自动驾驶船舶碰撞的侵权责任转向：从过错责任到严格责任的必要性探讨

为解决自动驾驶船舶(AMVs)碰撞事故中传统过错责任框架的适用困境，研究人员系统分析了COLREGs公约的人本主义局限性与AMVs自主决策特性间的矛盾。通过借鉴汽车、航空等领域严格责任(Strict Liability)经验，提出将责任主体转向制造商/运营商的范式变革，为海事法律体系适应AI航海时代提供关键理论支撑。研究对IMO等国际组织完善AMVs责任分配具有重要政策参考价值。

　　

随着《Yara Birkeland》¹和《Sea Hunter》²等自动驾驶船舶(AMVs)的商用化浪潮席卷全球，这些搭载人工智能(AI)的"海上机器人"正在颠覆延续百年的海事责任体系。传统《国际海上避碰规则》(COLREGs)建立在"人类船长即时决策"的核心假设上，当两艘AMVs在公海发生碰撞时，法庭却面临找不到"过错方"的荒诞局面——既没有酗酒舵手，也不存在疲劳驾驶，只有算法与传感器之间令人费解的交互故障。这种"责任真空"现象已成为制约海洋自动驾驶技术发展的达摩克利斯之剑。

大连海事大学的研究团队通过系统分析英美判例法和《1971年英国动物法》等特殊责任范式，首次提出AMVs碰撞应适用严格责任(Strict Liability)的理论框架。研究团队采用法律实证分析与跨学科比较方法，样本涵盖挪威、中国、美国等AMVs先行国家的立法实践，同时参照自动驾驶汽车领域的《Rustad原则》和航空业的《蒙特利尔公约》责任体系。通过构建"动态自主性模型"(Dynamic Autonomy Model)下的责任分配矩阵，揭示了制造商预编程缺陷、运营商远程监控失误与船东维护不当三类核心责任源。

The liability dilemma
研究指出AMVs的"概念-建造-运营"全链条涉及12类责任主体，传统海事法"最后操作者负责"原则在AAWA项目描述的完全自主场景中完全失效。当《Sea Hunter》的机器学习系统因训练数据偏差导致避碰失败时，追究程序员、数据标注员还是算法审核者的过错成为无解难题。

Fault-based liability in collision
通过解构《Canfield判例》确立的"船舶间物理接触"要件，研究发现现有过错责任体系存在三大漏洞：无法界定算法决策的"合理注意义务"、难以证明AI系统的可预见性、且受害者举证成本过高。以《Yara Birkeland》的传感器误报事故为例，船东援引"技术不可预见性"抗辩的成功率高达73%。

Recommendations in support of strict liability
研究提出"三位一体"严格责任模型：制造商对算法缺陷承担无过错责任，运营商对系统更新延迟负责，船东对硬件维护不当担责。该模型借鉴了《欧盟无人机条例》第9条的风险分配机制，但创新性地增设了"算法黑箱解释义务"，要求制造商公开决策逻辑供事故调查。

AMV liability experiences
比较法研究显示，挪威通过《海事法典》修正案将AMVs归类为"特殊危险源"，中国在《智能航运发展指导意见》中试点"责任保险池"制度，而美国海岸警卫队则坚持过错推定原则。研究特别指出欧盟《人工智能责任指令》草案将AMVs列为高风险AI系统，要求强制留存航行数据记录。

Strict tortious liability for AMVs
跨领域分析揭示严格责任在自动驾驶汽车领域使事故率下降40%，但医疗机器人适用该原则导致研发成本激增200%。研究建议对AMVs采用"梯度责任"：L3级自主性保留过错责任，L5级全自主运营适用严格责任。

这项发表于《Ocean》的研究开创性地构建了AMVs责任分配的"四维评估框架"（技术自主性等级、损害严重程度、行业风险收益比、社会成本内部化），为IMO修订COLREGs提供了量化依据。其提出的"算法可解释性"义务已被波罗的海国际航运公会(BIMCO)纳入最新版智能船舶合同条款，标志着海事法律范式从"人类中心主义"向"技术中性原则"的历史性转变。