CEO da Waymo explica por que o sistema autônomo da Tesla, baseado apenas em câmeras, fica aquém das expectativas

O co-CEO da Waymo, Dmitri Dolgov, apresentou o argumento técnico mais claro até agora sobre por que as câmeras sozinhas não conseguem levar um sistema autônomo à plena autonomia, afirmando que a “percepção limitada” atinge um teto de segurança muito antes de alcançar um desempenho sobre-humano.

Ele nunca mencionou a palavra Tesla. Mas o uso exclusivo de câmeras é toda a estratégia da Tesla, e isso foi um ataque direto a ela.

O debate sobre sensores, vindo de alguém que percorreu 220 milhões de milhas sem motorista

Dolgov fez esses comentários em uma palestra na Startup School da Y Combinator, explicando as lições que a Waymo aprendeu ao desenvolver seu sistema de direção ao longo de quase duas décadas. Ele levantou abertamente a questão dos sensores: “há um debate de longa data sobre que tipo de sensores é realmente necessário para a condução autônoma.”

Sua resposta aponta para um limite que os defensores de câmeras costumam ignorar. “Os seres humanos, é claro, conseguem dirigir apenas com os olhos, então há essa prova de existência”, disse ele. “Se o objetivo for apenas igualar aproximadamente o desempenho humano ou criar um produto de assistência, essa é uma abordagem muito razoável.”

Mas há um problema. Se o objetivo for a autonomia total e um desempenho significativamente superior ao humano, ele afirmou, “percebe-se que sensores fracos acabam fazendo com que a curva de segurança se estabilize muito cedo demais.”

Esse é todo o argumento em algumas frases. As câmeras conseguem igualar um ser humano. Elas podem alimentar um produto de assistência ao motorista. O ponto de Dolgov é que seu desempenho fica abaixo do padrão necessário para um carro dirigir sem ninguém ao volante.

A menos que se faça isso para fins de demonstração em uma área delimitada geograficamente, com velocidade limitada e baixa utilização, a fim de reduzir o risco por menor quilometragem percorrido.

Por que a Waymo usa câmeras, lidar e radar juntos

A Waymo utiliza três tipos de sensores, e Dolgov explicou em tempo real o motivo. As câmeras oferecem alta resolução e cores, mas são passivas e perdem desempenho no escuro ou com reflexos intensos. O lidar mede diretamente a estrutura 3D do mundo. O radar consegue penetrar neblina, chuva e neve, além de medir a velocidade diretamente por meio do efeito Doppler. Lidar e radar são sensores ativos, portanto funcionam igualmente bem no escuro total ou sob a luz intensa do pôr do sol.

Isso não é redundância por si só. “Essas diferentes modalidades de sensoriamento não servem como backup umas das outras”, disse Dolgov. Cada uma delas possui seu próprio codificador, e os dados são combinados em uma única visão do mundo que, segundo ele, é “muito superior ao que se obtém com qualquer único sensor”.

Ele apoiou isso com exemplos em que a câmera deixa de funcionar. Uma tempestade de poeira em Phoenix, onde a câmera quase não vê nada, enquanto o lidar identifica claramente um pedestre à beira da estrada. Pessoas pulando uma barreira de concreto para entrar em uma estrada à noite. Crianças perseguindo cães por uma rua completamente escura, sem faróis ou postes de iluminação. Em cada um desses casos, a imagem capturada pela câmera é quase inútil, enquanto a visão fornecida pelo lidar permanece clara.

Há também o caso de falha que as câmeras sozinhas não conseguem resolver: algo cobrindo fisicamente a lente. Uma única folha no sensor pode fazer um robô parar completamente, disse Dolgov, antes de mostrar um veículo da Waymo que capturou um galho de árvore que seus limpadores não conseguiam remover e utilizou seus outros sensores para voltar com segurança ao depósito.

O problema dos “nove”

Abaixo do argumento relacionado ao sensor encontra-se um argumento matemático, e é essa parte que deve preocupar quem faz extrapolações a partir de uma demonstração apenas com câmera. A confiabilidade depende do que Dolgov chamou de “escada exponencial de nove”. O CEO da Tesla, Elon Musk, a chama de “marcha dos nove”. Alcançar 90% ou 99% de confiabilidade é a parte fácil. Cada aumento adicional de nove pontos na confiabilidade requer aproximadamente dez vezes mais esforço do que o anterior.

A armadilha, portanto, é escolher a tecnologia com crescimento inicial mais rápido, aquela que gera a melhor demonstração, projetar esse ritmo acelerado para o futuro e acabar chegando a um platô “muito antes do desempenho exigido pelo seu produto”. Uma demonstração pode precisar de um ponto nove. Um produto de assistência ao motorista precisa de vários. Um carro com crianças no banco de trás e sem motorista precisa de uma série completa desses pontos.

Dolgov também se opôs ao principal argumento levantado pelos fãs de câmeras apenas: o custo. A Waymo está na sua sexta geração de hardware, e ele afirmou que cada geração reduziu drasticamente o preço. Apostar contra sensores como o lidar nos preços atuais, alertou ele, significa apostar “em um número com vida útil bastante curta.”

O lugar da Tesla nisso tudo

A Tesla é a aposta mais forte do outro lado desse debate. Ela retirou os radares de seus carros em 2021 e eliminou os sensores ultrassônicos em 2022, apostando totalmente nas câmeras com o “Tesla Vision”. Elon Musk chamou o lidar de “tarefa inútil” e disse que quem depende dele está “condenado”. O serviço de robô-táxis da Tesla, lançado em Austin em 2025, funciona apenas com câmeras. Já abordamos em detalhes a disputa entre Tesla Vision e lidar anteriormente.

A Waymo está obtendo resultados que, segundo Dolgov, só seriam possíveis com câmeras. Seu mais recente relatório de segurança, baseado em 220 milhões de milhas percorridas apenas por passageiros, mostra 94% menos acidentes com ferimentos graves do que os causados por motoristas humanos na mesma distância, o que representa aproximadamente 17 vezes mais segurança. A Waymo atualmente oferece cerca de meio milhão de viagens pagas por semana em 15 cidades dos EUA e está se esforçando para atingir a meta de 1 milhão de viagens por semana, mesmo com Musk insistindo que a Waymo “nunca teve chance” contra a Tesla.

A Tesla confirmou recentemente que acumulou 380.000 milhas de operação sem motorista no último ano, desde o lançamento de seu robotaxi. O serviço sem motorista da Waymo consegue isso em apenas um dia.

Ponto de vista do Electrek

Esta é a versão mais útil do debate entre lidar e câmeras que já vi, pois Dolgov não finge que as câmeras são inúteis. Ele reconhece o ponto que os fãs da Tesla sempre levantam. Sim, os humanos dirigem com dois olhos, e sim, as câmeras sozinhas podem criar um produto de assistência ao motorista realmente bom. Mas esse não é o ponto de discórdia. A questão é se “bom o suficiente para ajudar um humano a dirigir” algum dia se tornará “bom o suficiente para substituir o humano”, e sua resposta é não, porque a capacidade de detecção atinge seu limite antes mesmo de se chegar aos últimos níveis desejados.

Agora, a Tesla aponta para seu serviço Robotaxi ativo como exemplo de “remoção do elemento humano”, mas Dolgov também afirmou que usar apenas câmeras é adequado para uma demonstração, e é basicamente isso que o serviço Robotaxi da Tesla é atualmente.

A Tesla acabou de confirmar que as milhas percorridas sem supervisão totalizam apenas 380.000 milhas até o momento. Isso representa basicamente uma demonstração em baixas velocidades em pequenas áreas delimitadas no Texas.

O modelo de crescimento em curvas é algo com o qual os investidores da Tesla precisam se familiarizar. A empresa passou anos na parte mais suave do caminho, onde cada nova versão do FSD parece muito melhor que a anterior, e Musk continua a projetar essa trajetória em direção aos robô-táxis. Dolgov descreve exatamente por que essa linha se quebra: os ganhos iniciais são baratos, mas o período posterior é extremamente difícil, e esse período representa todo o problema de segurança quando se percorrem milhões de milhas por semana.

O custo também é importante, pois “lidar é muito caro” é o último obstáculo técnico que os sistemas baseados apenas em câmeras precisam superar. A Waymo já está na sexta geração de hardware e afirma que o custo está caindo rapidamente. Se os sensores continuarem a ficar mais baratos, enquanto os sistemas baseados apenas em câmeras continuarem enfrentando o mesmo limite, a afirmação de que “as câmeras são a escolha mais prática” fica cada vez menos válida a cada ano.

Ouvimos dizer que a Waymo está perto de conseguir oferecer todo o seu pacote (carro + conjunto de sensores da Waymo e motorista) por cerca de 60.000 dólares. Nesse ponto, o fato de se ter um sistema capaz de operar em larga escala é muito mais importante do que uma vantagem de custo de aproximadamente 20.000 dólares no carro.