TEDxStanford
Chris Gerdes: The future race car -- 150mph, and no driver
Chris Gerdes: Masa depan mobil balap -- 150 mil per jam tanpa pengemudi
Filmed:
Readability: 4
806,444 views
Mobil otonom segera datang -- dan mobil itu akan mengemudi lebih baik daripada Anda. Chris Gerdes mengungkap bagaimana dia bersama timnya mengembangkan mobil balap robotik yang dapat dipacu hingga 150 mil per jam serta mampu menghindari setiap kecelakaan yang mungkin terjadi. Namun, dalam mempelajari gelombang otak dari seorang pembalap profesional, Gerdes berkata dia mendapat pengetahuan baru akan naluri dari para pembalap profesional. (Direkam di TEDxStanford.)
Chris Gerdes - Mechanical engineer
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today. Full bio
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today. Full bio
Double-click the English transcript below to play the video.
00:16
So, how many of you have ever
0
506
1407
Berapa banyak di antara Anda
00:17
gotten behind the wheel of a car
1
1913
1655
yang pernah duduk di depan kemudi
00:19
when you really shouldn't have been driving?
2
3568
5687
sedangkan Anda tidak seharusnya mengemudi?
00:25
Maybe you're out on the road for a long day,
3
9255
1905
Mungkin Anda sudah lelah mengemudi sangat lama
00:27
and you just wanted to get home.
4
11160
1490
dan Anda ingin pulang.
00:28
You were tired, but you felt you could drive a few more miles.
5
12650
2647
Anda lelah, namun Anda merasa dapat mengemudi beberapa mil lagi.
00:31
Maybe you thought,
6
15297
1199
Mungkin Anda berpikir,
00:32
I've had less to drink than everybody else,
7
16496
2017
saya minum tidak sebanyak orang lain,
00:34
I should be the one to go home.
8
18513
1736
seharusnya saya bisa pulang.
00:36
Or maybe your mind was just entirely elsewhere.
9
20249
4591
Atau mungkin pikiran Anda entah berada di mana.
00:40
Does this sound familiar to you?
10
24840
1454
Apakah ini terdengar akrab bagi Anda?
00:42
Now, in those situations, wouldn't it be great
11
26294
2898
Dalam situasi seperti itu, bukankah hebat
00:45
if there was a button on your dashboard
12
29192
1593
jika ada tombol di dasbor mobil Anda
00:46
that you could push, and the car would get you home safely?
13
30785
6343
yang jika ditekan akan mengantar Anda pulang dengan aman?
00:53
Now, that's been the promise of the self-driving car,
14
37128
2293
Kini, sudah ada janji mengenai mobil kemudi mandiri,
00:55
the autonomous vehicle, and it's been the dream
15
39421
2627
kendaraan yang otonom, dan mimpi ini sudah ada
00:57
since at least 1939, when General Motors showcased
16
42048
3249
setidaknya sejak tahun 1939, saat General Motors memamerkan
01:01
this idea at their Futurama booth at the World's Fair.
17
45297
3302
ide ini di stan Futurama mereka di Pameran Dunia.
01:04
Now, it's been one of those dreams
18
48599
1943
Ini adalah mimpi yang tampaknya
01:06
that's always seemed about 20 years in the future.
19
50542
4214
selalu berjarak 20 tahun di masa depan.
01:10
Now, two weeks ago, that dream took a step forward,
20
54756
2683
Dua minggu yang lalu, mimpi ini mengalami kemajuan
01:13
when the state of Nevada granted Google's self-driving car
21
57439
3265
saat negara bagian Nevada memberikan ijin untuk mobil kemudi mandiri Google
01:16
the very first license for an autonomous vehicle,
22
60704
3600
sertifikat pertama untuk kendaraan otonom,
01:20
clearly establishing that it's legal for them
23
64304
2245
yang benar-benar menyatakan mobil ini
01:22
to test it on the roads in Nevada.
24
66549
1810
dapat diuji di jalan-jalan Nevada secara resmi.
01:24
Now, California's considering similar legislation,
25
68359
3727
California juga sedang mempertimbangkan hal yang sama
01:27
and this would make sure that the autonomous car
26
72086
2408
yang akan meyakinkan Anda bahwa mobil otonom ini
01:30
is not one of those things that has to stay in Vegas.
27
74494
2977
bukan salah satu benda yang hanya harus ada di Vegas.
01:33
(Laughter)
28
77471
2096
(Tawa)
01:35
Now, in my lab at Stanford, we've been working on
29
79567
3784
Di lab saya di Stanford, kami juga telah mengerjakan
01:39
autonomous cars too, but with a slightly different spin
30
83351
3487
mobil otonom, namun dengan sedikit perbedaan.
01:42
on things. You see, we've been developing robotic race cars,
31
86838
4248
Kami mengembangkan mobil balap robot,
01:46
cars that can actually push themselves to the very limits
32
91086
4120
mobil yang kinerja fisiknya dapat didorong
01:51
of physical performance.
33
95206
2240
hingga batas maksimum.
01:53
Now, why would we want to do such a thing?
34
97446
2613
Kini, mengapa kami ingin melakukan hal semacam itu?
01:55
Well, there's two really good reasons for this.
35
100059
2100
Ada dua alasan yang bagus untuk ini.
01:58
First, we believe that before people turn over control
36
102159
3959
Pertama, kami yakin bahwa sebelum orang dapat menyerahkan kendali
02:02
to an autonomous car, that autonomous car should be
37
106118
2834
kepada mobil otonom, mobil itu setidaknya harus
02:04
at least as good as the very best human drivers.
38
108952
3254
bekerja sebaik pengemudi yang paling hebat.
02:08
Now, if you're like me, and the other 70 percent of the population
39
112206
3305
Jika Anda seperti saya beserta 70 persen dari penduduk dunia
02:11
who know that we are above-average drivers,
40
115511
2193
yang tahu bahwa kemampuan mengemudi kita di atas rata-rata,
02:13
you understand that's a very high bar.
41
117704
3175
Anda paham bahwa batasan itu sangat tinggi.
02:16
There's another reason as well.
42
120879
2392
Ada juga alasan lainnya.
02:19
Just like race car drivers can use all of the friction
43
123271
3576
Sama seperti pembalap mobil yang menggunakan setiap gesekan
02:22
between the tire and the road,
44
126847
1280
antara ban dan jalanan,
02:24
all of the car's capabilities to go as fast as possible,
45
128127
3177
semua kemampuan mobil itu untuk berlari secepat mungkin,
02:27
we want to use all of those capabilities to avoid
46
131304
3345
kita ingin menggunakan semua kemampuan itu
02:30
any accident we can.
47
134649
1588
untuk mencegah terjadinya kecelakaan.
02:32
Now, you may push the car to the limits
48
136237
2050
Mungkin Anda membuat mobil Anda bekerja pada batas maksimal
02:34
not because you're driving too fast,
49
138287
1967
bukan karena mengemudi terlalu cepat,
02:36
but because you've hit an icy patch of road,
50
140254
2160
namun karena berjalan di jalanan bersalju,
02:38
conditions have changed.
51
142414
1704
kondisi telah berubah.
02:40
In those situations, we want a car
52
144118
2761
Dalam kondisi seperti itu, kita ingin kendaraan
02:42
that is capable enough to avoid any accident
53
146879
3720
yang mampu mencegah kecelakaan apapun
02:46
that can physically be avoided.
54
150599
2678
yang secara fisik dapat dicegah.
02:49
I must confess, there's kind of a third motivation as well.
55
153277
4267
Saya harus akui, ada juga dorongan ketiga.
02:53
You see, I have a passion for racing.
56
157544
2256
Anda lihat, saya memiliki gairah dalam balap mobil.
02:55
In the past, I've been a race car owner,
57
159800
2764
Saya pernah memiliki mobil balap,
02:58
a crew chief and a driving coach,
58
162564
2555
seorang kepala kru dan seorang pelatih,
03:01
although maybe not at the level that you're currently expecting.
59
165119
3855
walaupun tidak pada tingkatan yang Anda bayangkan sekarang.
03:04
One of the things that we've developed in the lab --
60
168974
2704
Salah satu hal yang kami kembangkan di lab --
03:07
we've developed several vehicles --
61
171678
1704
kami mengembangkan beberapa kendaraan --
03:09
is what we believe is the world's first
62
173382
2235
adalah yang kami yakini sebagai
03:11
autonomously drifting car.
63
175617
2365
mobil balap otonom pertama di dunia.
03:13
It's another one of those categories
64
177982
2513
Ada lagi mobil jenis itu
03:16
where maybe there's not a lot of competition.
65
180495
2423
di mana saingannya mungkin tidak terlalu banyak.
03:18
(Laughter)
66
182918
1408
(Tawa)
03:20
But this is P1. It's an entirely student-built electric vehicle,
67
184326
3822
Inilah P1, mobil listrik yang sepenuhnya dibuat oleh para siswa
03:24
which through using its rear-wheel drive
68
188148
2078
yang melalui roda belakang
03:26
and front-wheel steer-by-wire
69
190226
1565
dan kemudi pada roda depan
03:27
can drift around corners.
70
191791
2067
dapat selip di tikungan.
03:29
It can get sideways like a rally car driver,
71
193858
2200
Mobil itu dapat berjalan di tikungan seperti pembalap reli
03:31
always able to take the tightest curve,
72
196058
1715
selalu dapat mengambil tikungan yang paling tajam,
03:33
even on slippery, changing surfaces,
73
197773
3304
bahkan pada jalanan yang licin dengan permukaan berbeda
03:36
never spinning out.
74
201077
1616
tanpa tergelincir keluar.
03:38
We've also worked with Volkswagen Oracle,
75
202693
2368
Kami juga bekerja bersama Volkswagen Oracle,
03:40
on Shelley, an autonomous race car that has raced
76
205061
3424
mengembangkan Shelley, mobil balap otonom yang telah dipacu
03:44
at 150 miles an hour through the Bonneville Salt Flats,
77
208485
3070
150 mil per jam melalui dataran garam Bonneville
03:47
gone around Thunderhill Raceway Park in the sun,
78
211555
4471
mengelilingi Thunderhill Raceway Park di tengah terik matahari,
03:51
the wind and the rain,
79
216026
2639
angin, dan hujan,
03:54
and navigated the 153 turns and 12.4 miles
80
218665
5018
dan melalui 153 tikungan dan 12,4 mil
03:59
of the Pikes Peak Hill Climb route
81
223683
1562
pada jalur Pikes Peak Hill Climb
04:01
in Colorado with nobody at the wheel.
82
225245
3473
di Colorado tanpa pengemudi.
04:04
(Laughter)
83
228718
1448
(Tawa)
04:06
(Applause)
84
230166
5566
(Tepuk tangan)
04:11
I guess it goes without saying that we've had a lot of fun
85
235732
3279
Saya rasa tidak perlu dikatakan lagi kami banyak bersenang-senang
04:14
doing this.
86
239011
1304
dalam melakukannya.
04:16
But in fact, there's something else that we've developed
87
240315
3657
Namun sebenarnya, ada hal lain yang kami kembangkan
04:19
in the process of developing these autonomous cars.
88
243972
3055
dalam pengembangan mobil otonom ini.
04:22
We have developed a tremendous appreciation
89
247027
3871
Kami mengembangkan penghargaan yang luar biasa
04:26
for the capabilities of human race car drivers.
90
250898
3817
bagi kemampuan para pembalap.
04:30
As we've looked at the question of how well do these cars perform,
91
254715
4345
Saat kami melihat pertanyaan tentang seberapa hebat kinerja mobil ini
04:34
we wanted to compare them to our human counterparts.
92
259060
3279
kami ingin membandingkannya dengan pembalap manusia.
04:38
And we discovered their human counterparts are amazing.
93
262339
5680
Dan kami menemukan bahwa para pembalap itu sangat menakjubkan.
04:43
Now, we can take a map of a race track,
94
268019
4023
Kini kita dapat mengambil peta lintasannya
04:47
we can take a mathematical model of a car,
95
272042
2370
dan juga model matematika dari mobil,
04:50
and with some iteration, we can actually find
96
274412
2903
dan dengan iterasi, kita dapat menemukan
04:53
the fastest way around that track.
97
277315
1625
cara tercepat untuk melalui lintasan itu.
04:54
We line that up with data that we record
98
278940
2533
Kami membandingkannya dengan data yang kita ambil
04:57
from a professional driver,
99
281473
1433
dari seorang pembalap profesional,
04:58
and the resemblance is absolutely remarkable.
100
282906
4107
dan kemiripannya sangat luar biasa.
05:02
Yes, there are subtle differences here,
101
287013
3212
Memang ada perbedaan besar di sini,
05:06
but the human race car driver is able to go out
102
290225
3127
namun pembalap manusia dapat keluar
05:09
and drive an amazingly fast line,
103
293352
2335
dan mengemudi dengan cepat,
05:11
without the benefit of an algorithm that compares
104
295687
2330
tanpa memerlukan algoritma yang membandingkan
05:13
the trade-off between going as fast as possible
105
298017
2608
keseimbangan antara berjalan secepat mungkin
05:16
in this corner, and shaving a little bit of time
106
300625
2037
di tikungan ini, dan memotong sedikit waktu
05:18
off of the straight over here.
107
302662
1902
dari jalan lurus di sini.
05:20
Not only that, they're able to do it lap
108
304564
3457
Tidak hanya itu, mereka juga dapat melakukannya
05:23
after lap after lap.
109
308021
2375
dalam banyak putaran.
05:26
They're able to go out and consistently do this,
110
310396
2912
Mereka dapat keluar dan melakukannya dengan konsisten,
05:29
pushing the car to the limits every single time.
111
313308
4128
mendorong mobil hingga pada batas maksimum setiap kali.
05:33
It's extraordinary to watch.
112
317436
3169
Sangat luar biasa untuk menyaksikannya.
05:36
You put them in a new car,
113
320605
2066
Saat mereka masuk ke dalam mobil baru
05:38
and after a few laps, they've found the fastest line in that car,
114
322671
3902
setelah beberapa putaran, mereka menemukan jalur tercepat dengan mobil itu
05:42
and they're off to the races.
115
326573
3877
dan mereka pergi untuk balapan.
05:46
It really makes you think,
116
330450
1146
Hal ini membuat Anda berpikir,
05:47
we'd love to know what's going on inside their brain.
117
331596
4871
kami ingin tahu apa yang terjadi di dalam otak mereka.
05:52
So as researchers, that's what we decided to find out.
118
336467
4541
Jadi sebagai peneliti, itulah yang kami lakukan.
05:56
We decided to instrument not only the car,
119
341008
1812
Kami memutuskan tidak hanya memperlengkatpi mobilnya,
05:58
but also the race car driver,
120
342820
2495
namun juga pembalapnya,
06:01
to try to get a glimpse into what was going on
121
345315
2769
untuk mencoba mendapat gambaran akan apa yang terjadi
06:03
in their head as they were doing this.
122
348084
2186
dalam kepala mereka setiap kali melakukan hal ini.
06:06
Now, this is Dr. Lene Harbott applying electrodes
123
350270
3950
Lalu inilah Dr. Lene Harbott yang memasang elektroda
06:10
to the head of John Morton.
124
354220
1232
pada kepala John Morton.
06:11
John Morton is a former Can-Am and IMSA driver,
125
355452
2989
John Morton adalah mantan pembalap Can-Am dan IMSA,
06:14
who's also a class champion at Le Mans.
126
358441
1800
yang juga menjadi juara kelas di Le Mans.
06:16
Fantastic driver, and very willing to put up with graduate students
127
360241
3496
Pengemudi yang hebat dan yang sangat bergairah dengan mahasiswa pascasarjana
06:19
and this sort of research.
128
363737
1855
dan penelitian seperti ini.
06:21
She's putting electrodes on his head
129
365592
2672
Dia memasang elektroda di kepalanya
06:24
so that we can monitor the electrical activity
130
368264
2112
sehingga kami dapat memonitor aktivitas listrik
06:26
in John's brain as he races around the track.
131
370376
2832
di dalam otak John saat dia berpacu di lintasan balap.
06:29
Now, clearly we're not going to put a couple of electrodes on his head
132
373208
3195
Sudah jelas kami tidak akan memasang beberapa elektroda di kepalanya
06:32
and understand exactly what all of his thoughts are on the track.
133
376403
3270
dan memahami apa yang dia pikirkan selama di lintasan balap dengan pasti.
06:35
However, neuroscientists have identified certain patterns
134
379673
3407
Namun, para ilmuwan syaraf telah mengidentifikasi pola tertentu
06:38
that let us tease out some very important aspects of this.
135
383080
3761
yang memungkinkan kami mengambil beberapa aspek penting dari hal ini.
06:42
For instance, the resting brain
136
386841
1847
Contohnya, otak yang sedang beristirahat
06:44
tends to generate a lot of alpha waves.
137
388688
2155
cenderung menghasilkan banyak gelombang alpha.
06:46
In contrast, theta waves are associated with
138
390843
3752
Sebaliknya, gelombang theta berhubungan dengan
06:50
a lot of cognitive activity, like visual processing,
139
394595
3184
banyak kegiatan kognitif, seperti penglihatan,
06:53
things where the driver is thinking quite a bit.
140
397779
3048
hal-hal yang cukup dipikirkan oleh para pengemudi.
06:56
Now, we can measure this,
141
400827
1663
Kita dapat mengukur hal ini
06:58
and we can look at the relative power
142
402490
1985
dan melihat pada daya relatif
07:00
between the theta waves and the alpha waves.
143
404475
2200
antara gelombang alpha dan gelombang theta.
07:02
This gives us a measure of mental workload,
144
406675
2442
Hal ini memberikan tingkat dari tekanan mental,
07:05
how much the driver is actually challenged cognitively
145
409117
3567
seberapa besar pengemudi itu tertantang secara kognitif
07:08
at any point along the track.
146
412684
1786
pada saat berada di lintasan.
07:10
Now, we wanted to see if we could actually record this
147
414470
2942
Kini kami ingin melihat apakah kami dapat merekamnya
07:13
on the track, so we headed down south to Laguna Seca.
148
417412
3038
di lintasan, sehingga kami pergi ke Laguna Seca.
07:16
Laguna Seca is a legendary raceway
149
420450
2016
Laguna Seca adalah lintasan balap legendaris
07:18
about halfway between Salinas and Monterey.
150
422466
2301
di tengah-tengah Salinas dan Monterey.
07:20
It has a curve there called the Corkscrew.
151
424767
2087
Ada tikungan yang disebut Corkscrew.
07:22
Now, the Corkscrew is a chicane, followed by a quick
152
426854
2717
Corkscrew adalah tikungan tajam yang langsung diikuti
07:25
right-handed turn as the road drops three stories.
153
429571
2746
oleh tikungan ke kanan saat jalanannya menurun sejauh 3 lantai.
07:28
Now, the strategy for driving this as explained to me was,
154
432317
3766
Strategi untuk mengemudi yang dijelaskan kepada saya adalah
07:31
you aim for the bush in the distance,
155
436083
2022
Anda berpedoman pada semak di kejauhan,
07:34
and as the road falls away, you realize it was actually the top of a tree.
156
438105
3025
dan saat jalanannya turun, Anda menyadari bahwa itu sebenarnya adalah puncak pohon.
07:37
All right, so thanks to the Revs Program at Stanford,
157
441130
3304
Baiklah, jadi berkat Program Revs di Stanford,
07:40
we were able to take John there
158
444434
1473
kami dapat membawa John ke sana
07:41
and put him behind the wheel
159
445907
964
dan menyuruhnya mengemudi
07:42
of a 1960 Porsche Abarth Carrera.
160
446871
2439
Porsche Abarth Carrera buatan tahun 1960.
07:45
Life is way too short for boring cars.
161
449310
3698
Hidup ini terlalu singkat untuk mobil yang membosankan.
07:48
So, here you see John on the track,
162
453008
1759
Jadi inilah John di lintasan itu,
07:50
he's going up the hill -- Oh! Somebody liked that --
163
454767
2184
dia mengemudi naik ke bukit -- Oh! Ada yang menyukainya --
07:52
and you can see, actually, his mental workload
164
456951
2465
dan Anda dapat melihat, tekanan mentalnya
07:55
-- measuring here in the red bar --
165
459416
2153
-- yang ditunjukkan oleh batang merah ini --
07:57
you can see his actions as he approaches.
166
461569
2343
Anda dapat melihat aktivitas otaknya saat dia mendekati tikungan.
07:59
Now watch, he has to downshift.
167
463912
3230
Kini lihatlah, dia mengemudi turun.
08:03
And then he has to turn left.
168
467142
761
Lalu dia harus menikung ke kiri.
08:03
Look for the tree, and down.
169
467903
3993
Mencari pohonnya lalu ke bawah.
08:07
Not surprisingly, you can see this is a pretty challenging task.
170
471896
2838
Tidak mengherankan karena ini adalah tugas yang cukup menantang.
08:10
You can see his mental workload spike as he goes through this,
171
474734
2976
Anda dapat melihat tekanan mentalnya naik saat dia melakui tikungan itu,
08:13
as you would expect with something that requires
172
477710
2064
seperti yang Anda perkirakan pada sesuatu yang memerlukan
08:15
this level of complexity.
173
479774
2809
tingkat kerumitan seperti itu.
08:18
But what's really interesting is to look at areas of the track
174
482583
3416
Namun hal yang menarik adalah melihat pada daerah lintasannya
08:21
where his mental workload doesn't increase.
175
485999
2846
di mana tekanan mentalnya tidak meningkat.
08:24
I'm going to take you around now
176
488845
1495
Saya akan membawa Anda berkeliling
08:26
to the other side of the track.
177
490340
1089
ke sisi lain dari lintasan ini.
08:27
Turn three. And John's going to go into that corner
178
491429
2336
Tikugnan ketiga. Dan John akan menuju ke sana
08:29
and the rear end of the car is going to begin to slide out.
179
493765
2551
bagian belakang mobilnya akan mulai slip.
08:32
He's going to have to correct for that with steering.
180
496316
2017
Dia harus membetulkannya dengan kemudi.
08:34
So watch as John does this here.
181
498333
2231
Jadi lihatlah John melakukannya di sana.
08:36
Watch the mental workload, and watch the steering.
182
500564
2322
Saksikan tekanan mental dan kemudinya.
08:38
The car begins to slide out, dramatic maneuver to correct it,
183
502886
3672
Mobil itu mulai slip, bersama dengan manuver luar biasa untuk memperbaikinya,
08:42
and no change whatsoever in the mental workload.
184
506558
3523
dan tekanan mentalnya tidak berubah sama sekali.
08:45
Not a challenging task.
185
510081
2832
Bukan kegiatan yang menantang.
08:48
In fact, entirely reflexive.
186
512913
3200
Sebenarnya, cukup santai.
08:52
Now, our data processing on this is still preliminary,
187
516113
3643
Kini, pengolahan data kami akan hal ini masih mendasar
08:55
but it really seems that these phenomenal feats
188
519756
2672
namun tampaknya prestasi fenomenal
08:58
that the race car drivers are performing
189
522428
1610
yang ditunjukkan oleh para pembalap ini
08:59
are instinctive.
190
524038
1910
cukup naluriah.
09:01
They are things that they have simply learned to do.
191
525948
3390
Itu memang merupakan hal yang mereka pelajari.
09:05
It requires very little mental workload
192
529338
2282
Mereka hanya memerlukan sedikit tekanan mental
09:07
for them to perform these amazing feats.
193
531620
2824
untuk melakukan hal luar biasa seperti itu.
09:10
And their actions are fantastic.
194
534444
3135
Dan aksi mereka luar biasa.
09:13
This is exactly what you want to do on the steering wheel
195
537579
2611
Inilah apa yang ingin Anda lakukan di belakang kemudi
09:16
to catch the car in this situation.
196
540190
3337
untuk menangkap mobil itu dalam situasi seperti ini.
09:19
Now, this has given us tremendous insight
197
543527
3445
Kini, hal ini telah memberikan kami wawasan yang mendalam
09:22
and inspiration for our own autonomous vehicles.
198
546972
3122
dan ilham bagi kendaraan otonom kami.
09:25
We've started to ask the question:
199
550094
1928
Kami mulai bertanya:
09:27
Can we make them a little less algorithmic
200
552022
2253
Dapatkah kiami membuat algorithmanya lebih sedikit
09:30
and a little more intuitive?
201
554275
2449
dan lebih kepada naluri?
09:32
Can we take this reflexive action
202
556724
2281
Dapatkah kami mengambil tindakan refleksif
09:34
that we see from the very best race car drivers,
203
559005
2287
yang kami lihat dari pembalap mobil yang paling hebat ini,
09:37
introduce it to our cars,
204
561292
1649
memperkenalkannya kepada mobil kami
09:38
and maybe even into a system that could
205
562941
1984
dan mungkin kepada sistem yang dapat
09:40
get onto your car in the future?
206
564925
1968
dimasukkan ke dalam mobil Anda di masa depan?
09:42
That would take us a long step
207
566893
1611
Jalan menuju ke kendaraan otonom
09:44
along the road to autonomous vehicles
208
568504
2509
yang mengemudi sebaik pembalap terbaik
09:46
that drive as well as the best humans.
209
571013
1912
masih sangat panjang.
09:48
But it's made us think a little bit more deeply as well.
210
572925
3440
Namun hal ini membuat kami berpikir lebih dalam juga.
09:52
Do we want something more from our car
211
576365
2968
Apakah kami ingin sesuatu yang lebih dari mobil kami
09:55
than to simply be a chauffeur?
212
579333
1840
bukan hanya sekedar untuk menjadi supir?
09:57
Do we want our car to perhaps be a partner, a coach,
213
581173
4235
Apakah kami ingin mobil itu menjadi rekan, pelatih,
10:01
someone that can use their understanding of the situation
214
585408
3087
sesuatu yang dapat menggunakan pemahaman akan situasi
10:04
to help us reach our potential?
215
588495
4256
untuk membantu kita mencapai potensi kita?
10:08
Can, in fact, the technology not simply replace humans,
216
592751
2273
Dapatkah teknologi itu tidak sekedar menggantikan manusia,
10:10
but allow us to reach the level of reflex and intuition
217
595024
4575
namun juga memungkinkan kita mencapai tingkat refleks dan naluri
10:15
that we're all capable of?
218
599599
3425
paling maksimum yang kita miliki?
10:18
So, as we move forward into this technological future,
219
603024
1923
Jadi saat kami bergerak menuju masa depan teknologi ini,
10:20
I want you to just pause and think of that for a moment.
220
604947
2821
saya ingin Anda berhenti dan memikirkan hal itu sejenak.
10:23
What is the ideal balance of human and machine?
221
607768
3775
Apakah keseimbangan yang ideal antara manusia dan mesin?
10:27
And as we think about that,
222
611543
1709
Dan saat kita berpikir akan hal itu,
10:29
let's take inspiration
223
613252
1731
marilah kita mengambil inspirasi
10:30
from the absolutely amazing capabilities
224
614983
3329
dari kemampuan yang sangat luar biasa
10:34
of the human body and the human mind.
225
618312
2816
yang dimiliki oleh tubuh dan pikiran manusia.
10:37
Thank you.
226
621128
1736
Terima kasih.
10:38
(Applause)
227
622864
4604
(Tepuk tangan)
ABOUT THE SPEAKER
Chris Gerdes - Mechanical engineerAn autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today.
Why you should listen
Imagine a car that can drive itself -- that with the push of a button can get you home safely when you’re too tired to drive or have had a night of one too many drinks. Dr. Chris Gerdes , the Director of the Center for Automotive Research at Stanford (conveniently acronymed CARS), and his team are developing a robotic race car, capable of driving at outrageous speeds while avoiding every possible accident. Gerdes’ research focuses on the development of driver assistance systems for collision avoidance, as well as on new combustion processes for engines.
Prior to teaching at Stanford, Gerdes was the project leader for vehicle dynamics at the Vehicle Systems Technology Center of Daimler-Benz Research and Technology North America. His work at Daimler focused on safety analysis.
Chris Gerdes | Speaker | TED.com