Waymo trekt na 320 miljoen kilometer zelfrijden tien lessen over AI

Waymo test zijn zelfrijdende auto's inmiddels al langer dan 200 miljoen mijl, omgerekend ruim 320 miljoen kilometer, zonder chauffeur achter het stuur. Op basis van al die ritten deelt het Amerikaanse bedrijf tien lessen over hoe je kunstmatige intelligentie bouwt die veilig autonoom kan rijden. De lessen gaan over sensoren, kaarten, simulatie en de manier waarop het systeem zijn eigen beslissingen controleert.

Meerdere sensoren en HD-kaarten als basis

Een van de langst lopende discussies in de sector gaat over de vraag of camera's alleen genoeg zijn om een auto veilig te laten rijden. Waymo trekt na miljoenen kilometers een duidelijke conclusie: dat is niet zo. Het bedrijf combineert camera's, lidar en radar. Lidar meet de omgeving in 3D met millimeterprecisie, camera's herkennen verkeersborden en de kleur van stoplichten, en radar blijft ook werken bij regen, mist of stof omdat het de snelheid van objecten meet. Door deze sensorfusie ontstaat een completer en betrouwbaarder beeld van de weg dan met één enkele sensor mogelijk is.

Daarnaast leunt Waymo zwaar op gedetailleerde, vooraf gemaakte HD-kaarten. Die kaarten werken als een soort geheugen: de auto hoeft niet alles ter plekke te berekenen, omdat veel van de omgeving al bekend is. Dat geeft de boordcomputer meer rekenkracht vrij voor onverwachte situaties, zoals een omleiding of een tijdelijk verkeersbord.

Eén groot model in plaats van losse onderdelen

In de begintijd van zelfrijdende auto's gebruikten bedrijven losse programma's voor losse taken: één om voetgangers te herkennen, één om andere auto's te volgen, één om verkeerslichten te lezen. Waymo stapte daarvan af en zet nu op enkele grote, krachtige modellen die van enorme hoeveelheden data leren. Dat maakt het systeem beter in staat om zelf verbanden te leggen, in plaats van dat techneuten van tevoren regels bedenken.

Toch vertrouwt Waymo niet blind op één groot model. Een apart controlesysteem checkt voortdurend of elke voorgestelde rijbeweging voldoet aan verkeersregels en natuurkundige grenzen, zoals remafstand. Dat is volgens het bedrijf noodzakelijk om veilig te kunnen opschalen naar Level 4-autonomie, het niveau waarop een auto binnen een bepaald gebied volledig zelf rijdt, zonder chauffeur als vangnet.

Virtueel oefenen en blijven leren

Zeldzame, gevaarlijke situaties, zoals een auto die drie rijstroken tegelijk oversteekt, zijn moeilijk in het echt te testen. Daarom simuleert Waymo miljarden kilometers per week. Belangrijk is dat die closed-loop simulatie reageert op de acties van de zelfrijdende auto, in tegenstelling tot het simpelweg afspelen van oude ritten. Die wisselwerking is ook nodig voor technieken als reinforcement learning, waarbij het systeem leert door beloningen te krijgen voor goed gedrag.

Voor lastige, onbekende situaties, zoals een agent die met handgebaren het verkeer regelt, schakelt Waymo een Vision-Language Model in dat is getraind met Google's Gemini. Dat model redeneert net iets trager, maar begrijpt de context beter dan het razendsnelle rijsysteem alleen. Alles samen vormt een lerend systeem: elke week rijden en simuleren levert nieuwe data op waarmee het model zichzelf verbetert, een proces dat Waymo een 'data flywheel' noemt.