为啥武汉无人车也“呆”了一次

3月31日晚，在武汉市区内，有市民发现部分“萝卜快跑”无人驾驶车在路上停摆。

好在交管部门和萝卜快跑的工作人员火速赶到，乘客安全下车，没有人员伤亡，交通路段也及时恢复了正常秩序。

不过，关于这次事件的讨论，却仍在网上持续发酵。

大家都在好奇，自动驾驶车辆为什么会突然“愣”在路上。

几个月前在大洋彼岸，另一位顶尖无人车玩家Waymo，也发生过一次更大规模的停摆事件……

据知情人士向智能车参考透露，萝卜快跑发生“停滞”事件，其实是车辆在自检到潜在风险时，系统为保障安全给出的主动策略。

所以，要解答无人车停摆这个疑问，我们就得抛开人类驾驶的思维习惯，先从自动驾驶系统的运行逻辑说起。

对人类司机而言，驾驶是一门融合了经验、预判甚至有些许“赌一把”心理的艺术。

比如看到一个昏暗难辨的路口，人类老司机可能会减速、探头、仔细观察，然后凭借经验通过。这期间，大脑几乎是瞬间完成了风险衡量，给出的结论是事故概率似乎不高，可以通行。

但“AI司机”的大脑不同。它的核心逻辑不是“大概率没事”，而是“必须确定没事”。

因此，为了保障这套逻辑能运行无误，安全方面就要设置多重预防，也就是我们常说的“安全冗余”。

而在自动驾驶系统中，这套安全冗余设计体现在感知-决策-执行三个层面。

当前主流的L4无人车玩家（除了坚持“纯视觉”的特斯拉），大多都为产品安装了激光雷达、毫米波雷达、高清摄像头等多种传感器，为的是对周围环境进行更精准全面的感知。

这些传感器各司其职，把各自探测到的数据汇总到一起，由系统做融合判断，接下来就轮到决策层发力。

在决策层中，自动驾驶车辆的安全冗余和飞机类似，关键系统通常都会配有主、备两套计算大脑，确保一个“死机”的情况下，另一个能瞬间接管。

绝大多数时候，由传感器提供的数据会保持一致，决策层根据数据发出相应指令，让车辆实现自动驾驶。

但有时遇到极端或长尾场景，传感器偶尔也会出现分歧，对同一障碍物判断不一。

此时，系统不会盲目相信任何一个传感器，而是会进入“验证模式”——多确认几帧数据，或者等待更清晰的场景出现。

这个过程需要时间，如果在某些极端场景下，比如光线突变、恶劣天气，系统确认信息的时间可能还会被拉长。

遇到系统经过综合判断，仍无法以足够高的置信度做出安全决策时，执行层就会按照底层代码的终极安全指令，启动“最小风险策略”。

这一切冗余设计的终极目标，都是为了确保在任何单一部件甚至组合出现问题时，系统仍保有最后、也是最根本的能力：把车安全、平稳地停下来，避免可能的事故发生。

就好比家用车的发动机，故障灯亮起后，车辆会自动限速或熄火保护——这是行业通用的安全底线逻辑。

而这种异常情况下做出的“停滞”选择，其实有一个更贴切的称呼，叫做“降级措施”。

“降级措施”本身并非自动驾驶独有，实则已经在其他领域的关键安全系统上沿用了数十年。

在民航客机飞行途中，如果传感器数据出现异常，飞机自动驾驶仪会自动切换到“降级模式”，或者会直接交还给飞行员手动操控。

这个设计的理念在于，在万米高空中，“不确定”意味着风险，而风险不能靠硬闯来解决。

这是对安全最负责任的处理方式，也是航空领域沿用数十年的冗余思路。

对应到坚持同一逻辑的自动驾驶行业中，这种“保守”其实也是自动驾驶区别于人类司机的核心价值。

人类可能因为赶时间等因素，选择相对更冒进的驾驶行为；而机器则会严格依据概率和规则，选择最安全的动作——即使这个动作，现在看起来可能有点“呆”。

当然，有人会问：既然是安全设计，为什么不能做得更“丝滑”一点？为什么不能像老司机一样，一边判断一边通过？