车里都没驾驶员了，无人车为什么还分左右舵？

车东西（公众号：chedongxi）
作者 ｜ Janson
编辑 ｜ 志豪

没有司机的Robotaxi，为什么还要区分左舵和右舵？

车东西8月3日消息，7月23日，萝卜快跑获得中国香港首个无人驾驶测试牌照，四天后的7月27日，车辆正式在香港机场岛开展车内无安全员的公开道路测试。

这也是全球首个在右舵左行交通体系中落地的全无人驾驶项目。

而紧接着的一天之后，萝卜快跑的第六代无人车RT6出现在伦敦街头。

7月28日，萝卜快跑分别联合Uber及Lyft旗下Freenow，在伦敦启动公开道路测试，成为首家进入伦敦公开道路测试的中国Robotaxi企业。

▲萝卜快跑在伦敦街头

两家全球头部出行平台同时选择与萝卜快跑合作，也意味着其技术能力正从企业自身验证，进一步走向国际出行生态的市场检验。

从中国香港到伦敦，相隔近万公里，时间只差一天，一条清晰的Robotaxi全球化路径也浮现在了公众面前。

香港率先完成右舵全无人的技术突破，伦敦随即接过下一棒，检验这套能力能否进入全球最具代表性的城市交通系统。

这也让萝卜快跑成为截至目前首家进入伦敦公开道路测试的中国Robotaxi企业。

需要指出的是，这种能力并非从零起步，目前，萝卜快跑已覆盖全球27座城市，在不同道路和运营环境中持续积累规模化经验。

7月29日，到访百度的斯洛伐克总统彼得·佩列格里尼还试乘了萝卜快跑第六代无人车，并对其技术成熟度与乘坐体验给予积极评价。

不难看出，从香港全无人到伦敦公开路测，中国Robotaxi正在尝试打通世界的另一套交通系统。

如此一来不免有人发问，中美Robotaxi早已驶入全无人阶段，为什么右舵左行市场的全无人测试直到今天才出现？

一、中美Robotaxi驶向世界 右舵Robotaxi市场尚未充分开发

全球Robotaxi跑到今天，已经出现一条清晰的分界线。

一边是中国和美国，依托庞大的本土市场、持续扩张的测试车队和海量道路数据，两国率先推动Robotaxi从封闭测试走向公开道路，再进入车内无人和规模化运营阶段。

另一边，则是长期未被充分开发的右舵左行市场。

过去，头部自动驾驶企业的技术积累主要发生在中国内地和美国等左舵右行地区。

车辆在右侧道路行驶，环岛、转弯、让行、上下客等交通规则和交互逻辑相对统一，企业可以在同一套交通体系中集中投入车辆、资金和数据，不断推动算法迭代。

在以英国、日本、澳大利亚、新加坡和中国香港等国家及地区，虽然普遍采用左侧通行，但各自的道路结构、交通法规、驾驶风格和车辆认证体系并不完全相同。

▲萝卜快跑在香港

对Robotaxi企业而言，进入这些市场不仅需要增加右舵车型，还要面对更高的本地适配和监管成本。

但最重要的区别还是数据差距，Robotaxi自动驾驶能力要在大量真实道路数据、仿真训练和极端场景验证中逐渐形成。

过去中美Robotaxi率先规模化，意味着头部企业见过的绝大多数复杂场景，首先来自左舵右行道路。

相比之下，右舵左行环境下可用于训练和验证的数据更少，进入车内无人阶段的经验更是相对空白。

不过，右舵市场并非小众市场。全球约有70多个国家和地区采用左侧通行，覆盖超过20亿人口。

其中既包括印度、印度尼西亚等人口大国，也包括英国、日本、澳大利亚和新加坡等成熟经济体。

伦敦、东京、新加坡、悉尼等城市人口密度高、出行需求集中，人力和出租车运营成本也相对较高，是Robotaxi商业化不可忽视的高价值市场。

问题在于，一套主要成长于左舵右行环境的自动驾驶系统，能否把全无人能力完整迁移到右舵左行体系？

2026年7月27日，萝卜快跑在中国香港机场岛启动车内无安全员的公开道路测试，完成全球首次右舵左行交通体系下的全无人驾驶公开道路验证。

这也证明了，萝卜快跑首次将经过规模验证的无人化能力带入另一套交通规则之中。

至此，香港经验回答了右舵市场“准入”的问题。但在这之后，一套成熟的Robotaxi系统能否跨越左右行差异，以可控成本完成适配，并最终实现规模化无人运营成为了行业关注的核心问题。

这也将竞争从市场布局推进到更深层的技术问题——右舵左行，究竟能否通过简单镜像解决？

二、右舵适配不能简单镜像 一套代码库如何跨越两种交通体系

从左舵右行进入右舵左行，最直观的变化是方向盘换边、车辆改道。但对Robotaxi而言，整套交通语义的迁移也很重要。

方向改变后，环岛的行驶方向、路口的冲突关系、转弯时需要穿越的车流、车辆上下客的位置都会随之变化。

系统不仅要知道应该靠哪一侧行驶，还要重新理解谁拥有路权、其他车辆可能从哪里出现，以及何时应该等待、礼让或汇入。

此外，高精地图、感知和定位等模块的底层架构具有较强复用性，传感器及计算硬件也不需要推倒重来，系统依然需要识别车辆、行人和道路边界，并判断自身所处位置。

这些区别更集中地出现在预测和决策规划层，同一类路口切换通行方向后，车辆面对的冲突点、让行对象和交互次序均会改变，原有策略不能机械照搬。

镜像数据可以提高迁移效率。通过左右翻转已有场景，系统能够复用左舵右行市场积累的数据和算法，更快建立右舵左行环境下的基础能力。

尽管数据一定程度上可以镜像，真实交通却不完全对称。

以新加坡市场为例，虽然其为右舵左行国家，但其有着和左舵国家相同的“让右原则”，这些特殊情况是不能简单粗暴的通过镜像来解决的。

这些写进法规的显性规则，以及长期形成的本地驾驶习惯，仍需通过真实道路测试重新学习和验证。

▲萝卜快跑在香港

因此，技术通用性并不意味着“一套算法不作修改，到任何城市都能运行”，而是让不同市场共享同一套核心架构和代码库。

在统一底座上，系统能够吸收本地数据、适配当地规则，并将新市场积累的能力反馈到同一版本中，实现左右舵能力同步迭代。

这也是通用能力与单点定制的根本区别。

从逻辑上看，萝卜快跑在中国香港完成的正是一次系统性验证。

第一层是道路规则适配，即让一套主要成长于左舵右行环境的系统，理解右舵左行道路中的路权和交互逻辑；

第二层是无人化能力迁移，不仅让车辆能够行驶，还要将车辆控制、故障冗余、远程协助和异常处置共同推进到车内无安全员阶段；

第三层是监管与安全闭环，以测试报告、实地检查和分阶段开放证明系统能够稳定运行。

不过，完成左右行迁移只是第一步。

随着萝卜快跑进入伦敦，这套考题将进一步升级为：面对更狭窄的道路、更密集的交通和更强的非标准博弈，同一套技术底座还能否继续泛化。

三、从香港全无人到伦敦复杂路测 伦敦成为泛化能力高阶考场

随着萝卜快跑进入伦敦市场，验证技术通用性与泛化能力就成为了重点。

技术通用性主要解决“能否跨体系复用”的问题，泛化能力则更关注“进入新环境后，需要多少数据、成本和时间才能达到可运营水平”。

以可通行空间识别能力为例，伦敦当地部分道路较为狭窄，两侧路边停车普遍，车辆会车时能够使用的横向空间被进一步压缩。

同时，车道宽度变化频繁，合流、分岔和道路收窄等场景较多，车道标线也与国内存在差异。

在这类环境中，系统要结合道路边界、停泊车辆、对向来车和实时交通状态，动态判断实际可通行区域。

此外，近距离混合交通中的行为预测也是一大难题。

伦敦城区机动车、自行车与行人交互频繁，道路空间有限，不同交通参与者之间的横向距离较小。

路侧停泊车辆可能突然起步或开启车门，自行车可能沿车辆侧方穿行，行人也可能在非信号控制区域横穿道路。

▲萝卜快跑在伦敦

感知系统识别出目标只是第一步。更关键的是判断目标接下来是否会进入车辆行驶路径，并根据目标类型、运动状态和道路关系持续更新风险概率。

这要求预测模块不仅理解单个交通参与者的运动趋势，还要建模多个目标之间的相互影响。

最后，决策规划的安全与效率平衡上，也需要有必要的优化。

在车流密集的无保护路口，决策过于保守，可能长时间无法完成转向或汇入；如果行为判断过于激进，又会突破安全边界。

因此，这类交通博弈的量化处理是技术迁移的关键。

从萝卜快跑进入伦敦的表现不难看出，其核心还是在以统一代码库和技术架构为底座，增加本地规则、场景数据和驾驶策略。

当系统在伦敦遇到新的长尾场景时，相关数据可以回流至同一套训练和仿真体系，经过标注、训练、仿真验证和实车测试后，再进入后续版本。

这种统一底座决定了全球扩张的效率，进入新城市的新增工作主要集中在本地数据闭环和规则适配，单个城市的边际进入成本就有机会下降。

但技术泛化并不等于全球复制。Robotaxi要从公开道路测试走向规模运营，还需要同时具备技术通用性、产品规模化、监管适应力、生态复制力等能力。

因此，香港与伦敦构成了一条递进的验证链。香港证明全无人能力可以跨越左右行分界线，伦敦则继续检验这套能力在更复杂城市中的泛化效率。

未来Robotaxi的全球竞争中，以更少的成本，将一套成熟系统迁移到更多交通体系，或成为业务实现商业化运行的关键。

结语：萝卜快跑从区域领先走向全球服务

过去十年，Robotaxi行业回答的是汽车能否摆脱人类驾驶员。

接下来，它要回答的是无人驾驶能否真正进入不同国家的交通、监管和社会体系。

萝卜快跑在中国香港率先实现右舵全无人，让中国Robotaxi跨过了全球化的重要技术门槛。

驶入伦敦，则把这套能力放进一座国际都市的完整运行环境中。

面对来自英美的全球玩家，未来竞争或不再由一次测试或一张牌照决定，而取决于谁能更安全、更低成本地通过监管，并把车辆、平台和本地运营组成可持续服务。

伦敦不是终点，却可能成为全球Robotaxi从区域领先走向全球复制的关键分水岭。