# Waymo推出ReD模型：模拟人类驾驶员在意外瞬间的避撞决策

- 来源：IT之家（RSS）
- 发布时间：2026-06-10 22:35
- AIHOT 分数：64
- AIHOT 链接：https://aihot.virxact.com/items/cmq883zxf05fcslepj6ztgppy
- 原文链接：https://www.ithome.com/0/962/671.htm

## AI 摘要

Waymo与代尔夫特理工大学合作开发ReD（Reference Driver）认知模型，基于主动推理框架模拟人类驾驶员的避撞行为。模型包含“逼近感”判断纵向威胁、默认其他车辆遵守规则、意外阈值触发策略重评估，并还原单脚操作踏板习惯（切换停顿0.2秒）。与传统模型不同，ReD持续计算意外值并最小化自由能，实现主动避让。今年1月圣莫尼卡事故分析中，Waymo车辆减速至6英里/小时，而模型推算专注人类驾驶员可能以约14英里/小时撞上。代码已以学术非商业许可开源。

## 正文

IT之家 6 月 10 日消息，Waymo 今日在《自然 · 通讯》上发表了一篇研究论文，介绍了一个名为 ReD（Reference Driver，参考驾驶员）的计算机认知模型，旨在解释人类驾驶员如何在意外瞬间做出最有利的决策以规避碰撞。

该模型由 Waymo 与荷兰代尔夫特理工大学合作开发，公司希望将其作为评估自动驾驶系统避撞行为的行业基准，推动业界迈向更统一的科学化安全标准。

ReD 模型基于一种被称为“主动推理”的神经科学框架。该框架的核心原理是，人类大脑会不断尝试将“意外”造成的损失最小化。

Waymo 首席安全官 Mauricio Peña 表示：“评估自动驾驶汽车安全是多方面的，理解人类如何处理冲突是其中关键的一环。通过建立这样一个合格人类反应的参考模型，我们能够帮助行业朝着共享的、有科学依据的避撞行为评估方法迈进。”

ReD 模型综合了多项人类认知特征来模拟驾驶员处理压力的方式。它根据“逼近感”来判断纵向威胁，即在远距离时自然难以准确判断速度，这与真实人类的表现一致；模型还包含一个“交通规范”过滤器，会默认预测其他车辆遵守规则，直到明确观察到违规行为为止。

此外，它能像人类一样评估“意外”，一旦意外程度触及某个阈值、表明当前驾驶计划可能失败时，就会触发对驾驶策略的重新评估。模型甚至还原了人类单脚操作油门和刹车的习惯，在踏板切换时引入了 0.2 秒的停顿。

代尔夫特理工大学助理教授 Arkady Zgonnikov 指出：“通过将模型建立在主动推理之上，我们实现了对人类碰撞响应的整体性表征。这使我们能够模拟驾驶员在冲突中感受到的内在‘意外’，为自动驾驶系统提供了一个更具人类特质的基准，这在以前是无法大规模自动实现的。”

与过去仅专注于复现人类“最后一秒反应”的传统安全模型不同，Waymo 称 ReD 能够进行“主动避让”，通过持续计算意外值并最小化自由能，在形势升级为冲突之前就预判风险并调整驾驶行为。

这一能力的实际价值已在事故分析中得到印证：今年 1 月，一辆 Waymo 自动驾驶出租车在加州圣莫尼卡学校附近与一名儿童发生碰撞，车辆从 17 英里 / 小时减速至 6 英里 / 小时，最终儿童受轻伤。Waymo 当时依据旧模型称，专注的人类驾驶员可能会以约 14 英里 / 小时的速度撞上。

Waymo 表示正在与研究人员、监管机构以及 SAE 等标准组织积极合作，围绕此类参考模型建立共识。公司已将 ReD 模型的研究代码以学术、非商业许可的方式开源，可供研究、教学、个人实验及科学发表使用。

IT之家附论文地址： https://doi.org/10.1038/s41467-026-73345-0