El CEO de Waymo explica por qué la conducción autónoma de Tesla basada únicamente en cámaras no es suficiente

Dmitri Dolgov, copresidente de Waymo, presentó el argumento técnico más claro hasta la fecha sobre por qué las cámaras solas no pueden llevar a un sistema autónomo a un nivel de autonomía total, sosteniendo que una “sensores débiles” alcanzan un límite de seguridad mucho antes de lograr un rendimiento sobrehumano.

Nunca mencionó la palabra Tesla. Pero el enfoque basado únicamente en cámaras es toda la estrategia de Tesla, y esto fue un ataque directo contra ella.

El debate sobre los sensores, desde alguien que ha recorrido 220 millones de millas sin conductor

Dolgov hizo estos comentarios en una charla en la Startup School de Y Combinator, donde explicó las lecciones que Waymo ha aprendido durante casi dos décadas desarrollando su sistema de conducción autónoma. Planteó abiertamente la cuestión de los sensores: “ha habido un debate de larga data sobre qué tipo de sensores se necesitan realmente para la conducción autónoma”.

Su respuesta traza el límite que quienes abogan únicamente por cámaras suelen pasar por alto. “Por supuesto, los humanos pueden conducir con solo sus ojos, así que eso es una prueba de su viabilidad”, dijo. “Si el objetivo fuera simplemente igualar aproximadamente el rendimiento humano o crear un producto de asistencia, esa sería una forma muy razonable de proceder”.

Pero ahí está el problema. Si se busca la autonomía total y un rendimiento muy superior al humano, afirmó, “se descubre que unos sensores débiles hacen que la curva de seguridad se estanque mucho antes de lo necesario”.

Ese es el argumento completo en un par de frases. Las cámaras pueden igualar a un ser humano. Pueden alimentar un producto de asistencia al conductor. El punto de Dolgov es que su rendimiento queda por debajo del nivel necesario para que un automóvil pueda circular sin nadie al volante.

A menos que se haga con fines de demostración en una zona delimitada geográficamente, con velocidad limitada y baja disponibilidad, a fin de reducir el peligro mediante menos kilómetros recorridos.

Por qué Waymo utiliza cámaras, lidar y radar juntos

Waymo utiliza tres tipos de sensores, y Dolgov explicó en tiempo real por qué. Las cámaras ofrecen alta resolución y color, pero son pasivas y degradan su rendimiento en la oscuridad o con reflejos intensos. El lidar mide directamente la estructura 3D del mundo. El radar penetra la niebla, la lluvia y la nieve, y permite medir la velocidad directamente mediante el efecto Doppler. Tanto el lidar como el radar son sensores activos, por lo que funcionan igual de bien en la más absoluta oscuridad o bajo un sol deslumbrante.

Esto no es redundancia por sí misma. “Estas diferentes modalidades de sensores no son respaldos entre sí”, dijo Dolgov. Cada uno cuenta con su propio codificador, y los datos se fusionan en una única visión del mundo que, según él, es “mucho superior a lo que se obtiene con un solo sensor”.

Lo he respaldado con casos en los que la cámara deja de funcionar. Una tormenta de polvo en Phoenix, donde la cámara casi no ve nada mientras el lidar identifica con claridad a un peatón al lado de la carretera. Personas que saltan una barrera de concreto para acceder a la carretera por la noche. Niños persiguiendo perros por una calle completamente oscura sin faros ni luces de calle. En cada uno de estos casos, la imagen de la cámara es prácticamente inútil, mientras que la visión del lidar sigue siendo nítida.

Luego está el caso de fallo que solo la cámara no puede resolver: algo que cubre físicamente la lente. Una sola hoja sobre el sensor puede hacer que un robot se detenga por completo, dijo Dolgov, antes de mostrar un ejemplo de Waymo que captó una rama de árbol que sus limpiaparabrisas no podían eliminar y utilizó sus otros sensores para regresar de forma segura al depósito.

El problema de los “nueves”

Bajo el argumento del sensor se encuentra uno matemático, y es esa parte la que debería preocupar a quienes intentan hacer extrapolaciones a partir de una demostración con solo cámara. La fiabilidad depende de lo que Dolgov llamó una “escalera exponencial de nueves”. El CEO de Tesla, Elon Musk, lo denomina “la marcha de los nueves”. Alcanzar el 90% o el 99% es la parte fácil. Cada aumento adicional de nueve puntos en fiabilidad requiere aproximadamente diez veces más esfuerzo que el anterior.

Por lo tanto, la trampa consiste en elegir la tecnología con el crecimiento más rápido al principio, aquella que genere la mejor demostración, proyectar esa pendiente pronunciada hacia el futuro y luego llegar a un plateau “mucho antes del rendimiento que requiere su producto”. Una demostración podría necesitar un solo nueve. Un producto de asistencia al conductor necesita varios. Un automóvil con niños en la parte trasera y sin conductor requiere toda una serie de ellos.

Dolgov también se opuso al único argumento que siempre esgrimen los aficionados a las cámaras solamente: el costo. Waymo ya está en su sexta generación de hardware, y afirmó que cada generación ha reducido drásticamente el precio. Advirtió que apostar en contra de sensores como el lidar a los precios actuales significa apostar por “un número con una vida útil bastante corta”.

Dónde encaja Tesla

Tesla es la postura más contundente del otro lado de este debate. Eliminó los radares de sus automóviles en 2021 y descartó los sensores ultrasónicos en 2022, apostando por completo en las cámaras con “Tesla Vision”. Elon Musk ha calificado al lidar de “una tarea inútil” y ha dicho que quienes dependan de él están “condenados”. El servicio de robotaxis de Tesla, lanzado en Austin en 2025, funciona únicamente con cámaras. Ya hemos tratado en profundidad la disputa entre Tesla Vision y el lidar con anterioridad.

Hasta ahora, los resultados coinciden con el techo exacto que describió Dolgov. Los datos propios de los robotaxis de Tesla muestran una tasa de accidentes aproximadamente tres veces mayor que la de los conductores humanos, incluso con un monitor de seguridad humano en el asiento delantero. Musk ha afirmado que FSD es más seguro que los humanos, versión tras versión, pero los datos aún no lo han respaldado, incluso después de ser manipulados en gran medida por Tesla.

Waymo está obteniendo resultados que, según Dolgov, las cámaras solas no podrían lograr. Su último informe de seguridad, basado en 220 millones de millas recorridas únicamente por pasajeros, muestra un 94% menos de accidentes con lesiones graves en comparación con los que causarían los conductores humanos en la misma distancia, lo que representa aproximadamente 17 veces mejor rendimiento. Waymo actualmente ofrece alrededor de medio millón de viajes pagados por semana en 15 ciudades de Estados Unidos y está trabajando para alcanzar la meta de un millón de viajes semanales, a pesar de que Musk insiste en que Waymo “nunca tuvo ninguna oportunidad” contra Tesla.

Tesla confirmó recientemente que ha acumulado 380,000 millas de conducción autónoma en el último año desde el lanzamiento de su robotaxi. El servicio sin conductor de Waymo logra eso en un solo día.

Opinión de Electrek

Esta es la versión más útil del debate entre lidar y cámaras que he visto, ya que Dolgov no pretende que las cámaras sean inútiles. Reconoce lo que los seguidores de Tesla siempre mencionan primero: sí, los humanos conducen con dos ojos, y sí, las cámaras por sí solas pueden crear un producto de asistencia al conductor realmente bueno. Ese no es el punto de desacuerdo. La discusión radica en si algo “lo suficientemente bueno como para ayudar a un humano a conducir” llegará alguna vez a ser “lo suficientemente bueno como para eliminar al humano”, y su respuesta es no, porque la capacidad de detección alcanza un límite antes de llegar a ese nivel óptimo.

Ahora, Tesla señalaría su servicio activo de Robotaxi como ejemplo de “eliminar al ser humano”, pero Dolgov también dijo que usar únicamente cámaras es adecuado para una demostración, y eso es básicamente lo que representa actualmente el servicio de Robotaxi de Tesla.

Tesla acaba de confirmar que las millas recorridas sin supervisión suman hasta ahora 380,000 millas. Eso es básicamente una demostración a bajas velocidades en pequeñas áreas delimitadas geográficamente en Texas.

El modelo basado en los nueves puntos es algo con lo que deberían lidiar los inversores de Tesla. La empresa ha invertido años en la parte fácil y ascendente de esa curva, donde cada versión de FSD parece mucho mejor que la anterior, y Musk sigue extendiendo esa pendiente hacia los Robotaxi. Dolgov describe con precisión por qué esa línea se rompe: las ganancias iniciales son baratas, pero la fase posterior es brutal, y esa fase representa todo el problema de seguridad cuando se recorren millones de millas a la semana.

También es importante el costo, ya que “el lidar es demasiado caro” es la última barrera técnica que debe superar el sistema basado únicamente en cámaras. Waymo ya está en su sexta generación de hardware y afirma que el costo disminuye rápidamente. Si los sensores siguen siendo más económicos mientras que los sistemas basados solo en cámaras continúan chocando contra las mismas limitaciones, la afirmación de que “las cámaras son la opción más práctica” se debilita cada año.

Hemos oído que Waymo está cerca de lograr que todo su conjunto (coche + suite de sensores de Waymo y conductor) cueste alrededor de 60,000 dólares. En ese punto, el hecho de contar con un sistema que funcione a gran escala es mucho más importante que una ventaja de costo de unos 20,000 dólares en el coche.