Waymo spiega il suo approccio multimodale all'autonomia [VIDEO]

Il settore della guida autonoma è diviso su come i veicoli debbano percepire l'ambiente circostante. Tesla sta sviluppando uno stack basato esclusivamente sulla visione per la guida autonoma (Full Self-Driving) destinata ai consumatori e per la sua piattaforma commerciale di Robotaxi, mentre Waymo di Alphabet sostiene un pacchetto multimodale che combina telecamere, radar e LiDAR.

Alla Startup School 2026 di Y Combinator, il co-CEO di Waymo, Dmitri Dolgov, ha condiviso le lezioni apprese nel portare i robotaxi a guida autonoma dell'azienda da una demo a un prodotto commerciale, spiegando che Waymo fonde i dati provenienti da molteplici modalità di rilevamento fisico per affrontare l'IA fisica nel traffico reale.

Fusione di telecamere, radar e LiDAR per la ridondanza

Il sistema di Waymo è costruito attorno a una suite di sensori multimodali. Invece di fare affidamento esclusivamente su telecamere ottiche, i suoi veicoli combinano telecamere ad alta risoluzione, LiDAR attivo e radar in un modello di percezione unificato.

Dolgov ha osservato che le telecamere offrono colori ricchi e alta risoluzione, ma possono avere difficoltà in caso di forte abbagliamento, luce solare diretta, oscurità totale o condizioni meteorologiche avverse. Il LiDAR attivo fornisce misurazioni strutturali 3D dirette indipendentemente dall'illuminazione ambientale, mentre il radar penetra in nebbia densa, pioggia e neve, utilizzando l'effetto Doppler per misurare la velocità degli oggetti.

Secondo Waymo, un sistema a modalità singola porta a una curva di sicurezza che si stabilizza troppo presto quando l'obiettivo è una guida superiore a quella umana. L'utilizzo di molteplici tipi di sensori distinti crea una copertura sovrapposta che protegge da guasti in casi limite, come detriti che bloccano parzialmente l'obiettivo di una telecamera.

Waymo contro Tesla: due filosofie divergenti

L'approccio multimodale di Waymo contrasta con la strategia di Tesla, basata esclusivamente sulle telecamere. Waymo sostiene che un sistema basato solo su telecamere possa crescere più facilmente all'inizio, ma finisca per scontrarsi con un limite di prestazioni, mentre Tesla rimane fedele a una sola modalità di rilevamento e sostiene di poter risolvere i casi limite addestrandosi su una quantità sufficiente di dati del mondo reale.

È noto che Tesla abbia abbandonato radar e LiDAR per puntare tutto sulla visione, sostenendo che, poiché i conducenti umani guidano usando due occhi e un cervello, i veicoli a guida autonoma dovrebbero operare in modo identico utilizzando telecamere e reti neurali. Invece di sensori attivi, Tesla modella il mondo fisico solo con la visione, usando le telecamere per ricostruire lo spazio 3D ed elaborando miliardi di fotogrammi video per affrontare i casi limite più rari.

Questa divisione architettonica riflette modelli di business diversi. Il sistema basato solo sulla visione di Tesla mantiene bassi i costi dell'hardware, consentendo alle funzionalità di assistenza alla guida di essere fornite su milioni di veicoli dei clienti in tutto il mondo. Al contrario, la suite multimodale di Waymo aggiunge hardware costoso, ma si allinea più facilmente ai quadri normativi attuali grazie alle sue ridondanze e alle metriche di sicurezza dimostrate.

Sebbene gli esseri umani possano guidare in sicurezza utilizzando la sola percezione visiva, l'aggiunta di radar attivi e LiDAR 3D può introdurre margini di sicurezza aggiuntivi che potrebbero consentire ai sistemi autonomi di reagire più velocemente degli esseri umani e potenzialmente di guidare a velocità che le persone non potrebbero gestire in sicurezza. Mentre entrambe le aziende espandono le operazioni senza conducente e senza supervisione, le metriche di intervento nel mondo reale indicheranno quale percorso tecnico raggiungerà per primo un'ampia distribuzione della flotta. Puoi guardare l'intervento completo di Dolgov qui sotto: