De mobiliteitsrevolutie: waarom autonoom rijden op een keerpunt staat
Door Adrian Daniel, portefeuillemanager in het MainFirst Global Equities/Absolute Return Multi Asset team
De mobiliteit van de toekomst wordt grotendeels bepaald door autonome voertuigen. Maar niet alle ontwikkelingen verlopen volgens plan: General Motors kondigde onlangs aan dat het bedrijf en zijn dochteronderneming Cruise zich zouden terugtrekken uit de ontwikkeling van robotauto's. Deze stap heeft de industrie wakker geschud en doet de vraag rijzen hoe stabiel de vooruitgang op het gebied van autonoom rijden eigenlijk is. Terwijl sommige spelers zoals Tesla en Waymo ambitieuze plannen blijven nastreven, worden anderen geconfronteerd met technologische, regelgevende en economische uitdagingen.
Autonome voertuigen zijn gebaseerd op de interactie van verschillende technologieën. LiDAR-, radar- en camerasystemen worden steeds preciezer en kosteneffectiever. Vooruitgang op het gebied van deep learning en neurale netwerken maakt het mogelijk om de omgeving nauwkeuriger te herkennen en beslissingen te nemen. Tegelijkertijd zorgen 5G-technologieën voor snelle en stabiele communicatie tussen voertuigen onderling (V2V) en tussen voertuigen en infrastructuur (V2I).
De belangrijkste spelers op het gebied van autonoom rijden hebben verschillende technologische benaderingen die een weerspiegeling zijn van hun respectievelijke strategieën en doelen.
- Tesla kiest voor een onorthodoxe benadering door uitsluitend te vertrouwen op camerasystemen en af te zien van LiDAR. Het bedrijf is ervan overtuigd dat geavanceerde neurale netwerken en hogeresolutiecamera's voor de nodige omgevingsherkenning kunnen zorgen.
- Waymo gebruikt daarentegen een combinatie van camera's, LiDAR en radar om een uitgebreide en redundante waarneming van de omgeving mogelijk te maken. Een ander uniek verkoopargument van Waymo is het gedetailleerd in kaart brengen van de werkgebieden. De voertuigen navigeren op zeer nauwkeurige, vooraf gecodeerde digitale kaarten die speciaal voor stedelijke gebieden zijn gemaakt. Deze aanpak biedt een hoge mate van veiligheid, maar vereist aanzienlijke middelen om de kaarten te maken en te onderhouden, wat resulteert in een beperkt aantal locaties en steden.
- Volkswagen volgt een hybride strategie en integreert zowel LiDAR- als camerasystemen in zijn autonome voertuigen. In samenwerking met partners als Argo AI richt de groep zich op de inzet in stedelijke verkeersscenario's en op langetermijnplannen voor autonome koerierdiensten.
- Hoewel General Motors (GM) onlangs aankondigde dat het zich terugtrekt uit bepaalde aspecten van autonoom rijden, heeft Cruise tot nu toe vertrouwd op uitgebreide testvloten met geavanceerde sensor-stacks. Deze omvatten LiDAR, radar en camera's die speciaal zijn ontworpen voor veiligheid en betrouwbaarheid.
- Zoox, een dochteronderneming van Amazon, ontwikkelt gespecialiseerde autonome voertuigen zonder stuur of pedalen die volledig als robotaxi's zijn ontworpen. Zoox gebruikt een combinatie van sensortechnologie en AI om tweerichtingsverkeer en maximale flexibiliteit in stedelijke gebieden mogelijk te maken.
- Baidu kiest daarentegen voor een open benadering met zijn Apollo-platform, dat ontwikkelaars wereldwijd toegang biedt tot modulaire technologieën. Deze kunnen aangepast worden aan specifieke toepassingen, van autonome taxi's tot logistieke oplossingen.
De verschillende benaderingen weerspiegelen niet alleen technologische prioriteiten, maar ook economische en strategische overwegingen. De technologische keuze heeft een directe invloed op de kosten, schaalbaarheid en verkoopbaarheid van autonome systemen.
Tesla, een geval apart
Tesla neemt een bijzondere positie in op het gebied van autonoom rijden. Het bedrijf vertrouwt op een camerasysteem en vermijdt bewust het gebruik van LiDAR, waardoor het zich onderscheidt van veel van zijn concurrenten. Tesla's benadering is gebaseerd op de veronderstelling dat waarneming door camera's in combinatie met geavanceerde software voldoende is om de omgeving van een voertuig nauwkeurig vast te leggen. Deze strategie biedt duidelijke voordelen op het gebied van kosten en schaalbaarheid, aangezien LiDAR-systemen momenteel nog duur zijn en veel middelen vergen. Een ander belangrijk concurrentievoordeel van Tesla is de enorme database die het bedrijf genereert uit de miljoenen voertuigen van klanten. Elk Tesla-voertuig is uitgerust met sensoren die continu gegevens verzamelen en doorsturen naar de centrale AI-infrastructuur van het bedrijf. Dankzij deze "fleet learning"-strategie kan Tesla zijn algoritmen sneller en efficiënter verbeteren dan de concurrentie, die vaak afhankelijk is van kleinere testvloten.
Daarnaast onderscheidt Tesla zich door zijn technologieën direct te integreren in een bestaand en veelgebruikt voertuigaanbod. Terwijl bedrijven als Waymo en Zoox gespecialiseerde voertuigen ontwikkelen voor autonome toepassingen, gebruikt Tesla zijn bestaande modellen om geleidelijk aan autonome functies te introduceren. Met deze strategie kan het bedrijf de acceptatie door de consument vergroten en tegelijkertijd inkomsten genereren uit de verkoop van voertuigen.
De Full Self-Driving (FSD) software is een ander element waarmee Tesla zich onderscheidt van zijn concurrenten. Hoewel de FSD-software nog geen volledige autonomie heeft bereikt, biedt het al een breed scala aan rijhulpfuncties en wordt het voortdurend verbeterd door middel van draadloze updates. Dit versterkt Tesla's positie als innovatieve marktspeler, omdat de klant altijd de nieuwste technologie kan gebruiken zonder een nieuwe auto te hoeven kopen.
Uitdagingen en kansen
Ondanks de indrukwekkende vooruitgang blijven er uitdagingen, maar deze bieden ook enorme kansen en mogelijkheden.
- Autonome voertuigen kunnen het wegverkeer veiliger maken door menselijke fouten, die momenteel verantwoordelijk zijn voor de meeste ongevallen, tot een minimum te beperken.
- Automatisering kan ook leiden tot een efficiënter gebruik van hulpmiddelen door voertuigen beter te benutten en routes te optimaliseren.
- In de logistiek en het vrachtvervoer kunnen autonome systemen een revolutie in de bevoorradingsketens tot stand brengen, de kosten verlagen en zorgen voor een betrouwbaardere bevoorrading.
- Autonome chauffeursdiensten zouden ook de levenskwaliteit in steden kunnen verbeteren, omdat er minder voertuigen nodig zouden zijn en files zouden afnemen. Mobiliteit zou toegankelijker kunnen worden gemaakt, wat ouderen en mensen met een beperking ten goede zou komen.
- Autonome technologieën vormen ook de basis voor innovatieve bedrijfsmodellen. Rittendeeldiensten zouden kosteneffectiever en efficiënter kunnen worden geëxploiteerd, terwijl autofabrikanten zelf nieuwe inkomstenbronnen zouden kunnen aanboren door software-updates op basis van abonnementen.
- De digitalisering van mobiliteit heeft het potentieel om duurzamere transportoplossingen te creëren door elektrische voertuigen te combineren met autonome systemen.
- Het reguleren en standaardiseren van de technologie blijft een belangrijke uitdaging, maar biedt ook de mogelijkheid om wereldwijde benchmarks voor veiligheid en efficiëntie vast te stellen. Met een duidelijk doel en nauwe samenwerking tussen overheden, industrie en onderzoek kan autonoom rijden de basis leggen voor een nieuw tijdperk van mobiliteit.
Autonoom rijden bevindt zich op een cruciaal punt. Hoewel de technologische doorbraken indrukwekkend zijn, brengt de implementatie in het dagelijks leven zowel technische als sociale en politieke hindernissen met zich mee. Samenwerking tussen industrie, politiek en onderzoek is essentieel om wereldwijde standaarden vast te stellen en vertrouwen in de nieuwe technologie te creëren. Tesla heeft een duidelijk voordeel met zijn datagestuurde strategie en integratie in bestaande voertuigmodellen, terwijl Waymo en anderen vertrouwen op technologieën die hoge investeringen vereisen. De conclusie is duidelijk: autonoom rijden heeft het potentieel om de mobiliteit fundamenteel te veranderen.
