自动驾驶汽车已经不再是演示路线上的未来原型。在美国一些城市，它们已经作为公共道路服务，与校车、货车、骑行者、行人和儿童共享街道。因此，Waymo 圣莫尼卡事件的最新进展值得关注：TechCrunch 8 月 21 日报道称，NHTSA 开始公布针对一起一月事故的调查文件，这起事故涉及 Waymo robotaxi 与一名 9 岁学生行人相撞，但目前可见的 Waymo 回复大多以商业机密为由被遮盖。

学校人行横道旁的无人驾驶汽车、传感器轨迹和被遮盖的安全文件

这起事件本身是低速碰撞，也没有导致医疗转运，因此不应被夸大成“robotaxi 都不安全”的结论。真正有价值的问题更具体：当 Level 4 车辆在学校和弱势道路使用者附近运行时，只是统计上优于人类司机是否足够？还是说，它必须在儿童、遮挡和学校上下学场景中表现得明显更谨慎？

圣莫尼卡发生了什么

事实基础来自 NTSB 初步报告。2026 年 1 月 23 日上午约 8:30，一辆由 Waymo 运营的 2024 Jaguar I-Pace 行驶在 Santa Monica 的 24th Street。车辆已完成一次乘客下车，并以 Waymo 第五代自动驾驶系统运行，该系统被描述为 SAE Level 4。当天为白天，天气晴朗，道路干燥。

行人是一名 9 岁学生。NTSB 称，她从南向排队车辆中第五辆车的右后门下车，走向该车前方，并在自己的车辆与一辆 Chevrolet Suburban 之间进入道路。Waymo 车辆当时以 17 mph 行驶，随后制动，并在右前灯附近与学生接触。学生报告轻伤，不需要医疗转运。

这些细节很关键，因为这不是空旷道路上的普通感知问题。它发生在学校上学时间，周围有排队车辆和遮挡视线。NTSB 还提到 25 mph 学校区域与相邻 15 mph 学校区域之间的关系。对机器人安全而言，合法速度并不总等于场景中的合理速度。

Waymo 如何解释

Waymo 在一月的博客中将该事件描述为快速减轻伤害。公司称，行人从一辆高大的 SUV 后方出现，Waymo Driver 在接触前从约 17 mph 急刹到低于 6 mph，并在当天主动联系 NHTSA。Waymo 还引用一个同行评审模型，称同一情境中完全注意力集中的人类司机会以约 14 mph 发生接触。

这个说法重要，但需要谨慎解读。冲击速度模型并不等同于公开重建车辆在儿童出现之前的所有规划决策。它支持 Waymo 关于“发现危险后降低严重性”的论点，却不能单独回答车辆是否本应更早以更低速度接近现场。

这正是 Level 4 自动驾驶与人类驾驶不同的地方。人类司机常按反应时间、可见性和速度限制来判断。robotaxi 运营商还要接受另一个标准：行为可以集中调整、部署到整支车队，并通过日志审计。公众关心的不只是刹车快不快，还包括系统是否理解学校和遮挡场景。

NHTSA 在问什么

NHTSA 的 PE26001 文件显示了严肃调查需要什么。可见文件要求提供车辆识别信息、ADS 版本、运行设计域、穿越学校区域次数、在学校区域上下客次数、Waymo 识别和绘制学校区域的流程，以及适用速度限制如何确定。

NHTSA 还要求投诉、报告、索赔、诉讼和处罚记录；事故视频和合成可视化；规划路径、预测轨迹、速度、加速度、ADS 决策解释、测试以及系统修改。换句话说，监管机构不仅问事故是否发生，还在问机器人如何理解场景、预测什么、选择哪条路径、以什么速度行驶，以及 Waymo 事后是否改变系统。

这些正是地方政府、家长和安全工程师需要理解的内容。公共道路上的 robotaxi 不只是消费产品，而是在共同城市空间中运行的移动机器人。它的 safety case 必须在困难的日常场景中成立，而不只是依赖总体事故率。

为什么遮盖文件重要

企业保护源代码、地图流程、内部测试和知识产权有合理理由。问题是，同一批文件也可能包含判断系统是否在儿童附近表现得当的唯一证据。TechCrunch 报道称，最初可见的 Waymo 回复被完全作为商业机密遮盖，NHTSA 仍在审查其他回复是否可以公布。

这会制造信任缺口。如果公众只能看到公司声明、初步报告和黑条文件，讨论就会变成叙事竞争。支持者强调接触速度降低和 Waymo 的整体安全数据；怀疑者则问，在学校、排队车辆和遮挡视线的组合下，车辆为什么没有更早慢到“爬行”。

可以有折中方案。监管者可以在保护规则下获得完整遥测和专有证据，公众则获得标准化时间线、隐私处理后的视频、匿名化轨迹数据，以及是否进行软件或运营策略变更的说明。重点不是公开商业秘密，而是避免安全主张在最需要信任的场景中变得不可验证。

反应速度不是全部考试

技术核心是预判性谨慎。学校附近的司机应假设儿童可能从停靠车辆后方突然出现。对 robotaxi 来说，这种常识需要形式化：被遮挡的儿童、上学时间、车辆排队和封闭视线不是罕见异常，而是可预期的运行环境。

速度规划必须依赖上下文，而不是只看法定限速。车辆可以在限速内行驶，却对学校、儿童、排队车辆和盲区的组合而言仍然过快。地图、感知、预测和规划应在这些组合下给出额外安全余量。

总体安全统计也可能太粗。车队每英里事故数可以低于人类司机，但仍需在某一类窄场景中改进。学校、校车、人行横道、施工区和拥挤路缘不是“平均里程”，而是高信任区域。

为什么 robotaxi 事故感觉不同

Hacker News 的讨论清楚显示了分歧。一些人认为 Waymo 可能比人类司机减少了伤害；另一些人认为，正确比较对象不是普通司机，而是可审计、可修正、可整车队部署的专业系统。

robotaxi 事故之所以被不同看待，是因为车内没有承担即时风险的人类司机。公司控制软件、拥有日志、决定披露范围，并能在一个 edge case 后更新数千辆车。这种规模是自动驾驶的承诺，也提高了责任标准。

因此，对弱势道路使用者的行为是公共接受度问题，而不只是技术指标。城市不是在选择一个能通过测试路线的谨慎原型，而是在决定无人驾驶车队是否可以每天在学校、公园、医院和居民街道附近运行。

可能出现的标准

圣莫尼卡案例指向一些实际要求。首先，学校区域策略应明确：如何绘制学校区域、上下学时段如何影响速度、是否在这些时间使用更保守的速度曲线。

其次，事故报告应标准化。涉及儿童的低速碰撞应触发公开时间线、监管机构对视频和遥测的完整访问、规划和预测数据保留，并在之后说明软件、地图、ODD 边界或运营策略是否改变。

第三，城市许可可以与弱势道路使用者表现挂钩。运营商应展示遮挡行人、校车、护学人员、排队车辆旁儿童以及路段中间穿越等场景测试。问题不是车辆能否在轻松交通中礼貌行驶，而是它如何处理普通城市混乱中隐藏的危险。

robotaxi 的更大教训

Waymo 是自动驾驶交通中最先进的公司之一，这让该案例更加重要。如果领先的 Level 4 运营商都要面对学校、遮盖文件和公共证据问题，行业其他公司也应预期同样标准。

平衡结论不是恐慌，也不是盲目信任。robotaxi 正进入一个阶段：安全必须通过透明的事故处理来证明，而不能只靠车队平均数据和精心撰写的事件摘要。在学校附近，公众不会把“差不多比人类好”视为最高标准；他们会期待谨慎驾驶、独立审查，以及足够证据证明系统学到了正确教训。