Az önvezető ipar egyik legizgalmasabb technológiai vitája az, hogy egy robotaxi-rendszernek milyen érzékelőkkel kell látnia a világot. A Waymo és a Tesla gyökeresen eltérő filozofiát követ: előbbi kamerák, radar és LiDAR kombinációjára esküszik, utóbbi kizárólag kamerákra alapoz. A Waymo társvezérigazgatója, Dmitri Dolgov 2026-ban a Y Combinator Startup School rendezvényén részletesen kifejtette, miért tartja megkerülhetetlennek a multimodális megközelítést – és hol látja az egyetlen érzékelőtípusra épülő rendszerek korlátait.
Miért épít a Waymo önvezető érzékelésre három különböző szenzortípust?
Dolgov előadásának középpontjában az állt, hogy a valós forgalomban előforduló fizikai AI-kihívásokat egyetlen érzékelőtípus nem képes megbízhatóan kezelni. A Waymo járművei három egymástól független és egymást kiegészítő szenzorrendszert fúzionálnak egy egységes észlelési modellbe:
- Nagy felbontású kamerák: gazdag színinformációt és magas felbontást biztosítanak, azonban passzív optikai érzékelőkként érzékenyek az erős fényre, közvetlen napsütésre, teljes sötétségre és szélsőséges időjárási körülményekre.
- Aktív LiDAR: közvetlen, háromdimenziós térbeli mérést végez, amely független a környezeti megvilágítástól – éjszaka és nappal egyaránt pontos strukturális adatot szolgáltat.
- Radar: sűrű ködon, esőn és havon is áthatol; Doppler-elvű mérésekkel közvetlenül megállapítja a tárgyak sebességét, ami kamerával önmagában nem kivitelezhető.
Dolgov hangsúlyozta: az egyetlen érzékelési modalitásra épített rendszereknél a biztonsági teljesítménygörbe egy bizonyos szint felett ellaposodik. A többféle szenzor átfedő lefedettséget biztosít, így például egy kameralencsét részben eltakaró úttörmelék nem okoz kritikus észlelési vakfoltot.
Waymo kontra Tesla: két gyökeresen eltérő architektúra
A Waymo multimodális felfogása éles ellentétben áll a Tesla kizárólag kameraalapú megközelítésével. A Tesla korábban tudatosan hagyta el a radart és a LiDAR-t, arra az érvre alapozva, hogy mivel az emberi sofőrök is csupán két szemükre és az agyukra támaszkodnak, az önvezető rendszereknek sem kell más. A Tesla modelljei kamerák segítségével rekonstruálják a háromdimenziós teret, és milliárdnyi videóképkocka feldolgozásával igyekeznek megoldani a ritka, úgynevezett „long-tail” eseteket.
Dolgov ezzel szemben azt az álláspontot képviseli, hogy a csak kamerás megközelítés könnyebb korai felfutást tesz lehetővé, de végül egy teljesítményplafonba ütközik, amikor emberfölötti vezetési teljesítményt kellene elérni.
A két megközelítés mögött eltérő üzleti logika is áll:
- A Tesla víziós rendszere alacsonyan tartja a hardverköltségeket, így a vezető-asszisztens funkciók milliónyi sorozatban gyártott autóra telepíthetők szerte a világon.
- A Waymo multimodális szenzorkészlete drágább hardvert igényel, viszont az átfedő redundancia és a bizonyított biztonsági mutatók révén könnyebben teljesíti a jelenlegi hatósági engedélyezési kereteket.
Ugyanakkor Dolgov rámutatott egy fontos előnyre is: az aktív radar és a 3D LiDAR olyan biztonsági tartalékokat nyit meg, amelyek elvileg lehetővé teszik, hogy az autonóm rendszer az emberileg lehetségesnél gyorsabban reagáljon, és biztonságosan magasabb sebességgel is közlekedhessen.
A skálázás tanulságai: a demoból kereskedelmi termék
Dolgov előadása nem csupán elméleti volt. A Waymo társvezérigazgatója a Y Combinator Startup School 2026-os eseményén konkrétan az önvezető robotaxi-flotta demóból kereskedelmi termékké való fejlesztése során szerzett műszaki tapasztalatokra támaszkodott. A szenzorfúzió elvét nem önmagában, hanem a valós forgalomban való skálázás közben szerzett adatok és beavatkozási mérőszámok tükrében mutatta be.
Ahogy mindkét platform – a Waymo és a Tesla is – egyre nagyobb léptékű, felügyelet nélküli, teljesen önvezető üzemeltetésre tér át, a valós beavatkozási statisztikák fogják eldönteni, hogy melyik technológiai út éri el hamarabb a széles körű flottatelepítést.
Gyakori kérdések
Mit jelent a multimodális érzékelés az önvezető autóknál?
A multimodális érzékelés azt jelenti, hogy a jármű egyszerre több különböző típusú szenzort – például kamerákat, LiDAR-t és radart – használ, és ezek adatait egyetlen észlelési modellbe fúzionálja. A Waymo éppen ezt az architektúrát alkalmazza, szemben az egyetlen érzékelőtípusra épülő rendszerekkel.
Miért mondott le a Tesla a LiDAR-ról és a radarról?
A Tesla azzal érvelt, hogy az emberi sofőrök is kizárólag vizuális érzékeléssel – két szemükkel és az agyukkal – képesek biztonságosan vezetni, ezért az önvezető rendszereknél sem szükséges más. A vállalat úgy véli, elegendő mennyiségű valós forgalomból nyert adat feldolgozásával a kameraalapú neurális hálók megoldhatják a ritka szélsőséges eseteket is.
Miért drágább a Waymo megközelítése?
A LiDAR és a radar aktív szenzorokat jelent, amelyek jelentősen növelik a jármű hardverköltségét. Ezzel szemben a Tesla kameraalapú rendszere olcsóbban integrálható a sorozatgyártású fogyasztói autókba, ami lehetővé teszi, hogy milliónyi járműre telepítsék a vezető-asszisztens funkciókat.
Hogyan dönthető el, melyik megközelítés a jobb?
Dolgov szerint a valós forgalomban mért beavatkozási mutatók – vagyis az, hogy milyen sűrűn kell emberi beavatkozás a rendszer döntéseibe – fogják végül megmutatni, melyik technológiai út éri el hamarabb a széles körű, felügyelet nélküli flottaüzemeltetést.
Magyar szemmel — A Waymo és a Tesla által képviselt két önvezető architektúra európai szabályozási szempontból is releváns: az EU-s járműbiztonsági és típusjóváhagyási keretrendszer (UNECE szabványok) egyre inkább kiterjed az autonóm funkciókra, és a redundancia-elvárások közelebb állnak a Waymo multimodális megközelítéséhez. Európai piacra belépő önvezető platformoknak mindkét üzleti és szabályozási logikával számolniuk kell.
Forrás: Not a Tesla App
