LiDAR vs. Solo Cámaras: El Gran Debate de Sensores para Conducción Autónoma
Pocos debates en la industria de la movilidad generan tanta pasión como la confrontación entre dos filosofías de percepción para vehículos autónomos: la visión pura basada en cámaras y los sistemas multimodales que incorporan LiDAR. En Güil, hemos analizado ambos enfoques desde una perspectiva técnica y de inversión, y nuestra conclusión es que la respuesta correcta depende del contexto operativo.
El argumento a favor de la visión pura
Tesla, bajo la dirección de Elon Musk, ha sido el defensor más vocal del enfoque de solo cámaras. Su argumento fundamental es elegante en su simplicidad: los seres humanos conducen usando únicamente la visión, por lo tanto un sistema de inteligencia artificial suficientemente avanzado debería poder hacer lo mismo con cámaras de alta resolución.
El sistema Tesla Vision utiliza ocho cámaras que proporcionan una cobertura de 360 grados alrededor del vehículo, alimentando una red neuronal que construye un modelo tridimensional del entorno en tiempo real. Las ventajas de este enfoque son claras: menor costo por vehículo (las cámaras cuestan una fracción de un sensor LiDAR), mayor escalabilidad, y la posibilidad de mejorar el sistema continuamente mediante actualizaciones de software a la flota existente.
Sin embargo, las cámaras tienen limitaciones físicas inherentes. Su rendimiento se degrada significativamente en condiciones de lluvia intensa, niebla densa, nieve o luz solar directa. La estimación de profundidad a partir de imágenes bidimensionales, aunque ha mejorado drásticamente con técnicas de aprendizaje profundo, sigue siendo menos precisa que la medición directa que ofrece el LiDAR.
El caso del LiDAR
Waymo, Cruise (antes de su pausa operativa), y la mayoría de las empresas de robotaxi han adoptado un enfoque de fusión de sensores que combina cámaras, radar y LiDAR. Este último genera un mapa de puntos tridimensional del entorno con precisión centimétrica, independientemente de las condiciones de iluminación.
Los avances recientes en LiDAR de estado sólido han reducido los costos de manera significativa. Sensores como los de Luminar, Hesai e Innoviz han bajado de más de 75.000 dólares por unidad a menos de 500 dólares en configuraciones de grado automotriz. Esta reducción de costos debilita uno de los argumentos principales contra el LiDAR, aunque la complejidad de calibración y mantenimiento de múltiples sensores sigue siendo un factor relevante.
Lo que dicen los datos de seguridad
Waymo publicó datos en 2024 mostrando que su sistema genera un 85% menos de colisiones con lesiones que un conductor humano promedio en las mismas condiciones urbanas. Tesla, por su parte, afirma que sus vehículos con Autopilot tienen una tasa de accidentes significativamente menor que el promedio nacional, aunque la metodología de comparación ha sido cuestionada por investigadores independientes.
Nuestra lectura como inversores
Desde el equipo de Güil, consideramos que ambas aproximaciones convergerán en un punto intermedio. Los sistemas de solo cámaras seguirán mejorando gracias a los avances en redes neuronales y modelos de mundo, mientras que el LiDAR continuará abaratándose hasta convertirse en un componente estándar de bajo costo. La verdadera diferenciación competitiva no estará en la selección de sensores, sino en la calidad del software de percepción, planificación y toma de decisiones que integra toda la información sensorial.