Waymo trace une ligne dure contre l’autonomie fondée uniquement sur la vision

Waymo dit que l’autonomie complète exige plus que des caméras

Waymo formule son argument le plus net à ce jour contre la conduite autonome fondée uniquement sur la vision. Dans des propos mis en avant lors d’une récente présentation chez Y Combinator, le co-PDG de Waymo, Dmitri Dolgov, a expliqué que les systèmes reposant uniquement sur des caméras peuvent convenir à l’assistance à la conduite ou à une approximation des performances humaines, mais qu’ils atteignent trop vite leurs limites si l’objectif est une autonomie complète avec une sécurité supérieure à celle d’un conducteur humain.

L’argument est important, car il touche à l’un des débats techniques et commerciaux les plus durables dans la conduite automatisée : un logiciel entraîné sur des données de caméra peut-il finir par tout faire, ou une autonomie robuste exige-t-elle plusieurs types de capteurs travaillant ensemble ? Les propos de Dolgov placent clairement Waymo dans le second camp et présentent le désaccord non comme une question de préférence d’ingénierie, mais comme une question de niveau de sécurité que l’industrie cherche réellement à atteindre.

Selon les remarques citées, Dolgov a décrit le compromis de manière directe. Davantage de capteurs peuvent améliorer les performances, a-t-il dit, mais ils augmentent aussi la complexité du système. Si l’objectif était seulement de peu ou prou égaler la manière dont les gens conduisent, ou de construire un produit d’assistance, compter sur les caméras pourrait être considéré comme raisonnable. Mais si l’objectif est une conduite totalement autonome et ce qu’il a décrit comme des performances nettement surhumaines, il a estimé qu’une perception trop faible fait plafonner trop tôt la courbe de sécurité.

Cette formulation est significative, car elle redéfinit la référence. La conduite humaine n’est pas le plafond dans cet argument. Elle est la base, et la pile التقنية doit être jugée sur sa capacité à continuer de progresser au-delà de ce point avec suffisamment de confiance dans les cas limites et les environnements difficiles.

Pourquoi Waymo continue de miser sur trois types de capteurs

L’explication de Dolgov, telle que résumée dans le matériel source, est que Waymo utilise des caméras, du lidar et du radar parce que chacun compense les faiblesses des autres. Les caméras offrent une haute résolution et des informations de couleur, aidant le système à interpréter la scène de façon riche visuellement. Mais les caméras sont des capteurs passifs, et il a indiqué qu’elles se dégradent dans l’obscurité et en cas d’éblouissement.

Le lidar, en revanche, mesure directement la structure tridimensionnelle du monde autour du véhicule. Le radar apporte une autre force : il fonctionne bien dans des conditions environnementales comme le brouillard, la pluie et la neige, et il peut mesurer directement la vitesse grâce aux effets Doppler. Dolgov a aussi souligné que le lidar et le radar sont des capteurs actifs, ce qui signifie qu’ils peuvent fonctionner efficacement même dans l’obscurité totale et dans des situations visuellement éprouvantes, comme rouler vers un coucher de soleil aveuglant.

Pris ensemble, tel est le cœur de l’argument technique de Waymo. Un système de conduite autonome destiné à fonctionner sans solution de repli humaine ne devrait pas dépendre trop fortement d’un seul canal de perception, surtout lorsque ce canal est vulnérable à des défaillances fréquentes dans le monde réel. La position de l’entreprise est que la diversité des capteurs n’est pas une redondance facultative. C’est le mécanisme qui permet au véhicule de conserver sa conscience de la situation lorsqu’un mode de perception devient peu fiable.

C’est une norme plus exigeante que la simple reconnaissance des voies, des véhicules et des piétons dans des conditions favorables. Elle suppose un déploiement dans le monde imparfait où l’éclairage change rapidement, la météo gêne la visibilité, les usagers de la route se comportent de manière imprévisible, et où les situations rares mais lourdes de conséquences comptent autant que les cas quotidiens.

La fracture la plus profonde du secteur concerne la catégorie de produit

Les propos de Dolgov suggèrent aussi qu’une partie du désaccord sur la conduite autonome est en réalité un désaccord sur la catégorie de produit. Un système d’assistance à la conduite et un système totalement autonome peuvent se ressembler de l’extérieur, mais ils peuvent être construits selon des hypothèses très différentes en matière de défaillance, de responsabilité et de marges de performance acceptables.

Si le conducteur humain reste responsable et attentif, le système peut lui rendre la main lorsqu’il rencontre une incertitude. Si le véhicule est censé gérer l’ensemble de la tâche, l’incertitude doit être résolue au sein même de la pile de perception et de décision de la machine. C’est là que Waymo semble considérer qu’une approche d’abord centrée sur les caméras, ou uniquement sur les caméras, devient insuffisante.

La dimension commerciale de cette fracture est tout aussi importante. Plus de matériel signifie généralement plus de coûts, plus de travail d’intégration et, potentiellement, plus de complexité de maintenance. Les partisans de la vision seule soutiennent depuis longtemps qu’un matériel plus simple peut passer à l’échelle plus efficacement. La réponse de Dolgov, d’après le texte fourni, est que la question du coût et de la complexité ne peut pas être séparée de l’objectif de sécurité. Une approche de perception moins coûteuse peut être séduisante, mais seulement si elle soutient encore le niveau d’autonomie visé.

Cela fait de cette question bien plus qu’un débat technique sur le capteur le plus élégant. C’est une discussion stratégique sur la capacité d’une pile de perception à moindre coût à continuer de s’améliorer lorsque les problèmes restants deviennent rares, difficiles ou critiques pour la sécurité.

Ce que ces remarques signalent pour la course à la conduite autonome

Le texte source présente les commentaires de Dolgov comme une attaque directe contre l’approche de Tesla, mais la conclusion la plus solide à partir du matériel fourni est plus large. Waymo indique qu’elle considère la perception multimodale comme essentielle à la prochaine étape de la conduite autonome, et qu’elle estime que la voie vers une performance fiable sans conducteur passe par une perception complémentaire, et non par le matériel minimal.

Cela ne tranche pas le débat dans le secteur, mais le clarifie. La question n’est plus seulement de savoir si un véhicule peut se conduire lui-même dans de nombreuses situations. La question est de savoir si une architecture donnée peut continuer à s’améliorer une fois les gains les plus simples épuisés et que les erreurs restantes proviennent de l’obscurité, de l’éblouissement, de la météo, d’un mouvement ambigu ou d’une géométrie routière inhabituelle.

En mettant l’accent sur l’idée d’une courbe de sécurité qui s’aplatit trop tôt, Waymo affirme que le problème d’une perception faible n’est pas seulement qu’elle dégrade les systèmes aujourd’hui. Le problème plus profond, selon elle, est qu’elle peut plafonner la capacité du système à progresser demain.

Pour l’écosystème plus large des transports et de l’énergie, cette distinction compte. Les véhicules autonomes sont souvent présentés sous l’angle des avancées logicielles, mais un déploiement à grande échelle dépend tout autant de la capacité de la machine à percevoir de manière fiable sous contrainte. Les propos de Dolgov renforcent l’idée que les choix matériels restent centraux dans l’argument économique et sécuritaire de l’autonomie.

En ce sens, le message de Waymo est clair : si l’industrie veut de véritables systèmes sans conducteur plutôt que de l’assistance avancée, la pile de capteurs doit être conçue pour des conditions où la vision humaine, et par extension la perception reposant uniquement sur les caméras, ne suffit pas à elle seule.

Cet article s’appuie sur un reportage de CleanTechnica. Lire l’article original.