Waymo maakt korte metten met ‘camera’s volstaan’ en doelt daarmee vrij duidelijk op Tesla
Waymo heeft in een recent technisch artikel tien inzichten uit 200 miljoen autonoom gereden mijl gepubliceerd, oftewel ongeveer 322 miljoen km. Tesla wordt niet bij naam genoemd, maar de strekking is onmiskenbaar: Waymo trekt centrale aannames achter ‘vision-only’ en het opschalen van een rijhulpsysteem (niveau 2) naar volledige autonomie in twijfel.
De context is belangrijk: Waymo exploiteert al commercieel robotaxi’s en meldt meer dan 500.000 ritten zonder bestuurder per week. Tesla volgt bewust een ander traject, dat sterk inzet op opschaling via het klantenwagenpark, camera’s en AI. Twee filosofieën met hetzelfde doel, maar met zeer uiteenlopende technische risico’s en kostenmodellen.
Sensoren: Waymo kiest voor redundantie, Tesla voor eenvoud
De duidelijkste sneer betreft de sensoren. Tesla gebruikt in productieauto’s camera’s, terwijl Waymo kiest voor een combinatie van meerdere soorten sensoren. Volgens het artikel omvat Waymo’s huidige robotaxiplatform 13 camera’s, 4 LiDAR-units en 6 radarsensoren, plus microfoons.
De redenering daarachter: multimodale sensoren leveren een redundante, robuuste waarneming van de omgeving die één type sensor niet zou kunnen bieden. LiDAR moet bijzonder nauwkeurige 3D-geometrie leveren, radar helpt bij snelheidsmetingen en moeilijke zichtomstandigheden zoals mist, en camera’s zijn sterk in semantische informatie zoals verkeerslichten en verkeersborden.
Tesla’s tegenargument is bekend: minder hardware, lagere kosten en minder complexiteit, gecompenseerd door meer AI. Dat kan bij opschaling een voordeel zijn. Waymo stelt daar veiligheid en robuustheid tegenover: meer sensoren, meer waarborgen en minder risico op één enkel kritiek storingspunt.
HD-kaarten: Waymo ziet ze als vangnet, Tesla als ballast
Een tweede twistpunt zijn HD-kaarten. Waymo benadrukt dat uiterst gedetailleerde kaarten vooral bij slecht zicht en complexe wegen ‘ongelooflijk nuttig’ zijn. Zulke kaarten fungeren als een extra contextlaag die het systeem kan stabiliseren wanneer sensoren tijdelijk minder informatie leveren.
Tesla werkt traditioneel met een aanpak die zonder vooraf gemaakte HD-kaarten moet functioneren. In de praktijk betekent dit dat Waymo meer investeert in het vooraf vastleggen en valideren van gebieden, terwijl Tesla auto’s zoveel mogelijk ‘overal’ wil laten rijden zonder dat elke weg eerst in kaart moet worden gebracht. Beide benaderingen kennen compromissen: kaarten kunnen de robuustheid verbeteren, maar ook de uitrol en het onderhoud vertragen.
End-to-end-AI: Waymo waarschuwt voor black-boxfouten
Ook over end-to-end-AI-systemen (E2E) is Waymo zeer duidelijk. Daarmee worden architecturen bedoeld waarbij één model sensorgegevens rechtstreeks omzet in stuur- en rijcommando’s. Waymo ziet daarbij het risico van ‘black-boxfouten’: situaties waarin beslissingen moeilijk te doorgronden of te debuggen zijn.
Dat diskwalificeert E2E niet automatisch, maar het beschrijft wel een reëel technisch probleem. Als een systeem zich onverwacht gedraagt, moeten de oorzaken te achterhalen zijn om het gericht te kunnen verbeteren, testen en certificeren. Vooral in Europa, met strenge regelgeving voor geautomatiseerd rijden, kan verklaarbaarheid mede bepalen welke goedkeuringstrajecten mogelijk zijn.
Van niveau 2 naar robotaxi: Waymo noemt dat een ‘valse top’
Bijzonder interessant is Waymo’s stelling dat echte autonomie niet uitsluitend kan worden bereikt door rijden onder toezicht steeds verder te verbeteren. Het artikel stelt dat een systeem pas echt volwassen wordt wanneer het zelf verantwoordelijk is. Alleen volledige autonomie confronteert de software met het ‘gewicht’ van haar beslissingen en brengt nieuwe situaties aan het licht die mensen of simulaties onbewust zouden afvlakken.
Dat is rechtstreeks gericht op Tesla’s langetermijnverhaal dat FSD (Supervised) dankzij grote hoeveelheden data en voortdurende iteraties uiteindelijk zonder bestuurder kan functioneren. Waymo stelt daartegenover dat een autonoom systeem het snelst leert tijdens autonome inzet, niet in een ondersteunende modus. Dat klinkt aannemelijk, maar heeft ook een keerzijde: volledig autonoom rijden vereist zeer hoge veiligheids- en toelatingsdrempels voordat het systeem überhaupt aan die ‘leerfase’ kan beginnen.
Wat betekent dit voor de DACH-regio als je gewoon veilig je bestemming wilt bereiken?
Voor Duitsland, Oostenrijk en Zwitserland blijft de directe praktische impact beperkt, omdat robotaxidiensten zoals in de VS hier tot dusver nauwelijks beschikbaar zijn. Toch laat de woordenstrijd zien waarom autonome systemen er in 2026 zo verschillend uitzien: de ene aanpak optimaliseert voor schaal en kosten, de andere voor redundante sensoren, kaarten en strikt afgebakende inzetgebieden.
Om Tesla’s aanpak te beoordelen, helpt het om naar het grotere geheel te kijken. Tesla probeert met relatief eenvoudige hardware en datagestuurde software zeer breed op te schalen. Dat kan op lange termijn enorme voordelen opleveren als de betrouwbaarheid de vereiste drempel bereikt. Waymo laat daarentegen zien dat robotaxidiensten vandaag al mogelijk zijn, zij het vaak met meer hardware, meer voorbereidend werk en duidelijk afgebakende gebieden.
Duiding: twee routes, één doel
- Waymo: meer sensoren plus HD-kaarten, waardoor het systeem sneller stabiel is binnen duidelijk afgebakende robotaxizones.
- Tesla: alleen camera’s en AI op grote schaal, waardoor het systeem mogelijk gemakkelijker naar miljoenen voertuigen kan worden uitgerold zodra de software volwassen genoeg is.
