📊Bloomberg Technology•較早收集於 5m
Waymo 建置自駕車的方法
💡Waymo AV 軟體堆疊內幕，由車載 VP 分享—建置者必讀。
⚡ 30-Second TL;DR
有什麼變化
Waymo 的完整自動駕駛建置流程
為什麼重要
Waymo 車載軟體副總裁 Srikanth Thirumalai 詳述公司自動駕駛汽車開發策略。討論涵蓋自駕技術堆疊的核心元素。
下一步行動
研究 Waymo 開放 AV 安全報告以設計穩健軟體。
誰應關注：Developers & AI Engineers
關鍵要點
- •Waymo 的完整自動駕駛建置流程
- •車載軟體工程焦點
- •VP Srikanth Thirumalai 的見解
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Waymo 採用「端到端」（End-to-End）與模組化混合架構，利用大規模模擬測試（Simulation）來驗證邊緣案例（Edge Cases），以解決真實道路測試無法涵蓋的罕見場景。
- •Srikanth Thirumalai 強調「行為預測」（Behavior Prediction）模型的重要性，該模型利用 Transformer 架構分析周遭用路人的意圖，而非僅僅是偵測物體位置。
- •Waymo 的技術堆疊高度依賴其專有的感測器融合（Sensor Fusion）技術，整合了高解析度光達（LiDAR）、雷達與攝影機，以確保在惡劣天氣條件下的系統冗餘與安全性。
📊 競品分析▸ Show
| 特色/公司 | Waymo | Tesla (FSD) | Zoox |
|---|---|---|---|
| 感測器策略 | 光達+雷達+攝影機 (多重冗餘) | 純視覺 (Vision-only) | 光達+雷達+攝影機 (專用車體) |
| 商業模式 | Robotaxi (Waymo One) | 消費者軟體授權/Robotaxi | Robotaxi (專用車體) |
| 技術路徑 | 高精地圖+即時感知 | 端到端神經網路 (AI驅動) | 高精地圖+即時感知 |
🛠️ 技術深入
- 感知系統 (Perception System): 採用多模態感測器融合，利用深度學習模型進行即時物體分類與追蹤。
- 預測引擎 (Prediction Engine): 基於 Transformer 的架構，能夠同時預測多個交通參與者在未來數秒內的潛在路徑。
- 規劃與控制 (Planning & Control): 採用分層規劃架構，在確保安全約束的前提下，優化車輛的行駛平順度與效率。
- 模擬平台 (Simulation): 擁有龐大的虛擬測試環境，每天執行數百萬英里的模擬駕駛，以訓練並驗證感知與決策演算法。
🔮 前景展望AI analysis grounded in cited sources
Waymo 將在 2026 年底前顯著擴大其無人駕駛服務的營運城市數量。
隨著模擬測試效率的提升與硬體成本的下降，Waymo 正加速其在複雜城市環境中的部署規模。
自動駕駛產業將從依賴高精地圖轉向更強大的即時感知能力。
為了降低維護高精地圖的高昂成本，業界正致力於提升車載 AI 在未知環境中的導航與決策能力。
⏳ 時間線
2009-01
Google 自動駕駛汽車專案（Waymo 前身）正式啟動。
2016-12
Waymo 從 Google 母公司 Alphabet 分拆，成為獨立子公司。
2018-12
Waymo 在亞利桑那州鳳凰城推出全球首個商業化無人駕駛計程車服務 Waymo One。
2023-08
Waymo 獲得加州公用事業委員會批准，在舊金山全天候提供收費無人駕駛服務。
2025-06
Waymo 宣布其全自動駕駛車隊累計行駛里程突破 2,000 萬英里。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Bloomberg Technology ↗