ABOUT THE SPEAKER
Stephen Lawler - General manager of Microsoft's Virtual Earth
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more.

Why you should listen

Microsoft's Stephen Lawler offers a tour of Virtual Earth that not only reveals the power and potential of the software itself, but also gives a global glimpse of the new virtual frontier of digital globes, the 3D Web and the metaverse.

Lawler also explores the enormous effort it takes to create the fluid blending and shifting between the multiple views and resolutions of Virtual Earth. From the satellites and airplanes that gather photo data for a top-down view to the ground vehicles and headgear-wearing pedestrians who canvas the ground for an eye-level perspective -- all of it represents a monumental effort of logistics and mechanics.

More profile about the speaker
Stephen Lawler | Speaker | TED.com
TED2007

Stephen Lawler: Tour Microsoft's Virtual Earth

Stephen Lawler bereist Mircosoft Virtual Earth

Filmed:
338,924 views

Mircosofts Stephen Lawler bietet uns mit einer kurzen Rundreise durch Virtual Earth, bei der er sich mit erstaunlicher Geschwindigkeit auf, ab und durch dessen hyperreale Stadtlandschaften bewegt, ein beachtliches Meisterwerk, das zur Fokussierung erstaunliche Mengen von Daten benötigt.
- General manager of Microsoft's Virtual Earth
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more. Full bio

Double-click the English transcript below to play the video.

00:25
What I want to talk to you about todayheute is
0
0
3000
Heute möchte ich mit Ihnen über
00:28
virtualvirtuell worldsWelten, digitaldigital globesGloben, the 3-D-D WebWeb, the MetaverseMetaverse.
1
3000
9000
virtuelle Welten, digitale Globen, das 3-D-Web und das Metaversum reden.
00:37
What does this all mean for us?
2
12000
2000
Was bedeutet all dies für uns?
00:39
What it meansmeint is the WebWeb is going to becomewerden an excitingaufregend placeOrt again.
3
14000
5000
Es bedeutet, dass das Web wieder ein aufregender Platz werden wird.
00:44
It's going to becomewerden superSuper excitingaufregend as we transformverwandeln
4
19000
3000
Besonders spannend wird die Wandlung
00:47
to this highlyhöchst immersiveimmersive and interactiveinteraktiv worldWelt.
5
22000
4000
zu einer umfassenden und interaktiven Welt,
00:51
With graphicsGrafik, computingComputer powerLeistung, lowniedrig latenciesLatenzen,
6
26000
3000
mit Grafiken, Rechenleistung und geringen Latenzen.
00:54
these typesTypen of applicationsAnwendungen and possibilitiesMöglichkeiten
7
29000
3000
All diese Anwendungsformen und Möglichkeiten
00:57
are going to streamStrom richReich dataDaten into your livesLeben.
8
32000
5000
werden wahre Datenströme in unsere Leben fließen lassen.
01:02
So the VirtualVirtuelle EarthErde initiativeInitiative, and other typesTypen of these initiativesInitiativen,
9
37000
5000
Die Virtual-Earth-Initiative und andere ähnliche Initiativen versuchen nämlich,
01:07
are all about extendingErweiterung our currentStrom searchSuche metaphorMetapher.
10
42000
6000
unsere momentanen Suchvorgänge zu erweitern.
01:13
When you think about it, we're so constrainedeingeschränkt by browsingSurfen the WebWeb,
11
48000
3000
Kritisch betrachtet, sind wir doch beim Surfen im Internet sehr eingeschänkt:
01:16
rememberingErinnern URLsURLs, savingsparen favoritesFavoriten.
12
51000
3000
Wir merken uns Web-Adressen, setzen uns Lesezeichen.
01:19
As we moveBewegung to searchSuche, we relyverlassen on the relevanceRelevanz rankingsRangliste,
13
54000
3000
Wenn wir auf Suche gehen, müssen wir den Rangfolgen der Relevanzen vertrauen,
01:22
the WebWeb matchingpassende, the indexIndex crawlingkriechend.
14
57000
3000
dem Web-Abgleich, dem Index Crawling.
01:25
But we want to use our brainGehirn!
15
60000
2000
Doch wir möchten unser eigenes Hirn benutzen!
01:27
We want to navigatenavigieren, exploreerforschen, discoverentdecken informationInformation.
16
62000
3000
Wir wollen selbst Informationen steuern, erkunden und erforschen.
01:30
In orderAuftrag to do that, we have to put you as a userBenutzer back in the driver'sFahrer seatSitz.
17
65000
5000
Um Ihnen dies zu ermöglichen, müssen wir Sie zurück auf den Fahrersitz setzen.
01:35
We need cooperationZusammenarbeit betweenzwischen you and the computingComputer networkNetzwerk and the computerComputer.
18
70000
4000
Wir benötigen dafür eine Zusammenarbeit zwischen Ihnen, dem Netzwerk und dem Computer.
01:39
So what better way to put you back in the driver'sFahrer seatSitz
19
74000
4000
Welch besseren Weg, Sie zurück auf den Fahrersitz zu bringen, gibt es,
01:43
than to put you in the realecht worldWelt that you interactinteragieren in everyjeden day?
20
78000
3000
als Sie in die reale Welt zu setzen, mit der Sie tagtäglich interagieren?
01:46
Why not leverageHebelwirkung the learningsErkenntnisse that you've been learningLernen your entireganz life?
21
81000
4000
Warum nicht das als Hebel nutzen, was Sie bereits Ihr Leben lang gelernt haben?
01:50
So VirtualVirtuelle EarthErde is about startingbeginnend off
22
85000
3000
Virtual Earth ist erst der Anfang und liefert uns
01:53
creatingErstellen the first digitaldigital representationDarstellung, comprehensiveumfassend, of the entireganz worldWelt.
23
88000
5000
die erste digitale Darstellung, die die gesamte Welt umfasst.
01:58
What we want to do is mixmischen in all typesTypen of dataDaten.
24
93000
3000
Dafür wollen wir alle möglichen Daten aufnehmen,
02:01
TagTag it. AttributeAttribut it. MetadataMetadaten. Get the communityGemeinschaft to addhinzufügen locallokal depthTiefe,
25
96000
5000
mit Stichwörtern versehen, sie zuordnen, Metadaten, und die Gemeinschaft regionale Eigenarten hinzufügen lassen -
02:06
globalglobal perspectivePerspektive, locallokal knowledgeWissen.
26
101000
3000
eine globale Perpektive mit regionalem Wissen.
02:09
So when you think about this problemProblem,
27
104000
2000
Wenn man über das Problem nachdenkt -
02:11
what an enormousenorm undertakingUnternehmen. Where do you beginStart?
28
106000
4000
welch riesiges Unterfangen! Wo soll man da beginnen?
02:15
Well, we collectsammeln dataDaten from satellitesSatelliten, from airplanesFlugzeuge,
29
110000
4000
Nun, wir sammeln Daten: aufgenommen von Satelliten, von Flugzeugen,
02:19
from groundBoden vehiclesFahrzeuge, from people.
30
114000
3000
von Fahrzeugen, von Menschen.
02:22
This processverarbeiten is an engineeringIngenieurwesen problemProblem,
31
117000
5000
Dieser Prozess ist sowohl ein technisches als auch ein
02:27
a mechanicalmechanisch problemProblem, a logisticallogistische problemProblem, an operationalbetriebs problemProblem.
32
122000
4000
mechanisches, logistisches und operatives Problem.
02:31
Here is an exampleBeispiel of our aerialLuftbild cameraKamera.
33
126000
2000
Hier ein Beispiel unserer Luftkamera:
02:33
This is panchromaticpanchromatisch. It's actuallytatsächlich fourvier colorFarbe conesKegel.
34
128000
3000
Sie ist farbempfindlich, genau genommen für vier Farben.
02:36
In additionZusatz, it's multi-spectralMultispektral.
35
131000
2000
Zusätzlich ist sie multispektral.
02:38
We collectsammeln fourvier gigabitsGigabit perpro secondzweite of dataDaten,
36
133000
4000
Wir sammeln damit 4 Gigabite Daten pro Sekunde,
02:42
if you can imaginevorstellen that kindArt of dataDaten streamStrom comingKommen down.
37
137000
2000
wenn man sich überhaupt diesen Datenstrom vorstellen kann.
02:44
That's equivalentÄquivalent to a constellationKonstellation of 12 satellitesSatelliten at highesthöchste resres capacityKapazität.
38
139000
6000
Dies entspricht 12 Satelliten mit höchster Auflösungs-Kapazität.
02:50
We flyFliege these airplanesFlugzeuge at 5,000 feetFüße in the airLuft.
39
145000
4000
Wir fliegen mit diesen Flugzeugen in 2700 Meter Höhe.
02:54
You can see the cameraKamera on the frontVorderseite. We collectsammeln multiplemehrere viewpointsStandpunkte,
40
149000
3000
Sie können die Kamera vorne sehen. Wir sammeln mehrere Blickwinkel,
02:57
vantageVantage pointsPunkte, anglesWinkel, texturesTexturen. We bringbringen all that dataDaten back in.
41
152000
6000
Aussichtspunkte, Winkel, Texturen. Wir bringen all diese Daten zusammen.
03:03
We sitsitzen here -- you know, think about the groundBoden vehiclesFahrzeuge, the humanMensch scaleRahmen --
42
158000
4000
Wir sitzen hier - Sie wissen um die Bodenfahrzeuge, um den menschlichen Maßstab -
03:07
what do you see in personPerson? We need to captureErfassung that up closeschließen
43
162000
2000
was sehen Sie persönlich? Wir müssen es per Nahaufnahme erfassen,
03:09
to establishGründen that what it's like-typegefällt mir-Typ experienceErfahrung.
44
164000
4000
um ein authentisches Erlebnis zu schaffen.
03:13
I betWette manyviele of you have seengesehen the AppleApple commercialsWerbung,
45
168000
4000
Ich wette, dass viele von Ihnen Werbespots von Apple gesehen haben,
03:17
kindArt of pokingstossen at the PCPC for theirihr brillianceBrillanz and simplicityEinfachheit.
46
172000
6000
die mit ihrer Brillianz und Einfachheit jeden PC verblüffen.
03:23
So a little unknownunbekannt secretGeheimnis is --
47
178000
2000
Ein kleines unbekanntes Geheimnis:
03:25
did you see the one with the guy, he's got the WebWeb camNocken?
48
180000
4000
Haben Sie den einen gesehen mit den Typen, der die Webcam hat?
03:29
The poorArm PCPC guy. They're ductLuftkanal tapingTaping his headKopf. They're just wrappingVerpackung it on him.
49
184000
4000
Der arme PC-Typ, sie verkleben und umwickeln ihm den Kopf.
03:33
Well, a little unknownunbekannt secretGeheimnis is his brotherBruder actuallytatsächlich worksWerke on the VirtualVirtuelle EarthErde teamMannschaft.
50
188000
4000
Und das kleine unbekannte Geheimnis ist, dass sein Bruder im Virtual-Earth-Team arbeitet.
03:37
(LaughterLachen). So they'veSie haben got a little bitBit of a siblingGeschwister rivalryRivalität thing going on here.
51
192000
5000
(Gelächter). Da geht es also um eine kleine Rivalität unter Geschwistern.
03:42
But let me tell you -- it doesn't affectbeeinflussen his day jobJob.
52
197000
2000
Aber ich versichere Ihnen - es hat keine Auswirkungen auf seine Arbeit.
03:44
We think a lot of good can come from this technologyTechnologie.
53
199000
3000
Wir denken, dass diese Technologie viel Gutes bewirken kann.
03:47
This was after KatrinaKatrina. We were the first commercialkommerziell fleetFlotte of airplanesFlugzeuge
54
202000
4000
Es war nach Katrina. Wir waren die erste privatwirtschaftliche Flugzeugflotte,
03:51
to be clearedgelöscht into the disasterKatastrophe impactEinfluss zoneZone.
55
206000
3000
die in die Katastrophenzone fliegen durfte.
03:54
We flewgeflogen the areaBereich. We imagedabgebildet it. We sentgesendet in people. We tookdauerte picturesBilder of interiorsInnenräume,
56
209000
5000
Wir beflogen das Gebiet, wir photographierten es, wir schickten Leute hinein, wir photographierten die Gebäude von innen,
03:59
disasterKatastrophe areasBereiche. We helpedhalf with the first respondersResponder, the searchSuche and rescueRettung.
57
214000
4000
die Katastrophengebiete. Wir halfen bei den ersten Einsätzen, bei der Suche und der Rettung.
04:03
OftenOft the first time anyonejemand saw what happenedpassiert to theirihr houseHaus was on VirtualVirtuelle EarthErde.
58
218000
5000
Oft war es so, dass jemand das, was mit seinem Haus geschehen war, erstmalig bei Virtual Earth sah.
04:08
We madegemacht it all freelyfrei availableverfügbar on the WebWeb, just to --
59
223000
2000
Wir stellten alles frei im Netz zur Verfügung, einfach um ...
04:10
it was obviouslyoffensichtlich our chanceChance of helpingPortion out with the causeUrsache.
60
225000
4000
es war einfach unsere Möglichkeit, bei dem Problem zu helfen.
04:14
When we think about how all this comeskommt togetherzusammen,
61
229000
3000
Betrachtet man, wie all dies entsteht, so geht es
04:17
it's all about softwareSoftware, algorithmsAlgorithmen and mathMathe.
62
232000
4000
vor allem um Software, Algorithmen und Mathematik.
04:21
You know, we captureErfassung this imageryBilder but to buildbauen the 3-D-D modelsModelle
63
236000
3000
Wir erfassen diese Bilder, aber um ein 3-D-Modell zu erstellen,
04:24
we need to do geo-positioningGeo-Positionierung. We need to do geo-registeringGeo-Registrierung of the imagesBilder.
64
239000
5000
brauchen wir Geo-Postionsdaten. Wir brauchen zu den Bildern eine Geo-Registierung.
04:29
We have to bundlebündeln adjusteinstellen them. Find tieKrawatte pointsPunkte.
65
244000
2000
Wir müssen diese gebündelt anpassen, müssen Querverbindungen finden,
04:31
ExtractExtrakt geometryGeometrie from the imagesBilder.
66
246000
3000
entnehmen den Bildern Geometrien.
04:34
This processverarbeiten is a very calculatedberechnet processverarbeiten.
67
249000
4000
Dieser Prozess ist ein sehr berechenbarer Prozess
04:38
In factTatsache, it was always doneerledigt manualHandbuch.
68
253000
1000
und wurde bisher immer manuell durchgeführt.
04:39
HollywoodHollywood would spendverbringen millionsMillionen of dollarsDollar to do a smallklein urbanstädtisch corridorGang
69
254000
4000
Hollywood hat Millionen von Dollars investiert, um einen schmalen städtischen Korridor
04:43
for a movieFilm because they'dSie würden have to do it manuallymanuell.
70
258000
3000
für einen Film darzustellen, weil sie es manuell tun mussten.
04:46
They'dSie würden driveFahrt the streetsStraßen with lasersLasern callednamens LIDARLIDAR.
71
261000
2000
Sie mussten die Straßen mit Lasern, genannt LIDAR, abfahren.
04:48
They'dSie würden collectedgesammelt informationInformation with photosFotos. They'dSie würden manuallymanuell buildbauen eachjede einzelne buildingGebäude.
72
263000
4000
Sie sammelten alle Informationen mit Photos; sie mussten jedes Gebäude per Hand bauen.
04:52
We do this all throughdurch softwareSoftware, algorithmsAlgorithmen and mathMathe --
73
267000
2000
Wir machen dies alles mit Software, Algorithmen und Mathematik,
04:54
a highlyhöchst automatedautomatisiert pipelinePipeline creatingErstellen these citiesStädte.
74
269000
3000
mit einem hoch automatisierten Ablauf, der solche Städte entstehen lässt.
04:57
We tookdauerte a decimalDezimal pointPunkt off what it costKosten to buildbauen these citiesStädte,
75
272000
3000
Wir brauchten ein Zehntel von dem, was es kosten würde, diese Städte zu bauen,
05:00
and that's how we're going to be ablefähig to scaleRahmen this out and make this realityWirklichkeit a dreamTraum.
76
275000
4000
and so war es uns möglich, es rentabel und die Wirklichkeit zu einem Traum zu machen.
05:04
We think about the userBenutzer interfaceSchnittstelle.
77
279000
2000
Wir denken auch an die Benutzeroberfläche.
05:06
What does it mean to look at it from multiplemehrere perspectivesPerspektiven?
78
281000
3000
Was bedeutet es, etwas aus vielerlei Perspektiven zu betrachten?
05:09
An ortho-viewOrtho-Ansicht, a nadir-viewNadir-Ansicht. How do you keep the precisionPräzision of the fidelityTreue of the imageryBilder
79
284000
5000
Eine Ortho-Ansicht, eine Nadir-Ansicht. Wie behält man aber die Präzision der Bildgenauigkeit bei,
05:14
while maintainingAufrechterhaltung the fluidityFlüssigkeit of the modelModell-?
80
289000
4000
während man das Modell im Fluss hält?
05:18
I'll wrapwickeln up by showingzeigt you the --
81
293000
2000
Als Zusammenfassung möchte ich Ihnen folgendes zeigen:
05:20
this is a brand-newBrandneu peekPeek I haven'thabe nicht really showngezeigt into the labLabor areaBereich of VirtualVirtuelle EarthErde.
82
295000
4000
Dies ist ein kurzer Blick auf etwas, was ich noch nicht so richtig im Vorführbereich von Virtual Earth gezeigt habe.
05:24
What we're doing is -- people like this a lot,
83
299000
3000
Was wir hier machen, ist etwas, was die Leute besonders mögen, nämlich
05:27
this bird'sVogels eyeAuge imageryBilder we work with. It's this highhoch resolutionAuflösung dataDaten.
84
302000
3000
mit Vogelperspektiv-Bildern zu arbeiten. Es sind sehr hochauflösende Daten.
05:30
But what we'vewir haben foundgefunden is they like the fluidityFlüssigkeit of the 3-D-D modelModell-.
85
305000
4000
Wir fanden heraus, dass sie die fließende Bewegung dieses 3-D-Modells mögen.
05:34
A childKind can navigatenavigieren with an XboxXbox controllerController or a gameSpiel controllerController.
86
309000
4000
Jedes Kind kann bereits einen Xbox Controller oder einen Spiele-Controller bedienen.
05:38
So here what we're tryingversuchen to do is we bringbringen the pictureBild and projectProjekt it into the 3-D-D modelModell- spacePlatz.
87
313000
5000
Wir versuchen die Bilder und das Projekt in ein 3-D-Modell zu bringen.
05:43
You can see all typesTypen of resolutionAuflösung. From here, I can slowlylangsam panPfanne the imageBild over.
88
318000
6000
Sie können hier alle möglichen Arten von Auflösung sehen. Von hier aus kann ich langsam über das Bild schwenken.
05:49
I can get the nextNächster imageBild. I can blendMischung and transitionÜbergang.
89
324000
3000
Ich kann das nächste Bild sehen. Ich kann es durch Überblenden wechseln.
05:52
By doing this I don't loseverlieren the originalOriginal detailDetail. In factTatsache, I mightMacht be recordingAufzeichnung historyGeschichte.
90
327000
5000
Wenn ich dies tue, verliere ich nicht die ursprünglichen Einzelheiten. Im Gegenteil, ich könnte hier Geschichte schreiben.
05:57
The freshnessfrische, the capacityKapazität. I can turnWende this imageBild.
91
332000
3000
Die Frische, das Fassungsvermögen. Ich kann dieses Bild drehen.
06:00
I can look at it from multiplemehrere viewpointsStandpunkte and anglesWinkel.
92
335000
3000
Ich kann es aus verschiedenen Blickwinkeln ansehen.
06:03
What we're tryingversuchen to do is buildbauen a virtualvirtuell worldWelt.
93
338000
3000
Wir versuchen eine virtuelle Welt zu bauen.
06:06
We hopeHoffnung that we can make computingComputer a userBenutzer modelModell- you're familiarfamiliär with,
94
341000
5000
Wir hoffen, dass wir die EDV zu einem Nutzermodell machen können, mit dem Sie vertraut sind,
06:11
and really deriveableiten insightsEinblicke from you, from all differentanders directionsRichtungen.
95
346000
4000
und von Ihnen tatsächlich Einblicke aus allen möglichen Richtungen ableiten können.
06:15
I thank you very much for your time.
96
350000
2000
Vielen Dank für Ihre Zeit.
06:17
(ApplauseApplaus)
97
352000
1000
(Applaus)
Translated by Anna M
Reviewed by Wolf Ruschke

▲Back to top

ABOUT THE SPEAKER
Stephen Lawler - General manager of Microsoft's Virtual Earth
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more.

Why you should listen

Microsoft's Stephen Lawler offers a tour of Virtual Earth that not only reveals the power and potential of the software itself, but also gives a global glimpse of the new virtual frontier of digital globes, the 3D Web and the metaverse.

Lawler also explores the enormous effort it takes to create the fluid blending and shifting between the multiple views and resolutions of Virtual Earth. From the satellites and airplanes that gather photo data for a top-down view to the ground vehicles and headgear-wearing pedestrians who canvas the ground for an eye-level perspective -- all of it represents a monumental effort of logistics and mechanics.

More profile about the speaker
Stephen Lawler | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee