Рожденный слишком рано: как HDMap погубили Waymo

Поскольку Tesla готовится к расширению своего сервиса роботакси, продолжают возникать вопросы о конкуренции со стороны Waymo. В этой статье мы расскажем, почему ключевая технология, используемая Waymo — карты высокого разрешения (HDMap) местности, где они работают, — навсегда помешают ей стать серьезным конкурентом в сфере роботакси.

Но прежде чем мы углубимся в это, хотел бы сначала упомянуть две другие важные причины, по которым Waymo уже выбыла из гонки.

Во-первых, стоимость. Транспортные средства невероятно дороги, а себестоимость продукции (COG) слишком высока. Waymo сегодня устанавливает завышенные цены — часто около 4 долларов за милю — и, несмотря на эти цены, компания по-прежнему не приносит прибыли. Себестоимость роботакси Tesla будет настолько низкой, что даже при цене около 1 доллара за милю, вероятно, будет приносить 50 центов прибыли на милю в больших масштабах. Сегодня Tesla уже устанавливает цену около 1,5 доллара за милю (базовая цена + недавно скорректированные тарифы за милю), несмотря на раннюю стадию развития сервиса, низкий масштаб и использование относительно дорогих Model Y — по крайней мере, по сравнению с тем, насколько дешевым будет Cybercab.

Вторая причина, связанная с первой, — это смехотворно низкие темпы производства автомобилей Waymo. Waymo открыла свой «Завод интеграции водителя» в Месе, штат Аризона, совместно с Magna в 2025 году. Однако это не типичная автомобильная производственная линия — это скорее цех по созданию прототипов и доработке автомобилей. Автомобили разбираются, датчики и вычислительные системы интегрируются и тестируются вручную, а производительность в настоящее время составляет всего несколько автомобилей в день (с планами довести производство до чуть более 2000 дополнительных Jaguar I-PACE к концу 2026 года). Это смешно. Нет необходимости сравнивать это с линиями Model Y/3, не говоря уже о скорости производства будущего Cybercab.

Одних этих двух аргументов будет достаточно, чтобы гарантировать полное уничтожение Waymo, когда масштабы производства роботакси достигнут нужного уровня.

Но есть и третья причина: даже если бы Waymo волшебным образом смогли решить проблемы стоимости и производства, их основная технология делает их принципиально непригодными для того, чтобы наводнить наши города своими автомобилями. В этой статье мы рассмотрим, почему.

Раздел 1: Что такое HDMap?

Карта высокого разрешения (HDMap) — это не какое-то навороченное GPS-приложение. Это невероятно точная, многослойная цифровая копия физического мира — с точностью до сантиметра (обычно 5–10 см, иногда лучше) — которую Waymo, Cruise, Motional и остальные производители роботакси с лидаром воспринимают как истину в последней инстанции. Представьте себе это как предварительно созданную, вручную размеченную 3D-модель каждой дороги, по которой они хотят проехать. Транспортное средство не просто «видит» мир в реальном времени с помощью своих датчиков; оно постоянно сопоставляет увиденное с этим божественным предварительным знанием.

Вот что именно находится внутри профессионального HD-карта, такого как карта Waymo:

Геометрический слой (исходный 3D-скелет)

• Точные 3D-полилинии и полигоны для каждой осевой линии полосы движения, границы полосы, границы дороги, бордюра, разделительной полосы и тротуара .

• Полная геометрия дороги: ширина, кривизна, уклон, перепады высот — все, что необходимо для определения физической формы проезжей части с точностью до нескольких сантиметров.

• Пешеходные переходы, стоп-линии, линии второстепенной дороги, лежачие полицейские и въезды на территорию (да, они четко указывают, какие въезды являются настоящими подъездными дорогами, а какие — роллетами, которые просто выглядят как таковые — классическая деталь Waymo).

Семантический слой (библия правил дорожного движения)

• Все дорожные знаки : точное трехмерное положение, тип и ориентация (стоп, уступите дорогу, ограничение скорости, запрет разворота и т. д.).

• Все светофоры : точное трехмерное определение местоположения (критично, поскольку автомобилю необходимо знать, какой светофор управляет какой полосой).

• Разметка всех полос движения : сплошная, пунктирная, двойная, зебра, стрелки, велосипедные дорожки, разметка для автомобилей с большим количеством пассажиров — полная разметка.

• Характеристики полосы движения: направление движения, тип полосы (прямое движение, только для поворота налево, только для поворота направо, съезд, реверсивная, только для автобусов и т. д.), связность (какие полосы соединяются с какими на следующем перекрестке), ограничения на повороты, логика распределения приоритета.

• Ограничения скорости — не только указанные на знаке, но и характеристики каждого участка, которые напрямую используются в планировщике.

 

Пример разметки карты высокого разрешения

Аннотации планирования и поведения (основной слой — вот где начинается самое интересное)

Именно этот момент большинство людей упускает из виду. HDMap не ограничивается описанием «вот кривая». Он содержит подробные аннотации и атрибуты, которые позволяют планировщику маршрута интуитивно понимать задачу, поэтому системе не нужно быть по-настоящему интеллектуальной:

• Идеальные/предпочтительные профили скорости для каждого участка дороги : карта содержит не только разрешенные законом ограничения скорости, но и рекомендуемые скорости, основанные на геометрии дороги. Например: «на этом повороте рекомендуется скорость 30 км/ч из-за радиуса и поперечного уклона» или «на прямом участке с хорошей видимостью допустима скорость 50 км/ч». Некоторые карты даже используют исторические данные о профилях скорости (как на самом деле ездят люди), чтобы сделать поездку более комфортной.

• Зоны безопасности (пример для Waymo): особые зоны, такие как автобусные зоны Сан-Франциско, где по закону запрещено обгонять остановившийся автобус со скоростью более 10 миль в час. Эти зоны жестко запрограммированы на карте, чтобы планировщик никогда не нарушал местные правила.

• Зоны второстепенной дороги и логика определения приоритета проезда : четко определенные правила «кто едет первым» на перекрестках, при слиянии потоков или на круговых развязках.

• Прогнозы появления автомобилей на подъездной дороге : каждый обозначенный въезд на подъездную дорогу сообщает проектировщику: «Здесь может внезапно выскочить машина».

• Затраты и ограничения, специфичные для каждой полосы движения : максимальная скорость на полосе, затраты на действия (например, перестроение в определенных зонах обходится дороже), предпочтительное положение внутри полосы (например, прижиматься к левой стороне, если справа стена — заложено человеческое поведение).

• Реверсивные полосы движения, зоны предварительного строительства, взаимодействие велосипедных дорожек и другие нестандартные ситуации, которые в противном случае потребовали бы от ИИ решений на ходу.

Вдобавок ко всему, часто используется слой локализации — плотные трехмерные ориентиры или облака точек (столбы, фасады зданий, бордюры, знаки), с которыми сканирование крыши с помощью LiDAR сопоставляется в реальном времени для позиционирования с точностью до сантиметра.

Короче говоря: HDMap — это предварительно обработанная, составленная человеком, невероятно подробная шпаргалка по статичному миру. Она точно указывает роботу, где что находится, каковы правила, с какой скоростью он должен двигаться, и даже дает небольшие подсказки о том, как вести себя как опытный водитель. Без нее современные системы на основе LiDAR просто не работали бы на том уровне, на котором заявляют разработчики.

Раздел 2: Как создается HDMap?

Вот неприглядная правда о том, как Waymo и все остальные операторы роботакси с лидарным сканированием на самом деле создают свои драгоценные HD-карты.

Они не берут данные из ниоткуда и не генерируют их с помощью какого-то волшебного искусственного интеллекта в реальном времени. Они отправляют целый флот оснащенных множеством приборов автомобилей — по-прежнему управляемых людьми на этапе подготовки к запуску — для многократного объезда целевого города или района , иногда десятки раз в течение нескольких дней или недель. При каждом заезде лидары на крышах выдают плотные трехмерные облака точек, камеры делают снимки, а GPS/IMU определяют приблизительное начальное положение.

Основная проблема — дрейф одометрии. Датчики колес, акселерометры, даже короткие импульсы одометрии LiDAR никогда не бывают идеальными. Малейшая ошибка — скажем, 0,1 градуса по направлению или пара сантиметров по перемещению — быстро накапливается. После всего одного километра вы легко можете отклониться на несколько метров. Обычный GPS бесполезен для работы с точностью до сантиметра в реальных городах.

Поэтому они разбивают данные на небольшие локальные фрагменты — достаточно короткие, чтобы оценка движения транспортного средства внутри каждого из них оставалась надежной. Внутри каждого фрагмента они создают локально согласованное облако точек. Затем начинается настоящая работа: сшивание этих фрагментов вместе в автономном режиме, как гигантскую трехмерную головоломку.

На границах, где плитки перекрываются, они ищут одни и те же статические объекты — угол здания, край бордюра, фонарный столб. Они перемещают и вращают плитки до тех пор, пока точки LiDAR с обеих сторон не совпадут как можно точнее. Здание, видимое с плитки A и плитки B, должно точно совпадать само с собой. Проделайте это для каждого перекрывающегося объекта по всему городу, и в результате вы получите одно огромное, глобально согласованное облако точек LiDAR.

После того как карта сформирована, они совершают несколько поездок по одним и тем же районам и накладывают данные друг на друга. Все движущиеся объекты — припаркованные автомобили, которые уехали, пешеходы, грузовики доставки — отфильтровываются, поскольку они появляются непостоянно. В результате получается чистое, статичное трехмерное «облако точек истины».

Из этого огромного замороженного облака точек, а также всех синхронизированных изображений с камер, команда извлекает фактические слои HDMap, описанные в разделе 1. Разметка полос, бордюры, пешеходные переходы, дорожные знаки и светофоры извлекаются полуавтоматически, но основная работа — особенно аннотации планирования, такие как «здесь нужно ехать медленнее», «следите за движением в школьной зоне» или «особая осторожность на этом странном слиянии» — выполняется группами людей, использующих специализированные инструменты.

Дорогие датчики. Дорогие вычислительные мощности. Дорогостоящий человеческий труд. Это не масштабируемый процесс. Это медленный, ручной рабочий процесс прототипирования, замаскированный под планирование производства.

Раздел 3: Как работает локализация внутри HDMap и почему необходим этот лидар на крыше?

После создания карты HDMap она загружается во все роботакси, работающие в этом районе.

Автомобиль передвигается, используя лишь приблизительные данные GPS, которые, по сути, говорят: «Вы где-то в этом районе». Этого явно недостаточно для безопасного вождения. Поэтому автомобиль постоянно сканирует окружающий мир с помощью установленного на крыше лидара и генерирует в режиме реального времени трехмерное облако точек окружающей местности.

Затем система выполняет точно такой же процесс выравнивания облака точек, который использовался для первоначального соединения фрагментов карты. Система берет свежее сканирование LiDAR и сдвигает и вращает его предполагаемое положение до тех пор, пока облако точек в реальном времени не совпадет как можно точнее с предварительно созданной HDMap. Здания совпадают со зданиями, столбы — со столбами, бордюры — с бордюрами. Когда все совпадает, транспортное средство знает свое точное положение внутри карты с точностью до нескольких сантиметров.

Это настоящая, неоспоримая причина, по которой Waymo и все остальные компании, производящие роботакси с лидаром, устанавливают на крыше этот большой и дорогой лидар. Он необходим дважды : во-первых, для построения карты высокого разрешения (HDMap), и во-вторых, для определения местоположения внутри неё каждую секунду движения автомобиля.

Почему именно крыша? Потому что датчик расположен высоко, обеспечивая широкое вертикальное поле зрения и полный обзор на 360°. Он может видеть прямо поверх других автомобилей, грузовиков и транспортного потока, вплоть до неподвижной инфраструктуры — фасадов высоких зданий, фонарных столбов, вывесок и других надежных ориентиров. Это те самые «золотые точки опоры», которые обеспечивают абсолютно надежное позиционирование.

Локализация LiDAR на крыше авто в пределах HD-карты: выравнивание облака точек в реальном времени (красные кольца) для достижения сантиметровой точности.

Камеры могут в некоторой степени помочь с локализацией. Наиболее известным примером является система RoadBook от Mobileye (их семантическая карта HDMap, созданная на основе данных EyeQ, полученных методом краудсорсинга): она извлекает разреженные ориентиры, такие как разметка полос, столбы и знаки, и визуально сопоставляет их для определения местоположения автомобиля. Она достаточно хорошо работает для систем помощи водителю уровня L2+/L3. Но для локализации с точностью до сантиметра, которая требуется системам типа Waymo, у камер есть фундаментальный недостаток: они хуже обеспечивают точные и надежные оценки расстояния в метрической системе, необходимые для стабильного сопоставления с картой в любых условиях. LiDAR обеспечивает прямые, высокоточные 3D-облака точек с точными измерениями расстояния, что делает его намного превосходящим и практически непревзойденным для этой конкретной задачи. Именно поэтому Waymo настаивает на сохранении дорогостоящего LiDAR, установленного на крыше.

Короче говоря: отсутствие лидара на крыше означает отсутствие надежной локализации с точностью до сантиметра внутри HDMap. Без него вся система рушится.

Раздел 4: Почему HDMap действительно является костылем для компенсации недостатка интеллекта и, следовательно, почему такая система терпит неудачу и никогда не сможет масштабироваться.

Вот тут-то вся карточная конструкция и рушится.

HDMap — это не просто дорогостоящая система в строительстве. Это постоянный, бесконечный кошмар с точки зрения обслуживания. Новая строительная зона? Дорога переасфальтирована? Светофор передвинут на три метра? Знак заменен? Карта мгновенно становится неверной. Каждое изменение требует новых запусков картографирования, новой сшивки облака точек, новых ручных аннотаций и новой проверки, прежде чем автопарк сможет снова проехать по этому участку. Это уже и так болезненно и дорого в пределах одного города. Если масштабировать это на целую агломерацию, не говоря уже о стране или континенте, это становится физически и экономически невозможным. Это не транспортная система. Это, по сути, аттракцион в тематическом парке, который работает только в крошечной, тщательно контролируемой песочнице.

И это еще до того, как мы доберемся до самой главной опасности: непредвиденных обстоятельств.

Затопленная дорога? Свежеслитый асфальт, но еще нет конусов? Отключение электроэнергии, из-за которого все светофоры превращаются в перекрестки с четырьмя знаками «Стоп»? У HDMap нет ответа. У автомобиля нет реального интеллекта, на который можно было бы опереться. Он буквально въезжает прямо в проблему, потому что его никогда не обучали этому конкретному граничному случаю.

Новый «водный режим» Waymo: версия «пловец» (незапланированная)

Просто посмотрите на бесконечный поток видеороликов от

@Cyber_Trailer

На X. Только за последние несколько недель мы увидели Waymos:

• В Нэшвилле машины замерли на месте посреди перекрестков, вынудив полицейских залезть внутрь и вручную отбуксировать их в сторону.

• В зоне строительства в Нэшвилле машина катится прямо по свежему асфальту, оставляя следы от шин и повреждая совершенно новое покрытие.

• В Фениксе и Хьюстоне на несколько минут блокируют движение в зонах активных строительных работ, перекрывая поезда, полосы движения и все остальное, пока удаленные руководители на Филиппинах пытаются понять, что делать.

• В Лос-Анджелесе по-прежнему совершенно не справляются со светофорами при отключении электроэнергии — точно так же, как и во время отключений в Сан-Франциско несколькими месяцами ранее.

Это не проблемы с датчиками. Лидар на крыше видит мокрый бетон, затопленную улицу, темный перекресток. Камеры тоже это видят. Проблема в мозге. Система не может извлечь необходимую информацию из необработанных данных с датчиков и принять безопасное, человекоподобное решение на ходу. Она не может определить правильную скорость на повороте, если карта явно не указывает: «Здесь 30 км/ч». Она не может распознать: «Это выглядит как дорога, но на самом деле это свежий бетон — мне не следует по нему ехать». Она не может сделать вывод: «Здесь не работают светофоры, и все машины воспринимают это как перекресток с четырехсторонним движением — мне нужно уступить дорогу и ехать осторожно».

Именно поэтому они и создали HDMap: потому что лежащий в его основе искусственный интеллект чертовски туп. Карта — это не что иное, как костыль — огромная, заранее подготовленная шпаргалка, которая разжевывает автомобилю каждую статическую деталь и каждый поведенческий намек, который он сам не может понять.

И вот жестокая реальность масштабирования. Сейчас мы терпим несколько десятков Waymo в горстке городов. Когда один из них делает что-то глупое, мы смеемся, выкладываем видео и идем дальше. Заполните улицы тысячами или десятками тысяч таких машин, и «случайный глупый момент» превратится в постоянные пробки, постоянное блокирование машин скорой помощи, постоянный хаос. Пожарные машины застревают за замерзшими роботакси. Машины скорой помощи задерживаются. Перекрестки парализованы. Обычные водители теряют рассудок. Вся система рушится в тот момент, когда она покидает свой крошечный, идеально сформированный пузырь.

Развлечение в обеденный перерыв при поддержке устаревшей HD-карты от Waymo.

HDMap — это не функция. Это доказательство отсутствия интеллекта. И никакое количество дополнительных датчиков или большее количество специалистов по аннотированию никогда этого не исправят.

Раздел 5: Почему Waymo выбрала этот путь, если он не масштабируем.

Компания Waymo выбрала путь использования HDMap и LiDAR на крыше не потому, что поступила глупо. Она выбрала его потому, что на момент начала разработки своей системы это был единственный технически осуществимый вариант.

Создание роботакси, способного ездить куда угодно без заранее подготовленной шпаргалки по маршрутам, требовало уровня реального интеллекта, которого просто ещё не существовало. Извлечение каждого правила дорожного движения, каждого исключения, каждого «это выглядит безопасно, а это нет» непосредственно из необработанных пикселей камеры в реальном времени было инженерной авантюрой. Данные, вычислительные мощности, архитектуры нейронных сетей, циклы обучения — ничего из этого не было готово. Именно это подробно изложила моя предыдущая статья «FSD: от невозможного к просто запоздалому»: ставка Илона казалась наивной в течение многих лет, потому что фундаментальные компоненты для чистого сквозного компьютерного интеллекта было невероятно сложно спроектировать. Дело было не в деньгах или силе воли. Это было физически невозможно с технологиями 2010-х годов.

Поэтому Waymo поступила рационально: они создали опору. Они вложили сотни миллионов в парки лидарных картографов, конвейеры обработки графовой SLAM-информации, специалистов по аннотированию и постоянное обслуживание карт. Это позволило им запустить беспилотные системы в небольших, тщательно контролируемых городах, в то время как все остальные все еще оставались на втором уровне ограничений. В то время это было выдающееся инженерное решение. Отдадим должное — им удалось сделать то, что не под силу никому другому.

Но судьба жестоко распоряжается временем.

В тот момент, когда стало возможным создание интеллектуальных систем — в тот момент, когда Tesla взломала сквозную архитектуру, огромный массив данных о клиентском автопарке, чип для точного побитового вывода и сложный цикл квантования, превращающий обучение с плавающей запятой в целочисленную реальность, пригодную для развертывания, — весь подход HDMap устарел. И Waymo теперь навсегда застряла на этом пути.

Даже если бы они захотели завтра изменить курс, им не удалось бы повторить то, что создала Tesla. Предложенный мной в предыдущей статье список из 14 пунктов — это не маркетинговая уловка. Это суровый перечень необходимых компонентов для универсальной автономной работы без использования карт:

• Миллионы автомобилей, принадлежащих клиентам, оснащены идентичным, стабильным набором датчиков машинного зрения, передающих необработанные, нефильтрованные данные в планетарном масштабе.

• Закрытая система обучения с использованием микросхемы для вывода результатов и обучением с фиксированной/целочисленной точностью с самого начала — без симуляции чисел с плавающей запятой и без принципа «обучайся на числах с плавающей запятой и молись, пока тебя не спасет технология обучения с учетом квантования (QAT)».

• Полный комплекс решений: сбор данных → разметка → обучение → развертывание → обратная связь в реальных условиях — все под одной крышей.

• А также остальные 14 пунктов, которые превращают терабайты некачественного человеческого опыта в систему, способную к обобщению.

У Waymo ничего этого нет. У них есть несколько дорогих, доработанных вручную Jaguar и Zeuse в нескольких городах. Их автопарк крошечный. Их данные ограничены картами и обрабатываются, а не являются необработанными и бесконечными. Им не хватает защиты от устаревших технологий, защиты от квантования, защиты от клиентского автопарка и почти всего остального из этого списка.

Они застряли. Навсегда.

Система HDMap оказалась блестящим временным мостом. Она помогла им перебраться через реку, когда ничто другое не могло. Но мост теперь позади, река расширяется, и Tesla уже на другом берегу с системой, которая масштабируется под любую дорогу на Земле без единого обновления карт.

Игра закончена.

Заключение

Компания Waymo родилась слишком рано, чтобы добиться успеха.

Как коллега-инженер, я в полной мере понимаю огромную сложность того, чего они достигли. Снимаю шляпу — серьёзно. Проблема заключалась не в исполнении, а в фундаментальной концепции.

Использование HDMap в качестве временной меры для маскировки отсутствия реального интеллекта никогда не приведет к созданию масштабируемой системы роботакси. Для этого необходимы дорогостоящие лидары, устанавливаемые на крышах, превращающие каждое транспортное средство в прототип, собранный вручную. Масштабирование за пределы небольших, тщательно спланированных городов невозможно. И что хуже всего, лежащее в основе отсутствие интеллекта приводит к постоянному глупому поведению, которое быстро станет невыносимым, как только наши города наводнят тысячами таких транспортных средств.

Система Тесла FSD обходит все эти ограничения благодаря гораздо более простой, чисто видео архитектуре. Ее значительно проще и дешевле производить в больших объемах, и, что более важно, она мгновенно масштабируется до континентального уровня. FSD уже работает в США, Канаде, Мексике, Южной Корее и только что запущена в Нидерландах. Обратите внимание, что Tesla не внедряет ее по городам — она развертывается по целым странам практически за одну ночь.

Возможно, вы задаетесь вопросом, почему Tesla до сих пор использует тестовые автомобили, оснащенные лидарами, перед запуском роботакси без присмотра. Это делается не для создания карты местности. Это делается исключительно для проверки того, что модель ИИ может безопасно работать в новой местности без присмотра. Я предполагаю, что этот дополнительный этап проверки станет ненужным в ближайшем будущем. По мере того, как Tesla будет накапливать опыт работы со своим парком роботакси и продолжать собирать миллиарды миль реальных данных, она сможет мгновенно и безопасно развертывать системы автономного вождения без присмотра на континентальном уровне.

Именно поэтому компания Tesla  FSD в одночасье начала свою работу в Амстердаме.

Будущее уже здесь. У Tesla нет реальных конкурентов. Ее превосходная структура затрат, непревзойденные возможности масштабирования и принципиально интеллектуальная система управления позволят ей быстро, безопасно и глобально расширяться.

Вся конкуренция будет уничтожена.

Приготовьтесь.