El co-CEO de Waymo ha ofrecido la explicación pública más clara hasta la fecha de por qué las cámaras por sí solas no llevarán un coche a la autonomía completa. En la Startup School de Y Combinator, Dmitri Dolgov defendió que lo que él llama percepción débil choca con un techo de capacidad muy por debajo de la fiabilidad que necesita un vehículo sin conductor y sin supervisión, y que esa brecha no es de las que se cierran con más datos de entrenamiento.
El argumento, y por qué no es el evidente
La objeción intuitiva al lidar es que las personas conducen con dos ojos y sin escáner láser, así que las cámaras deberían bastar en principio. La respuesta de Dolgov es que la existencia de una solución humana no obliga a un ingeniero a copiar su arquitectura. Además, las personas aportan a la tarea un modelo general del mundo del que no dispone ningún sistema actual.
Su marco es el problema de los nueves. Llevar un sistema de conducción del 90 % al 99 % de fiabilidad es relativamente fácil; pasar del 99 % al 99,99 % es un trabajo de otro orden, y es ese último tramo el que decide si se puede prescindir del conductor. Un stack basado solo en cámaras, según él, da un producto de asistencia a la conducción excelente, pero se detiene antes del número de nueves que exige la operación sin supervisión.
Los dos ejemplos que llevó
Dolgov apoyó su tesis en situaciones en las que la cámara no tiene ninguna señal con la que trabajar, más que en abstracciones. En una tormenta de polvo, la imagen de la cámara apenas muestra nada, mientras el lidar atraviesa la nube y resuelve a un peatón de pie en el arcén. Y mostró un vehículo Waymo con el parabrisas obstruido que volvió solo y con seguridad a la base únicamente con lidar y radar, sin ninguna vista de cámara utilizable.
Ahí está el sentido de la fusión de sensores tal como la practica Waymo: no es que el lidar vea mejor que una cámara en buenas condiciones, sino que los modos de fallo de las cámaras, del lidar y del radar son distintos, de modo que una condición que ciega a uno deja a los demás funcionando.
| Sensor | Aporta | Falla ante |
|---|---|---|
| Cámaras | Alta resolución, color, texto y señales | Oscuridad, deslumbramiento, polvo, mal tiempo intenso |
| Lidar | Estructura 3D y distancia directas | Coste, algunas superficies reflectantes |
| Radar | Presencia y velocidad de los objetos | Baja resolución, clasificación limitada |
Las cifras detrás de la afirmación
Waymo suma más de 220 millones de millas totalmente autónomas en vías públicas y, según sus propias cifras de seguridad publicadas, sus vehículos se ven implicados en un 94 % menos de accidentes con heridos graves o mortales que los conductores humanos en las mismas zonas. TeslAnt trató la lectura independiente de ese historial en el estudio del IIHS sobre la tasa de accidentes de Waymo.
Tesla es la posición contraria y todo el mundo lo sabe, aunque Dolgov construyó su argumento desde la arquitectura y no nombrando a la empresa. La apuesta de Tesla es que las cámaras más una red neuronal suficientemente buena llegan hasta el final, que el lidar es una muleta costosa y que la escala de la flota supera a la redundancia de sensores. El propio servicio de robotaxi de Tesla circula hoy con un supervisor de seguridad en el asiento delantero, que es la medida práctica de dónde está esa apuesta a día de hoy.
Por qué importa en Europa
La homologación de tipo europea y los permisos nacionales para la operación sin conductor se están redactando ahora mismo, y los reguladores que lean un argumento de Waymo sobre la redundancia de sensores reciben un estándar técnico al que señalar. Si el «solo cámaras» se convierte en aquello que una autoridad de homologación te pide justificar, eso condicionará qué sistemas pueden desplegarse aquí y cuándo, al margen de qué arquitectura resulte finalmente la acertada.