Waymo 公司发布了一项名为 ReD（Reference Driver，即“参考驾驶员”）的计算认知模型，旨在模拟人类驾驶员在紧急情况下如何做出避撞决策。这个模型被设计为自动驾驶安全评估的“行为碰撞测试假人”，其核心是基于名为“主动推断”的神经科学框架。通过结合视觉威胁判断、交通规则预期、惊讶阈值和反应延迟等人类特征，Waymo 希望为整个行业提供一个统一、科学的安全基准，推动自动驾驶技术朝着共享安全标准发展，并计划将该模型开源。
什么是“参考驾驶员”？
Waymo 拥有丰富的构建虚拟系统的经验，用于帮助其自动驾驶汽车更好地理解现实世界。此次与荷兰代尔夫特理工大学合作设计的 ReD 模型，则是一个全新的里程碑。
它的作用可以类比为汽车行业使用的碰撞测试假人。传统假人用于评估车辆的结构完整性和硬件安全，而 ReD 模型则像一个行为假人，专门用来评估自动驾驶系统在危险情境下的避险能力。
“通过建立这个能代表合格人类反应的参考模型，我们可以帮助行业朝着一个共享的、有科学依据的方法来评估碰撞规避行为。” — Mauricio Peña, Waymo 首席安全官
ReD 如何模拟人类司机？
ReD 模型的核心依赖于一个名为 主动推断 (active inference) 的神经科学框架，其基本原则是：人类大脑会不断努力将未来的“意外”或“惊讶”降至最低。
为了模拟人类司机的认知过程，该模型融合了多个人类特征：
- 视觉威胁判断: 人类会根据视野中物体“逼近”（即变大）的速度来判断纵向威胁。ReD 模型复制了这一点，使其像真人一样，在判断远距离物体的速度时会遇到困难。
- 交通规则预期: 模型会默认其他车辆遵守交通规则，直到明确观察到违规行为。
- 惊讶阈值: 当现实情况与预期不符，产生的“惊讶感”达到某个阈值时，模型会像人类一样重新评估当前的驾驶计划，认为原计划可能正在失效。
- 反应延迟: 模型考虑到了人类用单脚控制油门和刹车的习惯，在两者之间切换时，会引入一个 0.2 秒的停顿。
与仅模拟紧急情况的传统安全模型不同，ReD 能够通过持续计算“惊讶感”来实现主动规避，从而在情况恶化为冲突之前及早预见风险并调整驾驶行为。
最终目标是什么？
Waymo 的目标是推动整个自动驾驶行业就“谨慎且称职的”人类驾驶反应达成一个有科学依据的共识定义。
为了实现这一目标，Waymo 正在积极与研究人员、监管机构和像 SAE 这样的标准组织合作，推广这一参考模型。最关键的一步是，该公司正在将 ReD 模型开源，并向任何希望测试和使用它的人公开提供。