宛如虛擬避險假人！Waymo發表人類駕駛認知模型「ReD」 助力機器人計程車提升安全性

人類駕駛在某些複雜路況下的反應與判斷，為何有時仍優於自動駕駛系統？為了解開這個謎題，Alphabet 旗下的自動駕駛公司Waymo 推出一套名為「ReD」 (Reference Driver，參考駕駛)的全新認知系統，藉此精準模擬人類在道路上保持安全的方式。Waymo期望透過讓這個「虛擬人類駕駛」與自家的自動駕駛計程車 (Robotaxi)進行模擬對抗與測試，進一步提升自動駕駛的車禍防避能力。

結合神經科學的「行為碰撞測試假人」

Waymo安全主管Mauricio Pena表示：「評估自動駕駛的安全性是多面向的，而理解人類如何處理交通衝突更是其中極為關鍵的拼圖。透過建立一個具備合格人類反應能力的參考模型，我們希望能協助整個產業邁向一個基於科學、具備共識的碰撞避免評估標準」。

這套ReD模型是Waymo與荷蘭台夫特理工大學 (Delft University of Technology)共同合作開發，並且已經將研究成果發表於《自然》 (Nature)期刊。Waymo將這套系統生動地比喻為專為「避免車禍發生」而設計的「行為碰撞測試假人」 (Behavioral crash test dummy)。

ReD的核心運作基於神經科學中的「主動推論」 (Active inference)概念，該理論認為人類大腦會不斷嘗試將面臨的「意外」降至最低。Waymo指出，ReD擴充過去的模型，能夠模擬一個謹慎且勝任的人類駕駛，如何在情況瞬息萬變時更新自己的判斷、管理對其他用路人意圖的不確定性，並且選擇最合適的閃避動作 (例如煞車、轉向，或兩者並行)。

完美重現人類的直覺與反應限制

為了讓ReD盡可能貼近真實人類反應，該模型融合多項人類駕駛獨特的視覺與行為特徵：

• 迫近感知 (Looming)：系統會根據物體在視野中「放大」的速度，來判斷該物體是否構成實質威脅。

• 交通規範過濾 (Traffic norm)：系統會過濾、標記出那些不符合交通法規的行為，一旦發現有其他車輛或行人不按牌理出牌，就會立刻擬定應變計畫。

• 物理反應延遲：考量到多數駕駛人採用「單腳駕駛」 (Single-foot driving)，模型甚至精準設定在油門與煞車之間切換時，必然會產生的0.2秒物理停頓時間。

此外，ReD還內建許多駕駛教練經常叮嚀的防禦性駕駛觀念——「永遠假設有事情會出錯」。Waymo團隊解釋，ReD能夠建立主動避險的模型，展現出一名合格駕駛如何提前預見潛在風險，進而從一開始就避免讓自己陷入交通衝突之中。

目前，Waymo正積極與其他研究機構、安全組織及監管單位合作，期望能進一步完善這個反映人類駕駛行為的參考模型。為了加速這項研究在業界的普及，Waymo也宣布將以學術 (非商業)授權的模式，將ReD模型對外開源。

從「機器思維」回歸「人類直覺」，自駕安全評估的下一個里程碑

過去，自動駕駛業界在評估、提升車輛安全性時，往往習慣聚焦於「雷達掃描範圍多廣」、「運算速度多快」等硬體指標，或是單純餵給AI更龐大的行駛里程數據。

而Waymo這次開發的ReD模型，顯示出產業研發思路的重大轉變——他們意識到，要讓機器人 計程車真正安全地融入人類社會的交通網，就必須讓AI徹底理解「人類駕駛是怎麼思考與犯錯的」。

將人類獨有的「迫近感知」，以及單腳踩踏油門煞車的「0.2秒延遲」寫入演算法模型的作法，意味未來自動駕駛系統不僅能做出比人類更快的物理反應，還能在面對突發狀況時，準確預判周遭「人類駕駛」可能會出現的遲疑與本能反應。

此外，Waymo選擇將這項與頂尖學府合作的成果透過學術授權開源，顯然是為了在自駕車法規逐漸成形、各國監管機構急需一套衡量標準的當下，搶先定義何謂「符合人類安全標準」的自動駕駛評估基準。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》