Tesla RoboTaxi 挑戰性測試：

$特斯拉(TSLA.US) 在油管看到一個針對 RoboTaxi 的挑戰測試，結論是樂觀的。https://youtu.be/OVqIkyDtxxo?si=faTo9kjyJkwRWD3n 讓整理出來了完整測試的裏面包含的 case。有趣的是，裏面的 case，都是測試者自己扮演一個正常的乘客，然後尋找一些 Corner Case 不斷的挑戰 RoboTaxi

好的，以下是根據您提供的 YouTube 視頻內容，對特斯拉 Robotaxi 進行的各項測試案例及其過程、結果和結論的詳細整理：

測試案例 1：接送點即時調整——進入封閉區域受阻

測試目標/過程： 測試者故意阻擋 Robotaxi 進入他要求接載的院子。
結果： Robotaxi 沒有像預期的那樣停在路中間，而是接受了無法進入的事實，並即時調整了接載點到院子外的最近位置。
結論： 這表明了 “真正的智能”。與當前其他自動駕駛汽車經常停在不當位置且不顧交通堵塞的情況不同，Robotaxi 似乎真正考慮了交通流量，並努力尋找一個不妨礙交通的位置。

測試案例 2：接送點即時調整——無停車街道接載

測試目標/過程： 測試者要求在一條禁止停車的街道上接載，以觀察 Robotaxi 是否會雙重停車。
結果： Robotaxi 開過了請求的接載點，但繼續緩慢行駛到街道盡頭，並在那裏找到了一個可以靠邊停車且不阻礙交通的位置等待。
結論： 這種即時調整能力令人印象深刻，因為它考慮了交通流量，並從未讓測試者感到不便，總是能找到一個安全且不妨礙他設置或收拾攝像裝備的位置。這表明它在駕駛過程中對交通流有很好的考慮。

測試案例 3：車窗自動關閉功能

測試目標/過程： 測試者下車時故意將車窗搖下。
結果： Robotaxi 利用後座佔用傳感器感應到乘客離開後，自動將車窗搖回。如果之後再次搖下車窗，它們會保持打開狀態直到下一位乘客。
結論： 測試者對此功能感到驚訝，認為特斯拉考慮到了這一點。

測試案例 4：駕駛員車門解鎖狀態

測試目標/過程： 測試者檢查了 Robotaxi 的駕駛員車門。
結果： 發現駕駛員車門是解鎖的。
結論： 這讓測試者感到驚訝，Robotaxi 賬户似乎也不太滿意，但這可能可以通過軟件更新解決。

測試案例 5：假裝睡着測試（“小睡測試”）

測試目標/過程： 測試者在到達目的地後坐在後座假裝睡着。此前，他曾不小心在車內打了個盹，並因此對 Robotaxi 產生了極大的信任。
結果： 等待 2 分鐘後，一位遠程支持人員通過汽車的揚聲器詢問是否一切正常，確認乘客已到達目的地但尚未下車。
結論： Robotaxi 對此情況 “有所考慮”。這項測試旨在瞭解如果乘客完全昏迷會發生什麼。

測試案例 6：前保險槓攝像頭使用情況——放置行李阻擋（第一次嘗試）

測試目標/過程： 測試者將隨身行李直接放在車前，前保險槓攝像頭應該能清楚看到。他明確告知了安全員。
結果： Robotaxi 向前稍微衝了一下，然後危險警示燈亮起，車輛停止。安全員沒有讓車輛繼續行駛，即使等待了很長時間。測試者最終移走了行李。
結論： 測試者認為，是安全員阻止了車輛前進，而不是車輛自己停下來的。

測試案例 7：前保險槓攝像頭使用情況——放置行李阻擋（第二次嘗試，悄悄進行）

測試目標/過程： 測試者悄悄地將行李放在車前，沒有讓安全員看到（因為那是安全員的盲區）。
結果： 視頻中沒有明確説明具體結果，但暗示車輛的行為表明它沒有 “看到” 行李。
結論： 這 “基本證實” 了測試者關於Robotaxi 沒有使用前保險槓攝像頭的理論。他還觀察到乘客車門打開和關閉的聲音，這證實了他的另一個理論，即該按鈕被安全員用作緊急停車按鈕。因此，他得出結論，Robotaxi 是 **“更好版本的 V13”**，並且存在 V13 版本已有的問題，例如過早進入轉彎車道或不必要的變道。他認為這是一個積極的信號，因為這意味着該軟件可以在沒有前保險槓攝像頭的車輛上運行（硬件 4，而非硬件 3）。他相信，即使沒有前保險槓攝像頭，硬件 4 也足以實現無人駕駛。

測試案例 8：用賽博卡車 “騷擾” Robotaxi

測試目標/過程： 測試者的朋友駕駛賽博卡車，故意在 Robotaxi 前面無故減速，假裝靠邊停車，並阻擋 Robotaxi 的路徑，車速遠低於限速，試圖 “激怒” 它。
結果： Robotaxi 決定繞過賽博卡車。當它需要右轉而卡車阻擋了舒適的變道時，它首先嚐試稍微加速以超車。當這不起作用時，它改變了策略，急劇減速，幾乎完全停止在拐角處，以進入右側車道。賽博卡車司機隨後停止了干擾行為。
結論： 測試者認為 Robotaxi 處理得 “絕對完美”，展現了 “人性化” 的駕駛風格，並且似乎能理解人類駕駛員的意圖。

測試案例 9：重新規劃路線——停車場出口被堵

測試目標/過程： 停車場的一個出口被堵住了。
結果： Robotaxi 沒有絲毫猶豫，立即找到了新的出停車場路線。
結論： 這顯示了比當前 FSD 版本更好的重新規劃路線能力。

測試案例 10：重新規劃路線——左轉車道擁堵

測試目標/過程： 導航要求從停車場左轉，然後立即在紅綠燈處再次左轉，但左轉車道已經嚴重擁堵。
結果： Robotaxi 沒有等待，而是決定右轉並繞過街區，甚至在導航路線更改之前就執行了此操作。
結論： 這一行為 “絕對棒”，展現了良好的判斷和路線重新規劃能力。

測試案例 11：惡劣天氣（大雨/積水街道）下的駕駛

測試目標/過程： 在 “聖經般” 的大雨中，街道完全被洪水淹沒的情況下駕駛。
結果： 車輛 “自信而平穩地” 行駛，從未要求人工干預。它在防滑和暴雨中表現出色。
結論： “特斯拉 AI 團隊做得非常出色”。車輛的硬件 “非常能夠在這種條件下駕駛”，這與當前 FSD 版本 “遇到一點雨就放棄” 形成鮮明對比。

測試案例 12：在地理圍欄邊緣下車/倒車進入得來速（首次事件）

測試目標/過程： 導航到地理圍欄外部稍微遠一點的目的地，導致 Robotaxi 在邊緣（一家 Popeye's 快餐店）下客。乘客下車後，車輛右轉，開始倒車進入得來速車道。
結果： 車輛在快要倒車進入得來速車道之前停了下來，然後 “緩慢地倒退”。
結論： 最初，測試者傾向於認為是遠程操作，因為他自己的 FSD 通常會進行多點轉向，而不是持續倒車。

測試案例 13：倒車進入得來速（重複測試）

測試目標/過程： 幾分鐘後，測試者叫了另一輛車到完全相同的位置，看是否會發生同樣的錯誤。
結果： 車輛再次右轉，並開始倒車進入得來速車道。安全員差點干預，但沒有。車輛 “似乎自己理解” 它正在倒車，並自己進行了 “緩慢的倒退”。
結論： 儘管車輛不應該犯這個錯誤，但它之後的處理方式 “完美且非常有趣”。在隨後的 6-7 次嘗試中，車輛再也沒有犯同樣的錯誤，而是進行了三點轉向或選擇了新的下客點。

測試案例 14：通過積水區域/安全員干預（首次事件）

測試目標/過程： 從酒店接載時，車輛需要通過一段積水區域。安全員停止了車輛並按下了 “車道內停止” 按鈕。
結果： 危險警示燈立即亮起，Robotaxi 停止。測試者最初以為是車輛自己停了下來。聯繫了遠程支持，但由於技術問題無法連接，無法提供幫助。最終，行程被取消並重新預訂。
結論： 這揭示了安全員可以手動將地理圍欄內的區域標記為禁止車輛行駛的區域。這也暴露了遠程支持連接和恢復方面的潛在問題。

測試案例 15：通過積水區域（後續測試/觀察）

測試目標/過程： 在前一個事件發生後，測試者重新預訂了從同一地點的行程。下一輛 Robotaxi 嘗試了完全相同的方向。
結果： 這次，安全員沒有阻止車輛通過積水。然而，在此之後，該整個區域都被禁止選作接送地點。在其他區域早期的嘗試中，車輛顯示出隨機性，有時會直接穿過積水，有時會進行三點轉向以避開，但即便在水下，它似乎也能理解路緣的位置。
結論： 確認了不同的安全員有不同的干預容忍度。還發現區域可以被手動禁用。車輛決策的隨機性是神經網絡的副產品。

總體觀察/表現（非受控測試，但重要發現）

觀察： Robotaxi 通常 “自信地執行周圍所有人期望它做的事情”。儘管是白色座椅，但許多人甚至沒有注意到駕駛座上沒有人。
結論： 這是基於人類駕駛數據進行訓練的一個主要優勢。總體印象是 “非常深刻”，特別是考慮到這是它的第一個迭代版本。它是 “有史以來最糟糕的版本”，這意味着它只會越來越好。即使在犯錯誤時，也從未將測試者置於危險境地。當前 Robotaxi 最危險的部分是 “路上的其他人類駕駛員”。

觀察/弱點：避免已知不良駕駛員

觀察： Robotaxi 在識別和避免 “不良駕駛員”（例如，一輛斯巴魯突然漂移到它的車道並剎車，駕駛員盯着手機）方面存在困難。它將他們視為普通車輛，並再次被 “套住”。
結論： 測試者希望下一代 FSD 能改進這一點，這可能需要 10 倍於當前版本的參數以獲得更好的 “記憶”。