250km/h无人驾驶赛车相撞：失败揭示... Features
据WIRED杂志报道，2025年9月（具体日期为2025年9月30日），在意大利伊莫拉赛道举办的阿布扎比自动驾驶赛车联盟（A2RL）决赛中，五辆无人驾驶赛车仅有两辆完成比赛，其中两辆赛车以约250公里/小时（155英里/小时）的速度相撞。这场看似惨烈的赛事，却被工程师视为自动驾驶技术的重要里程碑——因为它暴露了系统在极端条件下的真实极限。
明星素颜伊莫拉赛道上的失控瞬间
伊莫拉赛道是F1赛季中最具挑战性的赛道之一，其Rivazza弯道区域以连续盲弯和急剧起伏著称。比赛进行到最后阶段，来自PoliMove公司的赛车“Eva”在高速通过该区域时，与前方因传感器故障而突然减速的Unimore赛车“Gianna”相撞。据WIRED现场报道，PoliMove车队工程师赛后表示，当Eva检测到前方障碍时，仅有1.5秒的反应时间，尽管系统立即启动避让程序，但“感知-决策-控制”的闭环延迟加上物理惯性，使得碰撞不可避免。
明星健身自动驾驶赛车的极端实验室
A2RL于2024年由Aspire公司创立，旨在将自动驾驶技术推向赛车运动这一极限场景。与普通道路测试不同，赛道要求车辆在时速超过250公里、弯道加速度达1.5G的条件下，实时处理传感器数据、预测对手走线并做出制动或超车决策。Aspire工程总监Nicola Palarchi在赛前接受WIRED采访时直言：“每个人都能做简单的事，我们必须证明我们能在真正重要的地方运行。”他同时强调，无人驾驶赛车并非要取代人类赛车，而是作为技术的“防护栏实验室”——在不会危及人命的前提下，测试感知、预测和控制的极限。
明星减肥高速下的感知盲区：传感器为何“失明”
Unimore车队透露，其赛车“Gianna”在比赛过程中全部激光雷达和雷达信号丢失，仅靠GPS无法实现厘米级定位，因此被迫执行安全停车。车队指出，未来系统可通过融合摄像头和惯性测量单元，在传感器失效时维持低速行驶直至定位恢复。但在此次事故中，缺乏可靠的降级模式直接导致了危险停靠。
更关键的是，赛道地形造成了感知盲区。A2RL赛事主管Alexander Winkler赛前曾警告：“当赛道出现陡降时，后方车辆的传感器会短暂‘失明’。如果前车恰好停在那段盲区后，后车可能只有不到一秒的反应时间。”事实证明，这一警告精准应验。
参赛队伍与故障原因一览
| 车队 | 国家 | 赛车名称 | 完赛情况 | 故障/事故原因 |
|---|
| --- | --- | --- | --- | --- |
|---|
| Kinetiz | 阿联酋 | Sparkz | 第一名 | 无故障，全程领跑 |
|---|
| Constructor AI | 德国 | 未公布 | 第二名 | 无故障 |
|---|
| PoliMove | 意大利 | Eva | 第三名（更换赛车登台） | 与Gianna相撞，无法避免 |
|---|
| Unimore | 意大利 | Gianna | DNF（退赛） | 激光雷达和雷达数据全丢失，执行安全停车后被追尾 |
|---|
| TUM | 德国 | Hailey | DNF（退赛） | 形成圈中左后刹车卡滞，机械故障 |
|---|
表格数据来源：WIRED现场记录及A2RL官方赛后报告。
机械故障：算法无法替代硬件可靠性
慕尼黑工业大学（TUM）车队的失败与算法无关，却同样具有教育意义。其赛车“Hailey”在形成圈时左后刹车出现中低压卡滞，即使最先进的自动驾驶软件也无法弥补这一机械缺陷。A2RL赛事官员指出，在赛车这种高负载场景下，零部件的可靠性至少与决策算法同等重要。该案例也为民用无人驾驶汽车的设计敲响警钟：若执行器（如刹车、转向系统）失效，传感器和AI再精准也无法避免事故。
从失败中学习：碰撞数据的价值
尽管只有两辆车完赛，但阿联酋队Kinetiz的“Sparkz”全程稳定发挥夺冠，德国Constructor AI车队获得亚军。然而，赛事组织者更看重的是失败案例中提取的“边缘场景”数据：传感器衰落、定位退化、急制动、有限能见度以及多智能体决策冲突。Palarchi在赛后强调：“每一次碰撞都让整个行业离安全更近一步。”据WIRED报道，多支车队已计划将此次事故数据用于仿真训练，改进车辆在感知丢失时的降级策略。
FAQ
Q1: 为什么选择伊莫拉这种高难度赛道进行无人驾驶赛车测试？
A1: 据A2RL工程总监Nicola Palarchi解释，简单赛道无法真正检验系统的极限。伊莫拉赛道拥有盲弯、起伏和高速复合弯，正是暴露感知盲区、反应延迟等问题的理想环境。只有在最苛刻的条件下失败，才能推动技术进步。
Q2: 这些赛车碰撞对民用无人驾驶汽车有何实际意义？
A2: 民用无人驾驶汽车在公共道路上的速度通常不超过100公里/小时，但也会遇到类似的感知丢失、突发障碍和机械故障。赛车极端场景（250公里/小时+1.5秒反应时间）的数据可以帮助优化民用车的降级模式和安全冗余设计，例如当雷达失效时如何利用摄像头和惯性导航维持可控状态。
结语
一场只有两辆车完赛的无人驾驶赛车比赛，看似是失败的演出，实则是技术进步的真实试验场。250公里/小时的碰撞证明了：自动驾驶不仅需要更强的传感器和更快的芯片，更需要应对物理极限的系统性冗余设计。这些“失败”数据，正为下一代更安全的无人驾驶系统铺路。
