Waymo vs Tesla: duas abordagens para carros autônomos

O artigo compara as estratégias da Waymo e da Tesla para desenvolver carros autônomos a partir de uma pergunta central: quanto do conhecimento necessário para dirigir deve ser previamente estruturado e verificável, e quanto pode ser calculado durante a condução por modelos cujo estado interno é difícil de inspecionar. A Waymo se posiciona mais próxima do conhecimento explicitamente representado; a Tesla, do conhecimento derivado em tempo real por redes neurais.

Sensoriamento e representação

A Waymo combina 13 câmeras, quatro unidades de lidar, seis radares e receptores de áudio no sistema de sexta geração, que iniciou operações totalmente autônomas em fevereiro de 2026. A sobreposição dos sensores, com alcance de até 500 metros, busca preservar a percepção quando chuva, sujeira ou gelo prejudicam as câmeras. O lidar mede diretamente distâncias por pulsos de laser, enquanto as câmeras precisam estimá-las a partir das imagens. A Waymo reduziu o número de câmeras em relação à quinta geração, atribuindo a mudança a um sensor de 17 megapixels, mas continua tratando a redundância como essencial.

A Tesla adota uma abordagem de “visão pura”, baseada principalmente em câmeras e redes neurais, sem radar nos Model 3 e Model Y descritos na documentação citada. Suas redes fazem segmentação semântica, detecção de objetos e estimativa de profundidade monocular, alimentando representações em visão superior. A empresa descreve uma arquitetura com 48 redes, cerca de 70 mil horas de GPU para treinamento e mil tensores distintos por instante.

A Waymo também pesquisa previamente as áreas onde opera, criando mapas de faixas, placas, meios-fios e faixas de pedestres que são comparados com os sensores durante a viagem. A Tesla evita esse levantamento e deriva informações equivalentes enquanto dirige. A primeira opção economiza computação a cada trajeto, mas exige manter os mapas atualizados; a segunda pode captar nuances não previstas por um esquema estruturado, embora seja menos inspecionável.

Predição, planejamento e segurança

O sistema da Waymo mantém listas estruturadas de objetos, atributos semânticos e elementos da via. Seu modelo combina fusão de sensores, um modelo de linguagem e visão treinado com Gemini e dados de direção, e um decodificador que prevê comportamentos, gera mapas, trajetórias e sinais de verificação. A empresa afirma que essa estrutura permite validar decisões em tempo de inferência, simular cenários em escala e medir o desempenho de forma verificável.

Para cada usuário da via, a Waymo considera múltiplos futuros possíveis. Uma pesquisa baseada em 500 mil horas de direção encontrou uma relação de lei de potência entre computação de treinamento e qualidade da previsão, além de ganhos com mais computação durante a inferência em cenários difíceis. A Tesla afirma ter reforçado o aprendizado por reforço para cobrir casos extremos raros.

Na etapa de planejamento, modelos grandes da Waymo geram sequências seguras, confortáveis e compatíveis com as regras; modelos menores, derivados deles, rodam no veículo. Uma camada independente verifica as trajetórias antes da execução. Nos veículos Tesla em circulação, a verificação depende de um motorista atento no modo Full Self-Driving (Supervised), ou de monitores e supervisão remota no serviço sem motorista.

Evidências e treinamento

A Waymo registra 220,6 milhões de milhas com passageiros e sem motorista até março de 2026, reportando reduções de 94% em colisões com ferimentos graves ou piores e de 82% em colisões com ferimentos, em comparação ajustada com taxas humanas nas mesmas áreas. A Tesla compara veículos com Full Self-Driving (Supervised) ativado a veículos conduzidos manualmente e relata sete vezes menos colisões, mas as métricas respondem a perguntas diferentes e não permitem comparação direta. Ambas reconhecem limitações metodológicas.

A Waymo combina motorista, simulador e crítico em ciclos de aprendizado e afirma que sua quilometragem totalmente autônoma já supera seus dados de condução manual. A Tesla usa dados de sua frota de consumidores, clipes anonimizados, simulação e grandes infraestruturas de computação. O artigo conclui que as duas abordagens têm méritos, e que o equilíbrio futuro pode ficar entre conhecimento previamente escrito e conhecimento calculado durante a condução.