TED2015
Chris Urmson: How a driverless car sees the road
Chris Urmson: Wie ein fahrerloses Auto die Straße wahrnimmt
Filmed:
Readability: 3.3
2,536,355 views
Statistisch gesehen ist der unzuverlässigste Teil eines Autos – der Fahrer. Chris Urmson leitet das Entwicklungsprogramm für fahrerlose Autos, eine von mehreren Initiativen, um den Menschen aus dem Fahrersitz zu entfernen. Urmson spricht über den aktuellen Stand der Entwicklung und zeigt faszinierende Sequenzen über den Blick des Autos auf die Straße und wie es selbständig die Entscheidung für die nächste Handlung trifft.
Double-click the English transcript below to play the video.
00:12
So in 1885, Karl Benz
invented the automobile.
invented the automobile.
0
528
3949
Im Jahr 1885 erfand
Carl Benz das Automobil.
Carl Benz das Automobil.
00:16
Later that year, he took it out
for the first public test drive,
for the first public test drive,
1
4707
3762
Noch im gleichen Jahr unternahm
er die erste öffentliche Testfahrt
er die erste öffentliche Testfahrt
00:20
and -- true story --
crashed into a wall.
crashed into a wall.
2
8469
3375
und fuhr gegen eine Wand.
00:24
For the last 130 years,
3
12184
2043
Seit 130 Jahren versuchen wir,
00:26
we've been working around that least
reliable part of the car, the driver.
reliable part of the car, the driver.
4
14227
4319
das Unzuverlässigste an einem
Auto zu umgehen: den Fahrer.
Auto zu umgehen: den Fahrer.
00:30
We've made the car stronger.
5
18546
1354
Autos sind jetzt stabiler,
00:32
We've added seat belts,
we've added air bags,
we've added air bags,
6
20200
2548
wir haben Gurte und Airbags eingebaut.
00:34
and in the last decade, we've actually
started trying to make the car smarter
started trying to make the car smarter
7
22748
3971
In den letzten Jahren haben wir versucht,
das Auto selbst intelligenter zu machen,
das Auto selbst intelligenter zu machen,
00:38
to fix that bug, the driver.
8
26719
2938
um das Problem "Fahrer" zu lösen.
00:41
Now, today I'm going to talk to you
a little bit about the difference
a little bit about the difference
9
29657
3261
Ich erzähle Ihnen heute davon,
welchen Unterschied es macht,
welchen Unterschied es macht,
00:44
between patching around the problem
with driver assistance systems
with driver assistance systems
10
32918
3808
ob man das Problem nur mit Hilfe
von Assistenzsystemen angeht
von Assistenzsystemen angeht
oder völlig selbstständig
fahrende Autos entwickelt,
fahrende Autos entwickelt,
00:48
and actually having fully
self-driving cars
self-driving cars
11
36726
2564
00:51
and what they can do for the world.
12
39290
1880
und wie sie die Welt verändern können.
00:53
I'm also going to talk to you
a little bit about our car
a little bit about our car
13
41170
2995
Ich werde Ihnen auch ein wenig
von unserem Auto erzählen
von unserem Auto erzählen
00:56
and allow you to see how it sees the world
and how it reacts and what it does,
and how it reacts and what it does,
14
44165
3999
und zeigen, wie es die Umgebung
wahrnimmt und darauf reagiert.
wahrnimmt und darauf reagiert.
01:00
but first I'm going to talk
a little bit about the problem.
a little bit about the problem.
15
48164
3187
Zunächst aber möchte ich noch ein
wenig das Problem erläutern.
wenig das Problem erläutern.
01:03
And it's a big problem:
16
51651
1648
Denn es ist ein großes Problem:
01:05
1.2 million people are killed
on the world's roads every year.
on the world's roads every year.
17
53299
3089
1,2 Mio. Menschen weltweit sterben
jedes Jahr bei Autounfällen.
jedes Jahr bei Autounfällen.
01:08
In America alone, 33,000 people
are killed each year.
are killed each year.
18
56388
3784
Allein in den USA sind es 33 000 pro Jahr.
01:12
To put that in perspective,
19
60172
2028
Um das mal ins Verhältnis zu setzen:
01:14
that's the same as a 737
falling out of the sky every working day.
falling out of the sky every working day.
20
62200
4797
Das ist, also ob an jedem Arbeitstag
eine Boeing 737 abstürzen würde.
eine Boeing 737 abstürzen würde.
01:19
It's kind of unbelievable.
21
67342
1786
Das ist unglaublich.
01:21
Cars are sold to us like this,
22
69548
2298
So wie hier werden uns Autos verkauft.
01:23
but really, this is what driving's like.
23
71846
2717
Aber eigentlich sieht Fahren eher so aus.
01:26
Right? It's not sunny, it's rainy,
24
74563
2159
Die Sonne scheint nicht, es regnet.
01:28
and you want to do anything
other than drive.
other than drive.
25
76722
2488
Sie wollen lieber alles
andere tun, als zu fahren.
andere tun, als zu fahren.
01:31
And the reason why is this:
26
79210
1622
Dafür gibt es einen Grund:
01:32
Traffic is getting worse.
27
80832
1858
Der Verkehr wird immer schlimmer.
01:34
In America, between 1990 and 2010,
28
82690
3506
In den USA wurden zwischen 1990 und 2010
01:38
the vehicle miles traveled
increased by 38 percent.
increased by 38 percent.
29
86196
3504
38 % mehr Kilometer gefahren als zuvor.
01:42
We grew by six percent of roads,
30
90213
2749
Es gibt nur 6 % mehr Straßen,
01:44
so it's not in your brains.
31
92962
1602
es ist also kein Trugschluss:
01:46
Traffic really is substantially worse
than it was not very long ago.
than it was not very long ago.
32
94564
4276
Der Verkehr ist heute deutlich
schlimmer als noch vor kurzer Zeit.
schlimmer als noch vor kurzer Zeit.
01:50
And all of this has a very human cost.
33
98840
2409
Dafür zahlen wir einen Preis.
01:53
So if you take the average commute time
in America, which is about 50 minutes,
in America, which is about 50 minutes,
34
101529
3948
Ein Pendler fährt in den USA
durchschnittlich ca. 50 Minuten.
durchschnittlich ca. 50 Minuten.
01:57
you multiply that by the 120 million
workers we have,
workers we have,
35
105477
3649
Multiplizieren Sie das mit
unseren 120 Mio. Pendlern,
unseren 120 Mio. Pendlern,
02:01
that turns out to be
about six billion minutes
about six billion minutes
36
109126
2225
kommen Sie auf etwa 6 Mrd. Minuten,
02:03
wasted in commuting every day.
37
111351
2026
die täglich beim Pendeln verloren gehen.
02:05
Now, that's a big number,
so let's put it in perspective.
so let's put it in perspective.
38
113377
2827
Eine riesige Zahl,
also vergleichen wir das mal.
also vergleichen wir das mal.
02:08
You take that six billion minutes
39
116204
1774
Wenn Sie 6 Mrd. Minuten
02:09
and you divide it by the average
life expectancy of a person,
life expectancy of a person,
40
117978
3784
durch die durchschnittliche
Lebenserwartung eines Menschen teilen,
Lebenserwartung eines Menschen teilen,
02:13
that turns out to be 162 lifetimes
41
121762
3135
kommen Sie auf 162 Leben.
02:16
spent every day, wasted,
42
124897
2925
So viele werden jeden Tag verschwendet,
02:19
just getting from A to B.
43
127822
2044
nur um von A nach B zu kommen.
02:21
It's unbelievable.
44
129866
1730
Das ist unglaublich.
02:23
And then, there are those of us
who don't have the privilege
who don't have the privilege
45
131596
2844
Dann gibt es solche Menschen,
die gar nicht im Verkehr
steckenbleiben können.
steckenbleiben können.
02:26
of sitting in traffic.
46
134440
1672
02:28
So this is Steve.
47
136112
1578
So wie Steve.
Er ist ein unheimlich fähiger Kerl,
02:29
He's an incredibly capable guy,
48
137690
1765
02:31
but he just happens to be blind,
49
139455
2516
aber leider ist er blind.
02:33
and that means instead of a 30-minute
drive to work in the morning,
drive to work in the morning,
50
141971
3217
Statt morgens in 30 Minuten
zur Arbeit zu fahren,
zur Arbeit zu fahren,
02:37
it's a two-hour ordeal
of piecing together bits of public transit
of piecing together bits of public transit
51
145188
3979
müht er sich mit den öffentlichen
Verkehrsmitteln ab -- 2 Std. lang.
Verkehrsmitteln ab -- 2 Std. lang.
Es sei denn, er bittet Freunde
und Familie um eine Fahrt.
und Familie um eine Fahrt.
02:41
or asking friends and family for a ride.
52
149167
2385
02:43
He doesn't have that same freedom
that you and I have to get around.
that you and I have to get around.
53
151552
3669
Er hat nicht dieselbe Freiheit wie wir,
um von A nach B zu kommen.
um von A nach B zu kommen.
02:47
We should do something about that.
54
155221
2460
Das sollten wir ändern.
02:49
Now, conventional wisdom would say
55
157891
1757
Nach allgemeiner Meinung
02:51
that we'll just take
these driver assistance systems
these driver assistance systems
56
159648
2492
sollten wir vorhandene
Fahrerassistenzsysteme
Fahrerassistenzsysteme
02:54
and we'll kind of push them
and incrementally improve them,
and incrementally improve them,
57
162140
3750
immer schrittweise verbessern.
Irgendwann werden daraus
selbstfahrende Autos.
selbstfahrende Autos.
02:57
and over time, they'll turn
into self-driving cars.
into self-driving cars.
58
165890
2542
03:00
Well, I'm here to tell you
that's like me saying
that's like me saying
59
168432
2409
Das wäre etwa damit zu vergleichen:
Wenn ich mich beim Springen
nur richtig anstrengen würde,
nur richtig anstrengen würde,
03:02
that if I work really hard at jumping,
one day I'll be able to fly.
one day I'll be able to fly.
60
170841
4057
könnte ich eines Tages fliegen.
03:06
We actually need to do
something a little different.
something a little different.
61
174898
2728
Stattdessen sollten wir etwas anderes tun.
03:09
And so I'm going to talk to you
about three different ways
about three different ways
62
177626
2711
Ich möchte Ihnen drei Punkte vorstellen,
03:12
that self-driving systems are different
than driver assistance systems.
than driver assistance systems.
63
180337
3346
die selbstfahrende Systeme von
Assistenzsystemen unterscheiden.
Assistenzsystemen unterscheiden.
03:15
And I'm going to start
with some of our own experience.
with some of our own experience.
64
183683
2651
Ich fange mit dem an,
was wir selbst erfahren haben.
was wir selbst erfahren haben.
03:18
So back in 2013,
65
186334
2253
Im Jahr 2013
machten wir den ersten Test
mit selbstfahrenden Autos,
mit selbstfahrenden Autos,
03:20
we had the first test
of a self-driving car
of a self-driving car
66
188587
2663
03:23
where we let regular people use it.
67
191250
2027
die normale Leute benutzen konnten.
03:25
Well, almost regular --
they were 100 Googlers,
they were 100 Googlers,
68
193277
2202
Fast normale Leute --
100 Google-Mitarbeiter,
100 Google-Mitarbeiter,
03:27
but they weren't working on the project.
69
195479
2003
aber sie waren nicht am Projekt beteiligt.
03:29
And we gave them the car and we allowed
them to use it in their daily lives.
them to use it in their daily lives.
70
197482
3621
Wir gaben ihnen das Auto,
um es im Alltag auszuprobieren.
um es im Alltag auszuprobieren.
03:33
But unlike a real self-driving car,
this one had a big asterisk with it:
this one had a big asterisk with it:
71
201103
3719
Es gab es aber eine wichtige Besonderheit:
03:36
They had to pay attention,
72
204822
1504
Sie mussten aufpassen,
03:38
because this was an experimental vehicle.
73
206326
2633
schließlich war es ein Experiment.
03:40
We tested it a lot,
but it could still fail.
but it could still fail.
74
208959
3525
Trotz intensiver Tests könnte es versagen.
03:44
And so we gave them two hours of training,
75
212484
2059
Also schulten wir sie zwei Stunden lang,
03:46
we put them in the car,
we let them use it,
we let them use it,
76
214543
2092
setzten sie ins Auto
und ließen sie es benutzen.
und ließen sie es benutzen.
03:48
and what we heard back
was something awesome,
was something awesome,
77
216635
2127
Das Feedback war fantastisch für jemanden,
03:50
as someone trying
to bring a product into the world.
to bring a product into the world.
78
218762
2524
der ein Produkt in die Welt setzen will.
03:53
Every one of them told us they loved it.
79
221286
1925
Alle fanden es toll.
03:55
In fact, we had a Porsche driver
who came in and told us on the first day,
who came in and told us on the first day,
80
223211
3566
Einer war Porsche-Fahrer
und sagte uns am ersten Tag:
und sagte uns am ersten Tag:
"Das ist totaler Unsinn,
Was glauben wir eigentlich?"
Was glauben wir eigentlich?"
03:58
"This is completely stupid.
What are we thinking?"
What are we thinking?"
81
226777
2663
04:01
But at the end of it, he said,
"Not only should I have it,
"Not only should I have it,
82
229850
2840
Am Ende meinte er:
"Nicht nur ich sollte es haben,
"Nicht nur ich sollte es haben,
04:04
everyone else should have it,
because people are terrible drivers."
because people are terrible drivers."
83
232690
3175
sondern auch alle anderen.
Menschen sind schreckliche Fahrer."
Menschen sind schreckliche Fahrer."
04:09
So this was music to our ears,
84
237135
1735
Das war Musik in unseren Ohren.
04:10
but then we started to look at what
the people inside the car were doing,
the people inside the car were doing,
85
238870
3803
Dann sahen wir uns an,
was die Leute im Auto taten.
was die Leute im Auto taten.
04:14
and this was eye-opening.
86
242673
1579
Das öffnete uns die Augen.
04:16
Now, my favorite story is this gentleman
87
244252
2438
Da gab es einen Herrn.
04:18
who looks down at his phone
and realizes the battery is low,
and realizes the battery is low,
88
246690
3829
Er schaut auf sein Handy und bemerkt,
dass der Akku fast leer ist.
dass der Akku fast leer ist.
04:22
so he turns around like this in the car
and digs around in his backpack,
and digs around in his backpack,
89
250519
4548
Also dreht er sich ungefähr so um
und durchsucht seinen Rucksack,
und durchsucht seinen Rucksack,
04:27
pulls out his laptop,
90
255067
2153
holt seinen Laptop raus,
04:29
puts it on the seat,
91
257220
1567
legt ihn auf den Sitz,
04:30
goes in the back again,
92
258787
1764
dreht sich wieder um,
04:32
digs around, pulls out
the charging cable for his phone,
the charging cable for his phone,
93
260551
3367
sucht weiter und findet das
Ladekabel für sein Handy,
Ladekabel für sein Handy,
04:35
futzes around, puts it into the laptop,
puts it on the phone.
puts it on the phone.
94
263918
3367
steckt es in den Laptop,
danach in sein Handy.
danach in sein Handy.
04:39
Sure enough, the phone is charging.
95
267285
2043
Klar, das Telefon wird geladen.
04:41
All the time he's been doing
65 miles per hour down the freeway.
65 miles per hour down the freeway.
96
269328
3994
Währenddessen fuhr er die ganze Zeit
mit 105 km/h den Freeway entlang.
mit 105 km/h den Freeway entlang.
04:45
Right? Unbelievable.
97
273322
2484
Unglaublich.
04:47
So we thought about this and we said,
it's kind of obvious, right?
it's kind of obvious, right?
98
275806
3121
Nach einiger Überlegung wurde uns klar:
04:50
The better the technology gets,
99
278927
2263
Je besser die Technologie wird,
04:53
the less reliable
the driver is going to get.
the driver is going to get.
100
281190
2121
desto unzuverlässiger wird der Fahrer.
04:55
So by just making the cars
incrementally smarter,
incrementally smarter,
101
283311
2396
Wenn wir Autos nur
schrittweise schlauer machen,
schrittweise schlauer machen,
04:57
we're probably not going to see
the wins we really need.
the wins we really need.
102
285707
2902
werden wir wahrscheinlich
unsere Ziele nicht erreichen.
unsere Ziele nicht erreichen.
05:00
Let me talk about something
a little technical for a moment here.
a little technical for a moment here.
103
288609
3901
Ich werde nun kurz etwas technisch.
Dieses Diagramm zeigt
von links nach rechts,
von links nach rechts,
05:04
So we're looking at this graph,
and along the bottom
and along the bottom
104
292510
2438
05:06
is how often does the car
apply the brakes when it shouldn't.
apply the brakes when it shouldn't.
105
294948
3051
wie oft das Auto bremst,
wenn es das nicht sollte.
wenn es das nicht sollte.
Sie können das meiste
auf dieser Achse ignorieren,
auf dieser Achse ignorieren,
05:09
You can ignore most of that axis,
106
297999
1621
05:11
because if you're driving around town,
and the car starts stopping randomly,
and the car starts stopping randomly,
107
299620
3719
denn wenn Sie in der Stadt herumfahren
und das Auto immer mal wieder anhält,
und das Auto immer mal wieder anhält,
05:15
you're never going to buy that car.
108
303339
1701
werden Sie es niemals kaufen.
05:17
And the vertical axis is how often
the car is going to apply the brakes
the car is going to apply the brakes
109
305040
3375
Von unten nach oben sehen Sie,
wie oft das Auto richtigerweise bremst,
wie oft das Auto richtigerweise bremst,
05:20
when it's supposed to
to help you avoid an accident.
to help you avoid an accident.
110
308415
3049
um so einen Unfall zu verhindern.
05:23
Now, if we look at
the bottom left corner here,
the bottom left corner here,
111
311464
2221
Schauen wir uns die Ecke links unten an:
05:25
this is your classic car.
112
313685
1845
Das ist ein Standardauto.
05:27
It doesn't apply the brakes for you,
it doesn't do anything goofy,
it doesn't do anything goofy,
113
315530
3133
Es bremst nicht selbstständig,
es tut nichts Merkwürdiges,
es tut nichts Merkwürdiges,
05:30
but it also doesn't get you
out of an accident.
out of an accident.
114
318663
2779
aber es verhindert auch keine Unfälle.
05:33
Now, if we want to bring
a driver assistance system into a car,
a driver assistance system into a car,
115
321442
3018
Wenn wir ein
Fahrerassistenzsystem installieren,
Fahrerassistenzsystem installieren,
05:36
say with collision mitigation braking,
116
324460
1828
das Auffahrunfälle vermeiden soll,
05:38
we're going to put some package
of technology on there,
of technology on there,
117
326288
2612
dann packen wir einige
Technologien in das Auto.
Technologien in das Auto.
05:40
and that's this curve, and it's going
to have some operating properties,
to have some operating properties,
118
328900
3418
Das sehen Sie hier.
Die Technologien sind gut,
05:44
but it's never going to avoid
all of the accidents,
all of the accidents,
119
332318
2490
aber sie können niemals
alle Unfälle verhindern.
alle Unfälle verhindern.
05:46
because it doesn't have that capability.
120
334808
2059
Dafür sind sie einfach nicht ausgelegt.
05:48
But we'll pick some place
along the curve here,
along the curve here,
121
336867
2249
Sehen wir uns diese Kurve an:
05:51
and maybe it avoids half of accidents
that the human driver misses,
that the human driver misses,
122
339116
3254
So könnte man vielleicht die Hälfte
aller Unfälle verhindern.
aller Unfälle verhindern.
05:54
and that's amazing, right?
123
342370
1297
Hervorragend, oder?
05:55
We just reduced accidents on our roads
by a factor of two.
by a factor of two.
124
343667
2727
Wir haben gerade die Zahl
der Autounfälle halbiert!
der Autounfälle halbiert!
05:58
There are now 17,000 less people
dying every year in America.
dying every year in America.
125
346394
3987
Jetzt sterben in den USA
17 000 Menschen weniger pro Jahr.
17 000 Menschen weniger pro Jahr.
Aber wenn wir selbstfahrende Autos wollen,
06:02
But if we want a self-driving car,
126
350381
2020
muss die Technologiekurve so aussehen.
06:04
we need a technology curve
that looks like this.
that looks like this.
127
352401
2307
06:06
We're going to have to put
more sensors in the vehicle,
more sensors in the vehicle,
128
354708
2599
Wir müssen mehr Sensoren
in das Auto integrieren,
in das Auto integrieren,
06:09
and we'll pick some
operating point up here
operating point up here
129
357307
2021
bis zu dem Punkt, an dem es praktisch
06:11
where it basically never
gets into a crash.
gets into a crash.
130
359328
2019
nie mehr in einen Unfall verwickelt wird.
06:13
They'll happen, but very low frequency.
131
361347
2443
Es wird noch passieren, aber sehr selten.
06:15
Now you and I could look at this
and we could argue
and we could argue
132
363790
2461
Jetzt könnten wir darüber diskutieren,
06:18
about whether it's incremental, and
I could say something like "80-20 rule,"
I could say something like "80-20 rule,"
133
366251
3605
ob die Kurve stetig steigt, oder ob sie
eher der 80/20-Regel entspricht.
eher der 80/20-Regel entspricht.
06:21
and it's really hard to move up
to that new curve.
to that new curve.
134
369856
2568
Die obere Kurve ist
sehr schwer zu erreichen.
sehr schwer zu erreichen.
06:24
But let's look at it
from a different direction for a moment.
from a different direction for a moment.
135
372424
2934
Aber sehen wir es einmal anders.
Wie oft muss die Technologie
die richtigen Entscheidungen treffen?
die richtigen Entscheidungen treffen?
06:27
So let's look at how often
the technology has to do the right thing.
the technology has to do the right thing.
136
375358
3512
06:30
And so this green dot up here
is a driver assistance system.
is a driver assistance system.
137
378870
3506
Dieser grüne Punkt hier ist
das Fahrerassistenzsystem.
das Fahrerassistenzsystem.
06:34
It turns out that human drivers
138
382376
2485
Menschliche Fahrer machen Fehler,
die Unfälle verursachen --
die Unfälle verursachen --
06:36
make mistakes that lead
to traffic accidents
to traffic accidents
139
384861
2647
06:39
about once every 100,000 miles in America.
140
387508
3172
und zwar etwa alle 160 000 km in den USA.
06:42
In contrast, a self-driving system
is probably making decisions
is probably making decisions
141
390680
3167
Im Gegensatz dazu trifft
ein selbstfahrendes System
ein selbstfahrendes System
06:45
about 10 times per second,
142
393847
3663
etwa 10 Entscheidungen pro Sekunde.
06:49
so order of magnitude,
143
397510
1422
Umgerechnet wären das
etwa 600-mal pro Kilometer.
etwa 600-mal pro Kilometer.
06:50
that's about 1,000 times per mile.
144
398932
2832
06:53
So if you compare the distance
between these two,
between these two,
145
401764
2485
Wenn wir den Abstand zwischen
beiden vergleichen,
beiden vergleichen,
06:56
it's about 10 to the eighth, right?
146
404249
2600
ist das etwa 10 hoch 8.
06:58
Eight orders of magnitude.
147
406849
1765
8 Größenordnungen.
07:00
That's like comparing how fast I run
148
408614
2809
Das ist, wie wenn Sie mein Lauftempo
07:03
to the speed of light.
149
411423
2206
mit der Lichtgeschwindigkeit vergleichen.
07:05
It doesn't matter how hard I train,
I'm never actually going to get there.
I'm never actually going to get there.
150
413629
3785
Ganz egal, wieviel ich trainiere:
Das kann ich nie erreichen.
Das kann ich nie erreichen.
07:09
So there's a pretty big gap there.
151
417414
2438
Der Unterschied ist also ziemlich groß.
07:11
And then finally, there's how
the system can handle uncertainty.
the system can handle uncertainty.
152
419852
3729
Betrachten wir nun schließlich, wie
das System mit Unsicherheit umgeht.
das System mit Unsicherheit umgeht.
07:15
So this pedestrian here might be
stepping into the road, might not be.
stepping into the road, might not be.
153
423581
3323
Dieser Fußgänger läuft vielleicht
auf die Straße -- oder auch nicht.
auf die Straße -- oder auch nicht.
07:18
I can't tell,
nor can any of our algorithms,
nor can any of our algorithms,
154
426904
3395
Ich kann es nicht erkennen und
unsere Algorithmen auch nicht.
unsere Algorithmen auch nicht.
07:22
but in the case of
a driver assistance system,
a driver assistance system,
155
430310
2284
Für ein Assistenzsystem heißt das,
07:24
that means it can't take action,
because again,
because again,
156
432594
2806
dass es nichts unternehmen kann,
denn es wäre völlig inakzeptabel,
denn es wäre völlig inakzeptabel,
07:27
if it presses the brakes unexpectedly,
that's completely unacceptable.
that's completely unacceptable.
157
435400
3339
wenn es unerwartet bremsen würde.
07:30
Whereas a self-driving system
can look at that pedestrian and say,
can look at that pedestrian and say,
158
438739
3133
Ein selbstfahrendes System sieht
den Fußgänger und sagt:
den Fußgänger und sagt:
07:33
I don't know what they're about to do,
159
441872
1890
"Keine Ahnung, was du tun wirst,
07:35
slow down, take a better look,
and then react appropriately after that.
and then react appropriately after that.
160
443762
3762
ich fahre langsamer, schaue genauer
hin und reagiere dann entsprechend."
hin und reagiere dann entsprechend."
07:39
So it can be much safer than
a driver assistance system can ever be.
a driver assistance system can ever be.
161
447524
3702
Es ist also viel sicherer, als ein
Assistenzsystem je sein könnte.
Assistenzsystem je sein könnte.
07:43
So that's enough about
the differences between the two.
the differences between the two.
162
451226
2730
Aber damit genug von den
Unterschieden zwischen beiden.
Unterschieden zwischen beiden.
07:45
Let's spend some time talking about
how the car sees the world.
how the car sees the world.
163
453956
3484
Betrachten wir, wie das Auto
die Umgebung wahrnimmt.
die Umgebung wahrnimmt.
07:49
So this is our vehicle.
164
457440
1252
Das ist unser Auto.
Zuerst bestimmt es seine Position,
07:50
It starts by understanding
where it is in the world,
where it is in the world,
165
458692
2438
indem es auf einer Karte
seine Sensordaten einträgt.
seine Sensordaten einträgt.
07:53
by taking a map and its sensor data
and aligning the two,
and aligning the two,
166
461130
2787
07:55
and then we layer on top of that
what it sees in the moment.
what it sees in the moment.
167
463917
2948
Darüber legen wir das,
was das Auto momentan sieht.
was das Auto momentan sieht.
07:58
So here, all the purple boxes you can see
are other vehicles on the road,
are other vehicles on the road,
168
466865
3655
Diese violetten Kästchen sind
andere Fahrzeuge auf der Straße
andere Fahrzeuge auf der Straße
08:02
and the red thing on the side
over there is a cyclist,
over there is a cyclist,
169
470520
2528
und das rote Ding ist ein Radfahrer.
08:05
and up in the distance,
if you look really closely,
if you look really closely,
170
473048
2402
In der Entfernung sehen Sie
noch einige Leitkegel.
noch einige Leitkegel.
08:07
you can see some cones.
171
475450
1794
08:09
Then we know where the car
is in the moment,
is in the moment,
172
477244
2773
Jetzt wissen wir, wo das Auto gerade ist.
08:12
but we have to do better than that:
we have to predict what's going to happen.
we have to predict what's going to happen.
173
480017
3833
Aber das reicht nicht: Wir müssen
vorhersagen, was passieren wird.
vorhersagen, was passieren wird.
08:15
So here the pickup truck in top right
is about to make a left lane change
is about to make a left lane change
174
483850
3488
Der Pickup-Truck oben rechts
will auf die linke Spur wechseln,
will auf die linke Spur wechseln,
08:19
because the road in front of it is closed,
175
487338
2223
denn vor ihm ist die Straße gesperrt.
08:21
so it needs to get out of the way.
176
489561
1731
Also muss er ausweichen.
08:23
Knowing that one pickup truck is great,
177
491292
1863
Es ist toll, wenn man das weiß,
08:25
but we really need to know
what everybody's thinking,
what everybody's thinking,
178
493155
2479
aber wir müssen wissen,
was jeder gerade denkt.
was jeder gerade denkt.
08:27
so it becomes quite a complicated problem.
179
495634
2507
Damit wird es zur komplizierten Aufgabe.
08:30
And then given that, we can figure out
how the car should respond in the moment,
how the car should respond in the moment,
180
498141
4749
Wenn wir das wissen, können wir bestimmen,
wie sich das Auto verhalten sollte,
wie sich das Auto verhalten sollte,
08:34
so what trajectory it should follow, how
quickly it should slow down or speed up.
quickly it should slow down or speed up.
181
502890
3866
wo genau es lang fahren sollte, wie stark
es bremsen und beschleunigen sollte.
es bremsen und beschleunigen sollte.
08:38
And then that all turns into
just following a path:
just following a path:
182
506756
3065
Im Grunde geht es nur darum,
einem Weg zu folgen,
einem Weg zu folgen,
08:41
turning the steering wheel left or right,
pressing the brake or gas.
pressing the brake or gas.
183
509821
3197
also nach links oder rechts zu lenken,
zu bremsen oder Gas zu geben.
zu bremsen oder Gas zu geben.
08:45
It's really just two numbers
at the end of the day.
at the end of the day.
184
513018
2464
Letztlich geht es nur um zwei Zahlen.
08:47
So how hard can it really be?
185
515482
2241
Wie schwierig kann das schon sein?
08:50
Back when we started in 2009,
186
518433
1952
Als wir 2009 angefangen haben,
08:52
this is what our system looked like.
187
520385
1798
sah unser System so aus.
08:54
So you can see our car in the middle
and the other boxes on the road,
and the other boxes on the road,
188
522183
3391
Sie sehen unser Auto in der Mitte
und die anderen Kästchen,
und die anderen Kästchen,
die auf der Autobahn fahren.
08:57
driving down the highway.
189
525574
1271
Das Auto muss wissen, wo es selbst ist
und ungefähr, wo die anderen sind.
und ungefähr, wo die anderen sind.
08:58
The car needs to understand where it is
and roughly where the other vehicles are.
and roughly where the other vehicles are.
190
526845
3818
Es geht um ein geometrisches
Verständnis der Umwelt.
Verständnis der Umwelt.
09:02
It's really a geometric
understanding of the world.
understanding of the world.
191
530663
2429
09:05
Once we started driving
on neighborhood and city streets,
on neighborhood and city streets,
192
533092
2948
Als wir begannen, in der
Innenstadt zu fahren,
Innenstadt zu fahren,
09:08
the problem becomes a whole
new level of difficulty.
new level of difficulty.
193
536040
2445
wurde die Aufgabe viel schwieriger.
09:10
You see pedestrians crossing in front
of us, cars crossing in front of us,
of us, cars crossing in front of us,
194
538485
3494
Da laufen Fußgänger vorbei,
Autos überqueren die Kreuzung,
Autos überqueren die Kreuzung,
09:13
going every which way,
195
541979
1811
fahren in verschiedene Richtungen,
es gibt Ampeln, Zebrastreifen.
09:15
the traffic lights, crosswalks.
196
543790
1527
09:17
It's an incredibly complicated
problem by comparison.
problem by comparison.
197
545317
2797
Das ist im Vergleich viel komplizierter.
09:20
And then once you have
that problem solved,
that problem solved,
198
548114
2103
Wenn Sie dieses Problem gelöst haben,
09:22
the vehicle has to be able
to deal with construction.
to deal with construction.
199
550217
2512
muss das Auto noch mit
Baustellen zurechtkommen.
Baustellen zurechtkommen.
09:24
So here are the cones on the left
forcing it to drive to the right,
forcing it to drive to the right,
200
552729
3151
Hier links sind die Pylonen, wir
müssen also nach rechts wechseln.
müssen also nach rechts wechseln.
09:27
but not just construction
in isolation, of course.
in isolation, of course.
201
555880
2402
Aber die Baustelle kommt nicht allein.
09:30
It has to deal with other people moving
through that construction zone as well.
through that construction zone as well.
202
558282
3723
Das Auto muss mit anderen zurecht kommen,
die sich durch die Baustelle bewegen.
die sich durch die Baustelle bewegen.
09:34
And of course, if anyone's
breaking the rules, the police are there
breaking the rules, the police are there
203
562005
3263
Natürlich, falls jemand die Regeln
bricht, taucht die Polizei auf.
bricht, taucht die Polizei auf.
Das Auto muss verstehen, was ein
Blinklicht auf dem Wagendach bedeutet:
Blinklicht auf dem Wagendach bedeutet:
09:37
and the car has to understand that
that flashing light on the top of the car
that flashing light on the top of the car
204
565268
3622
Das ist kein normales Auto,
sondern ein Polizeiauto.
sondern ein Polizeiauto.
09:40
means that it's not just a car,
it's actually a police officer.
it's actually a police officer.
205
568890
3105
09:43
Similarly, the orange box
on the side here,
on the side here,
206
571995
2032
Mit diesem orangen Kasten ist das ähnlich:
09:46
it's a school bus,
207
574027
1109
Das ist ein Schulbus,
09:47
and we have to treat that
differently as well.
differently as well.
208
575136
2520
den müssen wir auch anders behandeln.
09:50
When we're out on the road,
other people have expectations:
other people have expectations:
209
578576
2793
Im Verkehr haben die anderen
Teilnehmer Erwartungen.
Teilnehmer Erwartungen.
09:53
So, when a cyclist puts up their arm,
210
581369
1780
Streckt ein Radfahrer den Arm aus,
09:55
it means they're expecting the car
to yield to them and make room for them
to yield to them and make room for them
211
583149
3518
erwartet er, dass ihm das Auto
Vorrang einräumt
Vorrang einräumt
09:58
to make a lane change.
212
586667
2053
und ihn die Spur wechseln lässt.
10:01
And when a police officer
stood in the road,
stood in the road,
213
589030
2173
Wenn ein Polizist auf der Straße steht,
10:03
our vehicle should understand
that this means stop,
that this means stop,
214
591203
2740
sollte das Auto "Stopp" verstehen.
10:05
and when they signal to go,
we should continue.
we should continue.
215
593943
3506
Wenn man uns weiterwinkt,
sollten wir weiterfahren.
sollten wir weiterfahren.
10:09
Now, the way we accomplish this
is by sharing data between the vehicles.
is by sharing data between the vehicles.
216
597449
3761
Wir erreichen das, indem wir Daten
zwischen den Fahrzeugen austauschen.
zwischen den Fahrzeugen austauschen.
10:13
The first, most crude model of this
217
601210
1696
In einem ersten, einfachen Modell
erkennt ein Auto eine Baustelle
erkennt ein Auto eine Baustelle
10:14
is when one vehicle
sees a construction zone,
sees a construction zone,
218
602906
2113
10:17
having another know about it
so it can be in the correct lane
so it can be in the correct lane
219
605019
3062
und informiert andere Fahrzeuge,
damit diese die richtige Spur wählen.
10:20
to avoid some of the difficulty.
220
608081
1570
10:21
But we actually have a much
deeper understanding of this.
deeper understanding of this.
221
609651
2664
Wir können heute aber
noch viel mehr als das.
noch viel mehr als das.
10:24
We could take all of the data
that the cars have seen over time,
that the cars have seen over time,
222
612315
3009
Wir haben alle Daten, die unsere Autos
mit der Zeit erfasst haben --
hunderttausende Fußgänger,
hunderttausende Fußgänger,
10:27
the hundreds of thousands
of pedestrians, cyclists,
of pedestrians, cyclists,
223
615324
2376
10:29
and vehicles that have been out there
224
617700
1787
Radfahrer und Fahrzeuge --
10:31
and understand what they look like
225
619487
1695
wir kennen ihr Aussehen.
10:33
and use that to infer
what other vehicles should look like
what other vehicles should look like
226
621182
2831
Daraus können wir ableiten,
wie andere Fahrzeuge
wie andere Fahrzeuge
10:36
and other pedestrians should look like.
227
624013
1926
und andere Fußgänger aussehen sollten.
10:37
And then, even more importantly,
we could take from that a model
we could take from that a model
228
625939
3021
Daraus könnten wir dann
sogar ein Modell ableiten,
sogar ein Modell ableiten,
10:40
of how we expect them
to move through the world.
to move through the world.
229
628960
2330
das ihre Bewegungen vorhersagt.
10:43
So here the yellow box is a pedestrian
crossing in front of us.
crossing in front of us.
230
631290
2963
Hier läuft gerade ein Fußgänger
vor uns über die Straße.
vor uns über die Straße.
10:46
Here the blue box is a cyclist
and we anticipate
and we anticipate
231
634253
2250
Das Blaue ist ein Radfahrer
und wir nehmen an,
und wir nehmen an,
10:48
that they're going to nudge out
and around the car to the right.
and around the car to the right.
232
636503
3312
dass er gleich ausscheren wird,
um das geparkte Auto zu umfahren.
um das geparkte Auto zu umfahren.
10:52
Here there's a cyclist
coming down the road
coming down the road
233
640115
2092
Hier kommt uns ein Radfahrer entgegen.
10:54
and we know they're going to continue
to drive down the shape of the road.
to drive down the shape of the road.
234
642207
3486
Wir wissen, dass er weiter
dem Straßenverlauf folgen wird.
dem Straßenverlauf folgen wird.
10:57
Here somebody makes a right turn,
235
645693
1867
Hier biegt jemand rechts ab.
10:59
and in a moment here, somebody's
going to make a U-turn in front of us,
going to make a U-turn in front of us,
236
647560
3360
Hier wird gleich jemand vor uns wenden.
11:02
and we can anticipate that behavior
and respond safely.
and respond safely.
237
650920
2614
Wir erkennen das und können
sofort sicher reagieren.
sofort sicher reagieren.
11:05
Now, that's all well and good
for things that we've seen,
for things that we've seen,
238
653534
2728
Das funktioniert alles prima
für Dinge, die wir kennen.
für Dinge, die wir kennen.
11:08
but of course, you encounter
lots of things that you haven't
lots of things that you haven't
239
656262
2865
Natürlich trifft man immer
wieder auf Situationen,
wieder auf Situationen,
die neu für uns sind.
11:11
seen in the world before.
240
659127
1231
Vor ein paar Monaten
11:12
And so just a couple of months ago,
241
660358
1741
11:14
our vehicles were driving
through Mountain View,
through Mountain View,
242
662099
2235
fuhren unsere Autos durch Mountain View,
11:16
and this is what we encountered.
243
664334
1644
und dann geschah das:
11:17
This is a woman in an electric wheelchair
244
665978
2082
Eine Frau in einem elektrischen Rollstuhl
11:20
chasing a duck in circles on the road.
(Laughter)
(Laughter)
245
668060
2617
verfolgte eine Ente auf der Straße.
(Lachen)
(Lachen)
11:22
Now it turns out, there is nowhere
in the DMV handbook
in the DMV handbook
246
670677
3111
In der Straßenverkehrsordnung
steht leider nicht,
steht leider nicht,
11:25
that tells you how to deal with that,
247
673788
2245
wie man damit umgehen sollte.
11:28
but our vehicles were able
to encounter that,
to encounter that,
248
676033
2143
Aber unser Auto reagierte richtig.
11:30
slow down, and drive safely.
249
678176
2255
Es bremste und fuhr vorsichtig.
11:32
Now, we don't have to deal
with just ducks.
with just ducks.
250
680431
2041
Natürlich sind Enten nur die eine Sache.
11:34
Watch this bird fly across in front of us.
The car reacts to that.
The car reacts to that.
251
682472
3708
Hier fliegt ein Vogel direkt vor
uns vorbei. Das Auto reagiert.
uns vorbei. Das Auto reagiert.
11:38
Here we're dealing with a cyclist
252
686180
1615
Hier ist ein Radfahrer,
11:39
that you would never expect to see
anywhere other than Mountain View.
anywhere other than Mountain View.
253
687795
3290
den es so wohl nur in Mountain View gibt.
11:43
And of course, we have
to deal with drivers,
to deal with drivers,
254
691085
2068
Dann gibt es die Autofahrer,
11:45
even the very small ones.
255
693153
3715
selbst die Allerkleinsten.
11:48
Watch to the right as someone
jumps out of this truck at us.
jumps out of this truck at us.
256
696868
4131
Hier rechts springt uns jemand
aus einem LKW entgegen.
aus einem LKW entgegen.
11:54
And now, watch the left as the car
with the green box decides
with the green box decides
257
702460
2929
Hier links entscheidet sich
das Auto in der grünen Box
das Auto in der grünen Box
11:57
he needs to make a right turn
at the last possible moment.
at the last possible moment.
258
705389
3325
im allerletzten Moment fürs Abbiegen.
Hier wechseln wir die Spur
12:00
Here, as we make a lane change,
the car to our left decides
the car to our left decides
259
708714
2851
12:03
it wants to as well.
260
711565
3553
und der Fahrer links beschließt dasselbe.
12:07
And here, we watch a car
blow through a red light
blow through a red light
261
715118
2693
Hier fährt jemand über eine rote Ampel,
12:09
and yield to it.
262
717811
2090
und wir weichen aus.
12:11
And similarly, here, a cyclist
blowing through that light as well.
blowing through that light as well.
263
719901
3854
Hier das gleiche mit einem Radfahrer.
12:15
And of course,
the vehicle responds safely.
the vehicle responds safely.
264
723755
2746
Natürlich reagiert das Fahrzeug sicher.
12:18
And of course, we have people
who do I don't know what
who do I don't know what
265
726501
2601
Dann gibt es Leute, die Verrücktes tun.
Er hier drängelt sich zwischen
zwei selbstfahrende Autos.
zwei selbstfahrende Autos.
12:21
sometimes on the road, like this guy
pulling out between two self-driving cars.
pulling out between two self-driving cars.
266
729102
3823
Da fragt man sich schon:
"Warum macht der das?!"
"Warum macht der das?!"
12:24
You have to ask, "What are you thinking?"
267
732925
2045
12:26
(Laughter)
268
734970
1212
(Lachen)
12:28
Now, I just fire-hosed you
with a lot of stuff there,
with a lot of stuff there,
269
736182
2521
Jetzt habe ich Sie mit
vielen Infos überschüttet.
vielen Infos überschüttet.
12:30
so I'm going to break one of these
down pretty quickly.
down pretty quickly.
270
738703
2650
Ein Beispiel möchte ich noch
kurz näher erklären.
kurz näher erklären.
Hier sehen wir noch einmal
die Szene mit dem Radfahrer.
die Szene mit dem Radfahrer.
12:33
So what we're looking at is the scene
with the cyclist again,
with the cyclist again,
271
741353
2940
Sie erkennen vielleicht, dass man den
Radfahrer noch gar nicht sehen kann.
Radfahrer noch gar nicht sehen kann.
12:36
and you might notice in the bottom,
we can't actually see the cyclist yet,
we can't actually see the cyclist yet,
272
744293
3491
Das Auto aber kann es:
Er ist die kleine blaue Box.
Er ist die kleine blaue Box.
12:39
but the car can: it's that little
blue box up there,
blue box up there,
273
747784
2504
Das erkennen wir anhand von Laserdaten.
12:42
and that comes from the laser data.
274
750288
2081
12:44
And that's not actually
really easy to understand,
really easy to understand,
275
752369
2418
Das ist nicht so leicht zu verstehen.
12:46
so what I'm going to do is I'm going
to turn that laser data and look at it,
to turn that laser data and look at it,
276
754787
3584
Ich wechsle mal die Darstellung.
Haben Sie öfter mit Laserdaten zu tun,
12:50
and if you're really good at looking
at laser data, you can see
at laser data, you can see
277
758371
3029
erkennen Sie da oben
ein paar Punkte in der Kurve.
ein paar Punkte in der Kurve.
12:53
a few dots on the curve there,
278
761400
1487
Genau da. Das blaue Kästchen
ist der Radfahrer.
ist der Radfahrer.
12:54
right there, and that blue box
is that cyclist.
is that cyclist.
279
762887
2372
Unsere Ampel ist rot,
12:57
Now as our light is red,
280
765259
1149
12:58
the cyclist's light
has turned yellow already,
has turned yellow already,
281
766408
2192
die Ampel des Radlers zeigt schon gelb.
13:00
and if you squint, you can see that
in the imagery.
in the imagery.
282
768600
2438
Das sehen Sie, wenn Sie
die Augen zusammenkneifen.
die Augen zusammenkneifen.
13:03
But the cyclist, we see, is going
to proceed through the intersection.
to proceed through the intersection.
283
771038
3286
Aber der Radfahrer fährt einfach weiter.
13:06
Our light has now turned green,
his is solidly red,
his is solidly red,
284
774324
2394
Unsere Ampel ist jetzt grün,
die des Radlers rot.
die des Radlers rot.
13:08
and we now anticipate that this bike
is going to come all the way across.
is going to come all the way across.
285
776718
4292
Wir schließen daraus, dass er die
komplette Kreuzung überqueren wird.
komplette Kreuzung überqueren wird.
13:13
Unfortunately the other drivers next to us
were not paying as much attention.
were not paying as much attention.
286
781010
3742
Leider haben die Fahrer neben
uns nicht so gut aufgepasst.
uns nicht so gut aufgepasst.
13:16
They started to pull forward,
and fortunately for everyone,
and fortunately for everyone,
287
784752
3157
Sie fahren schon los und zum Glück
13:19
this cyclists reacts, avoids,
288
787909
3011
reagiert der Radler, er weicht aus
13:22
and makes it through the intersection.
289
790920
2191
und schafft es über die Kreuzung.
Und ab durch die Mitte.
13:25
And off we go.
290
793111
1568
Sie sehen, wir haben schon
erstaunliche Fortschritte gemacht.
erstaunliche Fortschritte gemacht.
13:26
Now, as you can see, we've made
some pretty exciting progress,
some pretty exciting progress,
291
794679
2948
13:29
and at this point we're pretty convinced
292
797627
1902
Heute sind wir ziemlich überzeugt,
dass diese Technologie
auf den Markt kommen wird.
auf den Markt kommen wird.
13:31
this technology is going
to come to market.
to come to market.
293
799529
2010
13:33
We do three million miles of testing
in our simulators every single day,
in our simulators every single day,
294
801539
4783
Wir fahren täglich
4,8 Mio. Kilometer im Simulator.
4,8 Mio. Kilometer im Simulator.
13:38
so you can imagine the experience
that our vehicles have.
that our vehicles have.
295
806322
2689
Unsere Autos haben also
ziemlich viel Erfahrung.
ziemlich viel Erfahrung.
Wir freuen uns darauf, die Technologie
auf die Straße zu bringen.
auf die Straße zu bringen.
13:41
We are looking forward to having
this technology on the road,
this technology on the road,
296
809011
2864
13:43
and we think the right path
is to go through the self-driving
is to go through the self-driving
297
811875
2890
Wir glauben, ein selbstfahrendes
Auto ist sinnvoller
Auto ist sinnvoller
13:46
rather than driver assistance approach
298
814765
1844
als der Ansatz mit Assistenzsystemen,
13:48
because the urgency is so large.
299
816609
2621
weil es um so viel geht.
13:51
In the time I have given this talk today,
300
819230
2393
Während meines Vortrags heute
13:53
34 people have died on America's roads.
301
821623
3135
sind 34 Menschen auf
amerikanischen Straßen gestorben.
amerikanischen Straßen gestorben.
13:56
How soon can we bring it out?
302
824758
2368
Wann sind wir marktreif?
13:59
Well, it's hard to say because
it's a really complicated problem,
it's a really complicated problem,
303
827126
3832
Schwer zu sagen, denn die
Aufgabe ist enorm komplex.
Aufgabe ist enorm komplex.
14:02
but these are my two boys.
304
830958
2214
Aber das hier sind meine beiden Jungs.
14:05
My oldest son is 11, and that means
in four and a half years,
in four and a half years,
305
833172
3623
Der ältere ist 11 und das heißt:
In nur 4,5 Jahren kann er
seinen Führerschein machen.
seinen Führerschein machen.
14:08
he's going to be able
to get his driver's license.
to get his driver's license.
306
836795
2577
14:11
My team and I are committed
to making sure that doesn't happen.
to making sure that doesn't happen.
307
839372
3204
Mein Team und ich setzen
alles daran, das zu verhindern.
alles daran, das zu verhindern.
14:14
Thank you.
308
842576
1904
Danke!
14:16
(Laughter) (Applause)
309
844480
3667
(Lachen) (Applaus)
14:21
Chris Anderson: Chris,
I've got a question for you.
I've got a question for you.
310
849110
2568
Chris Anderson: Chris,
ich habe noch eine Frage.
ich habe noch eine Frage.
Chris Urmson: Klar.
14:23
Chris Urmson: Sure.
311
851678
2809
CA: Dieses "Gehirn" eurer Autos
ist schon ziemlich verblüffend.
ist schon ziemlich verblüffend.
14:26
CA: So certainly, the mind of your cars
is pretty mind-boggling.
is pretty mind-boggling.
312
854487
3924
14:30
On this debate between
driver-assisted and fully driverless --
driver-assisted and fully driverless --
313
858411
4459
Was diese Debatte über Assistenzsysteme
und fahrerlose Autos angeht --
und fahrerlose Autos angeht --
14:34
I mean, there's a real debate
going on out there right now.
going on out there right now.
314
862870
3041
also, da läuft ja tatsächlich
eine große Debatte.
eine große Debatte.
14:37
So some of the companies,
for example, Tesla,
for example, Tesla,
315
865911
2833
Einige Unternehmen, beispielsweise Tesla,
14:40
are going the driver-assisted route.
316
868744
2159
entscheiden sich für Assistenzsysteme.
14:42
What you're saying is that
that's kind of going to be a dead end
that's kind of going to be a dead end
317
870903
5248
Meinst du, das ist eine Sackgasse?
14:48
because you can't just keep improving
that route and get to fully driverless
that route and get to fully driverless
318
876151
5456
Wenn man diese Systeme weiterentwickelt
und keinen Fahrer mehr braucht,
und keinen Fahrer mehr braucht,
14:53
at some point, and then a driver
is going to say, "This feels safe,"
is going to say, "This feels safe,"
319
881607
3530
denkt sich der Fahrer:
"Das fühlt sich sicher an",
"Das fühlt sich sicher an",
14:57
and climb into the back,
and something ugly will happen.
and something ugly will happen.
320
885137
2647
klettert nach hinten und
etwas Schlimmes passiert.
etwas Schlimmes passiert.
14:59
CU: Right. No, that's exactly right,
and it's not to say
and it's not to say
321
887784
2676
CU: Ja, ganz genau.
Ich sage auch klar, dass Assistenzsysteme
unglaublich wichtig sind.
unglaublich wichtig sind.
15:02
that the driver assistance systems
aren't going to be incredibly valuable.
aren't going to be incredibly valuable.
322
890460
3537
Sie können übergangsweise
viele Leben retten.
viele Leben retten.
15:05
They can save a lot of lives
in the interim,
in the interim,
323
893997
2058
Aber nun haben wir die Chance, Menschen
wie Steve das Fahren zu ermöglichen
wie Steve das Fahren zu ermöglichen
15:08
but to see the transformative opportunity
to help someone like Steve get around,
to help someone like Steve get around,
324
896055
3833
15:11
to really get to the end case in safety,
325
899888
1969
und größte Sicherheit zu erreichen.
15:13
to have the opportunity
to change our cities
to change our cities
326
901857
2479
Wir haben die Chance,
unsere Städte zu verändern,
unsere Städte zu verändern,
15:16
and move parking out and get rid of
these urban craters we call parking lots,
these urban craters we call parking lots,
327
904336
4204
indem wir hässliche Parkplätze in
der Stadt selbst nach draußen verlagern.
der Stadt selbst nach draußen verlagern.
15:20
it's the only way to go.
328
908540
1240
Das ist der einzige Weg.
15:21
CA: We will be tracking your progress
with huge interest.
with huge interest.
329
909780
2718
CA: Wir werden eure Fortschritte
gespannt verfolgen.
gespannt verfolgen.
15:24
Thanks so much, Chris.
CU: Thank you. (Applause)
CU: Thank you. (Applause)
330
912498
4232
Vielen Dank, Chris.
CU: Danke. (Appplaus)
CU: Danke. (Appplaus)
ABOUT THE SPEAKER
Chris Urmson - RoboticistChris Umson is the Director of Self-Driving Cars at Google[x].
Why you should listen
Since 2009, Chris Urmson has headed up Google’s self-driving car program. So far, the team’s vehicles have driven over three quarters of a million miles. While early models included a driverless Prius that TEDsters got to test- ... um, -not-drive in 2011, more and more the team is building vehicles from the ground up, custom-made to go driverless.
Prior to joining Google, Umson was on the faculty of the Robotics Institute at Carnegie Mellon University, where his research focused on motion planning and perception for robotic vehicles. During his time at Carnegie Mellon, he served as Director of Technology for the team that won the 2007 DARPA Urban Challenge.
Chris Urmson | Speaker | TED.com