Waymo已开始在伦敦街头让其软件系统接管驾驶,同时配备训练有素的专业人员随时待命,并逐步推进全无人驾驶网约车服务的落地。
这家隶属于Alphabet旗下的公司自去年10月起开始在伦敦街头部署车辆,初期由人类驾驶员掌控方向盘,以便其软件系统学习如何应对这座"把交通规则当作建议"的城市。
目前,Waymo已进入新阶段——系统主动接管驾驶操作,而训练有素的操作员则坐在车内随时准备介入。此举被定位为迈向商业化无人驾驶网约车服务的重要一步,但眼下"自动驾驶"的背后仍有一道安全保障。
伦敦才是真正的考验。这里没有美国那种宽阔、规则可预期的道路,取而代之的是狭窄街道、混乱路口、穿梭其间的骑行者,以及随时随地横穿马路的行人。如果系统能在这里经受住考验,那它可能真的能应对任何路况。
Waymo目前仍处于密集学习阶段。车辆持续进行街道测绘、观察路上行为,并将数据反馈至系统,再通过仿真模拟对各类场景进行反复演练,从平淡无奇的日常路况到令人捏一把汗的紧急情形,一一覆盖。其目标是构建一套不仅能遵守规则,更能应对大量道路使用者"不守规则"行为的模型。
Waymo正在借鉴其在美国的部署经验——目前已在凤凰城、旧金山等城市运营无人驾驶服务。但伦敦是另一回事,Waymo对此心知肚明。
该公司表示,正在英国组建本地团队并洽谈合作伙伴,以支撑在英国的运营,相关计划还包括在伦敦各处设立服务中心。
此外,监管层面的隐忧也若隐若现。英国目前仍在研究如何以及何时允许全自动驾驶车辆上路。通过现阶段展示进展,Waymo实际上是在向监管机构表明,一旦政策放行,它应当是第一个获得资格的玩家。
无人驾驶网约车的未来正一步步走来,但至少在伦敦,它的到来仍需"保驾护航"。
Q&A
Q1:Waymo在伦敦的自动驾驶测试目前处于哪个阶段?
A:Waymo于去年10月开始在伦敦街头部署车辆,初期由人类驾驶员控制。目前已进入新阶段,由系统主动接管驾驶,但车内仍配有训练有素的操作员随时准备介入。这一阶段的目标是为日后推出全商业化无人驾驶网约车服务积累经验和数据。
Q2:伦敦对Waymo自动驾驶系统来说难在哪里?
A:伦敦的路况远比Waymo在美国已运营的城市复杂。这里街道狭窄、路口混乱,骑行者和行人行为难以预测,且交通规则的执行相当宽松。与凤凰城、旧金山等美国城市的宽阔、规律性强的道路相比,伦敦对系统的感知、判断和应变能力提出了更高要求。
Q3:Waymo进入伦敦市场面临哪些监管问题?
A:英国目前仍在研究如何以及何时允许全自动驾驶车辆正式上路,相关法规尚未完全落地。Waymo通过提前在伦敦开展测试并展示系统进展,实际上是在为未来争取监管许可做铺垫,希望在政策正式放开时能够率先获得运营资质。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。