A Waymo colocou sua experiência nas ruas no centro de uma das principais discussões da direção autônoma. Em uma publicação de 26 de agosto de 2026, a empresa reuniu dez lições extraídas de mais de 200 milhões de milhas percorridas sem motorista e defendeu o uso combinado de câmeras, lidar, radar, mapas de alta definição e uma camada independente de segurança.
Para a Waymo, câmeras sozinhas não são suficientes para uma operação autônoma de Nível 4, na qual o veículo assume toda a condução dentro de condições e áreas determinadas. O argumento tem peso por vir de um serviço comercial em grande escala, mas as milhas acumuladas não revelam quanto do resultado depende de cada sensor, do software, dos mapas ou das regras operacionais.
O mesmo ambiente visto de três maneiras
A sexta geração do Waymo Driver, que começa a equipar o Ojai, utiliza 13 câmeras, quatro unidades de lidar, seis radares e receptores externos de áudio. Os campos de visão se sobrepõem ao redor do veículo e têm alcance declarado de até 500 metros.
As câmeras reconhecem semáforos, placas e outros detalhes visuais. O lidar mede distâncias e cria uma representação tridimensional da rua. O radar acompanha a velocidade dos objetos e mantém capacidade de detecção sob chuva intensa, neblina, poeira ou baixa iluminação. A sobreposição permite que um sensor complemente o outro quando existe sujeira, ofuscamento ou alguma limitação de visibilidade.
Os mapas HD fornecem uma referência prévia da geometria das vias. Com essa base, o computador pode dedicar mais processamento ao que mudou, como uma obra, um desvio ou uma placa temporária. Eles não substituem a leitura dos sensores e precisam ser atualizados quando a rua muda.
A comparação com a Tesla exige cuidado. O manual do (Supervised) informa que o sistema utiliza principalmente câmeras, mas ganha precisão com mapas atualizados e também considera dados de navegação, limites de velocidade e informações históricas da frota. A diferença está menos em usar ou não mapas e mais no nível de detalhe e no papel dessa referência dentro do sistema.
Modelos maiores, mas sem uma única caixa-preta
A Waymo está concentrando mais tarefas em modelos maiores, mas rejeita transformar todo o Waymo Driver em uma única rede neural sem verificação separada. Cada trajetória proposta passa por uma camada embarcada que compara o plano com limites físicos, regras de trânsito e risco de colisão. Se uma dessas barreiras for ultrapassada, a manobra pode ser bloqueada antes de chegar aos controles.
Modelos de visão e linguagem também são usados para interpretar situações incomuns, como os gestos de um policial orientando o trânsito. A própria empresa reconhece, porém, que eles ainda são lentos e não possuem percepção espacial suficiente para assumir o controle em tempo real.
É nesse ponto que a comparação com sistemas supervisionados encontra seu limite. A Tesla define o (Supervised) como uma assistência que exige atenção contínua e prontidão para intervenção. A Waymo argumenta que essas milhas não equivalem à experiência sem motorista, pois uma pessoa pode corrigir uma falha antes que ela produza todas as suas consequências.
O que as 200 milhões de milhas demonstram
O painel de segurança da Waymo registra 220,6 milhões de milhas sem motorista até março de 2026. Na comparação com motoristas humanos expostos às mesmas distâncias nas cidades avaliadas, a empresa calcula 94% menos colisões com ferimentos graves ou morte, 82% menos acidentes com algum ferimento e 82% menos ocorrências com acionamento de airbag.
Um estudo com dados da Swiss Re analisou uma amostra anterior de 25,3 milhões de milhas e encontrou redução de 88% nas reclamações por danos materiais e de 92% nas reclamações por lesões corporais em relação aos motoristas humanos usados como referência.
Os resultados mostram um desempenho de segurança favorável do Waymo Driver nos locais em que opera. Não provam, porém, que lidar ou mapas HD sejam indispensáveis em qualquer arquitetura autônoma. Para separar a contribuição de cada componente, seria necessário retirá-lo ou modificá-lo e medir a perda de desempenho, algo que os dados públicos não fazem.
