Il CEO di Waymo spiega perché il sistema di guida autonoma basato esclusivamente su telecamere di Tesla non è all’altezza

Dmitri Dolgov, co-CEO di Waymo, ha presentato la spiegazione tecnica più chiara finora su perché le sole telecamere non possano portare un sistema a guida autonoma a una piena autonomia, sostenendo che una “percezione debole” raggiunge già un limite di sicurezza molto prima di poter ottenere prestazioni sovrumane.

Non ha mai menzionato la parola Tesla. Tuttavia, l’approccio basato esclusivamente sulle telecamere è tutta la strategia di Tesla, e questo commento rappresentava un attacco diretto a essa.

Il dibattito sui sensori, da chi ha percorso 220 milioni di miglia in auto senza conducente

Dolgov ha fatto questi commenti durante una conferenza presso la Startup School di Y Combinator, esponendo le lezioni apprese da Waymo nello sviluppo del suo sistema di guida nel corso di quasi due decenni. Ha affrontato apertamente la questione dei sensori: “Esiste da tempo un dibattito su quali tipi di sensori siano effettivamente necessari per la guida autonoma.”

La sua risposta evidenzia il limite che coloro che sostengono l’uso esclusivo delle telecamere tendono a trascurare. “Gli esseri umani possono ovviamente guidare soltanto con gli occhi, quindi c’è questa prova dell’esistenza di tale metodo”, ha detto. “Se l’obiettivo è semplicemente raggiungere un livello di prestazioni simile a quello umano o creare un prodotto ausiliario, questa è senz’altro un’approccio molto ragionevole.”

Poi arriva il problema: se si punta alla piena autonomia e a prestazioni decisamente superiori a quelle umane, ha spiegato, “si scopre che un sistema di rilevamento insufficiente porta inevitabilmente a una curva di sicurezza che si appiattisce molto presto.”

Ecco l’intero argomento in poche frasi: le telecamere possono eguagliare le capacità di un essere umano e possono alimentare prodotti per l’assistenza alla guida. Il punto di Dolgov è che le loro prestazioni rimangono al di sotto del livello richiesto affinché un’auto possa guidarsi da sola senza alcun conducente al volante.

A meno che non si faccia per scopi dimostrativi in un’area delimitata geograficamente, con velocità limitate e bassa percorrenza al fine di ridurre i rischi.

Perché Waymo utilizza telecamere, lidar e radar insieme

Waymo utilizza tre tipi di sensori, e Dolgov ha spiegato in tempo reale il motivo. Le telecamere offrono alta risoluzione e colore, ma sono passive e perdono efficacia al buio o a causa degli specchiamenti luminosi. Il lidar misura direttamente la struttura 3D del mondo. Il radar riesce a penetrare nebbia, pioggia e neve, rilevando direttamente la velocità tramite effetto Doppler. Lidar e radar sono sensori attivi, quindi funzionano altrettanto bene nel buio totale o di fronte a un tramonto abbagliante.

Questa non è ridondanza fine a se stessa. “Queste diverse modalità di rilevamento non sono semplicemente sistemi di backup l’uno per l’altro”, ha detto Dolgov. Ognuna di esse utilizza il proprio codificatore, e i dati vengono fusi in un’unica visione del mondo che, secondo lui, è “di gran lunga superiore a quella ottenuta con un singolo sensore”.

Ha supportato la sua tesi con esempi in cui la telecamera perde la funzionalità. Una tempesta di polvere a Phoenix, dove la telecamera non vede quasi nulla mentre il lidar individua chiaramente un pedone sul ciglio della strada. Persone che scavalcano una barriera di cemento per entrare in strada di notte. Bambini che inseguono cani su una strada completamente buia, senza fari né lampioni. In ciascun caso, l’immagine fornita dalla telecamera è quasi inutile, mentre la visione ottenuta con il lidar rimane chiara.

Poi c’è il caso di guasto che la telecamera da sola non può superare: qualcosa che copre fisicamente l’obiettivo. Un singolo foglio sul sensore può far fermare completamente un robot, ha detto Dolgov, prima di mostrare un esempio di Waymo che ha rilevato un ramo d’albero che i suoi tergicristalli non riuscivano a eliminare e ha utilizzato gli altri sensori per tornare in sicurezza al deposito.

Il problema dei “nove”

Sotto l’aspetto relativo ai sensori c’è un aspetto matematico, ed è proprio questa la parte che dovrebbe preoccupare chi si basa su dimostrazioni effettuate soltanto con una fotocamera. L’affidabilità dipende da ciò che Dolgov ha definito “una scala esponenziale di 9”. Il CEO di Tesla, Elon Musk, la chiama “la marcia dei 9”. Raggiungere il 90% o il 99% è la parte semplice; ogni ulteriore aumento dell’affidabilità di 9 punti richiede circa dieci volte più sforzo rispetto al precedente.

Pertanto, la trappola consiste nel scegliere la tecnologia che presenta il tasso di crescita più rapido all’inizio, quella che fornisce la dimostrazione migliore, proiettando tale andamento ascendente verso il futuro, per poi arrivare a un plateau “molto prima del livello di prestazioni richiesto dal proprio prodotto”. Una dimostrazione potrebbe necessitare di un solo “9”, un prodotto per l’assistenza alla guida ne richiede alcuni, mentre un’auto con bambini a bordo e nessun conducente ne ha bisogno in quantità molto maggiori.

Dolgov ha anche messo in discussione l’unico argomento sollevato sempre dai sostenitori esclusivamente delle telecamere: il costo. Waymo è già alla sua sesta generazione di hardware, e ha affermato che ogni generazione abbia ridotto drasticamente il prezzo. Sottolineando che puntare sui sensori come il lidar ai prezzi odierni significa scommettere su “un valore con una vita utile piuttosto breve”, ha lanciato un avvertimento.

Il ruolo di Tesla

Tesla rappresenta la posizione più decisa dall’altra parte di questa discussione. Nel 2021 ha eliminato i radar dalle sue auto e nel 2022 ha abbandonato i sensori ultrasuoni, puntando interamente sulle telecamere con il sistema “Tesla Vision”. Elon Musk ha definito il lidar “una perdita di tempo” e affermato che chi vi si affida è “condannato”. Il servizio di robotaxi di Tesla, lanciato ad Austin nel 2025, funziona esclusivamente con telecamere. Abbiamo già trattato in dettaglio il confronto tra Tesla Vision e lidar in precedenza.

Fino ad ora i risultati corrispondono esattamente al limite massimo descritto da Dolgov. I dati dei robotaxi di Tesla mostrano un tasso di incidenti circa tre volte superiore rispetto ai conducenti umani, anche con un supervisore di sicurezza umano sul sedile anteriore. Musk ha affermato che FSD sia più sicuro degli esseri umani, versione dopo versione, ma i dati non lo hanno ancora confermato, nemmeno dopo essere stati fortemente manipolati da Tesla.

Waymo sta ottenendo risultati che, secondo Dolgov, non sarebbero possibili utilizzando soltanto telecamere. Il suo ultimo rapporto sulla sicurezza, basato su 220 milioni di miglia percorse esclusivamente da passeggeri, mostra un numero di incidenti con ferite gravi pari al 94% in meno rispetto a quelli causati da conducenti umani nello stesso periodo, ovvero circa 17 volte meglio. Waymo offre attualmente circa mezzo milione di viaggi a pagamento alla settimana in 15 città statunitensi e sta puntando a raggiungere l’obiettivo di un milione di viaggi settimanali, nonostante Musk insista sul fatto che Waymo “non abbia mai avuto alcuna possibilità” contro Tesla.

Tesla ha recentemente confermato di aver percorso 380.000 miglia senza conducente nell’ultimo anno da quando ha lanciato il suo robotaxi. Il servizio senza conducente di Waymo raggiunge questa distanza in un solo giorno.

La visione di Electrek

Questa è la versione più utile dell’argomentazione riguardante lidar contro telecamere che abbia mai visto, perché Dolgov non finge che le telecamere siano inutili. Ammette ciò su cui i fan di Tesla insistono sempre: sì, gli esseri umani guidano con due occhi, e sì, le telecamere da sole possono creare un prodotto di assistenza alla guida davvero efficace. Ma questa non è la questione in discussione. La vera controversia riguarda se “abbastanza buono da aiutare un essere umano a guidare” possa mai diventare “abbastanza buono da eliminare il conducente umano”, e la sua risposta è no, poiché le capacità di rilevamento raggiungono il loro limite prima di poter arrivare a quel livello estremo.

Ora, Tesla fa riferimento al proprio servizio Robotaxi attivo come esempio di “eliminazione dell’elemento umano”, ma Dolgov afferma anche che l’utilizzo esclusivo delle telecamere è adatto per una dimostrazione, ed è sostanzialmente ciò che rappresenta attualmente il servizio Robotaxi di Tesla.

Tesla ha appena confermato che le miglia percorse senza supervisione ammontano soltanto a 380.000 miglia finora. Si tratta essenzialmente di una dimostrazione a basse velocità in piccole aree del Texas delimitate geograficamente.

I risultati ottenuti finora sono proprio quelli su cui gli investitori di Tesla dovrebbero concentrarsi. Tesla ha impiegato anni nella fase iniziale, relativamente semplice, in cui ogni nuova versione di FSD sembrava molto migliore della precedente, e Musk continua a tracciare una linea retta verso i Robotaxi. Dolgov spiega esattamente perché questa linea si interrompe: i primi risultati sono facili da ottenere, ma la fase successiva è estremamente difficile, e proprio questa fase rappresenta il problema di sicurezza quando si percorrono milioni di miglia alla settimana.

Anche il costo è importante, poiché “il lidar è troppo costoso” rappresenta l’ultimo ostacolo tecnico che il sistema basato esclusivamente su telecamere deve superare. Waymo è già alla sesta generazione di hardware e afferma che i costi stanno diminuendo rapidamente. Se i sensori continuano a diventare più economici mentre i sistemi basati solo su telecamere incontrano sempre gli stessi limiti, l’affermazione secondo cui “le telecamere sono la scelta più pragmatica” perde di validità ogni anno.

Sappiamo che Waymo è vicina a rendere l’intero pacchetto (auto + suite di sensori Waymo e conducente) disponibile a circa 60.000 dollari. A quel punto, il fatto che si disponga di un sistema in grado di funzionare su larga scala diventa molto più importante rispetto a un vantaggio di costo di circa 20.000 dollari sull’auto.