waymo driver: sensori ridondanti, dati e verifiche di sicurezza

Il waymo driver è il sistema che Waymo usa per offrire corse totalmente autonome. Il sistema serve anche per mostrare come i suoi risultati si confrontano con la guida umana. Il progetto combina sensori ridondanti, miglia reali e virtuali, tecniche automatiche per aumentare i dati e metriche pubbliche di sicurezza: gli stessi elementi da chiedere a un fornitore di guida autonoma.

Il waymo driver è il sistema che Waymo usa per offrire corse totalmente autonome.

Percezione ridondante e hardware pensato per non avere punti ciechi

Waymo progetta il veicolo perché nessun singolo sensore basti. La piattaforma combina lidar, telecamere e radar per costruire una vista ridondante. Il lidar crea una mappa tridimensionale detta point cloud fino a 300 metri. La telecamera legge colori e segnali, e il radar misura velocità e “vede” attraverso pioggia e polvere. La società afferma che oltre 200 milioni di miglia percorse autonomamente hanno mostrato l’importanza dei sensori multipli. Waymo sostiene che nessuna sola tecnologia è sufficiente per operare in sicurezza su larga scala, dato pubblicato nel 2026. La sesta generazione del sistema integra componenti ridisegnati per ridurre i costi e aumentare affidabilità. Il sensore d’immagine principale è un imager da 17 megapixel che cattura immagini più nitide. L’imager riduce il numero di telecamere necessarie rispetto ai sensori da 5 o 8 megapixel. Waymo dichiara inoltre che il nuovo lidar e nuovi chip proprietari migliorano la visibilità in condizioni difficili come pioggia o spruzzo stradale.

Dati ed esperienza: miglia reali e miliardi in simulazione

L’apprendimento del veicolo si basa su due tipi di esperienza: miglia percorse su strada e miglia simulate. Waymo ha riportato in passato 10 milioni di miglia reali e 7 miliardi di miglia simulate. Questi dati corrispondono a circa 10 milioni di miglia simulate al giorno, numeri pubblicati nel 2018 per spiegare il rapporto tra reale e virtuale. Oggi la raccolta è cresciuta fino a oltre 200 milioni di miglia autonome, dato citato nel 2026. La raccolta comprende anche decine di miliardi di miglia in simulazione. La simulazione chiusa è importante perché il traffico virtuale reagisce alle azioni del veicolo. In questo modo si ricreano eventi rari e si osserva la reazione della scenografia stradale. Waymo usa una valutazione automatica chiamata Critic che analizza milioni di miglia reali e miliardi di miglia simulate. La funzione segnala manovre da migliorare e consente agli ingegneri di concentrarsi sui casi più complessi.

Allenare meglio i modelli: aumentare i dati senza raccoglierne altri

Per ridurre la necessità di raccogliere esempi rari, Waymo adotta tecniche automatiche di aumento dei dati. AutoAugment è un metodo che cerca automaticamente combinazioni di trasformazioni sulle immagini, risparmiando lavoro manuale. RandAugment è una variante che semplifica la ricerca rendendola meno costosa. Waymo ha iniziato ad applicare questi metodi alle immagini dal 2019. L’azienda riporta benefici nella classificazione e nel riconoscimento di oggetti come attrezzi da cantiere e animali. Per i dati 3D del lidar la questione è più complessa per via della geometria. Waymo ha creato uno spazio di operazioni dedicate ai point cloud e una procedura automatica chiamata Progressive Population Based Augmentation, PPBA. PPBA deriva da Population Based Training, una tecnica evolutiva che seleziona e replica le soluzioni migliori. Waymo dichiara di aver applicato queste tecniche a un dataset raccolto su oltre 20 milioni di miglia guidate dai suoi veicoli. L’azienda usa il dataset per migliorare rilevatori e classificatori.

waymo driver e la verifica pubblica: numeri che si possono controllare

Waymo ha reso pubblici dati e metodi per confrontare le sue prestazioni con i guidatori umani. Il data hub sulla sicurezza è uno strumento che mette a disposizione metriche e i rapporti di crash inviati all’autorità federale, la NHTSA. Lo strumento permette a ricercatori esterni di riprodurre l’analisi. Il data hub, aggiornato con i rapporti fino a giugno 2024, indica che sulle 22 milioni di miglia in modalità solo passeggeri fino a quella data ci sono stati l’84% in meno di crash con attivazione degli airbag, il 73% in meno di crash con feriti e il 48% in meno di crash segnalati alla polizia rispetto ai benchmark umani locali, numeri pubblicati nel 2024. Chi valuta un fornitore può chiedere tre cose verificabili: le miglia percorse in modalità autonoma e quelle simulate, la presenza di sensori ridondanti come lidar, telecamere e radar, e il tasso di incidenti normalizzato per miglio con la metodologia usata per il confronto. Richiedere dettagli su AutoAugment, RandAugment, PPBA e Population Based Training aiuta a capire come sono stati generati gli esempi artificiali e quanto robusti siano i modelli.

Il cambiamento pratico è già programmato. Waymo afferma che la sesta generazione abbassa i costi e amplia l’operatività in città con condizioni difficili, come neve e pioggia. Restano aperte domande su come i risultati ottenuti nelle città in cui Waymo opera oggi si trasferiranno a territori con traffico diverso. Le cifre e le tecniche pubblicate da Waymo, datate e attribuite dall’azienda, sono gli elementi concreti che chi prende decisioni deve ottenere e verificare.

Fonti:

• Using automated data augmentation to advance our Waymo Driver | waymo.com
• Where the next 10 million miles will take us | waymo.com
• 10 AI Lessons from Driving 200+ Million Fully Autonomous Miles | waymo.com
• Beginning fully autonomous operations with the 6th-generation Waymo… | waymo.com
• New Data Hub Shows How Waymo Improves Road Safety | waymo.com