TEDxStanford
Chris Gerdes: The future race car -- 150mph, and no driver
Chris Gerdes: Závodní auto budoucnosti -- 150 mil za hodinu a žádný řidič
Filmed:
Readability: 4
806,444 views
Nezávislá auta přicházejí -- a budou umět řídit lépe než vy. Chris Gerdes odhaluje, jak on a jeho tým vyvíjí robotická závodní auta, která umí jet 150 mil v hodině a vyhnout se přitom jakékoliv možné nehodě. Dále Gerdes říká, že při studiu mozkových vln u závodních řidičů nově docenil jejich profesionální instinkty. (Natočeno na 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
Takže, kolik z vás se někdy
00:17
gotten behind the wheel of a car
1
1913
1655
dostalo za volant auta,
00:19
when you really shouldn't have been driving?
2
3568
5687
když jste opravdu neměli řídit?
00:25
Maybe you're out on the road for a long day,
3
9255
1905
Možná jste byli na cestě celý den
00:27
and you just wanted to get home.
4
11160
1490
a jen jste se chtěli dostat domů.
00:28
You were tired, but you felt you could drive a few more miles.
5
12650
2647
Byli jste unaveni, ale cítili jste, že byste zvládli řídit ještě několik mil.
00:31
Maybe you thought,
6
15297
1199
Možná jste si mysleli,
00:32
I've had less to drink than everybody else,
7
16496
2017
vypil jsem toho méně než kdokoliv jiný,
00:34
I should be the one to go home.
8
18513
1736
měl bych být jediný, kdo pojede domů.
00:36
Or maybe your mind was just entirely elsewhere.
9
20249
4591
Nebo jste možná jen byli myšlenkami úplně jinde.
00:40
Does this sound familiar to you?
10
24840
1454
Nezní vám to povědomě?
00:42
Now, in those situations, wouldn't it be great
11
26294
2898
V takových situacích, nebylo by skvělé,
00:45
if there was a button on your dashboard
12
29192
1593
kdyby bylo na vaší palubní desce tlačítko,
00:46
that you could push, and the car would get you home safely?
13
30785
6343
které byste mohli stisknout a vaše auto by vás bezpečně dostalo domů?
00:53
Now, that's been the promise of the self-driving car,
14
37128
2293
Už existoval příslib auta řízeného sama sebou,
00:55
the autonomous vehicle, and it's been the dream
15
39421
2627
nezávislého vozu, a ten sen existoval už nejméně
00:57
since at least 1939, when General Motors showcased
16
42048
3249
od roku 1939, kdy General Motors předvedlo
01:01
this idea at their Futurama booth at the World's Fair.
17
45297
3302
tuhle myšlenku v jejich Futurama stánku na Světové výstavě.
01:04
Now, it's been one of those dreams
18
48599
1943
Byl to jeden z těch snů,
01:06
that's always seemed about 20 years in the future.
19
50542
4214
které se vždycky zdály být asi 20 let v budoucnu.
01:10
Now, two weeks ago, that dream took a step forward,
20
54756
2683
Před dvěma měsíci, se onen sen dostal o krok dále,
01:13
when the state of Nevada granted Google's self-driving car
21
57439
3265
když ve státě Nevada udělili samostatně řízenému autu od Google
01:16
the very first license for an autonomous vehicle,
22
60704
3600
vůbec první licenci udělenou nezávislému vozidlu tím,
01:20
clearly establishing that it's legal for them
23
64304
2245
že jasně stanovili, že ho mohou legálně
01:22
to test it on the roads in Nevada.
24
66549
1810
testovat na silnicích v Nevadě.
01:24
Now, California's considering similar legislation,
25
68359
3727
Kalifornie teď zvažuje podobnou legislativu
01:27
and this would make sure that the autonomous car
26
72086
2408
a to by mělo spolehlivě zařídit, že nezávislé auto
01:30
is not one of those things that has to stay in Vegas.
27
74494
2977
nebude jednou z těch věcí, které musí zůstat ve Vegas.
01:33
(Laughter)
28
77471
2096
(Smích)
01:35
Now, in my lab at Stanford, we've been working on
29
79567
3784
V mé laboratoři ve Stanfordu jsme teď pracovali
01:39
autonomous cars too, but with a slightly different spin
30
83351
3487
na nezávislém autě také, ale s malinko odlišným rozložením věcí.
01:42
on things. You see, we've been developing robotic race cars,
31
86838
4248
Vyvíjeli jsme robotická závodní auta,
01:46
cars that can actually push themselves to the very limits
32
91086
4120
auta, která vlastně mohou sebe sama posunout až na samotné
01:51
of physical performance.
33
95206
2240
hranice fyzikální výkonnosti.
01:53
Now, why would we want to do such a thing?
34
97446
2613
Proč bychom chtěli takovou věc dělat?
01:55
Well, there's two really good reasons for this.
35
100059
2100
No, jsou pro to dva velmi dobré důvody.
01:58
First, we believe that before people turn over control
36
102159
3959
Za prvé, věříme, že než lidé odevzdají řízení
02:02
to an autonomous car, that autonomous car should be
37
106118
2834
nezávislému autu, mělo by ono auto být
02:04
at least as good as the very best human drivers.
38
108952
3254
nejméně tak dobrým řidičem jako ti nejlepší z lidí.
02:08
Now, if you're like me, and the other 70 percent of the population
39
112206
3305
Pokud jste teď jako já a dalších 70 procent populace,
02:11
who know that we are above-average drivers,
40
115511
2193
kdož víme, že jsme nadprůměrní řidiči,
02:13
you understand that's a very high bar.
41
117704
3175
chápete, že je to velmi vysoká laťka.
02:16
There's another reason as well.
42
120879
2392
Existuje také další důvod.
02:19
Just like race car drivers can use all of the friction
43
123271
3576
Stejně jako závodní řidiči dokážou využít veškeré tření
02:22
between the tire and the road,
44
126847
1280
mezi pneumatikou a vozovkou,
02:24
all of the car's capabilities to go as fast as possible,
45
128127
3177
všechny možnosti auta jet tak rychle jak jen to jde,
02:27
we want to use all of those capabilities to avoid
46
131304
3345
my chceme využít všechny tyto možnosti k zabránění
02:30
any accident we can.
47
134649
1588
jakékoliv nehodě, které zabránit můžeme.
02:32
Now, you may push the car to the limits
48
136237
2050
Možná teď doženete auto na hranice možností,
02:34
not because you're driving too fast,
49
138287
1967
ne protože jedete příliš rychle,
02:36
but because you've hit an icy patch of road,
50
140254
2160
ale protože jste narazili na ledovku na silnici,
02:38
conditions have changed.
51
142414
1704
když se vnější podmínky změnily.
02:40
In those situations, we want a car
52
144118
2761
V takových situacích chceme auto,
02:42
that is capable enough to avoid any accident
53
146879
3720
které je dostatečně schopné zabránit jakékoliv havárii,
02:46
that can physically be avoided.
54
150599
2678
které se dá fyzicky vyhnout.
02:49
I must confess, there's kind of a third motivation as well.
55
153277
4267
Musím se přiznat, že je ještě třetí druh motivace.
02:53
You see, I have a passion for racing.
56
157544
2256
Vidíte, vášnivě rád závodím.
02:55
In the past, I've been a race car owner,
57
159800
2764
Dříve jsem vlastnil závodní auto,
02:58
a crew chief and a driving coach,
58
162564
2555
byl jsem vedoucí posádky a trenér řidičů,
03:01
although maybe not at the level that you're currently expecting.
59
165119
3855
ačkoliv možná ne na takové úrovni, jakou právě předpokládáte.
03:04
One of the things that we've developed in the lab --
60
168974
2704
Jednou z věcí, kterou už jsme v laboratoři vyvinuli --
03:07
we've developed several vehicles --
61
171678
1704
vyvinuli jsme už několik vozů --
03:09
is what we believe is the world's first
62
173382
2235
je jak se domníváme první auto na světě,
03:11
autonomously drifting car.
63
175617
2365
které umí samo driftovat.
(projíždět zatáčky s prokluzem kol; pozn. překl.)
(projíždět zatáčky s prokluzem kol; pozn. překl.)
03:13
It's another one of those categories
64
177982
2513
To je další z těch kategorií,
03:16
where maybe there's not a lot of competition.
65
180495
2423
kde možná není s kým soutěžit.
03:18
(Laughter)
66
182918
1408
(Smích)
03:20
But this is P1. It's an entirely student-built electric vehicle,
67
184326
3822
Ale tohle je P1. Je to vůz na elektřinu, postavený výhradně studenty,
03:24
which through using its rear-wheel drive
68
188148
2078
který pomocí ovládání pohonu zadních kol
03:26
and front-wheel steer-by-wire
69
190226
1565
a natáčení předních kol lankem,
03:27
can drift around corners.
70
191791
2067
může driftovat do zatáček.
03:29
It can get sideways like a rally car driver,
71
193858
2200
Může řezat zatáčky bokem jako jezdec s autem pro rally,
03:31
always able to take the tightest curve,
72
196058
1715
který vždycky zvládne i tu nejtěžší zatáčku,
03:33
even on slippery, changing surfaces,
73
197773
3304
dokonce na kluzkých, střídajících se površích,
03:36
never spinning out.
74
201077
1616
a nikdy nedostane hodiny.
03:38
We've also worked with Volkswagen Oracle,
75
202693
2368
Také jsme už pracovali společně s Volkswagen Oracle
03:40
on Shelley, an autonomous race car that has raced
76
205061
3424
na Shelley, nezávislém závodním autě, které se hnalo
03:44
at 150 miles an hour through the Bonneville Salt Flats,
77
208485
3070
rychlostí 150 mil za hodinu přes Bonneville Salt Flats,
03:47
gone around Thunderhill Raceway Park in the sun,
78
211555
4471
jelo kolem Thunderhill Raceway Park na slunci,
03:51
the wind and the rain,
79
216026
2639
ve větru a dešti
03:54
and navigated the 153 turns and 12.4 miles
80
218665
5018
a navigované ve 153 obratech a po 12,4 míle
03:59
of the Pikes Peak Hill Climb route
81
223683
1562
silnice na Pikes Peak Hill Climb
04:01
in Colorado with nobody at the wheel.
82
225245
3473
v Coloradu bez řidiče za volantem.
04:04
(Laughter)
83
228718
1448
(Smích)
04:06
(Applause)
84
230166
5566
(Potlesk)
04:11
I guess it goes without saying that we've had a lot of fun
85
235732
3279
Počítám, že je samozřejmé, že jsme si u toho užili
04:14
doing this.
86
239011
1304
spoustu zábavy.
04:16
But in fact, there's something else that we've developed
87
240315
3657
Ale ve skutečnosti jsme během procesu vývoje
04:19
in the process of developing these autonomous cars.
88
243972
3055
těchto nezávislých aut objevili něco jiného.
04:22
We have developed a tremendous appreciation
89
247027
3871
Dospěli jsme k obrovskému uznání
04:26
for the capabilities of human race car drivers.
90
250898
3817
schopností lidských závodních řidičů.
04:30
As we've looked at the question of how well do these cars perform,
91
254715
4345
Protože jsme brali v úvahu otázku toho, co všechno mohou tahle auta dokázat,
04:34
we wanted to compare them to our human counterparts.
92
259060
3279
chtěli jsme je porovnat s jejich lidskými protějšky.
04:38
And we discovered their human counterparts are amazing.
93
262339
5680
A zjistili jsme, že jejich lidské protějšky jsou úžasné.
04:43
Now, we can take a map of a race track,
94
268019
4023
Můžeme teď vzít mapu závodní dráhy,
04:47
we can take a mathematical model of a car,
95
272042
2370
můžeme vzít matematický model auta
04:50
and with some iteration, we can actually find
96
274412
2903
a po několika opakováních jsme schopni najít
04:53
the fastest way around that track.
97
277315
1625
nejrychlejší způsob průjezdu tratí.
04:54
We line that up with data that we record
98
278940
2533
Srovnali jsme to s daty, která jsme nahráli
04:57
from a professional driver,
99
281473
1433
u profesionálního řidiče
04:58
and the resemblance is absolutely remarkable.
100
282906
4107
a podobnost je naprosto nápadná.
05:02
Yes, there are subtle differences here,
101
287013
3212
Ano, jsou zde drobné rozdíly,
05:06
but the human race car driver is able to go out
102
290225
3127
ale lidský závodní řidič je schopen vyjet
05:09
and drive an amazingly fast line,
103
293352
2335
a uřídit úžasně rychlou stopu
05:11
without the benefit of an algorithm that compares
104
295687
2330
bez přispění algoritmu, který srovnává
05:13
the trade-off between going as fast as possible
105
298017
2608
výhodnost co možná nejrychlejší jízdy
05:16
in this corner, and shaving a little bit of time
106
300625
2037
v daném úhlu a vyšetřením trošky času
05:18
off of the straight over here.
107
302662
1902
přímým projetím.
05:20
Not only that, they're able to do it lap
108
304564
3457
A nejen to, jsou schopni to dělat kolo
05:23
after lap after lap.
109
308021
2375
za kolem a dalším kolem.
05:26
They're able to go out and consistently do this,
110
310396
2912
Jsou schopni vyjet a stále to dělat
05:29
pushing the car to the limits every single time.
111
313308
4128
a pokaždé tlačit auto na hranice možností.
05:33
It's extraordinary to watch.
112
317436
3169
Je výjimečné to sledovat.
05:36
You put them in a new car,
113
320605
2066
Posadíte je do nového auta
05:38
and after a few laps, they've found the fastest line in that car,
114
322671
3902
a po několika kolech v onom autě najdou nejrychlejší stopu
05:42
and they're off to the races.
115
326573
3877
a jedou do závodů.
05:46
It really makes you think,
116
330450
1146
Opravdu vás to přiměje přemýšlet,
05:47
we'd love to know what's going on inside their brain.
117
331596
4871
že bychom rádi věděli, co se jim děje v mozku.
05:52
So as researchers, that's what we decided to find out.
118
336467
4541
A protože jsme výzkumníci, rozhodli jsme se to zjistit.
05:56
We decided to instrument not only the car,
119
341008
1812
Rozhodli jsme se vybavit přístroji nejen auto,
05:58
but also the race car driver,
120
342820
2495
ale také závodního řidiče,
06:01
to try to get a glimpse into what was going on
121
345315
2769
abychom zkusili nahlédnout, co se děje
06:03
in their head as they were doing this.
122
348084
2186
v jejich hlavě, když řídí.
06:06
Now, this is Dr. Lene Harbott applying electrodes
123
350270
3950
Toto je teď doktorka Lene Harbott, která přikládá elektrody
06:10
to the head of John Morton.
124
354220
1232
na hlahu Johna Mortona.
06:11
John Morton is a former Can-Am and IMSA driver,
125
355452
2989
John Morton je bývalý závodník soutěží Can-Am a IMSA,
06:14
who's also a class champion at Le Mans.
126
358441
1800
který je také šampión třídy v Le Mans.
06:16
Fantastic driver, and very willing to put up with graduate students
127
360241
3496
Úžasný řidič a velmi ochotný snášet absolventy
06:19
and this sort of research.
128
363737
1855
a tento druh výzkumu.
06:21
She's putting electrodes on his head
129
365592
2672
Dává mu elektrody na hlavu,
06:24
so that we can monitor the electrical activity
130
368264
2112
abychom mohli systematicky sledovat elektrickou aktivitu
06:26
in John's brain as he races around the track.
131
370376
2832
Johnova mozku, když závodí na dráze.
06:29
Now, clearly we're not going to put a couple of electrodes on his head
132
373208
3195
Jasně, ze se nechystáme dát pár elektrod na jeho hlavu
06:32
and understand exactly what all of his thoughts are on the track.
133
376403
3270
a přesně pochopit, na co všechno na dráze myslí.
06:35
However, neuroscientists have identified certain patterns
134
379673
3407
Neurologové však už rozpoznali určité předlohy
06:38
that let us tease out some very important aspects of this.
135
383080
3761
které nás z toho nechávají vybírat některé velmi důležité situace.
06:42
For instance, the resting brain
136
386841
1847
Například odpočívající mozek
06:44
tends to generate a lot of alpha waves.
137
388688
2155
má sklon vytvářet hodně alfa vln.
06:46
In contrast, theta waves are associated with
138
390843
3752
Na rozdíl od theta vln, které jsou spojeny
06:50
a lot of cognitive activity, like visual processing,
139
394595
3184
s množstvím poznávací aktivity, jako je zpracování obrazu,
06:53
things where the driver is thinking quite a bit.
140
397779
3048
věci, při kterých řidič docela dost myslí.
06:56
Now, we can measure this,
141
400827
1663
Tohle jsme teď schopni měřit
06:58
and we can look at the relative power
142
402490
1985
a můžeme vzít v úvahu poměrné množství
07:00
between the theta waves and the alpha waves.
143
404475
2200
theta vln a alfa vln.
07:02
This gives us a measure of mental workload,
144
406675
2442
To nám udává míru duševního vytížení,
07:05
how much the driver is actually challenged cognitively
145
409117
3567
jak mnoho je vlastně řidič stimulován rozpoznávat
07:08
at any point along the track.
146
412684
1786
každé místo na trati.
07:10
Now, we wanted to see if we could actually record this
147
414470
2942
Chtěli jsme vidět, jestli bychom vlastně toto mohli zaznamenat
07:13
on the track, so we headed down south to Laguna Seca.
148
417412
3038
na trati, a tak jsme zamířili dolů na jih do Laguna Seca.
07:16
Laguna Seca is a legendary raceway
149
420450
2016
Laguna Seca je legendární závodní dráha,
07:18
about halfway between Salinas and Monterey.
150
422466
2301
asi na polovině cesty mezi Salinas a Monterey.
07:20
It has a curve there called the Corkscrew.
151
424767
2087
Mají tam zatáčku nazývanou Vývrtka.
07:22
Now, the Corkscrew is a chicane, followed by a quick
152
426854
2717
Z Vývrtky je teď šikana, následovaná rychlým
07:25
right-handed turn as the road drops three stories.
153
429571
2746
pravotočivým obratem, jakkoliv tato cesta napsala tři příběhy.
07:28
Now, the strategy for driving this as explained to me was,
154
432317
3766
Teď, strategie pro projetí byla, jak mi vysvětlili,
07:31
you aim for the bush in the distance,
155
436083
2022
zamířit na křoví v dálce
07:34
and as the road falls away, you realize it was actually the top of a tree.
156
438105
3025
a jak cesta klesá, uvědomujete si, že to byl vlastně vršek stromu.
07:37
All right, so thanks to the Revs Program at Stanford,
157
441130
3304
Dobrá, takže díky Revs Program na Stanfordu
07:40
we were able to take John there
158
444434
1473
jsme tam mohli vzít Johna
07:41
and put him behind the wheel
159
445907
964
a posadit ho za volant
07:42
of a 1960 Porsche Abarth Carrera.
160
446871
2439
Porsche Abarth Carrera z roku 1960.
07:45
Life is way too short for boring cars.
161
449310
3698
Život je příliš krátký na nudná auta.
07:48
So, here you see John on the track,
162
453008
1759
Takže tady vidíte Johna na dráze
07:50
he's going up the hill -- Oh! Somebody liked that --
163
454767
2184
jak vyjíždí do kopce -- ou! Někdo to měl rád --
07:52
and you can see, actually, his mental workload
164
456951
2465
a můžete vlastně vidět jeho duševní zatížení
07:55
-- measuring here in the red bar --
165
459416
2153
-- zde měřené červenou stupnicí --
07:57
you can see his actions as he approaches.
166
461569
2343
můžete vidět jeho činnosti, jak se přibližuje.
07:59
Now watch, he has to downshift.
167
463912
3230
Teď sledujte, jak musel podřadit.
08:03
And then he has to turn left.
168
467142
761
A pak musel odbočit vlevo.
08:03
Look for the tree, and down.
169
467903
3993
Hledejte strom a dolů.
08:07
Not surprisingly, you can see this is a pretty challenging task.
170
471896
2838
Nepřekvapivě v tom můžete spatřovat docela náročný úkol.
08:10
You can see his mental workload spike as he goes through this,
171
474734
2976
Můžete vidět špičku v jeho duševním zatížení, jak tudy projíždí,
08:13
as you would expect with something that requires
172
477710
2064
jako byste očekávali u něčeho, co vyžaduje
08:15
this level of complexity.
173
479774
2809
takový stupeň složitosti.
08:18
But what's really interesting is to look at areas of the track
174
482583
3416
Ale to co je opravdu zajímavé, je pohled na úseky dráhy,
08:21
where his mental workload doesn't increase.
175
485999
2846
kde jeho duševní zatížení nevzrůstá.
08:24
I'm going to take you around now
176
488845
1495
Vezmu vás teď okolo
08:26
to the other side of the track.
177
490340
1089
na druhou stranu trati.
08:27
Turn three. And John's going to go into that corner
178
491429
2336
Odbocka tři. A John se chystá vjet do té zatáčky
08:29
and the rear end of the car is going to begin to slide out.
179
493765
2551
a zadní část auta se začne klouzat vně.
08:32
He's going to have to correct for that with steering.
180
496316
2017
Bude to muset napravit řízením.
08:34
So watch as John does this here.
181
498333
2231
Tak sledujte, jak to tady John dělá.
08:36
Watch the mental workload, and watch the steering.
182
500564
2322
Sledujte duševní zatížení a sledujte řízení.
08:38
The car begins to slide out, dramatic maneuver to correct it,
183
502886
3672
Auto začíná klouzat, napínavý manévr pro nápravu
08:42
and no change whatsoever in the mental workload.
184
506558
3523
a žádná změna čehokoliv v duševním zatížení.
08:45
Not a challenging task.
185
510081
2832
Nenáročný úkol.
08:48
In fact, entirely reflexive.
186
512913
3200
Ve skutečnosti zcela reflexivní.
08:52
Now, our data processing on this is still preliminary,
187
516113
3643
Naše zpracování dat je v tomto ohledu stále předběžné,
08:55
but it really seems that these phenomenal feats
188
519756
2672
ale opravdu se zdá, že tyto neobyčejné výkony,
08:58
that the race car drivers are performing
189
522428
1610
které řidiči závodních aut předvádějí,
08:59
are instinctive.
190
524038
1910
jsou instinktivní.
09:01
They are things that they have simply learned to do.
191
525948
3390
Jsou věci, které se dají jednoduše naučit.
09:05
It requires very little mental workload
192
529338
2282
Vyžaduje to pro ně velmi málo duševního zatížení,
09:07
for them to perform these amazing feats.
193
531620
2824
aby předváděli tyhle úžasné výkony.
09:10
And their actions are fantastic.
194
534444
3135
A jejich zákroky jsou fantastické.
09:13
This is exactly what you want to do on the steering wheel
195
537579
2611
To je přesně to, co byste si přáli dělat za volantem,
09:16
to catch the car in this situation.
196
540190
3337
abyste rozuměli autu v takové situaci.
09:19
Now, this has given us tremendous insight
197
543527
3445
Toto nám poskytlo ohromný náhled
09:22
and inspiration for our own autonomous vehicles.
198
546972
3122
a inspiraci pro naše vlastní nezávislá vozidla.
09:25
We've started to ask the question:
199
550094
1928
Začali jsme se ptát:
09:27
Can we make them a little less algorithmic
200
552022
2253
Dokážeme je vyrobit o trochu méně algoritmicky
09:30
and a little more intuitive?
201
554275
2449
a trochu více intuitivní?
09:32
Can we take this reflexive action
202
556724
2281
Můžeme vzít tenhle reflexivní úkon,
09:34
that we see from the very best race car drivers,
203
559005
2287
který jsme viděli u těch opravdu nejlepších závodních řidičů,
09:37
introduce it to our cars,
204
561292
1649
zavést ho do našich aut
09:38
and maybe even into a system that could
205
562941
1984
a možná dokonce do systému, který by se mohl
09:40
get onto your car in the future?
206
564925
1968
dostat v budoucnu do vašich aut?
09:42
That would take us a long step
207
566893
1611
To by nás posunulo o dlouhý krok
09:44
along the road to autonomous vehicles
208
568504
2509
na cestě za nezávislým vozidlem,
09:46
that drive as well as the best humans.
209
571013
1912
které řídí tak dobře jako ti nejlepší lidé.
09:48
But it's made us think a little bit more deeply as well.
210
572925
3440
Ale přimělo nás to také se hlouběji zamyslet.
09:52
Do we want something more from our car
211
576365
2968
Chceme od našich aut něco víc
09:55
than to simply be a chauffeur?
212
579333
1840
než jednoduše být řidičem?
09:57
Do we want our car to perhaps be a partner, a coach,
213
581173
4235
Chceme, aby naše auta snad byla společníkem, trenérem,
10:01
someone that can use their understanding of the situation
214
585408
3087
někým, kdo dokaze využít svoje chápání situace,
10:04
to help us reach our potential?
215
588495
4256
aby nám pomohl přijít na náš potenciál?
10:08
Can, in fact, the technology not simply replace humans,
216
592751
2273
Může vlastně technologie nejen jednoduše nahradit lidi,
10:10
but allow us to reach the level of reflex and intuition
217
595024
4575
ale i dovolit nám dosáhnout té úrovně reflexu a předvídání,
10:15
that we're all capable of?
218
599599
3425
kterých jsme všichni schopni?
10:18
So, as we move forward into this technological future,
219
603024
1923
Takže, zatímco se přesuneme směrem k této technologické budoucnosti,
10:20
I want you to just pause and think of that for a moment.
220
604947
2821
chci, abyste se jen na chvíli zastavili a přemýšleli o tom.
10:23
What is the ideal balance of human and machine?
221
607768
3775
Jaká je dokonalá rovnováha mezi člověkem a strojem?
10:27
And as we think about that,
222
611543
1709
A když o tom přemýšlíme,
10:29
let's take inspiration
223
613252
1731
nechme se inspirovat
10:30
from the absolutely amazing capabilities
224
614983
3329
naprosto úžasnými schopnostmi
10:34
of the human body and the human mind.
225
618312
2816
lidského těla a lidské mysli.
10:37
Thank you.
226
621128
1736
Děkuji vám.
10:38
(Applause)
227
622864
4604
(Potlesk)
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