Waymo da por zanjada la idea de que «las cámaras bastan» y apunta con bastante claridad a Tesla
Waymo ha publicado en un reciente artículo técnico diez conclusiones extraídas de 200 millones de millas recorridas de forma autónoma, equivalentes a unos 322 millones de km. Tesla no aparece mencionada por su nombre, pero la intención resulta evidente: Waymo cuestiona premisas fundamentales del enfoque basado únicamente en visión y de la conversión progresiva de un sistema de asistencia al conductor de nivel 2 en uno plenamente autónomo.
El contexto es importante: Waymo ya opera robotaxis comercialmente y afirma realizar más de 500.000 trayectos sin conductor por semana. Tesla, por su parte, sigue deliberadamente un camino distinto, muy centrado en ampliar la escala mediante su flota de clientes, las cámaras y la IA. Dos filosofías y un mismo objetivo, pero con riesgos técnicos y modelos de costes muy diferentes.
Sensores: Waymo apuesta por la redundancia; Tesla, por la sencillez
La crítica más evidente se refiere a los sensores. Tesla utiliza cámaras en sus vehículos de producción, mientras que Waymo se basa en una combinación de varios tipos de sensores. Según el artículo, la actual plataforma de robotaxi de Waymo incorpora 13 cámaras, 4 unidades LiDAR y 6 sensores de radar, además de micrófonos.
El argumento es el siguiente: la tecnología de sensores multimodal ofrece una percepción redundante y robusta del entorno que un único tipo de sensor no podría proporcionar. El LiDAR aporta una geometría 3D especialmente precisa; el radar resulta útil para medir velocidades y en condiciones de visibilidad difíciles, como la niebla; y las cámaras destacan al captar información semántica, como semáforos y señales.
La postura contraria de Tesla es conocida: menos hardware, menores costes y menos complejidad, compensados con más IA. Esto puede suponer una ventaja al ampliar la escala. Waymo, en cambio, da prioridad a la seguridad y la robustez: más sensores, más sistemas de respaldo y menos puntos únicos de fallo.
Mapas HD: Waymo los considera una red de seguridad; Tesla, un lastre
Un segundo punto de fricción son los mapas HD. Waymo subraya que los mapas de alta definición resultan «increíblemente útiles», especialmente cuando hay poca visibilidad o en trazados viarios complejos. Estos mapas funcionan como una capa adicional de contexto capaz de estabilizar el sistema cuando los sensores proporcionan temporalmente menos información.
Tesla ha trabajado tradicionalmente con un enfoque que pretende prescindir de mapas HD elaborados de antemano. En la práctica, esto significa que Waymo invierte más en cartografiar y validar previamente las zonas, mientras que Tesla quiere que sus vehículos puedan circular «en cualquier lugar» sin necesidad de cartografiar cada carretera. Ambas opciones implican compromisos: los mapas pueden aumentar la robustez, pero también ralentizar el despliegue y el mantenimiento.
IA de extremo a extremo: Waymo advierte sobre los errores de caja negra
Waymo también se muestra muy tajante respecto a los sistemas de IA de extremo a extremo (E2E). Se trata de arquitecturas en las que un modelo genera directamente órdenes de dirección y conducción a partir de los datos de los sensores. Waymo ve aquí el riesgo de errores de «caja negra», es decir, situaciones en las que resulta difícil comprender las decisiones o depurar los fallos.
Esto no invalida automáticamente el enfoque E2E, pero describe un problema real de ingeniería: cuando un sistema actúa de forma inesperada, es necesario entender las causas para poder mejorarlo, probarlo y certificarlo de manera específica. Especialmente en Europa, con su estricta regulación de la conducción automatizada, la explicabilidad puede influir en los procesos de homologación.
Del nivel 2 al robotaxi: Waymo lo califica de «falsa cima»
Resulta especialmente interesante la tesis de Waymo de que la autonomía real no se alcanza simplemente mejorando cada vez más la conducción supervisada. El artículo sostiene que un sistema solo madura de verdad cuando es responsable por sí mismo. Únicamente la autonomía total confrontaría al software con el «peso» de sus decisiones y revelaría situaciones nuevas que las personas o las simulaciones suavizarían inconscientemente.
Esto apunta directamente al argumento de Tesla de que FSD (Supervised), su sistema de conducción autónoma total supervisada, podrá funcionar algún día sin conductor gracias al volumen de datos y a las mejoras iterativas. Waymo replica que la forma más rápida de aprender autonomía es operar de manera autónoma, no en modo asistido. Es un planteamiento plausible, pero también tiene una contrapartida: la operación plenamente autónoma exige superar unos requisitos de seguridad y autorización muy elevados antes de poder entrar siquiera en ese «modo de aprendizaje».
¿Qué significa esto para la región DACH si solo quieres llegar a tu destino de forma segura?
Para Alemania, Austria y Suiza —la denominada región DACH—, las consecuencias prácticas inmediatas son limitadas, ya que los servicios de robotaxi como los de Estados Unidos apenas están disponibles allí por ahora. No obstante, este intercambio muestra por qué los sistemas autónomos presentan diferencias tan grandes en 2026: un enfoque prioriza la escala y los costes, mientras que el otro se centra en la redundancia de sensores, los mapas y unas zonas de operación estrictamente delimitadas.
Para valorar el enfoque de Tesla conviene observar el panorama completo: Tesla intenta alcanzar una escala muy amplia con un hardware relativamente sencillo y un software basado en datos, algo que podría aportar enormes ventajas a largo plazo si la fiabilidad alcanza el nivel necesario. Waymo, por su parte, demuestra que la operación de robotaxis ya es posible hoy, aunque a menudo requiera más hardware, más trabajo previo y zonas claramente definidas.
Valoración: dos caminos, un objetivo
- Waymo: más sensores y mapas HD, lo que permite alcanzar antes una operación estable en zonas de robotaxi claramente delimitadas.
- Tesla: solo cámaras e IA a gran escala, con la posibilidad de desplegarse más fácilmente en millones de vehículos si el software alcanza la madurez suficiente.
