增的樹懶模式也強化了系統在低能見度條件下的保守行為，進一步降低漏判風險。

不過也有駕駛指出，系統有時會對落葉、紙屑或塑膠袋誤判，導致多次不必要減速，但多數使用者認為這是特斯拉傾向「多停少錯」策略的體現。

神經網路架構演進與資料累積優勢

特斯拉近年強化端對端神經網路密度，訓練資料涵蓋 Robotaxi 專案、一般道路實測與大量邊緣案例，使模型能直接從完整影像預測場景，而非依賴傳統物體分類流程。

根據特斯拉第三季財報，新架構已顯著提升模型對模糊輪廓、低對比物體及深色動物的辨識能力，尤其在夜間條件下反應更穩定。特斯拉過去曾在安全報告中展示系統避讓袋鼠等中型動物的測試影片，顯示動物偵測能力是長期技術積累的成果。

Waymo 事故發生後，Elon Musk 也於 X 表示：「Many pets will be saved by autonomy」，凸顯動物偵測已被視為自駕技術發展中的關鍵能力之一。

自駕車弱勢物體辨識的新挑戰與監管方向

Waymo 的事故與特斯拉夜間實測之間的對比，使弱勢物體偵測成為自駕系統評估中的新焦點。過去設計多集中於車輛、行人與腳踏車等大型物體，忽略城市中常見的小型動物與寵物，尤其在低光環境下的辨識能力。

加州監管機關正研議是否應將小動物偵測能力納入自駕車審查項目，確保其在住宅區等高敏感區域具備基本安全條件。地方政府則希望增加部署透明度，讓社區能參與無人車規劃過程。

整體來看，特斯拉透過神經網路強化夜間辨識，而 Waymo 的事故則凸顯當前系統在判讀低可視物體上的缺口。未來自駕車在交通效率、夜間安全與弱勢物體保護之間如何取得平衡，將左右自駕技術在城市普及的步調與方向。

延伸閱讀

Waymo 累積 9600 萬英里無人駕駛里程！事故率大幅低於人類駕駛

自駕御三家僅存雙強！Waymo 計劃 2025 年初進軍日本東京

特斯拉 Robotaxi 營運區再擴大！Robo Tracker 一次查詢各家版圖