TEDxStanford
Chris Gerdes: The future race car -- 150mph, and no driver
کریس گرِدْز: ماشین‌های مسابقه‌ای آینده -- با سرعت ۲۴۱٫۵ کیلومتر بر ساعت و بدون راننده.
Filmed:
Readability: 4
806,444 views
ماشین‌های خود ران به‌زودی می‌آیند -- و آنها رانندگان بهتری نسبت به شما هستند. کریس گرِدْز نشان می‌دهد که او و تیم همراهش چگونه درحال توسعه ماشین‌های مسابقه‌ای رباتیک هستند که می‌توانند با سرعت ۲۴۱٫۵ کیلومتر بر ساعت رانندگی کند و از هر تصادف احتمالی جلوگیری کند. با این حال، در مطالعه امواج مغزی رانندگان حرفه‌ای مسابقات ماشین‌رانی، گرِدْز می‌گوید که او برای غریزه رانندگان حرفه‌ای احترام بسیار زیادی قائل است.
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
خوب، چند نفر از شما تا حالا
00:17
gotten behind the wheel of a car
1
1913
1655
پشت فرمان ماشین نشسته‌اید
00:19
when you really shouldn't have been driving?
2
3568
5687
آن‌هم زمانی که نباید رانندگی می‌کردید؟
00:25
Maybe you're out on the road for a long day,
3
9255
1905
شاید مدتی طولانی رانندگی کرده‌اید،
00:27
and you just wanted to get home.
4
11160
1490
و فقط می‌خواهید تا خانه بروید.
00:28
You were tired, but you felt you could drive a few more miles.
5
12650
2647
با وجود خستگی حس کردید می‌توانید چند
کیلومتر دیگر برانید.
کیلومتر دیگر برانید.
00:31
Maybe you thought,
6
15297
1199
شاید فکر کردید
00:32
I've had less to drink than everybody else,
7
16496
2017
خب من کمتر از بقیه مشروب خورده‌ام،
00:34
I should be the one to go home.
8
18513
1736
و منم که باید به خانه بروم.
00:36
Or maybe your mind was just entirely elsewhere.
9
20249
4591
یا شاید فقط فکرتان جای دیگری بوده.
00:40
Does this sound familiar to you?
10
24840
1454
این موقعیت برایتان آشنا نیست؟
00:42
Now, in those situations, wouldn't it be great
11
26294
2898
خوب در چنین شرایطی، عالی نمی‌شد
00:45
if there was a button on your dashboard
12
29192
1593
اگر دکمه‌ای روی داشبورد بود
00:46
that you could push, and the car would get you home safely?
13
30785
6343
تا آن را فشار دهید و ماشین شما را
به سلامت به خانه برساند؟
به سلامت به خانه برساند؟
00:53
Now, that's been the promise of the self-driving car,
14
37128
2293
و حالا، با نوید ماشین خود- راننده،
00:55
the autonomous vehicle, and it's been the dream
15
39421
2627
همان وسیله نقلیه‌ای خودکار که
رؤیای ما بوده است
رؤیای ما بوده است
00:57
since at least 1939, when General Motors showcased
16
42048
3249
حداقل از سال ۱۹۳۹، که شرکت جنرال موتور
01:01
this idea at their Futurama booth at the World's Fair.
17
45297
3302
این ایده را در نمایشگاه جهانی
به تصویر کشید.
به تصویر کشید.
01:04
Now, it's been one of those dreams
18
48599
1943
و حالا، این یکی از همان رؤیاها است
01:06
that's always seemed about 20 years in the future.
19
50542
4214
همیشه منتظر ۲۰ سال آینده بودیم،
01:10
Now, two weeks ago, that dream took a step forward,
20
54756
2683
و حالا، دو هفته پیش، این رؤیا
قدمی به جلو برداشت،
قدمی به جلو برداشت،
01:13
when the state of Nevada granted Google's self-driving car
21
57439
3265
وقتی‌که ایالت نوادا، ماشین
خود-راننده گوگل را تأیید کرد
خود-راننده گوگل را تأیید کرد
01:16
the very first license for an autonomous vehicle,
22
60704
3600
اولین گواهی برای وسیله نقلیه خودکار
01:20
clearly establishing that it's legal for them
23
64304
2245
که قانونی بودن آزمایش آن را
01:22
to test it on the roads in Nevada.
24
66549
1810
در جاده‌های نوادا تائید می‌کند.
01:24
Now, California's considering similar legislation,
25
68359
3727
حالا کالیفرنیا هم به دنبال
قانون‌گذاری مشابهی است،
قانون‌گذاری مشابهی است،
01:27
and this would make sure that the autonomous car
26
72086
2408
و این اطمینان را می‌دهد که ماشین خودکار
01:30
is not one of those things that has to stay in Vegas.
27
74494
2977
از آن چیزهایی نیست که باید در وگاس بماند.
01:33
(Laughter)
28
77471
2096
(خنده)
01:35
Now, in my lab at Stanford, we've been working on
29
79567
3784
در آزمایشگاه من در دانشگاه استنفورد،
ما هم بر روی
ما هم بر روی
01:39
autonomous cars too, but with a slightly different spin
30
83351
3487
ماشین‌های خودکار کار می‌کنیم
ولی با اندکی تفاوت.
ولی با اندکی تفاوت.
01:42
on things. You see, we've been developing robotic race cars,
31
86838
4248
همانطور که می‌بینید، درحال توسعهٔ
ماشین‌های مسابقه‌ای روباتیک هستیم،
ماشین‌های مسابقه‌ای روباتیک هستیم،
01:46
cars that can actually push themselves to the very limits
32
91086
4120
ماشین‌هایی که بتوانند خودشان را با
محدودیت‌های عملکردهای فیزیکی
محدودیت‌های عملکردهای فیزیکی
01:51
of physical performance.
33
95206
2240
منطبق کنند.
01:53
Now, why would we want to do such a thing?
34
97446
2613
خوب، چرا به چنین چیزی نیاز داریم؟
01:55
Well, there's two really good reasons for this.
35
100059
2100
دو دلیل خیلی خوب برایش داریم.
01:58
First, we believe that before people turn over control
36
102159
3959
اول، معتقدیم قبل از اینکه
مردم به واگذاری کنترل
مردم به واگذاری کنترل
02:02
to an autonomous car, that autonomous car should be
37
106118
2834
به یک ماشین خودکار روی بیاورند
آن ماشین خودکار باید
آن ماشین خودکار باید
02:04
at least as good as the very best human drivers.
38
108952
3254
حداقل به‌خوبی بهترین راننده‌ها باشند.
02:08
Now, if you're like me, and the other 70 percent of the population
39
112206
3305
اگر شما شبیه من یا شبیه
۷۰ درصد دیگر جامعه هستید
۷۰ درصد دیگر جامعه هستید
02:11
who know that we are above-average drivers,
40
115511
2193
که می‌دانیم راننده‌های متوسط
به بالا هستیم،
به بالا هستیم،
02:13
you understand that's a very high bar.
41
117704
3175
متوجه می‌شوید که نکته مهمی است،
02:16
There's another reason as well.
42
120879
2392
دلیل دیگری هم وجود دارد.
02:19
Just like race car drivers can use all of the friction
43
123271
3576
درست مثل راننده‌های ماشین مسابقه
که از تمام اصطکاک بین چرخ
که از تمام اصطکاک بین چرخ
02:22
between the tire and the road,
44
126847
1280
زمین، تمام قابلیت ماشین
02:24
all of the car's capabilities to go as fast as possible,
45
128127
3177
در سرعت گرفتن هرچه بیشتر استفاده می‌کنند،
02:27
we want to use all of those capabilities to avoid
46
131304
3345
می‌خواهیم از کل آن قابلیتها جهت
جلوگیری از هر نوع تصادفی
جلوگیری از هر نوع تصادفی
02:30
any accident we can.
47
134649
1588
استفاده کنیم.
02:32
Now, you may push the car to the limits
48
136237
2050
حال شاید ماشین را به موانعی کوبیده‌اید
02:34
not because you're driving too fast,
49
138287
1967
ولی نه به خاطر سرعت بالا
02:36
but because you've hit an icy patch of road,
50
140254
2160
بلکه برای برخورد با یک کپه یخ در جاده،
02:38
conditions have changed.
51
142414
1704
شرایط تغییر کرده‌اند.
02:40
In those situations, we want a car
52
144118
2761
در این شرایط، ماشینی می‌خواهیم
02:42
that is capable enough to avoid any accident
53
146879
3720
که به اندازه کافی قابلیت دارد
جلو هرگونه تصادفی را بگیرد
جلو هرگونه تصادفی را بگیرد
02:46
that can physically be avoided.
54
150599
2678
که امکان پیش‌گیری از آن وجود دارد.
02:49
I must confess, there's kind of a third motivation as well.
55
153277
4267
باید اعتراف کنم انگیزه سومی هم وجود دارد.
02:53
You see, I have a passion for racing.
56
157544
2256
می‌دانید من به مسابقات علاقه‌مندم.
02:55
In the past, I've been a race car owner,
57
159800
2764
درگذشته، من یک ماشین مسابقه داشتم،
02:58
a crew chief and a driving coach,
58
162564
2555
به همراه خدمه و مربی،
03:01
although maybe not at the level that you're currently expecting.
59
165119
3855
شاید نه در آن حدی که احتمالاً توقع دارید.
03:04
One of the things that we've developed in the lab --
60
168974
2704
یکی از چیزهایی که
در آزمایشگاه توسعه دادیم --
در آزمایشگاه توسعه دادیم --
03:07
we've developed several vehicles --
61
171678
1704
چندین وسیله نقلیه را توسعه دادیم --
03:09
is what we believe is the world's first
62
173382
2235
که معتقدیم اولین
03:11
autonomously drifting car.
63
175617
2365
ماشین‌های مسابقه خودکار جهان هستند.
03:13
It's another one of those categories
64
177982
2513
این یکی دیگر از آن دسته‌بندی‌هایی است
03:16
where maybe there's not a lot of competition.
65
180495
2423
که احتمالاً رقابت زیادی در آن نیست.
03:18
(Laughter)
66
182918
1408
(خنده حاضران)
03:20
But this is P1. It's an entirely student-built electric vehicle,
67
184326
3822
اما این یک پی وان است. یماشین الکتریکی
که کاملاً توسط دانشجویان ساخته شده است،
که کاملاً توسط دانشجویان ساخته شده است،
03:24
which through using its rear-wheel drive
68
188148
2078
که با استفاده از حرکت چرخ‌های عقب
03:26
and front-wheel steer-by-wire
69
190226
1565
و هدایت الکتریکی چرخ‌های جلو
03:27
can drift around corners.
70
191791
2067
می‌تواند در پیچ‌ها به‌خوبی دور بزند.
03:29
It can get sideways like a rally car driver,
71
193858
2200
می‌تواند مانند یک راننده رالی،
از پهلو براند،
از پهلو براند،
03:31
always able to take the tightest curve,
72
196058
1715
همیشه از پیچ‌های تند عبور کند،
03:33
even on slippery, changing surfaces,
73
197773
3304
و حتی در سطوح لغزنده و ناصاف
03:36
never spinning out.
74
201077
1616
هرگز از مسیر خارج نمی‌شود.
03:38
We've also worked with Volkswagen Oracle,
75
202693
2368
ما با کارخانه فولکس‌واگن هم کار کرده‌ایم،
03:40
on Shelley, an autonomous race car that has raced
76
205061
3424
بر روی «شلی»، یک ماشین مسابقه‌ای خود ران
که مسابقه ای
که مسابقه ای
03:44
at 150 miles an hour through the Bonneville Salt Flats,
77
208485
3070
با سرعت۲۴۱ کیلومتر
بر ساعت از «بانویل سالت فلتس» را،
بر ساعت از «بانویل سالت فلتس» را،
03:47
gone around Thunderhill Raceway Park in the sun,
78
211555
4471
تا میدان مسابقه «تاندرهیل»، در زیر آفتاب
03:51
the wind and the rain,
79
216026
2639
و باد و باران، انجام داده است.
03:54
and navigated the 153 turns and 12.4 miles
80
218665
5018
و ۱۵۳ پیچ و ۲۰ کیلومتر
03:59
of the Pikes Peak Hill Climb route
81
223683
1562
از مسیر صعود به قله پایکس
04:01
in Colorado with nobody at the wheel.
82
225245
3473
در کلرادو را بی راننده‌ای در پشت فرمان،
مسیریابی کرده است.
مسیریابی کرده است.
04:04
(Laughter)
83
228718
1448
(خنده حاضران)
04:06
(Applause)
84
230166
5566
(تشویق حاضران)
04:11
I guess it goes without saying that we've had a lot of fun
85
235732
3279
حدس می‌زدم که این‌طور شود،
بدون اینکه بگویم در انجام
بدون اینکه بگویم در انجام
04:14
doing this.
86
239011
1304
این کار چه لذت‌هایی داشتیم.
04:16
But in fact, there's something else that we've developed
87
240315
3657
اما درواقع، در مسیر توسعهٔ
ماشین‌های خود ران
ماشین‌های خود ران
04:19
in the process of developing these autonomous cars.
88
243972
3055
چیز دیگری را توسعه دادیم.
04:22
We have developed a tremendous appreciation
89
247027
3871
از توانایی‌های رانندگی انسان با
ماشین‌های مسابقه بسیار قدردانی می‌کنیم.
ماشین‌های مسابقه بسیار قدردانی می‌کنیم.
04:26
for the capabilities of human race car drivers.
90
250898
3817
می‌خواستیم بفهمیم که این ماشین‌ها
چقدر خوب این کار را انجام می‌دهند،
چقدر خوب این کار را انجام می‌دهند،
04:30
As we've looked at the question of how well do these cars perform,
91
254715
4345
می‌خواستیم آنها را
با همتایان انسانی‌مان مقایسه کنیم.
با همتایان انسانی‌مان مقایسه کنیم.
04:34
we wanted to compare them to our human counterparts.
92
259060
3279
و ما کشف کردیم که
همتایان انسانی‌مان شگفت‌انگیز هستند.
همتایان انسانی‌مان شگفت‌انگیز هستند.
04:38
And we discovered their human counterparts are amazing.
93
262339
5680
حال، می‌توانیم نقشه یک
میدان مسابقه را بگیریم،
میدان مسابقه را بگیریم،
04:43
Now, we can take a map of a race track,
94
268019
4023
و با مدل ریاضی از یک ماشین،
04:47
we can take a mathematical model of a car,
95
272042
2370
و با چند سعی و خطا،
04:50
and with some iteration, we can actually find
96
274412
2903
واقعاً می‌توانیم سریعترین راه
04:53
the fastest way around that track.
97
277315
1625
در مسیر مسابقه را پیدا کنیم.
04:54
We line that up with data that we record
98
278940
2533
این کار را با داده‌هایی انجام می‌دهیم که
از راننده‌ای
از راننده‌ای
04:57
from a professional driver,
99
281473
1433
حرفه‌ای ثبت می‌کنیم،
04:58
and the resemblance is absolutely remarkable.
100
282906
4107
و شباهت‌ها بسیار قابل‌توجه است.
05:02
Yes, there are subtle differences here,
101
287013
3212
بله، تفاوت‌های ظریفی هم وجود دارد،
05:06
but the human race car driver is able to go out
102
290225
3127
اما راننده انسانی ماشین‌های مسابقه
می‌تواند از مسیر خارج شود
می‌تواند از مسیر خارج شود
05:09
and drive an amazingly fast line,
103
293352
2335
و به‌طور شگفت‌آوری سریع براند،
05:11
without the benefit of an algorithm that compares
104
295687
2330
بدون استفاده از الگوریتمی
که بتواند
که بتواند
05:13
the trade-off between going as fast as possible
105
298017
2608
بین حداکثر سرعتی که می‌تواند
در این پیچ برود،
در این پیچ برود،
05:16
in this corner, and shaving a little bit of time
106
300625
2037
و نگه‌داشتن اندکی زمان
05:18
off of the straight over here.
107
302662
1902
برای مسیر مستقیم بعدی را مقایسه کند.
05:20
Not only that, they're able to do it lap
108
304564
3457
نه فقط این، بلکه آنها
می‌توانند این کار را
می‌توانند این کار را
05:23
after lap after lap.
109
308021
2375
در هر دور انجام دهند.
05:26
They're able to go out and consistently do this,
110
310396
2912
می‌توانند عقب بکشند
و بطور مداوم این کار را انجام دهند،
و بطور مداوم این کار را انجام دهند،
05:29
pushing the car to the limits every single time.
111
313308
4128
و هر بار ماشین را به این موانع بزنند.
05:33
It's extraordinary to watch.
112
317436
3169
دیدن این صحنه بسیار تماشایی است.
05:36
You put them in a new car,
113
320605
2066
آنها را در یک ماشین جدید قرار می‌دهید،
05:38
and after a few laps, they've found the fastest line in that car,
114
322671
3902
و پس از چند دور، آنها سریعترین خط
برای ماشین را پیدا کرده‌اند،
برای ماشین را پیدا کرده‌اند،
05:42
and they're off to the races.
115
326573
3877
و به‌سرعت پیش می‌روند.
05:46
It really makes you think,
116
330450
1146
این موضوع باعث می‌شود
فکر کنید،
فکر کنید،
05:47
we'd love to know what's going on inside their brain.
117
331596
4871
ما دوست داریم بدانیم
در مغز آنها چه می‌گذرد.
در مغز آنها چه می‌گذرد.
05:52
So as researchers, that's what we decided to find out.
118
336467
4541
بنابراین به‌عنوان پژوهشگر،
تصمیم گرفتیم که آن را بیابیم.
تصمیم گرفتیم که آن را بیابیم.
05:56
We decided to instrument not only the car,
119
341008
1812
تصمیم گرفتیم نه تنها
ماشین مسابقه را،
ماشین مسابقه را،
05:58
but also the race car driver,
120
342820
2495
بلکه راننده آن را هم اندازه‌گیری کنیم
06:01
to try to get a glimpse into what was going on
121
345315
2769
تا بتوانیم نگاه اندکی به آنچه در
مغزشان رخ می‌دهد بیندازیم،
مغزشان رخ می‌دهد بیندازیم،
06:03
in their head as they were doing this.
122
348084
2186
چون‌که آنها این کار را انجام می‌دهند.
06:06
Now, this is Dr. Lene Harbott applying electrodes
123
350270
3950
این دکتر «لن هاربوت» است که الکترودهایی را
به کله
به کله
06:10
to the head of John Morton.
124
354220
1232
«جان مورتون» متصل می‌کند.
06:11
John Morton is a former Can-Am and IMSA driver,
125
355452
2989
جان مورتون، راننده سابق مسابقات ماشین‌رانی
«کن-ام» و «ایمسا» است.
«کن-ام» و «ایمسا» است.
06:14
who's also a class champion at Le Mans.
126
358441
1800
همچنین قهرمان کلاس ۱
در «لمانز» است.
در «لمانز» است.
06:16
Fantastic driver, and very willing to put up with graduate students
127
360241
3496
او راننده‌ای فوقالعاده، و بسیار صبور
در کار با دانشجویان تحصیلات تکمیلی
در کار با دانشجویان تحصیلات تکمیلی
06:19
and this sort of research.
128
363737
1855
و این پژوهش است.
06:21
She's putting electrodes on his head
129
365592
2672
او الکترودی را روی سرش قرار می‌دهد
06:24
so that we can monitor the electrical activity
130
368264
2112
تا بتوانیم فعالیت الکتریکی که در مغز «جان»
06:26
in John's brain as he races around the track.
131
370376
2832
در سراسر مسیر مسابقه انجام می‌شود
را کنترل کنیم.
را کنترل کنیم.
06:29
Now, clearly we're not going to put a couple of electrodes on his head
132
373208
3195
الآن، ما قصد نداریم که
یک جفت الکترود بر روی سر او قرار بدهیم
یک جفت الکترود بر روی سر او قرار بدهیم
06:32
and understand exactly what all of his thoughts are on the track.
133
376403
3270
و همه افکار او را
در مسیر مسابقه دقیقاً بررسی کنیم.
در مسیر مسابقه دقیقاً بررسی کنیم.
06:35
However, neuroscientists have identified certain patterns
134
379673
3407
بااین‌حال، دانشمندان علوم اعصاب
الگوهای خاصی را شناسایی کرده‌اند که
الگوهای خاصی را شناسایی کرده‌اند که
06:38
that let us tease out some very important aspects of this.
135
383080
3761
به ما اجازه می‌دهد تا برخی از
جنبه‌های بسیار مهم این کار را پیدا کنیم.
جنبه‌های بسیار مهم این کار را پیدا کنیم.
06:42
For instance, the resting brain
136
386841
1847
به‌عنوان‌مثال، مغز در حال استراحت
06:44
tends to generate a lot of alpha waves.
137
388688
2155
امواج آلفای بسیاری را تولید می‌کند.
06:46
In contrast, theta waves are associated with
138
390843
3752
در مقابل، امواج تتا
06:50
a lot of cognitive activity, like visual processing,
139
394595
3184
با بسیاری از فعالیت‌های شناختی
مانند پردازش تصویری ارتباط دارند،
مانند پردازش تصویری ارتباط دارند،
06:53
things where the driver is thinking quite a bit.
140
397779
3048
چیزهایی که راننده به آن کاملاً فکر می‌کند.
06:56
Now, we can measure this,
141
400827
1663
حال می‌توانیم آن را اندازه‌گیری کنیم،
06:58
and we can look at the relative power
142
402490
1985
و ما می‌توانیم به قدرت نسبی
07:00
between the theta waves and the alpha waves.
143
404475
2200
بین امواج تتا و آلفا نگاه کنیم.
07:02
This gives us a measure of mental workload,
144
406675
2442
که به ما میزان حجم کار بار
ذهنی را نشان می‌دهد،
ذهنی را نشان می‌دهد،
07:05
how much the driver is actually challenged cognitively
145
409117
3567
اینکه راننده چقدر ازنظر
شناختی به چالش کشیده می‌شود،
شناختی به چالش کشیده می‌شود،
07:08
at any point along the track.
146
412684
1786
آن‌هم در هر نقطه از مسیر.
07:10
Now, we wanted to see if we could actually record this
147
414470
2942
می‌خواستیم ببینیم که
آیا واقعاً می‌توانیم این موضوع را
آیا واقعاً می‌توانیم این موضوع را
07:13
on the track, so we headed down south to Laguna Seca.
148
417412
3038
در مسیر مسابقه ثبت کنیم،
بنابراین ما به «لاگونا سیکا» رفتیم.
بنابراین ما به «لاگونا سیکا» رفتیم.
07:16
Laguna Seca is a legendary raceway
149
420450
2016
که یک میدان مسابقه افسانهای است
07:18
about halfway between Salinas and Monterey.
150
422466
2301
که در وسط مسیر «مونته‌ری» به
«سالیناس» است.
«سالیناس» است.
07:20
It has a curve there called the Corkscrew.
151
424767
2087
این مسیر، پیچی به نام «کرکسکرو» دارد.
07:22
Now, the Corkscrew is a chicane, followed by a quick
152
426854
2717
«کرکسکرو» مسیر مارپیچی با شیب نزولی است
07:25
right-handed turn as the road drops three stories.
153
429571
2746
که بلافاصله با یک پیچ راست‌گرد
ادامه یافته است.
ادامه یافته است.
07:28
Now, the strategy for driving this as explained to me was,
154
432317
3766
خوب، استراتژی که برای رانندگی
در این مسیر به من توضیح دادند این بود که،
در این مسیر به من توضیح دادند این بود که،
07:31
you aim for the bush in the distance,
155
436083
2022
تمرکزت از دور بر بوته‌ای که در مسیر باشد،
07:34
and as the road falls away, you realize it was actually the top of a tree.
156
438105
3025
و وقتی جاده ناپدید می‌شود، می فهمید
که درواقع، نوک درخت بوده است.
که درواقع، نوک درخت بوده است.
07:37
All right, so thanks to the Revs Program at Stanford,
157
441130
3304
به‌هرحال، به لطف
برنامه «رِوْز» در دانشگاه استنفورد،
برنامه «رِوْز» در دانشگاه استنفورد،
07:40
we were able to take John there
158
444434
1473
توانستیم «جان» را به آنجا ببریم
07:41
and put him behind the wheel
159
445907
964
و او را در پشت فرمان
07:42
of a 1960 Porsche Abarth Carrera.
160
446871
2439
یک پورشه «آبارت کارِرا»
مدل ۱۹۶۰ قرار بنشانیم.
مدل ۱۹۶۰ قرار بنشانیم.
07:45
Life is way too short for boring cars.
161
449310
3698
زندگی برای ماشین‌های خسته‌کننده
خیلی کوتاه است.
خیلی کوتاه است.
اینجا «جان» را در
مسیر می‌بینید،
مسیر می‌بینید،
07:48
So, here you see John on the track,
162
453008
1759
او تپه را بالا می‌رود
-- آه! کسی شبیه این --
-- آه! کسی شبیه این --
07:50
he's going up the hill -- Oh! Somebody liked that --
163
454767
2184
07:52
and you can see, actually, his mental workload
164
456951
2465
و شما می‌توانید درواقع،
حجم کار ذهنی او را ببینید
حجم کار ذهنی او را ببینید
07:55
-- measuring here in the red bar --
165
459416
2153
-- اینجا با نوار قرمز
اندازه‌گیری می‌شود --
اندازه‌گیری می‌شود --
07:57
you can see his actions as he approaches.
166
461569
2343
موقع نزدیک شدن می‌توانید
فعالیتش را ببینید.
فعالیتش را ببینید.
07:59
Now watch, he has to downshift.
167
463912
3230
حالا ببینید، او باید دنده را پایین بیاورد.
08:03
And then he has to turn left.
168
467142
761
و بعد به چپ بچرخد.
08:03
Look for the tree, and down.
169
467903
3993
درخت را ببیند و بعد پایین برود.
08:07
Not surprisingly, you can see this is a pretty challenging task.
170
471896
2838
تعجب‌آور نیست، می‌ببینید که این کار
بسیار چالش‌برانگیز است.
بسیار چالش‌برانگیز است.
08:10
You can see his mental workload spike as he goes through this,
171
474734
2976
می‌بینید که وقت عبور از این مسیر
حجم کار ذهنی او به اوج می‌رسد.
حجم کار ذهنی او به اوج می‌رسد.
08:13
as you would expect with something that requires
172
477710
2064
همانطور که شما هم انتظار دارید،
08:15
this level of complexity.
173
479774
2809
با چیزی که به این سطح پیچیدگی نیاز دارد.
08:18
But what's really interesting is to look at areas of the track
174
482583
3416
اما آنچه واقعاً جالب است، این است که
به بخش‌هایی از مسیر نگاه کنید که
به بخش‌هایی از مسیر نگاه کنید که
08:21
where his mental workload doesn't increase.
175
485999
2846
حجم کار ذهنی او افزایش نمی‌یابد.
08:24
I'm going to take you around now
176
488845
1495
الآن می‌خواهم شما را سوی دیگر
08:26
to the other side of the track.
177
490340
1089
مسیر مسابقه ببرم.
08:27
Turn three. And John's going to go into that corner
178
491429
2336
به سومین پیچ.
«جان» می‌خواهد به سمت آن پیچ برود
«جان» می‌خواهد به سمت آن پیچ برود
08:29
and the rear end of the car is going to begin to slide out.
179
493765
2551
و انتهای عقب ماشین شروع به لغزش می‌کند.
08:32
He's going to have to correct for that with steering.
180
496316
2017
می‌خواهد که با چرخش فرمان،
آن را درست کند.
آن را درست کند.
08:34
So watch as John does this here.
181
498333
2231
ببینید، «جان» این کار را
اینجا انجام می‌دهد.
اینجا انجام می‌دهد.
08:36
Watch the mental workload, and watch the steering.
182
500564
2322
حجم کار ذهنی و چرخش فرمان را تماشا کنید.
08:38
The car begins to slide out, dramatic maneuver to correct it,
183
502886
3672
ماشین شروع به لغزیدن می‌کند،
مانور نمایشی برای اصلاح آن،
مانور نمایشی برای اصلاح آن،
08:42
and no change whatsoever in the mental workload.
184
506558
3523
و هیچ تغییری در حجم کار ذهن او وجود ندارد.
08:45
Not a challenging task.
185
510081
2832
پس کار چالش‌برانگیزی برای او نیست.
08:48
In fact, entirely reflexive.
186
512913
3200
درواقع، کاملاً یک واکنش ذاتی است.
08:52
Now, our data processing on this is still preliminary,
187
516113
3643
در حال حاضر، پردازش داده‌های ما
بر روی این موضوع هنوز مقدماتی است،
بر روی این موضوع هنوز مقدماتی است،
08:55
but it really seems that these phenomenal feats
188
519756
2672
اما به نظر می‌رسد که
شاهکاری فوقالعاده است
شاهکاری فوقالعاده است
08:58
that the race car drivers are performing
189
522428
1610
که رانندگان ماشین‌های مسابقه
08:59
are instinctive.
190
524038
1910
به‌طور غریزی انجام می‌دهند.
09:01
They are things that they have simply learned to do.
191
525948
3390
چیزهایی که آنها یاد گرفتند
به‌سادگی، انجام دهند.
به‌سادگی، انجام دهند.
09:05
It requires very little mental workload
192
529338
2282
آنها نیاز به مقدار بسیار کمی
کار ذهنی دارند،
کار ذهنی دارند،
09:07
for them to perform these amazing feats.
193
531620
2824
آن‌هم برای انجام این شاهکار شگفت‌انگیز.
09:10
And their actions are fantastic.
194
534444
3135
و اقدامات آنها، فوقالعاده است.
09:13
This is exactly what you want to do on the steering wheel
195
537579
2611
دقیقاً همان چیزی است که
می‌خواهید در پشت فرمان انجام دهید
می‌خواهید در پشت فرمان انجام دهید
09:16
to catch the car in this situation.
196
540190
3337
برای هدایت کردن ماشین در چنین وضعیتی.
09:19
Now, this has given us tremendous insight
197
543527
3445
این موضوع، به ما بینشی فوقالعاده
09:22
and inspiration for our own autonomous vehicles.
198
546972
3122
و الهام‌بخش، برای وسایل نقلیه
خودران داده است.
خودران داده است.
09:25
We've started to ask the question:
199
550094
1928
ما شروع به پرسیدن این سؤال کردیم که:
09:27
Can we make them a little less algorithmic
200
552022
2253
آیا می‌توانیم آنها را کمی
کمتر الگوریتمی کنیم
کمتر الگوریتمی کنیم
09:30
and a little more intuitive?
201
554275
2449
و کمی بیشتر شهودی کنیم؟
09:32
Can we take this reflexive action
202
556724
2281
آیا می‌توانیم این اقدامات ذاتی
09:34
that we see from the very best race car drivers,
203
559005
2287
که از بهترین رانندگان
ماشین مسابقه می‌بینیم،
ماشین مسابقه می‌بینیم،
09:37
introduce it to our cars,
204
561292
1649
را به ماشین‌هایمان معرفی کنیم؟
09:38
and maybe even into a system that could
205
562941
1984
و شاید حتی به سیستمی که
09:40
get onto your car in the future?
206
564925
1968
در آینده بتواند به ماشین شما برسد؟
09:42
That would take us a long step
207
566893
1611
این یک گام بلند است
09:44
along the road to autonomous vehicles
208
568504
2509
در مسیر رسیدن به ماشین‌های خودران
09:46
that drive as well as the best humans.
209
571013
1912
که مشابه بهترین رانندگان،
رانندگی می‌کنند.
رانندگی می‌کنند.
09:48
But it's made us think a little bit more deeply as well.
210
572925
3440
اما باعث می‌شود که ما نیز
کمی عمیق‌تر فکر کنیم.
کمی عمیق‌تر فکر کنیم.
09:52
Do we want something more from our car
211
576365
2968
آیا ما از ماشینمان می‌خواهیم که
09:55
than to simply be a chauffeur?
212
579333
1840
چیزی بیشتر از یک شوفر باشد؟
09:57
Do we want our car to perhaps be a partner, a coach,
213
581173
4235
آیا ما می‌خواهیم که ماشینمان،
چیزی شبیه به یک همراه، راهبر باشد
چیزی شبیه به یک همراه، راهبر باشد
10:01
someone that can use their understanding of the situation
214
585408
3087
کسی که بتواند با درک شرایط
10:04
to help us reach our potential?
215
588495
4256
به ما کمک کند تا به پتانسیل‌های
واقعی خود برسیم؟
واقعی خود برسیم؟
10:08
Can, in fact, the technology not simply replace humans,
216
592751
2273
آیا فناوری می‌تواند،
نه تنها انسان‌ها را جایگزین کند،
نه تنها انسان‌ها را جایگزین کند،
10:10
but allow us to reach the level of reflex and intuition
217
595024
4575
بلکه به ما اجازه دهد تا
به سطحی از درک و عکس‌العمل
به سطحی از درک و عکس‌العمل
10:15
that we're all capable of?
218
599599
3425
که همه ما لایق آن هستیم برسیم؟
10:18
So, as we move forward into this technological future,
219
603024
1923
همانطور که در این آینده
فناوری پیشرفت می‌کنیم،
فناوری پیشرفت می‌کنیم،
10:20
I want you to just pause and think of that for a moment.
220
604947
2821
از شما می‌خواهم کمی مکث کرده
و به آن فکر کنید.
و به آن فکر کنید.
10:23
What is the ideal balance of human and machine?
221
607768
3775
تعادل ایده‌آل میان انسان و ماشین چیست؟
10:27
And as we think about that,
222
611543
1709
و در حالیکه درباره آن فکر می‌کنیم،
10:29
let's take inspiration
223
613252
1731
بیایید الهام بگیریم
10:30
from the absolutely amazing capabilities
224
614983
3329
از قابلیت‌های شگفت‌انگیز
10:34
of the human body and the human mind.
225
618312
2816
بدن و ذهن انسان.
10:37
Thank you.
226
621128
1736
متشکرم.
10:38
(Applause)
227
622864
4604
(تشویق حاضران)
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