新闻Waymo今天
Waymo第六代系统详解冬季感知清洁与动态抓地力控制策略
本文由 AI 根据公开内容整理，可能有误，请以原文为准：How the Waymo Driver Manages Severe Winter Weather（Waymo：Blog（网页）（via AIHOT））
核心内容
Waymo详解第六代Waymo Driver应对严寒天气的技术体系，核心在于多模态感知融合与执行器自适应调节。该系统已在纽约州北部、密歇根上半岛及内华达山脉完成数万英里真实冬季里程验证，确立了基于安全框架的服务区动态调整机制，当环境超出验证边界时自动暂停服务。本季将赴阿拉斯加封闭场地开展极端大雪数据采集，持续扩展长尾场景覆盖能力。
技术层面采用摄像头、雷达与激光雷达融合感知，硬件端集成加热器与微型雨刷保障传感器表面清洁。控制算法根据车轮实时抓地力变化动态调整转向、制动和加速参数，确保低附着力路面下的行驶稳定性。该方案强调感知可靠性与底盘控制的强耦合，通过实地测试迭代安全边界，为自动驾驶在复杂气象条件下的工程化落地提供了明确的传感器维护与动力学适配范式。
关键看点
- 传感器清洁：集成专用加热器与微型雨刷组件，防止冰雪遮挡，保障多传感器融合感知在严寒环境下的持续有效性
- 动态控制：依据车轮实时抓地力反馈自动调节转向、制动及加速扭矩，实现低附着力路面的自适应底盘稳定控制
- 数据验证：已在纽约、密歇根等地积累数万英里冬季实测里程，本季赴阿拉斯加封闭场地专项采集大雪长尾数据
- 安全边界：建立严格的安全框架验证机制，当气象条件超出系统ODD时自动缩小服务区或暂停运营以规避风险
工程与产业观察
该方案揭示了L4级自动驾驶在极寒环境的工程化关键：除算法外，传感器主动热管理与微型机械清洁是感知鲁棒性的物理基础。基于实时抓地力的闭环控制与ODD动态边界管理，为具身智能在非结构化恶劣环境下的可靠部署提供了从硬件防护到数据迭代的完整参考路径。
线索来源：AIHOT
延伸选型与深度对比
基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。
宇树 G1
Franka FR3来源
本页事实对应的公开页面，以原文为准。