TED2015
Chris Urmson: How a driverless car sees the road
Chris Urmson: ¿Cómo puede un auto sin conductor ver la carretera?
Filmed:
Readability: 3.3
2,536,355 views
Estadísticamente, la parte menos fiable del auto es ¡el conductor!. Chris Urmson encabeza el programa de autoconducción de Google, uno de los varios esfuerzos para sacar a los humanos del asiento del conductor. Aquí habla de hacia dónde se dirige su programa en este momento, y comparte un material de archivo fascinante que muestra cómo el vehículo ve la carretera y cómo ese vehículo toma decisiones autónomas sobre qué hacer después.
Double-click the English transcript below to play the video.
00:12
So in 1885, Karl Benz
invented the automobile.
invented the automobile.
0
528
3949
En 1885, Karl Benz
inventó el automóvil.
inventó el automóvil.
00:16
Later that year, he took it out
for the first public test drive,
for the first public test drive,
1
4707
3762
Más tarde ese año, lo sacó para la
primera prueba de conducción pública,
primera prueba de conducción pública,
00:20
and -- true story --
crashed into a wall.
crashed into a wall.
2
8469
3375
para --historia verdadera--
estrellarse contra una pared.
estrellarse contra una pared.
00:24
For the last 130 years,
3
12184
2043
En los últimos 130 años,
00:26
we've been working around that least
reliable part of the car, the driver.
reliable part of the car, the driver.
4
14227
4319
hemos trabajado en torno a esa parte
menos fiable del vehículo, el conductor.
menos fiable del vehículo, el conductor.
00:30
We've made the car stronger.
5
18546
1354
Hemos hecho autos más fuertes.
Se ha añadido el cinturón de seguridad,
las bolsas de aire,
las bolsas de aire,
00:32
We've added seat belts,
we've added air bags,
we've added air bags,
6
20200
2548
00:34
and in the last decade, we've actually
started trying to make the car smarter
started trying to make the car smarter
7
22748
3971
y en la última década empezamos
a hacer autos más inteligentes
a hacer autos más inteligentes
00:38
to fix that bug, the driver.
8
26719
2938
para solucionar ese problema,
el conductor.
el conductor.
00:41
Now, today I'm going to talk to you
a little bit about the difference
a little bit about the difference
9
29657
3261
Hoy les hablaré un poco de la diferencia
00:44
between patching around the problem
with driver assistance systems
with driver assistance systems
10
32918
3808
entre emparchar el problema con
sistemas de conducción asistida
sistemas de conducción asistida
00:48
and actually having fully
self-driving cars
self-driving cars
11
36726
2564
y realmente tener autos
plenamente autoconducidos
plenamente autoconducidos
y lo que estos pueden
hacer por el mundo.
hacer por el mundo.
00:51
and what they can do for the world.
12
39290
1880
00:53
I'm also going to talk to you
a little bit about our car
a little bit about our car
13
41170
2995
También les hablaré un poco
de nuestro auto
de nuestro auto
00:56
and allow you to see how it sees the world
and how it reacts and what it does,
and how it reacts and what it does,
14
44165
3999
para que vean cómo ve el mundo,
cómo reacciona y qué hace,
cómo reacciona y qué hace,
01:00
but first I'm going to talk
a little bit about the problem.
a little bit about the problem.
15
48164
3187
pero primero hablaré un poco
sobre el problema.
sobre el problema.
Y es un gran problema.
01:03
And it's a big problem:
16
51651
1648
en la carretera en el mundo mueren
1,2 millones de personas al año.
1,2 millones de personas al año.
01:05
1.2 million people are killed
on the world's roads every year.
on the world's roads every year.
17
53299
3089
01:08
In America alone, 33,000 people
are killed each year.
are killed each year.
18
56388
3784
Solo en EE.UU., mueren
33 000 personas al año.
33 000 personas al año.
01:12
To put that in perspective,
19
60172
2028
Para poner eso en perspectiva,
01:14
that's the same as a 737
falling out of the sky every working day.
falling out of the sky every working day.
20
62200
4797
es como si cayeran 737 personas
del cielo cada día laboral.
del cielo cada día laboral.
01:19
It's kind of unbelievable.
21
67342
1786
Es increíble.
01:21
Cars are sold to us like this,
22
69548
2298
Nos venden los autos así,
01:23
but really, this is what driving's like.
23
71846
2717
pero en realidad, la conducción
es algo así.
es algo así.
01:26
Right? It's not sunny, it's rainy,
24
74563
2159
¿Cierto? No es soleado, es lluvioso,
01:28
and you want to do anything
other than drive.
other than drive.
25
76722
2488
y Uds. quieren hacer otras cosas
que conducir.
que conducir.
01:31
And the reason why is this:
26
79210
1622
Y esta es la razón:
01:32
Traffic is getting worse.
27
80832
1858
El tránsito es cada vez peor.
01:34
In America, between 1990 and 2010,
28
82690
3506
En EE.UU., entre 1990 y 2010,
01:38
the vehicle miles traveled
increased by 38 percent.
increased by 38 percent.
29
86196
3504
los kilómetros recorridos por vehículo
aumentaron un 38 %.
aumentaron un 38 %.
01:42
We grew by six percent of roads,
30
90213
2749
Las carreteras crecieron un 6 %,
01:44
so it's not in your brains.
31
92962
1602
así que no es idea de Uds.
01:46
Traffic really is substantially worse
than it was not very long ago.
than it was not very long ago.
32
94564
4276
El tránsito es sustancialmente peor
de lo que fue no hace mucho.
de lo que fue no hace mucho.
01:50
And all of this has a very human cost.
33
98840
2409
Y todo esto tiene
un impacto humano muy alto.
un impacto humano muy alto.
01:53
So if you take the average commute time
in America, which is about 50 minutes,
in America, which is about 50 minutes,
34
101529
3948
Por ejemplo, el tiempo de viaje promedio
en EE.UU. es de unos 50 minutos,
en EE.UU. es de unos 50 minutos,
01:57
you multiply that by the 120 million
workers we have,
workers we have,
35
105477
3649
lo multiplicamos por los 120 millones
de trabajadores,
de trabajadores,
02:01
that turns out to be
about six billion minutes
about six billion minutes
36
109126
2225
eso da unos 6000 millones de minutos
02:03
wasted in commuting every day.
37
111351
2026
derrochados en desplazamientos
cada día.
cada día.
02:05
Now, that's a big number,
so let's put it in perspective.
so let's put it in perspective.
38
113377
2827
Es un número enorme, así que
pongamos esto en perspectiva.
pongamos esto en perspectiva.
02:08
You take that six billion minutes
39
116204
1774
Tomamos esos 6000 millones de minutos
02:09
and you divide it by the average
life expectancy of a person,
life expectancy of a person,
40
117978
3784
y los dividimos entre la
edad media de una persona,
edad media de una persona,
02:13
that turns out to be 162 lifetimes
41
121762
3135
eso da 162 vidas
02:16
spent every day, wasted,
42
124897
2925
gastadas cada día, derrochadas,
02:19
just getting from A to B.
43
127822
2044
solo para ir de A a B.
02:21
It's unbelievable.
44
129866
1730
Es increíble.
02:23
And then, there are those of us
who don't have the privilege
who don't have the privilege
45
131596
2844
Y luego estamos quienes
no tenemos el privilegio
no tenemos el privilegio
02:26
of sitting in traffic.
46
134440
1672
de sentarnos en el tránsito.
02:28
So this is Steve.
47
136112
1578
Este es Steve.
02:29
He's an incredibly capable guy,
48
137690
1765
Es un tipo muy capaz,
02:31
but he just happens to be blind,
49
139455
2516
pero es ciego,
y por eso en vez de conducir 30 minutos
para ir al trabajo cada mañana,
para ir al trabajo cada mañana,
02:33
and that means instead of a 30-minute
drive to work in the morning,
drive to work in the morning,
50
141971
3217
02:37
it's a two-hour ordeal
of piecing together bits of public transit
of piecing together bits of public transit
51
145188
3979
pasa dos horas en el transporte público
02:41
or asking friends and family for a ride.
52
149167
2385
o pidiendo a amigos y familiares
que lo lleven.
que lo lleven.
02:43
He doesn't have that same freedom
that you and I have to get around.
that you and I have to get around.
53
151552
3669
No tiene la misma libertad
que Uds. y yo para moverse.
que Uds. y yo para moverse.
02:47
We should do something about that.
54
155221
2460
Deberíamos hacer algo al respecto.
El conocimiento convencional afirma
02:49
Now, conventional wisdom would say
55
157891
1757
que si tomamos estos sistemas
de asistencia al conductor
de asistencia al conductor
02:51
that we'll just take
these driver assistance systems
these driver assistance systems
56
159648
2492
02:54
and we'll kind of push them
and incrementally improve them,
and incrementally improve them,
57
162140
3750
si los impulsamos y mejoramos
de manera incremental,
de manera incremental,
con el tiempo, se convertirán
en vehículos autoconducidos.
en vehículos autoconducidos.
02:57
and over time, they'll turn
into self-driving cars.
into self-driving cars.
58
165890
2542
03:00
Well, I'm here to tell you
that's like me saying
that's like me saying
59
168432
2409
Bueno, vengo a decirles
que eso es como decir
que eso es como decir
03:02
that if I work really hard at jumping,
one day I'll be able to fly.
one day I'll be able to fly.
60
170841
4057
que si nos esforzamos mucho en saltar,
un día podremos volar.
un día podremos volar.
03:06
We actually need to do
something a little different.
something a little different.
61
174898
2728
Realmente tenemos que hacer
algo un poco diferente.
algo un poco diferente.
03:09
And so I'm going to talk to you
about three different ways
about three different ways
62
177626
2711
Por eso les hablaré de tres
formas diferentes en las que
formas diferentes en las que
03:12
that self-driving systems are different
than driver assistance systems.
than driver assistance systems.
63
180337
3346
los sistemas autoconducidos difieren
de los de conducción asistida.
de los de conducción asistida.
03:15
And I'm going to start
with some of our own experience.
with some of our own experience.
64
183683
2651
Empezaré con la experiencia propia.
03:18
So back in 2013,
65
186334
2253
Volviendo a 2013,
03:20
we had the first test
of a self-driving car
of a self-driving car
66
188587
2663
hicimos la primera prueba
de un vehículo autoconducido
de un vehículo autoconducido
03:23
where we let regular people use it.
67
191250
2027
y se los dimos a probar a la gente común.
03:25
Well, almost regular --
they were 100 Googlers,
they were 100 Googlers,
68
193277
2202
Bueno, casi comunes...
eran 100 empleados de Google
eran 100 empleados de Google
03:27
but they weren't working on the project.
69
195479
2003
pero no trabajaban en el proyecto.
03:29
And we gave them the car and we allowed
them to use it in their daily lives.
them to use it in their daily lives.
70
197482
3621
Les dimos los autos y les permitimos
usarlos en sus vidas diarias.
usarlos en sus vidas diarias.
03:33
But unlike a real self-driving car,
this one had a big asterisk with it:
this one had a big asterisk with it:
71
201103
3719
A diferencia de un vehículo autoconducido
real este tenía una gran salvedad:
real este tenía una gran salvedad:
03:36
They had to pay attention,
72
204822
1504
Había que prestar atención,
03:38
because this was an experimental vehicle.
73
206326
2633
porque era un vehículo experimental.
03:40
We tested it a lot,
but it could still fail.
but it could still fail.
74
208959
3525
Lo probamos mucho, pero podía fallar.
03:44
And so we gave them two hours of training,
75
212484
2059
Los capacitamos durante dos horas,
los pusimos en el auto,
les dejamos que lo usaran,
les dejamos que lo usaran,
03:46
we put them in the car,
we let them use it,
we let them use it,
76
214543
2092
03:48
and what we heard back
was something awesome,
was something awesome,
77
216635
2127
y la respuesta fue asombrosa,
03:50
as someone trying
to bring a product into the world.
to bring a product into the world.
78
218762
2524
como si alguien tratara
de crear un producto.
de crear un producto.
03:53
Every one of them told us they loved it.
79
221286
1925
Cada uno de ellos dijo
que le encantó.
que le encantó.
03:55
In fact, we had a Porsche driver
who came in and told us on the first day,
who came in and told us on the first day,
80
223211
3566
De hecho, tuvimos un conductor de Porsche
que vino y nos dijo el primer día:
que vino y nos dijo el primer día:
03:58
"This is completely stupid.
What are we thinking?"
What are we thinking?"
81
226777
2663
"Esto es totalmente tonto.
¿En qué estamos pensando?"
¿En qué estamos pensando?"
Pero al final, dijo:
"No solo yo debería tenerlo,
"No solo yo debería tenerlo,
04:01
But at the end of it, he said,
"Not only should I have it,
"Not only should I have it,
82
229850
2840
todos los demás deberían tenerlo,
porque las personas conducen muy mal".
porque las personas conducen muy mal".
04:04
everyone else should have it,
because people are terrible drivers."
because people are terrible drivers."
83
232690
3175
04:09
So this was music to our ears,
84
237135
1735
Eso fue música para nuestros oídos,
04:10
but then we started to look at what
the people inside the car were doing,
the people inside the car were doing,
85
238870
3803
pero luego empezamos a observar
qué hacía la gente dentro del auto,
qué hacía la gente dentro del auto,
04:14
and this was eye-opening.
86
242673
1579
y esto fue revelador.
04:16
Now, my favorite story is this gentleman
87
244252
2438
Mi historia favorita
es la de este caballero
es la de este caballero
04:18
who looks down at his phone
and realizes the battery is low,
and realizes the battery is low,
88
246690
3829
que mira el teléfono y se da cuenta
de que la batería está baja,
de que la batería está baja,
04:22
so he turns around like this in the car
and digs around in his backpack,
and digs around in his backpack,
89
250519
4548
se da vuelta así en el auto
y busca en su mochila,
y busca en su mochila,
04:27
pulls out his laptop,
90
255067
2153
saca su laptop,
04:29
puts it on the seat,
91
257220
1567
la coloca en el asiento,
gira hacia atrás otra vez,
04:30
goes in the back again,
92
258787
1764
04:32
digs around, pulls out
the charging cable for his phone,
the charging cable for his phone,
93
260551
3367
hurga en la mochila, saca
el cargador de su teléfono,
el cargador de su teléfono,
04:35
futzes around, puts it into the laptop,
puts it on the phone.
puts it on the phone.
94
263918
3367
lo conecta en el laptop y al teléfono.
04:39
Sure enough, the phone is charging.
95
267285
2043
Se asegura de que el teléfono
está cargando.
está cargando.
04:41
All the time he's been doing
65 miles per hour down the freeway.
65 miles per hour down the freeway.
96
269328
3994
Todo esto a 100 km por hora
en la autopista.
en la autopista.
04:45
Right? Unbelievable.
97
273322
2484
¿Correcto? Increíble.
04:47
So we thought about this and we said,
it's kind of obvious, right?
it's kind of obvious, right?
98
275806
3121
Lo pensamos y dijimos: es obvio, ¿no?
04:50
The better the technology gets,
99
278927
2263
Cuanto mejor sea la tecnología,
04:53
the less reliable
the driver is going to get.
the driver is going to get.
100
281190
2121
menos confiable se volverá
el conductor.
el conductor.
04:55
So by just making the cars
incrementally smarter,
incrementally smarter,
101
283311
2396
Al hacer autos cada vez más inteligentes,
04:57
we're probably not going to see
the wins we really need.
the wins we really need.
102
285707
2902
quizá no veamos las ganancias
que necesitamos.
que necesitamos.
05:00
Let me talk about something
a little technical for a moment here.
a little technical for a moment here.
103
288609
3901
Ahora hablaré de algo un poco
técnico durante un momento.
técnico durante un momento.
05:04
So we're looking at this graph,
and along the bottom
and along the bottom
104
292510
2438
Estamos viendo en este gráfico,
en la parte inferior
en la parte inferior
05:06
is how often does the car
apply the brakes when it shouldn't.
apply the brakes when it shouldn't.
105
294948
3051
la frecuencia con la que el auto usa
los frenos sin necesidad.
los frenos sin necesidad.
05:09
You can ignore most of that axis,
106
297999
1621
Pueden ignorar gran parte de ese eje,
05:11
because if you're driving around town,
and the car starts stopping randomly,
and the car starts stopping randomly,
107
299620
3719
porque si conducen en la ciudad,
y el auto empieza a detenerse al azar,
y el auto empieza a detenerse al azar,
05:15
you're never going to buy that car.
108
303339
1701
nunca comprarán ese vehículo.
05:17
And the vertical axis is how often
the car is going to apply the brakes
the car is going to apply the brakes
109
305040
3375
Y el eje vertical es la frecuencia
con la que el auto usará los frenos
con la que el auto usará los frenos
05:20
when it's supposed to
to help you avoid an accident.
to help you avoid an accident.
110
308415
3049
cuando se supone que debe ayudar
a evitar un accidente.
a evitar un accidente.
05:23
Now, if we look at
the bottom left corner here,
the bottom left corner here,
111
311464
2221
Si vemos la esquina inferior izquierda,
05:25
this is your classic car.
112
313685
1845
este es el auto clásico.
05:27
It doesn't apply the brakes for you,
it doesn't do anything goofy,
it doesn't do anything goofy,
113
315530
3133
No aplica los frenos por uno,
no hace nada torpe,
no hace nada torpe,
05:30
but it also doesn't get you
out of an accident.
out of an accident.
114
318663
2779
pero tampoco evita un accidente.
05:33
Now, if we want to bring
a driver assistance system into a car,
a driver assistance system into a car,
115
321442
3018
Si queremos introducir un sistema
de conducción asistida,
de conducción asistida,
digamos con freno de
mitigación de colisiones,
mitigación de colisiones,
05:36
say with collision mitigation braking,
116
324460
1828
05:38
we're going to put some package
of technology on there,
of technology on there,
117
326288
2612
pondremos cierta tecnología allí,
05:40
and that's this curve, and it's going
to have some operating properties,
to have some operating properties,
118
328900
3418
eso es esa curva, y tendrá
unas propiedades operativas,
unas propiedades operativas,
05:44
but it's never going to avoid
all of the accidents,
all of the accidents,
119
332318
2490
pero nunca evitará todos los accidentes,
05:46
because it doesn't have that capability.
120
334808
2059
porque no tiene esa capacidad.
Pero tocaremos la curva por aquí,
05:48
But we'll pick some place
along the curve here,
along the curve here,
121
336867
2249
y quizá evite la mitad de los accidentes
cometidos por conductores humanos,
cometidos por conductores humanos,
05:51
and maybe it avoids half of accidents
that the human driver misses,
that the human driver misses,
122
339116
3254
05:54
and that's amazing, right?
123
342370
1297
y eso es increíble, ¿no?
05:55
We just reduced accidents on our roads
by a factor of two.
by a factor of two.
124
343667
2727
Reducimos accidentes viales
en un factor de dos.
en un factor de dos.
05:58
There are now 17,000 less people
dying every year in America.
dying every year in America.
125
346394
3987
Ahora hay 17 000 personas menos
que mueren al año en EE.UU.
que mueren al año en EE.UU.
Pero si queremos
un vehículo autoconducido,
un vehículo autoconducido,
06:02
But if we want a self-driving car,
126
350381
2020
necesitamos una curva tecnológica
que se parece a esto.
que se parece a esto.
06:04
we need a technology curve
that looks like this.
that looks like this.
127
352401
2307
06:06
We're going to have to put
more sensors in the vehicle,
more sensors in the vehicle,
128
354708
2599
Tendremos que poner
más sensores en el vehículo,
más sensores en el vehículo,
06:09
and we'll pick some
operating point up here
operating point up here
129
357307
2021
y alcanzaremos algún punto por aquí
06:11
where it basically never
gets into a crash.
gets into a crash.
130
359328
2019
donde básicamente
nunca habrá un accidente.
nunca habrá un accidente.
06:13
They'll happen, but very low frequency.
131
361347
2443
Ocurrirán, pero con
una frecuencia muy baja.
una frecuencia muy baja.
06:15
Now you and I could look at this
and we could argue
and we could argue
132
363790
2461
Uds. y yo podríamos ver esto
y argumentar
y argumentar
06:18
about whether it's incremental, and
I could say something like "80-20 rule,"
I could say something like "80-20 rule,"
133
366251
3605
si esto es incremental, y yo podría
decir algo como "regla 80-20",
decir algo como "regla 80-20",
06:21
and it's really hard to move up
to that new curve.
to that new curve.
134
369856
2568
y es realmente difícil subir
en esa nueva curva.
en esa nueva curva.
06:24
But let's look at it
from a different direction for a moment.
from a different direction for a moment.
135
372424
2934
Pero veámoslo desde una dirección
diferente por un momento.
diferente por un momento.
06:27
So let's look at how often
the technology has to do the right thing.
the technology has to do the right thing.
136
375358
3512
Veamos con qué frecuencia la tecnología
tiene que hacer lo correcto.
tiene que hacer lo correcto.
06:30
And so this green dot up here
is a driver assistance system.
is a driver assistance system.
137
378870
3506
Este punto verde de aquí es un
sistema de conducción asistida.
sistema de conducción asistida.
06:34
It turns out that human drivers
138
382376
2485
Resulta que los conductores humanos
06:36
make mistakes that lead
to traffic accidents
to traffic accidents
139
384861
2647
cometen errores que llevan
a accidentes de tránsito
a accidentes de tránsito
06:39
about once every 100,000 miles in America.
140
387508
3172
aproximadamente una vez
cada 160 000 km en EE.UU.
cada 160 000 km en EE.UU.
Un sistema de autoconducción, por
el contrario, quizá toma decisiones
el contrario, quizá toma decisiones
06:42
In contrast, a self-driving system
is probably making decisions
is probably making decisions
141
390680
3167
06:45
about 10 times per second,
142
393847
3663
unas 10 veces por segundo,
por lo que el orden de magnitud
06:49
so order of magnitude,
143
397510
1422
06:50
that's about 1,000 times per mile.
144
398932
2832
es de unas 1000 veces cada 1,6 km.
06:53
So if you compare the distance
between these two,
between these two,
145
401764
2485
Si se compara la distancia
entre estos dos,
entre estos dos,
06:56
it's about 10 to the eighth, right?
146
404249
2600
es de 10 a la octava, ¿no?
06:58
Eight orders of magnitude.
147
406849
1765
Ocho órdenes de magnitud.
07:00
That's like comparing how fast I run
148
408614
2809
Es como comparar lo rápido
que puedo correr
que puedo correr
07:03
to the speed of light.
149
411423
2206
a la velocidad de la luz.
07:05
It doesn't matter how hard I train,
I'm never actually going to get there.
I'm never actually going to get there.
150
413629
3785
Sin importar lo duro que entrene,
nunca llegaré allí.
nunca llegaré allí.
07:09
So there's a pretty big gap there.
151
417414
2438
Existe una brecha bastante grande.
07:11
And then finally, there's how
the system can handle uncertainty.
the system can handle uncertainty.
152
419852
3729
Y, finalmente, está el manejo
de la incertidumbre.
de la incertidumbre.
07:15
So this pedestrian here might be
stepping into the road, might not be.
stepping into the road, might not be.
153
423581
3323
Este peatón podría entrar en
la carretera, podría no entrar.
la carretera, podría no entrar.
07:18
I can't tell,
nor can any of our algorithms,
nor can any of our algorithms,
154
426904
3395
No lo sé, ni lo saben
nuestros algoritmos,
nuestros algoritmos,
pero en el caso de un sistema
de asistencia de conducción,
de asistencia de conducción,
07:22
but in the case of
a driver assistance system,
a driver assistance system,
155
430310
2284
07:24
that means it can't take action,
because again,
because again,
156
432594
2806
significa que no puede hacer algo
porque, de nuevo,
porque, de nuevo,
07:27
if it presses the brakes unexpectedly,
that's completely unacceptable.
that's completely unacceptable.
157
435400
3339
si pisa los frenos inesperadamente,
es completamente inaceptable.
es completamente inaceptable.
Mientras que un sistema autoconducido
puede mirar al peatón y decir:
puede mirar al peatón y decir:
07:30
Whereas a self-driving system
can look at that pedestrian and say,
can look at that pedestrian and say,
158
438739
3133
07:33
I don't know what they're about to do,
159
441872
1890
no sé qué está por hacer,
07:35
slow down, take a better look,
and then react appropriately after that.
and then react appropriately after that.
160
443762
3762
desaceleraré, observaré mejor y después
reaccionaré en consecuencia.
reaccionaré en consecuencia.
07:39
So it can be much safer than
a driver assistance system can ever be.
a driver assistance system can ever be.
161
447524
3702
Puede ser mucho más seguro que
un sistema de conducción asistida.
un sistema de conducción asistida.
Eso es suficiente sobre la diferencia
entre ambos sistemas.
entre ambos sistemas.
07:43
So that's enough about
the differences between the two.
the differences between the two.
162
451226
2730
07:45
Let's spend some time talking about
how the car sees the world.
how the car sees the world.
163
453956
3484
Hablemos ahora de
cómo ve el auto el mundo.
cómo ve el auto el mundo.
07:49
So this is our vehicle.
164
457440
1252
Este es nuestro vehículo.
07:50
It starts by understanding
where it is in the world,
where it is in the world,
165
458692
2438
Empieza por entender
dónde está en el mundo,
dónde está en el mundo,
07:53
by taking a map and its sensor data
and aligning the two,
and aligning the two,
166
461130
2787
alineando su mapa
y los datos de su sensor,
y los datos de su sensor,
07:55
and then we layer on top of that
what it sees in the moment.
what it sees in the moment.
167
463917
2948
y luego apilamos encima
lo que ve en el momento.
lo que ve en el momento.
07:58
So here, all the purple boxes you can see
are other vehicles on the road,
are other vehicles on the road,
168
466865
3655
Las cajas púrpura que pueden ver
son otros vehículos en la carretera,
son otros vehículos en la carretera,
08:02
and the red thing on the side
over there is a cyclist,
over there is a cyclist,
169
470520
2528
y la cosa roja allí al lado
es un ciclista,
es un ciclista,
08:05
and up in the distance,
if you look really closely,
if you look really closely,
170
473048
2402
y a la distancia, si vemos de cerca,
08:07
you can see some cones.
171
475450
1794
se ven unos conos.
08:09
Then we know where the car
is in the moment,
is in the moment,
172
477244
2773
Luego sabemos dónde está
el auto en el momento,
el auto en el momento,
08:12
but we have to do better than that:
we have to predict what's going to happen.
we have to predict what's going to happen.
173
480017
3833
pero tenemos que hacerlo mejor:
tenemos que predecir qué ocurrirá.
tenemos que predecir qué ocurrirá.
La camioneta de la parte superior derecha
está a punto de pasar al carril izquierdo
está a punto de pasar al carril izquierdo
08:15
So here the pickup truck in top right
is about to make a left lane change
is about to make a left lane change
174
483850
3488
08:19
because the road in front of it is closed,
175
487338
2223
porque la carretera al frente
está cerrada,
está cerrada,
08:21
so it needs to get out of the way.
176
489561
1731
por eso tiene que salir del camino.
08:23
Knowing that one pickup truck is great,
177
491292
1863
Conocer a esa camioneta es genial,
08:25
but we really need to know
what everybody's thinking,
what everybody's thinking,
178
493155
2479
pero tenemos que conocer
qué piensan todos,
qué piensan todos,
08:27
so it becomes quite a complicated problem.
179
495634
2507
por eso se vuelve un problema
bastante complicado.
bastante complicado.
08:30
And then given that, we can figure out
how the car should respond in the moment,
how the car should respond in the moment,
180
498141
4749
Y sabiendo eso, hay que adivinar cómo
debería responder el auto en el momento,
debería responder el auto en el momento,
08:34
so what trajectory it should follow, how
quickly it should slow down or speed up.
quickly it should slow down or speed up.
181
502890
3866
qué trayectoria debería seguir,
si debería acelerar o desacelerar.
si debería acelerar o desacelerar.
08:38
And then that all turns into
just following a path:
just following a path:
182
506756
3065
Y luego todo se reduce
a seguir el camino:
a seguir el camino:
girar el volante a izquierda o derecha,
presionar el freno o acelerar.
presionar el freno o acelerar.
08:41
turning the steering wheel left or right,
pressing the brake or gas.
pressing the brake or gas.
183
509821
3197
08:45
It's really just two numbers
at the end of the day.
at the end of the day.
184
513018
2464
Son realmente al final solo dos números.
08:47
So how hard can it really be?
185
515482
2241
¿Cuán difícil puede ser realmente?
Cuando empezamos en 2009,
08:50
Back when we started in 2009,
186
518433
1952
este era el aspecto de nuestro sistema.
08:52
this is what our system looked like.
187
520385
1798
Pueden ver nuestro auto en medio
y las otras cajas en la carretera,
y las otras cajas en la carretera,
08:54
So you can see our car in the middle
and the other boxes on the road,
and the other boxes on the road,
188
522183
3391
conduciendo por la autopista.
08:57
driving down the highway.
189
525574
1271
08:58
The car needs to understand where it is
and roughly where the other vehicles are.
and roughly where the other vehicles are.
190
526845
3818
El auto tiene que entender dónde está
y saber dónde están los otros.
y saber dónde están los otros.
09:02
It's really a geometric
understanding of the world.
understanding of the world.
191
530663
2429
Tiene que entender
geométricamente el mundo.
geométricamente el mundo.
Cuando empezamos a conducir en
las calles del barrio y la ciudad,
las calles del barrio y la ciudad,
09:05
Once we started driving
on neighborhood and city streets,
on neighborhood and city streets,
192
533092
2948
09:08
the problem becomes a whole
new level of difficulty.
new level of difficulty.
193
536040
2445
el problema adquiere
un nuevo nivel de dificultad.
un nuevo nivel de dificultad.
09:10
You see pedestrians crossing in front
of us, cars crossing in front of us,
of us, cars crossing in front of us,
194
538485
3494
Vemos peatones y autos cruzando
en todas las direcciones,
09:13
going every which way,
195
541979
1811
los semáforos, los pasos de peatones.
09:15
the traffic lights, crosswalks.
196
543790
1527
09:17
It's an incredibly complicated
problem by comparison.
problem by comparison.
197
545317
2797
Es un problema increíblemente
complicado en comparación.
complicado en comparación.
09:20
And then once you have
that problem solved,
that problem solved,
198
548114
2103
Y una vez tenemos
el problema resuelto,
el problema resuelto,
09:22
the vehicle has to be able
to deal with construction.
to deal with construction.
199
550217
2512
el vehículo debe poder
lidiar con la construcción.
lidiar con la construcción.
Los conos de la izquierda
obligan a conducir a la derecha,
obligan a conducir a la derecha,
09:24
So here are the cones on the left
forcing it to drive to the right,
forcing it to drive to the right,
200
552729
3151
pero no se trata solo de la construcción
en forma aislada, claro.
en forma aislada, claro.
09:27
but not just construction
in isolation, of course.
in isolation, of course.
201
555880
2402
09:30
It has to deal with other people moving
through that construction zone as well.
through that construction zone as well.
202
558282
3723
También tiene en cuenta personas en
movimiento por la zona de construcción.
movimiento por la zona de construcción.
09:34
And of course, if anyone's
breaking the rules, the police are there
breaking the rules, the police are there
203
562005
3263
Y, claro, si alguien no cumple
las reglas, la policía está allí
las reglas, la policía está allí
09:37
and the car has to understand that
that flashing light on the top of the car
that flashing light on the top of the car
204
565268
3622
y el vehículo debe entender que
la luz titilante encima del auto
la luz titilante encima del auto
significa que no es un vehículo cualquiera
sino el de una patrulla de policía.
sino el de una patrulla de policía.
09:40
means that it's not just a car,
it's actually a police officer.
it's actually a police officer.
205
568890
3105
09:43
Similarly, the orange box
on the side here,
on the side here,
206
571995
2032
De manera similar,
la caja naranja en el lateral
la caja naranja en el lateral
09:46
it's a school bus,
207
574027
1109
es un bus escolar,
09:47
and we have to treat that
differently as well.
differently as well.
208
575136
2520
y debe recibir un trato especial también.
Cuando estamos fuera en la carretera,
otras personas tienen expectativas:
otras personas tienen expectativas:
09:50
When we're out on the road,
other people have expectations:
other people have expectations:
209
578576
2793
09:53
So, when a cyclist puts up their arm,
210
581369
1780
Cuando un ciclista levanta el brazo,
09:55
it means they're expecting the car
to yield to them and make room for them
to yield to them and make room for them
211
583149
3518
significa que está esperando que el auto
le ceda el paso y le haga espacio
le ceda el paso y le haga espacio
09:58
to make a lane change.
212
586667
2053
para hacer un cambio de carril.
Y cuando un oficial de policía
se interpone en el camino,
se interpone en el camino,
10:01
And when a police officer
stood in the road,
stood in the road,
213
589030
2173
10:03
our vehicle should understand
that this means stop,
that this means stop,
214
591203
2740
nuestro vehículo debe entender
que esto significa "alto",
que esto significa "alto",
10:05
and when they signal to go,
we should continue.
we should continue.
215
593943
3506
y cuando indique avanzar,
debemos continuar.
debemos continuar.
10:09
Now, the way we accomplish this
is by sharing data between the vehicles.
is by sharing data between the vehicles.
216
597449
3761
Nuestra manera de lograr esto es
intercambiando datos entre vehículos.
intercambiando datos entre vehículos.
10:13
The first, most crude model of this
217
601210
1696
El primer modelo, y más crudo,
10:14
is when one vehicle
sees a construction zone,
sees a construction zone,
218
602906
2113
es cuando un vehículo
ve una zona de construcción,
ve una zona de construcción,
10:17
having another know about it
so it can be in the correct lane
so it can be in the correct lane
219
605019
3062
y le avisa a otro para que
esté en el carril correcto
esté en el carril correcto
y así evitar en parte la dificultad.
10:20
to avoid some of the difficulty.
220
608081
1570
10:21
But we actually have a much
deeper understanding of this.
deeper understanding of this.
221
609651
2664
Pero en realidad entendemos
mucho más que eso.
mucho más que eso.
10:24
We could take all of the data
that the cars have seen over time,
that the cars have seen over time,
222
612315
3009
Podríamos tomar los datos de
los autos vistos en el tiempo,
los autos vistos en el tiempo,
10:27
the hundreds of thousands
of pedestrians, cyclists,
of pedestrians, cyclists,
223
615324
2376
los cientos de miles
de peatones, ciclistas,
de peatones, ciclistas,
10:29
and vehicles that have been out there
224
617700
1787
y vehículos que hemos visto,
10:31
and understand what they look like
225
619487
1695
entender su aspecto,
10:33
and use that to infer
what other vehicles should look like
what other vehicles should look like
226
621182
2831
y usar eso para inferir el aspecto
de los otros vehículos
de los otros vehículos
10:36
and other pedestrians should look like.
227
624013
1926
y el de los otros peatones.
10:37
And then, even more importantly,
we could take from that a model
we could take from that a model
228
625939
3021
Y luego, incluso más importante,
podríamos extraer un modelo
podríamos extraer un modelo
10:40
of how we expect them
to move through the world.
to move through the world.
229
628960
2330
de cómo esperamos que
se muevan por el mundo.
se muevan por el mundo.
Aquí en la caja amarilla hay
un peatón que cruza ante nosotros.
un peatón que cruza ante nosotros.
10:43
So here the yellow box is a pedestrian
crossing in front of us.
crossing in front of us.
230
631290
2963
10:46
Here the blue box is a cyclist
and we anticipate
and we anticipate
231
634253
2250
La caja azul es un ciclista y anticipamos
10:48
that they're going to nudge out
and around the car to the right.
and around the car to the right.
232
636503
3312
que se avisarían para sortear
el auto y salir hacia la derecha.
el auto y salir hacia la derecha.
10:52
Here there's a cyclist
coming down the road
coming down the road
233
640115
2092
Aquí hay un ciclista
que va por la carretera
que va por la carretera
10:54
and we know they're going to continue
to drive down the shape of the road.
to drive down the shape of the road.
234
642207
3486
y sabemos que seguirá la trayectoria
de la carretera.
de la carretera.
10:57
Here somebody makes a right turn,
235
645693
1867
Aquí alguien gira a la derecha,
10:59
and in a moment here, somebody's
going to make a U-turn in front of us,
going to make a U-turn in front of us,
236
647560
3360
y en un momento, alguien quiere
girar en U frente a nosotros,
girar en U frente a nosotros,
y podemos anticipar ese comportamiento
y responder con seguridad.
y responder con seguridad.
11:02
and we can anticipate that behavior
and respond safely.
and respond safely.
237
650920
2614
11:05
Now, that's all well and good
for things that we've seen,
for things that we've seen,
238
653534
2728
Todo bien con estas cosas
que ya hemos visto antes,
que ya hemos visto antes,
11:08
but of course, you encounter
lots of things that you haven't
lots of things that you haven't
239
656262
2865
pero, claro, uno encuentra
muchas cosas que uno
muchas cosas que uno
11:11
seen in the world before.
240
659127
1231
nunca antes vio el mundo.
11:12
And so just a couple of months ago,
241
660358
1741
Por ejemplo, hace un par de meses,
11:14
our vehicles were driving
through Mountain View,
through Mountain View,
242
662099
2235
nuestros vehículos circulaban
por Mountain View,
por Mountain View,
11:16
and this is what we encountered.
243
664334
1644
y encontraron esto.
11:17
This is a woman in an electric wheelchair
244
665978
2082
Es una mujer en silla
de ruedas electrónica
de ruedas electrónica
persiguiendo a un pato en círculos
por la carretera. (Risas)
por la carretera. (Risas)
11:20
chasing a duck in circles on the road.
(Laughter)
(Laughter)
245
668060
2617
11:22
Now it turns out, there is nowhere
in the DMV handbook
in the DMV handbook
246
670677
3111
Y no hay ningún sitio
en el manual del DMV
en el manual del DMV
11:25
that tells you how to deal with that,
247
673788
2245
que diga cómo resolver algo así,
11:28
but our vehicles were able
to encounter that,
to encounter that,
248
676033
2143
pero nuestros vehículos
pudieron resolverlo,
pudieron resolverlo,
redujeron la velocidad,
y condujeron de forma segura.
y condujeron de forma segura.
11:30
slow down, and drive safely.
249
678176
2255
11:32
Now, we don't have to deal
with just ducks.
with just ducks.
250
680431
2041
Y no solo tenemos que lidiar con patos.
11:34
Watch this bird fly across in front of us.
The car reacts to that.
The car reacts to that.
251
682472
3708
Miren esta ave que vuela justo frente
a nosotros. El auto reacciona.
a nosotros. El auto reacciona.
11:38
Here we're dealing with a cyclist
252
686180
1615
Aquí lidiamos con unos ciclistas
11:39
that you would never expect to see
anywhere other than Mountain View.
anywhere other than Mountain View.
253
687795
3290
que uno nunca esperaría ver en otro
sitio que no fuese Mountain View.
sitio que no fuese Mountain View.
11:43
And of course, we have
to deal with drivers,
to deal with drivers,
254
691085
2068
Y claro, tenemos que lidiar
con los conductores,
con los conductores,
11:45
even the very small ones.
255
693153
3715
incluso con los muy pequeños.
11:48
Watch to the right as someone
jumps out of this truck at us.
jumps out of this truck at us.
256
696868
4131
Miren a la derecha como alguien
salta de este camión hacia nosotros.
salta de este camión hacia nosotros.
Y ahora, miren a la izquierda cuando
el auto de la caja verde decide
el auto de la caja verde decide
11:54
And now, watch the left as the car
with the green box decides
with the green box decides
257
702460
2929
11:57
he needs to make a right turn
at the last possible moment.
at the last possible moment.
258
705389
3325
girar a la derecha a último momento.
Aquí, cuando cambiamos de carril,
el coche de la izquierda decide
el coche de la izquierda decide
12:00
Here, as we make a lane change,
the car to our left decides
the car to our left decides
259
708714
2851
12:03
it wants to as well.
260
711565
3553
que también quiere hacerlo.
12:07
And here, we watch a car
blow through a red light
blow through a red light
261
715118
2693
Y aquí, vemos un auto
que pasa un semáforo en rojo
que pasa un semáforo en rojo
12:09
and yield to it.
262
717811
2090
y cede el paso.
12:11
And similarly, here, a cyclist
blowing through that light as well.
blowing through that light as well.
263
719901
3854
Y, del mismo modo, aquí, un ciclista
pasa esa luz también.
pasa esa luz también.
12:15
And of course,
the vehicle responds safely.
the vehicle responds safely.
264
723755
2746
Y, por supuesto, el vehículo
responde en forma segura.
responde en forma segura.
12:18
And of course, we have people
who do I don't know what
who do I don't know what
265
726501
2601
Y, claro, tenemos personas
que no sé por qué
que no sé por qué
12:21
sometimes on the road, like this guy
pulling out between two self-driving cars.
pulling out between two self-driving cars.
266
729102
3823
a veces en la carretera, se interponen
entre dos vehículos autoconducidos.
entre dos vehículos autoconducidos.
Uno se pregunta:
"¿En qué estás pensando?"
"¿En qué estás pensando?"
12:24
You have to ask, "What are you thinking?"
267
732925
2045
12:26
(Laughter)
268
734970
1212
(Risas)
12:28
Now, I just fire-hosed you
with a lot of stuff there,
with a lot of stuff there,
269
736182
2521
Les he mostrado rápidamente muchas cosas
12:30
so I'm going to break one of these
down pretty quickly.
down pretty quickly.
270
738703
2650
por eso analizaré en detalle
una de ellas rápidamente.
una de ellas rápidamente.
12:33
So what we're looking at is the scene
with the cyclist again,
with the cyclist again,
271
741353
2940
Estamos viendo nuevamente
la escena del ciclista,
la escena del ciclista,
12:36
and you might notice in the bottom,
we can't actually see the cyclist yet,
we can't actually see the cyclist yet,
272
744293
3491
y habrán notado abajo, que todavía
no podemos ver al ciclista,
no podemos ver al ciclista,
pero el auto sí puede: ese esa
pequeña caja azul de allí,
pequeña caja azul de allí,
12:39
but the car can: it's that little
blue box up there,
blue box up there,
273
747784
2504
12:42
and that comes from the laser data.
274
750288
2081
y eso proviene de los datos láser.
12:44
And that's not actually
really easy to understand,
really easy to understand,
275
752369
2418
En realidad, no es fácil de entender
12:46
so what I'm going to do is I'm going
to turn that laser data and look at it,
to turn that laser data and look at it,
276
754787
3584
por eso giraré esos datos láser
para analizarlos,
para analizarlos,
12:50
and if you're really good at looking
at laser data, you can see
at laser data, you can see
277
758371
3029
y si son buenos analizando
datos láser podrán ver que
datos láser podrán ver que
12:53
a few dots on the curve there,
278
761400
1487
unos pocos puntos de esa curva,
12:54
right there, and that blue box
is that cyclist.
is that cyclist.
279
762887
2372
justo allí, esa caja azul es el ciclista.
Si bien nuestra luz es roja,
12:57
Now as our light is red,
280
765259
1149
12:58
the cyclist's light
has turned yellow already,
has turned yellow already,
281
766408
2192
la luz del ciclista
ya se puso en amarillo,
ya se puso en amarillo,
13:00
and if you squint, you can see that
in the imagery.
in the imagery.
282
768600
2438
y si observan, pueden verlo en la imagen.
13:03
But the cyclist, we see, is going
to proceed through the intersection.
to proceed through the intersection.
283
771038
3286
Pero el ciclista seguirá
por la intersección.
por la intersección.
Nuestra luz ahora es verde,
la de él es totalmente roja,
la de él es totalmente roja,
13:06
Our light has now turned green,
his is solidly red,
his is solidly red,
284
774324
2394
13:08
and we now anticipate that this bike
is going to come all the way across.
is going to come all the way across.
285
776718
4292
y ahora anticipamos que esta bici
hará el recorrido completo.
hará el recorrido completo.
13:13
Unfortunately the other drivers next to us
were not paying as much attention.
were not paying as much attention.
286
781010
3742
Por desgracia, los otros conductores
cercanos no prestaron mucha atención.
cercanos no prestaron mucha atención.
13:16
They started to pull forward,
and fortunately for everyone,
and fortunately for everyone,
287
784752
3157
Empezaron a avanzar,
y afortunadamente para todos,
y afortunadamente para todos,
13:19
this cyclists reacts, avoids,
288
787909
3011
este ciclista reacciona, evita,
13:22
and makes it through the intersection.
289
790920
2191
logra pasar la intersección.
13:25
And off we go.
290
793111
1568
Y allá vamos.
13:26
Now, as you can see, we've made
some pretty exciting progress,
some pretty exciting progress,
291
794679
2948
Como pueden ver, hemos
hecho progresos apasionantes,
hecho progresos apasionantes,
y en este momento estamos
bastante convencidos
bastante convencidos
13:29
and at this point we're pretty convinced
292
797627
1902
13:31
this technology is going
to come to market.
to come to market.
293
799529
2010
de que esta tecnología saldrá al mercado.
13:33
We do three million miles of testing
in our simulators every single day,
in our simulators every single day,
294
801539
4783
Hacemos 4 millones 800 mil km
de pruebas en simulador cada día,
de pruebas en simulador cada día,
podrán imaginar la experiencia
que tienen nuestros vehículos.
que tienen nuestros vehículos.
13:38
so you can imagine the experience
that our vehicles have.
that our vehicles have.
295
806322
2689
Esperamos con ansia que esta tecnología
salga a las carreteras,
salga a las carreteras,
13:41
We are looking forward to having
this technology on the road,
this technology on the road,
296
809011
2864
13:43
and we think the right path
is to go through the self-driving
is to go through the self-driving
297
811875
2890
y creemos que la forma correcta
es el enfoque de la autoconducción
es el enfoque de la autoconducción
13:46
rather than driver assistance approach
298
814765
1844
en vez del enfoque de
la conducción asistida
la conducción asistida
13:48
because the urgency is so large.
299
816609
2621
porque la urgencia es mucha.
13:51
In the time I have given this talk today,
300
819230
2393
En el tiempo que llevó
dar esta charla hoy,
dar esta charla hoy,
13:53
34 people have died on America's roads.
301
821623
3135
han muerto 34 personas
en las carreteras de EE.UU.
en las carreteras de EE.UU.
13:56
How soon can we bring it out?
302
824758
2368
¿Qué pronto podemos llevarlo a cabo?
13:59
Well, it's hard to say because
it's a really complicated problem,
it's a really complicated problem,
303
827126
3832
Bueno, es difícil de decir porque
es un problema muy complicado,
es un problema muy complicado,
14:02
but these are my two boys.
304
830958
2214
pero estos son mis dos niños.
14:05
My oldest son is 11, and that means
in four and a half years,
in four and a half years,
305
833172
3623
El más grande tiene 11 años,
o sea que en 4 años y medio
o sea que en 4 años y medio
14:08
he's going to be able
to get his driver's license.
to get his driver's license.
306
836795
2577
podrá tener su licencia de conducir.
14:11
My team and I are committed
to making sure that doesn't happen.
to making sure that doesn't happen.
307
839372
3204
Mi equipo y yo estamos decididos
a asegurarnos de que eso no pase.
a asegurarnos de que eso no pase.
14:14
Thank you.
308
842576
1904
Gracias.
14:16
(Laughter) (Applause)
309
844480
3667
(Risas)
(Aplausos)
(Aplausos)
14:21
Chris Anderson: Chris,
I've got a question for you.
I've got a question for you.
310
849110
2568
Chris Anderson: Chris,
Tengo una pregunta para ti.
Tengo una pregunta para ti.
14:23
Chris Urmson: Sure.
311
851678
2809
Chris Urmson: Claro.
14:26
CA: So certainly, the mind of your cars
is pretty mind-boggling.
is pretty mind-boggling.
312
854487
3924
CA: Sin duda, la mente de tus autos
es bastante alucinante.
es bastante alucinante.
14:30
On this debate between
driver-assisted and fully driverless --
driver-assisted and fully driverless --
313
858411
4459
En este debate entre
conducción asistida y autoconducción...
conducción asistida y autoconducción...
14:34
I mean, there's a real debate
going on out there right now.
going on out there right now.
314
862870
3041
ese debate existe hoy.
14:37
So some of the companies,
for example, Tesla,
for example, Tesla,
315
865911
2833
Algunas compañías, por ejemplo Tesla,
14:40
are going the driver-assisted route.
316
868744
2159
van por la senda de
la conducción asistida.
la conducción asistida.
14:42
What you're saying is that
that's kind of going to be a dead end
that's kind of going to be a dead end
317
870903
5248
Tú dices que ese camino
será un callejón sin salida
será un callejón sin salida
14:48
because you can't just keep improving
that route and get to fully driverless
that route and get to fully driverless
318
876151
5456
porque no puedes seguir mejorando
esa vía y llegar a la autoconducción
esa vía y llegar a la autoconducción
14:53
at some point, and then a driver
is going to say, "This feels safe,"
is going to say, "This feels safe,"
319
881607
3530
en algún momento, y entonces el conductor
dirá: "Esto parece seguro",
dirá: "Esto parece seguro",
14:57
and climb into the back,
and something ugly will happen.
and something ugly will happen.
320
885137
2647
girará hacia atrás, y entonces
ocurrirá algo feo.
ocurrirá algo feo.
14:59
CU: Right. No, that's exactly right,
and it's not to say
and it's not to say
321
887784
2676
CU: Cierto. No, eso es correcto,
y no quiere decir
y no quiere decir
que los sistemas de conducción asistida
no vayan a ser increíblemente valiosos.
no vayan a ser increíblemente valiosos.
15:02
that the driver assistance systems
aren't going to be incredibly valuable.
aren't going to be incredibly valuable.
322
890460
3537
15:05
They can save a lot of lives
in the interim,
in the interim,
323
893997
2058
Pueden salvar muchas vidas
mientras tanto,
mientras tanto,
15:08
but to see the transformative opportunity
to help someone like Steve get around,
to help someone like Steve get around,
324
896055
3833
pero al ver la oportunidad transformadora
de ayudar a alguien como Steve a moverse,
de ayudar a alguien como Steve a moverse,
15:11
to really get to the end case in safety,
325
899888
1969
de llegar a buen puerto
en materia de seguridad,
en materia de seguridad,
15:13
to have the opportunity
to change our cities
to change our cities
326
901857
2479
de tener la oportunidad
de cambiar nuestras ciudades
de cambiar nuestras ciudades
15:16
and move parking out and get rid of
these urban craters we call parking lots,
these urban craters we call parking lots,
327
904336
4204
de quitar los estacionamientos
y deshacernos de esos cráteres urbanos,
y deshacernos de esos cráteres urbanos,
es la única opción a seguir.
15:20
it's the only way to go.
328
908540
1240
15:21
CA: We will be tracking your progress
with huge interest.
with huge interest.
329
909780
2718
CA: Seguiremos tu progreso
con gran interés.
con gran interés.
15:24
Thanks so much, Chris.
CU: Thank you. (Applause)
CU: Thank you. (Applause)
330
912498
4232
Muchas gracias, Chris.
CU: Gracias. (Aplausos)
CU: Gracias. (Aplausos)
ABOUT THE SPEAKER
Chris Urmson - RoboticistChris Umson is the Director of Self-Driving Cars at Google[x].
Why you should listen
Since 2009, Chris Urmson has headed up Google’s self-driving car program. So far, the team’s vehicles have driven over three quarters of a million miles. While early models included a driverless Prius that TEDsters got to test- ... um, -not-drive in 2011, more and more the team is building vehicles from the ground up, custom-made to go driverless.
Prior to joining Google, Umson was on the faculty of the Robotics Institute at Carnegie Mellon University, where his research focused on motion planning and perception for robotic vehicles. During his time at Carnegie Mellon, he served as Director of Technology for the team that won the 2007 DARPA Urban Challenge.
Chris Urmson | Speaker | TED.com