Waymo пояснює, чому Tesla не досягне повного автопілоту лише з камерами

Генеральний директор Waymo Дмитро Долгов представив ключові технічні аргументи, які пояснюють, чому використання виключно камер у системах автономного водіння не дозволяє досягти найвищого рівня безпеки. Він наголосив, що слабкі сенсорні можливості обмежують потенціал досягнення надлюдської продуктивності, встановлюючи безпековий ліміт значно раніше.

Дебат про сенсори від експерта з 350+ мільйонів кілометрів без водія

Коментарі Долгова пролунали під час виступу на Y Combinator Startup School. Він поділився досвідом Waymo, накопиченим за майже два десятиліття розробки систем автономного керування. «Існує давня дискусія щодо того, які сенсори насправді потрібні для автономного водіння», - зазначив він.

Відповідь Долгова чітко окреслює межу, яку часто ігнорують прихильники виключно камерних систем. «Люди, звісно, можуть керувати автомобілем, використовуючи лише очі. Якщо мета - приблизно відповідати людській продуктивності або створити асистуючий продукт, це цілком прийнятний підхід», - пояснив він.

Однак, існує важливий нюанс. «Якщо ви націлені на повну автономію та значно надлюдську продуктивність, ви виявите, що слабкі сенсори призводять до кривої безпеки, яка вирівнюється занадто рано», - додав Долгов. Це означає, що камери можуть забезпечити рівень безпеки, подібний до людського водія, або потужність для систем допомоги водієві, але не достатній для повного виключення людини з процесу керування.

Чому Waymo використовує камери, лідар та радар одночасно

Waymo застосовує три типи сенсорів, і Долгов детально пояснив причини такого вибору. Камери надають високу роздільну здатність та кольорове зображення, але є пасивними та погіршують свою роботу в темряві чи при яскравому сонці. Лідар безпосередньо вимірює тривимірну структуру оточення. Радар, у свою чергу, пробивається крізь туман, дощ та сніг, а також безпосередньо визначає швидкість об’єктів за допомогою ефекту Доплера. Лідар і радар є активними сенсорами, тому вони однаково добре працюють у повній темряві або при сліпучому заході сонця.

Це не просто резервування заради резервування. «Ці різні сенсорні модальності не є резервними копіями одна для одної», - підкреслив Долгов. Кожен сенсор має власний кодер, а дані з них об’єднуються в єдине бачення світу, яке, за його словами, «значно перевершує те, що ви отримуєте від одного сенсора».

Він навів приклади, коли камери стають неефективними. Пилова буря у Феніксі, коли камера майже нічого не бачить, тоді як лідар чітко визначає пішохода. Люди, які перестрибують бетонний бар’єр на дорогу вночі. Діти, які граються на темній вулиці без освітлення. У кожному з цих випадків зображення з камери майже марне, тоді як лідар надає чітку картину.

Крім того, існує сценарій відмови, який системи, що покладаються лише на камери, не можуть передбачити: фізичне закриття об’єктива. Навіть один листок на сенсорі може змусити робота зупинитися, зазначив Долгов, демонструючи випадок, коли автомобіль Waymo, зачепивши гілку дерева, яка не знімалася двірниками, безпечно повернувся до депо завдяки іншим сенсорам.

Проблема «дев’яток» надійності

Під питанням сенсорів лежить математичний аргумент, який має хвилювати всіх, хто екстраполює результати демонстрацій камерних систем. Надійність зростає за «експоненційною драбиною дев’яток». Для досягнення 90% або 99% надійності - це лише початок. Кожна наступна «дев’ятка» надійності вимагає приблизно вдесятеро більше зусиль, ніж попередня.

Пастка полягає у виборі технології з найшвидшим початковим зростанням, яка демонструє найкращі результати, екстраполюючи цей крутий нахил вперед, а потім стикаючись із плато «значно раніше, ніж продуктивність, необхідна для вашого продукту». Демонстрація може вимагати однієї «дев’ятки» надійності. Асистуючий продукт - кількох. Автомобіль з дітьми на задньому сидінні та без водія потребує цілого стеку таких показників.

Долгов також відкинув аргумент про вартість, який часто використовують прихильники камерних систем. Waymo вже на шостому поколінні свого обладнання, і, за його словами, ціна кожного покоління значно знижувалася. Ставити проти сенсорів, таких як лідар, за сьогоднішніми цінами, попереджає він, означає робити ставку на «цифру, яка має досить короткий термін придатності».

Місце Tesla в цій дискусії

Tesla є найгучнішим представником протилежного боку цієї дискусії. У 2021 році компанія відмовилася від радарів, а у 2022 - від ультразвукових датчиків, повністю зосередившись на камерах під назвою «Tesla Vision». Ілон Маск назвав лідар «марною справою», а тих, хто на нього покладається, - «приреченими». Сервіс роботаксі Tesla, запущений в Остіні, працює виключно на камерах.

Поточні результати узгоджуються з описаним Долговим обмеженням. Власні дані роботаксі Tesla показують рівень аварійності приблизно втричі вищий, ніж у водіїв-людей, навіть за наявності людини-оператора безпеки на передньому сидінні. Маск стверджував, що FSD безпечніший за людей, але дані поки що не підтверджують це, навіть після значної обробки з боку Tesla.

Waymo демонструє показники, яких, за словами Долгова, камери самі по собі не можуть досягти. Їхній останній звіт про безпеку, що базується на 350+ мільйонах кілометрів пройдених без водія, показує на 94% менше серйозних травм порівняно з водіями-людьми на тій самій дистанції, що приблизно в 17 разів краще. Waymo обслуговує близько пів мільйона платних поїздок на тиждень у 15 містах США і наближається до цільового показника в 1 мільйон поїздок на тиждень, попри заяви Маска про те, що Waymo «ніколи не мала шансів» проти Tesla.

Нещодавно Tesla підтвердила, що за останній рік накопичила 380 000 кілометрів без водія з моменту запуску свого роботаксі. Waymo досягає цього обсягу за один день.

Це найбільш корисний погляд на аргумент «лідар проти камер», який я бачив, оскільки Долгов не стверджує, що камери марні. Він визнає те, на чому завжди наполягають прихильники Tesla. Так, люди керують автомобілем двома очима, і так, камери самі по собі можуть створити справді хороший продукт допомоги водієві. Це не є предметом розбіжностей. Розбіжності полягають у тому, чи може «достатньо добре, щоб допомогти людині керувати» колись стати «достатньо добре, щоб усунути людину», і його відповідь - ні, тому що сенсорні можливості досягають свого максимуму до того, як ви отримаєте останні кілька «дев’яток» надійності.

Tesla, ймовірно, вказала б на свій активний сервіс роботаксі як на приклад «усунення людини», але Долгов також зазначив, що системи, що базуються лише на камерах, добре підходять для демонстрацій, і це, по суті, те, чим зараз є сервіс роботаксі Tesla.

Tesla нещодавно підтвердила, що загальний пробіг без нагляду становить лише 380 000 кілометрів на сьогодні. Це, по суті, демонстрація на низьких швидкостях у невеликих географічно обмежених зонах у Техасі.

Аргумент про «дев’ятки» - це те, над чим варто замислитися інвесторам Tesla. Компанія роками працювала над стрімкою, легкою частиною кривої, де кожен реліз FSD виглядає краще за попередній, а Маск продовжує малювати цю лінію прямо до роботаксі. Долгов описує саме причину, чому ця лінія ламається: початкові здобутки є дешевими, а фінальний етап - жорстоким, і саме цей етап стає головною проблемою безпеки, коли ви проїжджаєте мільйони кілометрів на тиждень.

Питання вартості також має значення, оскільки «лідар занадто дорогий» - це остання технічна опора, на якій тримається аргументація камерних систем. Waymo вже на шостому поколінні свого обладнання і стверджує, що вартість швидко знижується. Якщо сенсори продовжуватимуть дешевшати, тоді як системи, що базуються лише на камерах, будуть стикатися з тією ж стіною, вибір камер як «прагматичного рішення» ставатиме слабшим з кожним роком.

За нашими даними, Waymo наближається до того, щоб вартість повного комплекту (автомобіль + сенсорний пакет Waymo та система керування) становила близько $60 000. У такому разі, той факт, що ви маєте систему, яка працює в масштабі, значно важливіший за перевагу у вартості автомобіля близько $20 000.