TED2015
Chris Urmson: How a driverless car sees the road
کریس ارمسون: یک خودروی خودران چطور جاده را می بیند؟
Filmed:
Readability: 3.3
2,536,355 views
از دید آمار، غیر قابل اعتماد ترین بخش یک خودرو... راننده آن است. کریس ارمسون رئیس بخش خودرو های خودران گوگل است، یکی از چند پروژه ای که بنا دارد انسان را از صندلی راننده جدا کند. او در باره آخرین وضعیت برنامه اش صحبت میکند و فیلم های زیبایی از اینکه خودرو، چطور جاده را می بیند و بصورت خودکار تصمیم میگیرند نشان میدهد.
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
درسال ۱۸۸۵ کارل بنز، خودرو را اختراع کرد
00:16
Later that year, he took it out
for the first public test drive,
for the first public test drive,
1
4707
3762
بعدا در همون سال، این ماشین را برای
آزمایش رانندگی بیرون پیش مردم برد،
آزمایش رانندگی بیرون پیش مردم برد،
00:20
and -- true story --
crashed into a wall.
crashed into a wall.
2
8469
3375
و-- این کاملا واقعیه-- کوبیدش به دیوار.
00:24
For the last 130 years,
3
12184
2043
در صد و سی سال گذشته سعی کردیم،
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
تا غیر قابل اعتماد ترین بخش خودرو
که راننده آن هست را در نظر نگیریم.
که راننده آن هست را در نظر نگیریم.
00:30
We've made the car stronger.
5
18546
1354
اتومبیل ها رو مقاوم تر کردیم.
00:32
We've added seat belts,
we've added air bags,
we've added air bags,
6
20200
2548
به اون ها کمربند ایمنی و
کیسه ی هوا اضافه کردیم،
کیسه ی هوا اضافه کردیم،
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
و در دهه ی اخیر، سعی کردیم
که خودرو ها رو واقعا هوشمند تر کنیم
که خودرو ها رو واقعا هوشمند تر کنیم
00:38
to fix that bug, the driver.
8
26719
2938
برای حل این ایراد، یعنی راننده.
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
امروز میخواهم کمی با شما درباره
00:44
between patching around the problem
with driver assistance systems
with driver assistance systems
10
32918
3808
تفاوت حل موقتی مشکل با کمک
سیستم های کمکی راننده
سیستم های کمکی راننده
00:48
and actually having fully
self-driving cars
self-driving cars
11
36726
2564
و داشتن خودرو های کاملا «خودران»
صحبت کنم
صحبت کنم
00:51
and what they can do for the world.
12
39290
1880
و اینکه برای جهان چه فایده ای دارند.
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
میخواهم کمی در مورد خودرو
خودمون با شما صحبت کنم
خودمون با شما صحبت کنم
تا ببینید که چطوربه دنیا نگاه میکنه،
چطور واکنش نشون میده و چه میکنه
چطور واکنش نشون میده و چه میکنه
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
01:00
but first I'm going to talk
a little bit about the problem.
a little bit about the problem.
15
48164
3187
در ابتدا کمی در مورد مشکل صحبت میکنم.
01:03
And it's a big problem:
16
51651
1648
و البته این مشکل بزرگیه:
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
سالانه ۱/۲ میلیون نفر از مردم جهان
در تصادفات جاده ای کشته میشن
در تصادفات جاده ای کشته میشن
01:08
In America alone, 33,000 people
are killed each year.
are killed each year.
18
56388
3784
۳۳٫۰۰۰ مورد از این تعداد
تنها در آمریکا اتفاق می افته
تنها در آمریکا اتفاق می افته
01:12
To put that in perspective,
19
60172
2028
بگذارید جور دیگه ای بهش نگاه کنیم
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
اگر در همه روزهای کاری یک بوئینگ ۷۳۷ سقوط
کنه میزان تلفات به همین مقدار خواهد بود
کنه میزان تلفات به همین مقدار خواهد بود
01:19
It's kind of unbelievable.
21
67342
1786
یه جورایی باور نکردنیه
01:21
Cars are sold to us like this,
22
69548
2298
اتومبیل هایی که اینجوری
به ما فروخته میشن
به ما فروخته میشن
01:23
but really, this is what driving's like.
23
71846
2717
اما واقعیت رانندگی اینطوریه.
01:26
Right? It's not sunny, it's rainy,
24
74563
2159
مگه نه؟ هوا آفتابی نیست، بارونیه،
01:28
and you want to do anything
other than drive.
other than drive.
25
76722
2488
و شما دوست دارین هر کاری بکنین
به جز رانندگی!
به جز رانندگی!
01:31
And the reason why is this:
26
79210
1622
و دلیل این موضوع اینه که:
01:32
Traffic is getting worse.
27
80832
1858
وضعیت ترافیک داره بدتر میشه.
01:34
In America, between 1990 and 2010,
28
82690
3506
بین سال ۱۹۹۰ تا ۲۰۱۰ در آمریکا،
01:38
the vehicle miles traveled
increased by 38 percent.
increased by 38 percent.
29
86196
3504
میانگین مسافتی که وسایل نقلیه طی میکنن
۳۸ درصد افزایش پیدا کرد،
۳۸ درصد افزایش پیدا کرد،
01:42
We grew by six percent of roads,
30
90213
2749
ولی مقدار جاده ها شش درصد اضافه شده.
01:44
so it's not in your brains.
31
92962
1602
پس کاملا واقعیه.
01:46
Traffic really is substantially worse
than it was not very long ago.
than it was not very long ago.
32
94564
4276
وضعیت ترافیک به شدت بدتر از چیزی شده
که سال ها پیش حتی خبری ازش نبود.
که سال ها پیش حتی خبری ازش نبود.
01:50
And all of this has a very human cost.
33
98840
2409
و همه ی این ها
هزینه هایی انسانی داره.
هزینه هایی انسانی داره.
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
متوسط زمان رسیدن به محل کار
در آمریکا تقریبا ۵۰ دقیقه است،
در آمریکا تقریبا ۵۰ دقیقه است،
01:57
you multiply that by the 120 million
workers we have,
workers we have,
35
105477
3649
ضرب در ۱۲۰ میلیون نیروی کاری که داریم،
02:01
that turns out to be
about six billion minutes
about six billion minutes
36
109126
2225
تقریبا ۶ میلیارد دقیقه میشه
02:03
wasted in commuting every day.
37
111351
2026
که هر روز در مسیر تلف میشه.
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
عدد بزرگیه، اجازه بدید تعریف دیگه ای کنیم.
02:08
You take that six billion minutes
39
116204
1774
۶ میلیارد دقیقه رو در نظر بگیرین
02:09
and you divide it by the average
life expectancy of a person,
life expectancy of a person,
40
117978
3784
اون رو بر میانگین طول عمر
یک شخص تقسیم کنید،
یک شخص تقسیم کنید،
02:13
that turns out to be 162 lifetimes
41
121762
3135
نتیجه اش میشه طول عمر ۱۶۲ نفر
02:16
spent every day, wasted,
42
124897
2925
که هر روز تلف میشه،
02:19
just getting from A to B.
43
127822
2044
تنها برای رفتن از نقطه A به B.
02:21
It's unbelievable.
44
129866
1730
باور نکردنیه.
02:23
And then, there are those of us
who don't have the privilege
who don't have the privilege
45
131596
2844
به علاوه، بین ما آدم هایی هستند
که از این مزیت محرومند
که از این مزیت محرومند
02:26
of sitting in traffic.
46
134440
1672
که در ترافیک معطل شوند.
02:28
So this is Steve.
47
136112
1578
این استیوه.
02:29
He's an incredibly capable guy,
48
137690
1765
آدم فوق العاده تواناییه
02:31
but he just happens to be blind,
49
139455
2516
اون نابینا است،
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
معنای این حرف اینه که صبح ها به جای
۳۰ دقیقه رانندگی در مسیر کار،
۳۰ دقیقه رانندگی در مسیر کار،
دوساعت مصیبت جابجا شدن
در وسائل نقلیه عمومی رو داره
در وسائل نقلیه عمومی رو داره
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
02:41
or asking friends and family for a ride.
52
149167
2385
یا باید ازدوستان یا خانواده اش
بخواهد که اونو برسونن.
بخواهد که اونو برسونن.
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
او آزادی من و شما رو در رفت و آمد نداره.
02:47
We should do something about that.
54
155221
2460
باید کاری کنیم.
02:49
Now, conventional wisdom would say
55
157891
1757
منطق عمومی اینه که
02:51
that we'll just take
these driver assistance systems
these driver assistance systems
56
159648
2492
ما باید سیستم های کمک راننده رو بپذیریم
02:54
and we'll kind of push them
and incrementally improve them,
and incrementally improve them,
57
162140
3750
از اون ها بیش تر استفاده کنیم
و به تدریج اون ها رو بهتر کنیم،
و به تدریج اون ها رو بهتر کنیم،
02:57
and over time, they'll turn
into self-driving cars.
into self-driving cars.
58
165890
2542
و با گذشت زمان، اون ها به
اتومبیلهای خودران تبدیل میشوند.
اتومبیلهای خودران تبدیل میشوند.
03:00
Well, I'm here to tell you
that's like me saying
that's like me saying
59
168432
2409
این درست مثل اینه که من به شما بگم
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
اگر خیلی واسه پریدن تلاش کنم،
روزی توان این رو خواهم داشت که پرواز کنم.
روزی توان این رو خواهم داشت که پرواز کنم.
03:06
We actually need to do
something a little different.
something a little different.
61
174898
2728
در واقع ما باید کار دیگری انجام بدیم
03:09
And so I'm going to talk to you
about three different ways
about three different ways
62
177626
2711
میخواهم در رابطه با سه دلیلی
با شما صحبت کنم که
با شما صحبت کنم که
03:12
that self-driving systems are different
than driver assistance systems.
than driver assistance systems.
63
180337
3346
که سیستم های خودران با
سیستم های کمک راننده تفاوت دارند.
سیستم های کمک راننده تفاوت دارند.
03:15
And I'm going to start
with some of our own experience.
with some of our own experience.
64
183683
2651
میخواهم موضوع را با
تجربه خودمون شروع کنم.
تجربه خودمون شروع کنم.
03:18
So back in 2013,
65
186334
2253
در سال ۲۰۱۳،
03:20
we had the first test
of a self-driving car
of a self-driving car
66
188587
2663
اولین آزمایش یک خودرو خودران انجام شد
03:23
where we let regular people use it.
67
191250
2027
و اجازه دادیم مردم عادی
از اون استفاده کنند.
از اون استفاده کنند.
03:25
Well, almost regular --
they were 100 Googlers,
they were 100 Googlers,
68
193277
2202
تقریبا عادی -- خوب اون ها
صد نفر از کارکنان گوگل بودند،
صد نفر از کارکنان گوگل بودند،
03:27
but they weren't working on the project.
69
195479
2003
اما نقش اجرایی در این پروژه نداشتند.
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
ما خودرو را به اون ها دادیم تا
در زندگی روزانه شون استفاده کنن.
در زندگی روزانه شون استفاده کنن.
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
اما بر خلاف ماشین خودران واقعی،
این یکی تفاوتی داشت:
این یکی تفاوتی داشت:
03:36
They had to pay attention,
72
204822
1504
اون ها باید حواسشون رو جمع میکردند،
03:38
because this was an experimental vehicle.
73
206326
2633
چون یک خودرو آزمایشی بود.
03:40
We tested it a lot,
but it could still fail.
but it could still fail.
74
208959
3525
اگرچه خیلی آزمایش شده بود،
ولی هنوز احتمال داشت که کار نکنه.
ولی هنوز احتمال داشت که کار نکنه.
03:44
And so we gave them two hours of training,
75
212484
2059
ما به اون ها دو ساعت آموزش دادیم،
03:46
we put them in the car,
we let them use it,
we let them use it,
76
214543
2092
و گفتیم از اون استفاده کنن،
03:48
and what we heard back
was something awesome,
was something awesome,
77
216635
2127
پاسخی که شنیدیم عالی بود،
03:50
as someone trying
to bring a product into the world.
to bring a product into the world.
78
218762
2524
انگارکسی داره تلاش میکنه
محصولی رو به دنیا معرفی کنه.
محصولی رو به دنیا معرفی کنه.
03:53
Every one of them told us they loved it.
79
221286
1925
همه اون ها گفتن که از ماشین خوششون اومده
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
راستش یه راننده پورشه داشتیم که
روز اول بهمون گفت
روز اول بهمون گفت
03:58
"This is completely stupid.
What are we thinking?"
What are we thinking?"
81
226777
2663
"این واقعا احمقانه اس.
چه فکری کردین که اینو ساختین؟"
چه فکری کردین که اینو ساختین؟"
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
اما آخرش گفت:" نه تنها من
بلکه همه باید از این استفاده کنند،
بلکه همه باید از این استفاده کنند،
04:04
everyone else should have it,
because people are terrible drivers."
because people are terrible drivers."
83
232690
3175
همه باید باید از این داشته باشن،
چون آدم ها، راننده های افتضاحی هستند"
چون آدم ها، راننده های افتضاحی هستند"
04:09
So this was music to our ears,
84
237135
1735
خوب خیلی خوشحال شدیم،
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
بعد شرع به توجه به کارهایی
که مردم توی ماشین میکنند کردیم،
که مردم توی ماشین میکنند کردیم،
04:14
and this was eye-opening.
86
242673
1579
و این خیلی روشن کننده بود.
04:16
Now, my favorite story is this gentleman
87
244252
2438
بهترین داستان من در مورد این آقاست
04:18
who looks down at his phone
and realizes the battery is low,
and realizes the battery is low,
88
246690
3829
که به تلفنش نگاه میکنه و میفهمه که
باطریش داره خالی میشه،
باطریش داره خالی میشه،
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
بعد داخل ماشین رو به پشت میکنه
و مشغول گشتن کوله پشتی میشه،
و مشغول گشتن کوله پشتی میشه،
04:27
pulls out his laptop,
90
255067
2153
لپ تاپش را در میاره،
04:29
puts it on the seat,
91
257220
1567
میذاره روی صندلی،
04:30
goes in the back again,
92
258787
1764
دوباره میره به پشت،
04:32
digs around, pulls out
the charging cable for his phone,
the charging cable for his phone,
93
260551
3367
باز هم میگرده، وکابل شارژ
تلفنش رو در میاره،
تلفنش رو در میاره،
04:35
futzes around, puts it into the laptop,
puts it on the phone.
puts it on the phone.
94
263918
3367
کلنجار میره، داخل لپ تاپ میکنه،
و به تلفن وصل میکنه.
و به تلفن وصل میکنه.
04:39
Sure enough, the phone is charging.
95
267285
2043
مطمئنا، تلفن داره شارژ میشه.
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
در تمام این مدت با سرعت ۱۰۰ کیلومتر
در ساعت توی بزرگراه در حال حرکته.
در ساعت توی بزرگراه در حال حرکته.
04:45
Right? Unbelievable.
97
273322
2484
درسته؟ باورنکردنیه.
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
خوب ما فکر کردیم و گفتیم،
یه جورایی معلومه، درسته؟
یه جورایی معلومه، درسته؟
04:50
The better the technology gets,
99
278927
2263
هرچه تکنولوژی بهتر بشه،
04:53
the less reliable
the driver is going to get.
the driver is going to get.
100
281190
2121
راننده کمتر قابل اطمینان خواهد شد.
04:55
So by just making the cars
incrementally smarter,
incrementally smarter,
101
283311
2396
پس با هوشمند تر کردن تدریجی ماشین ها،
04:57
we're probably not going to see
the wins we really need.
the wins we really need.
102
285707
2902
احتمالا به نتایجی که میخواهیم نمی رسیم.
05:00
Let me talk about something
a little technical for a moment here.
a little technical for a moment here.
103
288609
3901
اجازه بدید در مورد موضوعی
کمی فنی صحبت کنم.
کمی فنی صحبت کنم.
05:04
So we're looking at this graph,
and along the bottom
and along the bottom
104
292510
2438
به این نمودار نگاه کنید،
محور پایینی
محور پایینی
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
نشان دهنده تعداد ترمزهایی است که
یک ماشین وقتی نباید میگیرد
یک ماشین وقتی نباید میگیرد
05:09
You can ignore most of that axis,
106
297999
1621
خیلی به این محور توجه نکنید
05:11
because if you're driving around town,
and the car starts stopping randomly,
and the car starts stopping randomly,
107
299620
3719
چون اگر در محدوده شهری رانندگی میکنید،
و ماشینتیان بصورت تصادفی متوقف شود،
و ماشینتیان بصورت تصادفی متوقف شود،
05:15
you're never going to buy that car.
108
303339
1701
هیچوقت این ماشین را نمی خرید.
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
و محور عمودی تعداد ترمز هایی
است که ماشین میگیرد
است که ماشین میگیرد
05:20
when it's supposed to
to help you avoid an accident.
to help you avoid an accident.
110
308415
3049
وقتی که میخواهد مانع یک حادثه شود.
05:23
Now, if we look at
the bottom left corner here,
the bottom left corner here,
111
311464
2221
حالا، اگر اینجا به گوشه
پائین و چپ نگاه کنید،
پائین و چپ نگاه کنید،
05:25
this is your classic car.
112
313685
1845
این خودرو کلاسیک شماست.
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
خودش ترمز نمی گیرد،
وکار احمقانه ای هم نمی کند،
وکار احمقانه ای هم نمی کند،
05:30
but it also doesn't get you
out of an accident.
out of an accident.
114
318663
2779
ولی مانع تصادف کردن شما هم نمی شود.
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
حالا اگر بخواهیم یک سیستم کمک
راننده را به خودرو اضافه کنیم،
راننده را به خودرو اضافه کنیم،
05:36
say with collision mitigation braking,
116
324460
1828
مثلا با سیستم ترمز کاهش دهنده برخورد،
05:38
we're going to put some package
of technology on there,
of technology on there,
117
326288
2612
در واقع یک مجموعه از
تکنولوژی را اینجا اضافه میکنیم،
تکنولوژی را اینجا اضافه میکنیم،
05:40
and that's this curve, and it's going
to have some operating properties,
to have some operating properties,
118
328900
3418
که این منحنی است، و دارای
مشخصات عملیاتی است،
مشخصات عملیاتی است،
05:44
but it's never going to avoid
all of the accidents,
all of the accidents,
119
332318
2490
اما هیچوقت مانع از همه تصادفات نمی شود،
05:46
because it doesn't have that capability.
120
334808
2059
چون این قابلیت را ندارد.
05:48
But we'll pick some place
along the curve here,
along the curve here,
121
336867
2249
اما ما نقطه ای از این
منحنی را انتخاب میکنیم،
منحنی را انتخاب میکنیم،
05:51
and maybe it avoids half of accidents
that the human driver misses,
that the human driver misses,
122
339116
3254
که ممکن است جلو نصف
تصادفات راننده انسانی بگیرد،
تصادفات راننده انسانی بگیرد،
05:54
and that's amazing, right?
123
342370
1297
شگفت انگیز است، نه؟
05:55
We just reduced accidents on our roads
by a factor of two.
by a factor of two.
124
343667
2727
همینجا ما میزان تصادفات جاده ای
را با ضریب دو کاهش داده ایم.
را با ضریب دو کاهش داده ایم.
05:58
There are now 17,000 less people
dying every year in America.
dying every year in America.
125
346394
3987
حالا ۱۷٫۰۰۰ نفر کمتر در آمریکا کشته میشوند،
06:02
But if we want a self-driving car,
126
350381
2020
اما اگر یک ماشین خود ران را در نظر بگیریم،
06:04
we need a technology curve
that looks like this.
that looks like this.
127
352401
2307
نیاز به منحنی داریم که شبیه به این باشد.
06:06
We're going to have to put
more sensors in the vehicle,
more sensors in the vehicle,
128
354708
2599
ما باید حسگرهای بیشتری
را در خودرو بگذاریم،
را در خودرو بگذاریم،
06:09
and we'll pick some
operating point up here
operating point up here
129
357307
2021
و یک نقطه عملیاتی در اینجا انتخاب میکنیم
06:11
where it basically never
gets into a crash.
gets into a crash.
130
359328
2019
که اساسا هیچوقت تصادف نمی کند.
06:13
They'll happen, but very low frequency.
131
361347
2443
اتفاق می افتد، اما بسیار کم.
06:15
Now you and I could look at this
and we could argue
and we could argue
132
363790
2461
حالا من و شما به این نگاه میکنیم
و میتونیم بررسی کنیم
و میتونیم بررسی کنیم
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
و ببینیم که آیا افزایشی است، و میتونم بگم
که مثل «قانون ۲۰-۸۰» است.
که مثل «قانون ۲۰-۸۰» است.
06:21
and it's really hard to move up
to that new curve.
to that new curve.
134
369856
2568
و خیلی سخته تا به اون منحنی جدید برسیم.
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
اما بزارین لحظه ای
از زاویه دیگری به این نگاه کنیم.
از زاویه دیگری به این نگاه کنیم.
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
بزارین ببینیم که چه اندازه
تکنولوژی باید درست عمل کند.
تکنولوژی باید درست عمل کند.
06:30
And so this green dot up here
is a driver assistance system.
is a driver assistance system.
137
378870
3506
و این نقطه های سبز در بالا
مربوط به سیستم کمکی راننده است.
مربوط به سیستم کمکی راننده است.
06:34
It turns out that human drivers
138
382376
2485
معلوم شده که راننده انسانی
06:36
make mistakes that lead
to traffic accidents
to traffic accidents
139
384861
2647
اشتباه هایی میکنه که موجب تصادف میشه
06:39
about once every 100,000 miles in America.
140
387508
3172
یک بار در هر ۱۶۰٫۰۰۰ کیلومتر در آمریکا.
06:42
In contrast, a self-driving system
is probably making decisions
is probably making decisions
141
390680
3167
در مقابل، یک سیستم خودران
احتمالا تصمیم هایی که میگیره
احتمالا تصمیم هایی که میگیره
06:45
about 10 times per second,
142
393847
3663
تقریبا ۱۰ بار در هر ثانیه،
06:49
so order of magnitude,
143
397510
1422
پس با توجه به اندازه،
06:50
that's about 1,000 times per mile.
144
398932
2832
تقریبا معادل ۱٫۰۰۰ بار در هر کیلومتر است.
06:53
So if you compare the distance
between these two,
between these two,
145
401764
2485
حالا اگر فاصله بین ایندو را مقایسه کنید،
06:56
it's about 10 to the eighth, right?
146
404249
2600
تقریبا معادل ۱۰ به توان هشت است، درسته؟
06:58
Eight orders of magnitude.
147
406849
1765
هشت توان ده.
07:00
That's like comparing how fast I run
148
408614
2809
مثل مقایسه سرعت دویدن من
07:03
to the speed of light.
149
411423
2206
با سرعت نور است.
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
مهم نیست که چقدر تمرین کنم،
هیچوقت نمیتوانم اینکار را انجام دهم.
هیچوقت نمیتوانم اینکار را انجام دهم.
07:09
So there's a pretty big gap there.
151
417414
2438
پس یک فاصله بزرگ وجود دارد.
07:11
And then finally, there's how
the system can handle uncertainty.
the system can handle uncertainty.
152
419852
3729
و نهایتا، به این میرسیم که چطور سیستم
میتواند این عدم قطعیت را بپذیرد.
میتواند این عدم قطعیت را بپذیرد.
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
مثلا این عابر پیاده ممکن است
داخل خیابان بیاید، و یا نیاید.
داخل خیابان بیاید، و یا نیاید.
07:18
I can't tell,
nor can any of our algorithms,
nor can any of our algorithms,
154
426904
3395
من نمیتونم مطمئن باشم،
و یا هیچکدام از الگوریتم های ما،
و یا هیچکدام از الگوریتم های ما،
07:22
but in the case of
a driver assistance system,
a driver assistance system,
155
430310
2284
اما در مورد سیستم های کمک راننده،
07:24
that means it can't take action,
because again,
because again,
156
432594
2806
معنی آن اینه که نمی تونه کاری بکنه،
چون دوباره،
چون دوباره،
07:27
if it presses the brakes unexpectedly,
that's completely unacceptable.
that's completely unacceptable.
157
435400
3339
بصورت غیر منتظره ترمز میگیره،
و این کلا غیر قابل قبوله.
و این کلا غیر قابل قبوله.
07:30
Whereas a self-driving system
can look at that pedestrian and say,
can look at that pedestrian and say,
158
438739
3133
در حالیکه سیستم خودران
میتونه به عابر پیاده نگاه کنه و بگه،
میتونه به عابر پیاده نگاه کنه و بگه،
07:33
I don't know what they're about to do,
159
441872
1890
مطمئن نیستم که چکار میخواهند بکنند،
07:35
slow down, take a better look,
and then react appropriately after that.
and then react appropriately after that.
160
443762
3762
سرعت را کم کن، بهتر نگاه کن،
و برمبنای آن واکنش بهتری انجام بده.
و برمبنای آن واکنش بهتری انجام بده.
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
پس اون خیلی از سیستم کمک راننده،
میتونه امن تر باشه.
میتونه امن تر باشه.
07:43
So that's enough about
the differences between the two.
the differences between the two.
162
451226
2730
فکر کنم صحبت از تفاوت ایندو دیگه کافیه.
07:45
Let's spend some time talking about
how the car sees the world.
how the car sees the world.
163
453956
3484
بگذارین کمی در مورد اینکه خودرو
چطور دنیا رو میبینه صحبت کنیم.
چطور دنیا رو میبینه صحبت کنیم.
07:49
So this is our vehicle.
164
457440
1252
خوب این خودرو ماست.
07:50
It starts by understanding
where it is in the world,
where it is in the world,
165
458692
2438
اول با فهمیدن اینکه
کجای دنیاست شروع میکنه،
کجای دنیاست شروع میکنه،
07:53
by taking a map and its sensor data
and aligning the two,
and aligning the two,
166
461130
2787
با مقایسه نقشه و اطلاعات حسگرها
و هم سطح کردن اونها،
و هم سطح کردن اونها،
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
علاوه بر اون ما یک لایه دیگر از چیزی
که همون لحظه میبیند اضافه میکنیم.
که همون لحظه میبیند اضافه میکنیم.
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
حالا اینجا، این مکعب های بنفش،
ماشین های دیگر در جاده هستند.
ماشین های دیگر در جاده هستند.
08:02
and the red thing on the side
over there is a cyclist,
over there is a cyclist,
169
470520
2528
و چیز های قرمز در گوشه
اونجا یک دوچرخه سوار است،
اونجا یک دوچرخه سوار است،
08:05
and up in the distance,
if you look really closely,
if you look really closely,
170
473048
2402
و اون بالا کمی دورتر،
اگه کمی دقیق نگاه کنید،
اگه کمی دقیق نگاه کنید،
08:07
you can see some cones.
171
475450
1794
چند تا مخروط می بینید.
08:09
Then we know where the car
is in the moment,
is in the moment,
172
477244
2773
خوب پس میدونیم که خودرو در لحظه کجاست،
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
اما باید بهتر باشیم: باید پیش بینی
کنیم که چه اتفاقی قرار است بیافتد.
کنیم که چه اتفاقی قرار است بیافتد.
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
اینجا یک ماشین پیک آپ در بالا سمت راست
میخواهد به لاین سمت چپ تغییر مسیر دهد
میخواهد به لاین سمت چپ تغییر مسیر دهد
08:19
because the road in front of it is closed,
175
487338
2223
چون ادامه راه در جلو بسته است،
08:21
so it needs to get out of the way.
176
489561
1731
پس باید از سر راه کنار برود.
08:23
Knowing that one pickup truck is great,
177
491292
1863
فهمیدن اینکه اون یک خودرو پیک آپه خوبه،
08:25
but we really need to know
what everybody's thinking,
what everybody's thinking,
178
493155
2479
اما اونچه واقعا باید بدونیم
اینه که هر کسی چه فکری میکنه،
اینه که هر کسی چه فکری میکنه،
08:27
so it becomes quite a complicated problem.
179
495634
2507
این مسئله خیلی پیچیده است.
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
و با توجه به این میتونیم راهی پیدا کنیم
که خودرو چطور باید در لحظه پاسخ دهد،
که خودرو چطور باید در لحظه پاسخ دهد،
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
چه مسیری را باید دنبال کند،
با چه سرعتی باید ترمز کند یا شتاب بگیرد.
با چه سرعتی باید ترمز کند یا شتاب بگیرد.
08:38
And then that all turns into
just following a path:
just following a path:
182
506756
3065
و بعد همه اینها تبدیل به
ادامه یک مسیر میشود:
ادامه یک مسیر میشود:
08:41
turning the steering wheel left or right,
pressing the brake or gas.
pressing the brake or gas.
183
509821
3197
چرخاندن فرمان به چپ یا راست،
فشار دادن ترمز یا گاز.
فشار دادن ترمز یا گاز.
08:45
It's really just two numbers
at the end of the day.
at the end of the day.
184
513018
2464
و در نهایت دو عدد بیشتر نیست.
08:47
So how hard can it really be?
185
515482
2241
پس واقعا چقدر سخت است؟
08:50
Back when we started in 2009,
186
518433
1952
وقتی به سال ۲۰۰۹ که شروع کردیم برگردیم،
08:52
this is what our system looked like.
187
520385
1798
سیستم ما این شکلی بود.
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
خودرو ما رو در وسط می بینید
و مکعب های دیگر رو در جاده،
و مکعب های دیگر رو در جاده،
08:57
driving down the highway.
189
525574
1271
که در اتوبان حرکت میکنند.
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
خودرو باید بداند که کجاست و
حدودا ماشین های دیگر کجایند.
حدودا ماشین های دیگر کجایند.
09:02
It's really a geometric
understanding of the world.
understanding of the world.
191
530663
2429
در واقع یک درک هندسی از دنیاست.
09:05
Once we started driving
on neighborhood and city streets,
on neighborhood and city streets,
192
533092
2948
وقتی مه شروع به رانندگی در
محله و خیابان های شهر کردیم،
محله و خیابان های شهر کردیم،
09:08
the problem becomes a whole
new level of difficulty.
new level of difficulty.
193
536040
2445
مسئله خیلی سخت تر میشود.
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
عابرین پیاده از مقابل ما عبور میکنند،
خودرو ها از مقابل ما رد میشوند،
خودرو ها از مقابل ما رد میشوند،
09:13
going every which way,
195
541979
1811
به هر طرفی میروند،
09:15
the traffic lights, crosswalks.
196
543790
1527
چراغ های راهنمایی، خط عابر پیاده.
09:17
It's an incredibly complicated
problem by comparison.
problem by comparison.
197
545317
2797
در مقایسه این مسئله خیلی سختی است.
09:20
And then once you have
that problem solved,
that problem solved,
198
548114
2103
اما وقتی که این مسئله را حل کردی،
09:22
the vehicle has to be able
to deal with construction.
to deal with construction.
199
550217
2512
خودرو باید بتواند با
تعمیرات جاده مواجه شود.
تعمیرات جاده مواجه شود.
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
اینجا مخروط های سمت چپ جاده
است که راننده را به سمت راست میفرستد،
است که راننده را به سمت راست میفرستد،
09:27
but not just construction
in isolation, of course.
in isolation, of course.
201
555880
2402
البته، این فقط خود تعمیرات جاده نیست،
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
باید به آدمهایی که در آن
محل ساختمانی حرکت میکنند هم توجه کند.
محل ساختمانی حرکت میکنند هم توجه کند.
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
و البته اگر کسی هم خلاف کند، پلیس همانجاست
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
و خودرو باید بفهمد که
چراغ گردان بالای ماشین
چراغ گردان بالای ماشین
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
فقط به معنی یک ماشین دیگر نیست،
در واقع افسر پلیس است.
در واقع افسر پلیس است.
09:43
Similarly, the orange box
on the side here,
on the side here,
206
571995
2032
شبیه به همین، جعبه نارنجی
در گوشه اینجا،
در گوشه اینجا،
09:46
it's a school bus,
207
574027
1109
یعنی اتوبوس مدرسه،
09:47
and we have to treat that
differently as well.
differently as well.
208
575136
2520
و بگونه دیگری باید با آن برخورد کنیم.
09:50
When we're out on the road,
other people have expectations:
other people have expectations:
209
578576
2793
وقتی بیرون در جاده هستیم،
مردمان دیگر توقعاتی دارند:
مردمان دیگر توقعاتی دارند:
09:53
So, when a cyclist puts up their arm,
210
581369
1780
مثلا، وقتی یک دوچرخه سوار
دستش را بلند میکنه،
دستش را بلند میکنه،
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
یعنی توقع داره تا ماشین توجه کنه
و به اونها راه بده
و به اونها راه بده
09:58
to make a lane change.
212
586667
2053
و لاینش رو عوض کنه.
10:01
And when a police officer
stood in the road,
stood in the road,
213
589030
2173
و وقتی یک افسر پلیس در جاده می ایسته،
10:03
our vehicle should understand
that this means stop,
that this means stop,
214
591203
2740
ماشین ما باید بفهمه این به معنی توقفه،
10:05
and when they signal to go,
we should continue.
we should continue.
215
593943
3506
و وقتی علامت رفتن را میدهند،
ما باید ادامه بدهیم.
ما باید ادامه بدهیم.
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
حالا، روشی که ما این کار را انجام میدهیم،
اشتراک اطلاعات بین خودرو هاست.
اشتراک اطلاعات بین خودرو هاست.
10:13
The first, most crude model of this
217
601210
1696
اولین، و ابتدایی ترین مدل این
10:14
is when one vehicle
sees a construction zone,
sees a construction zone,
218
602906
2113
وقتی است که یک خودرو
محل تعمیرات در جاده را می بیند،
محل تعمیرات در جاده را می بیند،
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
تا دیگری هم این را بدونه
و مسیرش را تصحیح کنه
و مسیرش را تصحیح کنه
10:20
to avoid some of the difficulty.
220
608081
1570
و جلو مشکل را بگیره.
10:21
But we actually have a much
deeper understanding of this.
deeper understanding of this.
221
609651
2664
اما در واقع ما درکی
خیلی عمیق تر از این داریم.
خیلی عمیق تر از این داریم.
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
ما میتوانیم اطلاعاتی را که ماشین ها
در طول زمان دیده اند را بگیریم،
در طول زمان دیده اند را بگیریم،
10:27
the hundreds of thousands
of pedestrians, cyclists,
of pedestrians, cyclists,
223
615324
2376
صدها هزار عابر پیاده،
دوچرخه سوار،
دوچرخه سوار،
10:29
and vehicles that have been out there
224
617700
1787
و خودرو هایی که در مسیر بوده اند
10:31
and understand what they look like
225
619487
1695
و بفهمیم چطوری بوده اند
10:33
and use that to infer
what other vehicles should look like
what other vehicles should look like
226
621182
2831
و از اونها برای حدس زدن اینکه
دیگر خودروها چطوری بودند
دیگر خودروها چطوری بودند
10:36
and other pedestrians should look like.
227
624013
1926
و دیگر عابر ها چطوری
بودند استفاده می کنیم.
بودند استفاده می کنیم.
10:37
And then, even more importantly,
we could take from that a model
we could take from that a model
228
625939
3021
و بعد شاید از آن مهمتر،
میتوانیم مدلی را پیدا کنیم
میتوانیم مدلی را پیدا کنیم
10:40
of how we expect them
to move through the world.
to move through the world.
229
628960
2330
از اینکه چطور در جهان حرکت میکنند.
10:43
So here the yellow box is a pedestrian
crossing in front of us.
crossing in front of us.
230
631290
2963
مکعب زرد عابر پیاده ای است
که از مقابل ما عبور میکند.
که از مقابل ما عبور میکند.
10:46
Here the blue box is a cyclist
and we anticipate
and we anticipate
231
634253
2250
مکعب آبی دوچرخه سواری است و انتظار داریم
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
که علامت بده در سمت راست خودرو.
10:52
Here there's a cyclist
coming down the road
coming down the road
233
640115
2092
اینجا یک دوچرخه سوار
از مقابل به سمت ما میاد
از مقابل به سمت ما میاد
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
و میدونیم که مسیرش را
بر مبنای شکل جاده ادامه میده.
بر مبنای شکل جاده ادامه میده.
10:57
Here somebody makes a right turn,
235
645693
1867
اینجا یه نفر گردش به راست میکنه،
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
و در یک لحظه اینجا، کسی داره
در مقابل ما دور کامل میزنه،
در مقابل ما دور کامل میزنه،
11:02
and we can anticipate that behavior
and respond safely.
and respond safely.
237
650920
2614
و ما این کار رو پیش بینی میکنیم و
بصورتی ایمن پاسخ میدهیم.
بصورتی ایمن پاسخ میدهیم.
11:05
Now, that's all well and good
for things that we've seen,
for things that we've seen,
238
653534
2728
همه اینها خوب و مناسبه برای
کارهایی که قبلا دیده ایم،
کارهایی که قبلا دیده ایم،
11:08
but of course, you encounter
lots of things that you haven't
lots of things that you haven't
239
656262
2865
اما مسلما، کلی اتفاقات
هم برایتان پیش می آید
هم برایتان پیش می آید
11:11
seen in the world before.
240
659127
1231
که قبلا ندیده اید.
11:12
And so just a couple of months ago,
241
660358
1741
مثلا چند ماه پیش،
11:14
our vehicles were driving
through Mountain View,
through Mountain View,
242
662099
2235
خودرو ما در «مانتین ویو» رانندگی میکرد،
11:16
and this is what we encountered.
243
664334
1644
و این موضوعی بود که پیش آمد.
11:17
This is a woman in an electric wheelchair
244
665978
2082
این خانمی است در یک صندلی چرخدار برقی
11:20
chasing a duck in circles on the road.
(Laughter)
(Laughter)
245
668060
2617
و دنبال یک اردک توی جاده میچرخه.
(خنده)
(خنده)
11:22
Now it turns out, there is nowhere
in the DMV handbook
in the DMV handbook
246
670677
3111
مسلما در قوانین راهنمایی رانندگی
این مسئله توضیح داده نشده
که چه باید انجام دهیم،
که چه باید انجام دهیم،
11:25
that tells you how to deal with that,
247
673788
2245
11:28
but our vehicles were able
to encounter that,
to encounter that,
248
676033
2143
اما خودرو ما توانست با آن مواجه شود،
11:30
slow down, and drive safely.
249
678176
2255
سرعت را کم کرد، و با امنیت رانندگی کرد.
11:32
Now, we don't have to deal
with just ducks.
with just ducks.
250
680431
2041
ما تنها با اردک ها مواجه نمیشویم.
11:34
Watch this bird fly across in front of us.
The car reacts to that.
The car reacts to that.
251
682472
3708
این پرنده را ببنید که در جلو ما پرواز
میکنه و خودرو به آن عکس العمل نشون میده.
میکنه و خودرو به آن عکس العمل نشون میده.
11:38
Here we're dealing with a cyclist
252
686180
1615
اینجا با یک دوچرخه سوار مواجهیم
11:39
that you would never expect to see
anywhere other than Mountain View.
anywhere other than Mountain View.
253
687795
3290
که امکان نداره جای دیگری
غیر از «مانتین ویو» اون رو ببینید.
غیر از «مانتین ویو» اون رو ببینید.
11:43
And of course, we have
to deal with drivers,
to deal with drivers,
254
691085
2068
و مسلما باید با راننده هایی مواجه بشیم،
11:45
even the very small ones.
255
693153
3715
حتی کوچولو هاشون.
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
سمت راست را ببینید وقتی یه نفر
از پشت ماشین به سمت ما میپره.
از پشت ماشین به سمت ما میپره.
11:54
And now, watch the left as the car
with the green box decides
with the green box decides
257
702460
2929
حالا، سمت چپ رو ببینید
وقتی ماشین مربع سبز میخواهد
وقتی ماشین مربع سبز میخواهد
11:57
he needs to make a right turn
at the last possible moment.
at the last possible moment.
258
705389
3325
به سمت راست بپیچه
در آخرین لحظه ممکن.
در آخرین لحظه ممکن.
12:00
Here, as we make a lane change,
the car to our left decides
the car to our left decides
259
708714
2851
اینجا، وقتی که لاین رو عوض میکنیم،
ماشین سمت چپ تصمیم میگیره
ماشین سمت چپ تصمیم میگیره
12:03
it wants to as well.
260
711565
3553
اون هم میخواهد همین کار رو بکنه.
12:07
And here, we watch a car
blow through a red light
blow through a red light
261
715118
2693
و اینجا، یک خودرو را میبینیم
که از چراغ قرمز رد میشه
که از چراغ قرمز رد میشه
12:09
and yield to it.
262
717811
2090
مسیرش رو ادامه میده.
12:11
And similarly, here, a cyclist
blowing through that light as well.
blowing through that light as well.
263
719901
3854
و شبیه به اون اینجا، یک دوچرخه سوار
از اون چراغ با سرعت رد میشه.
از اون چراغ با سرعت رد میشه.
12:15
And of course,
the vehicle responds safely.
the vehicle responds safely.
264
723755
2746
و قطعا، خودرو با امنیت عمل میکنه.
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
و البته، آدمهایی هم که نمی دونم چرا
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
بعضی وقتها در جاده، مثل ایشون
میان دو ماشین خودران، از ماشین بیرون میان.
میان دو ماشین خودران، از ماشین بیرون میان.
12:24
You have to ask, "What are you thinking?"
267
732925
2045
باید بپرسین « یعنی چی؟»
12:26
(Laughter)
268
734970
1212
( خنده حضار)
12:28
Now, I just fire-hosed you
with a lot of stuff there,
with a lot of stuff there,
269
736182
2521
من کلی موضوع براتون گفتم،
12:30
so I'm going to break one of these
down pretty quickly.
down pretty quickly.
270
738703
2650
حالا میخواهم جزئیات
یکی از اونها رو با سرعت براتون بگم.
یکی از اونها رو با سرعت براتون بگم.
12:33
So what we're looking at is the scene
with the cyclist again,
with the cyclist again,
271
741353
2940
چیزی که اینجا میبینیم،
دوباره صحنه یک دوچرخه سواره،
دوباره صحنه یک دوچرخه سواره،
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
و همونطور که ممکنه متوجه شده باشین
در پایین، هنوز اون رو نمی بینیم،
در پایین، هنوز اون رو نمی بینیم،
12:39
but the car can: it's that little
blue box up there,
blue box up there,
273
747784
2504
ولی خودرو میتونه:
این مکعب کوچک آبی این بالا،
این مکعب کوچک آبی این بالا،
12:42
and that comes from the laser data.
274
750288
2081
این از طریق اطلاعات لیزره.
12:44
And that's not actually
really easy to understand,
really easy to understand,
275
752369
2418
و واقعا فهمیدنش ساده نیست،
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
کاری که میخواهم انجام بدم اینه که
به این اطلاعات لیزر نگاهی کنم،
به این اطلاعات لیزر نگاهی کنم،
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
و اگر نگاه خیلی دقیقی به اطلاعات
لیزر بیاندازید، می بینید که
لیزر بیاندازید، می بینید که
12:53
a few dots on the curve there,
278
761400
1487
چند تا نقطه روی محنی آنجاست،
12:54
right there, and that blue box
is that cyclist.
is that cyclist.
279
762887
2372
همونجا، و اون نقطه آبی یک دوچرخه سوار است.
12:57
Now as our light is red,
280
765259
1149
حالا چون چراغ قرمز است،
12:58
the cyclist's light
has turned yellow already,
has turned yellow already,
281
766408
2192
چراغ دوچرخه سوار الان زرد شده،
13:00
and if you squint, you can see that
in the imagery.
in the imagery.
282
768600
2438
و اگر از گوشه نگاه کنی،
اون را در تصویر میبینی.
اون را در تصویر میبینی.
13:03
But the cyclist, we see, is going
to proceed through the intersection.
to proceed through the intersection.
283
771038
3286
اما دوچرخه سواری که می بینیم،
می خواهد از تقاطع رد شود.
می خواهد از تقاطع رد شود.
13:06
Our light has now turned green,
his is solidly red,
his is solidly red,
284
774324
2394
حالا چراغ ما سبز میشود،
و مال او کاملا قرمز
و مال او کاملا قرمز
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
و حالا می فهمیم که این دوچرخه
می خواهد از کل مسیر رد شود.
می خواهد از کل مسیر رد شود.
13:13
Unfortunately the other drivers next to us
were not paying as much attention.
were not paying as much attention.
286
781010
3742
متاسفانه راننده های دیکری که
کنار ما هستند، کاملا دقت نمی کنند.
کنار ما هستند، کاملا دقت نمی کنند.
13:16
They started to pull forward,
and fortunately for everyone,
and fortunately for everyone,
287
784752
3157
و شروع به حرکت می کنند، و خوشبختانه،
13:19
this cyclists reacts, avoids,
288
787909
3011
دوچرخه سوار توجه میکنه، و دور میشه،
13:22
and makes it through the intersection.
289
790920
2191
و میتونه از تقاطع رد بشه.
13:25
And off we go.
290
793111
1568
و حالا ما عبور میکنبم.
13:26
Now, as you can see, we've made
some pretty exciting progress,
some pretty exciting progress,
291
794679
2948
همونطور که میبینید،
ما پیشرفت چشمگیری کرده ایم،
ما پیشرفت چشمگیری کرده ایم،
13:29
and at this point we're pretty convinced
292
797627
1902
و حالا کاملا متقاعد شده ایم
13:31
this technology is going
to come to market.
to come to market.
293
799529
2010
این تکنولوژی داره به بازار میاد.
13:33
We do three million miles of testing
in our simulators every single day,
in our simulators every single day,
294
801539
4783
ما چهار میلیون و دویست هزار کیلومتر توسط
شبیه سازها هر روز آزمایش کرده ایم،
شبیه سازها هر روز آزمایش کرده ایم،
13:38
so you can imagine the experience
that our vehicles have.
that our vehicles have.
295
806322
2689
پس می تونید میزان تجربه
خودرو های ما رو تصور کنید.
خودرو های ما رو تصور کنید.
13:41
We are looking forward to having
this technology on the road,
this technology on the road,
296
809011
2864
امیدواریم که این تکنولوژی رو
در جاده داشته باشیم،
در جاده داشته باشیم،
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
و فکر می کنیم که راه صحیح
استفاده از سیستم خودران
استفاده از سیستم خودران
13:46
rather than driver assistance approach
298
814765
1844
در مقیسه با سیستم های کمک راننده است
13:48
because the urgency is so large.
299
816609
2621
چون وضعیت ما خیلی بحرانیه.
13:51
In the time I have given this talk today,
300
819230
2393
در زمانی که این صحبت را برایتون
امروز انجام میدهم،
امروز انجام میدهم،
13:53
34 people have died on America's roads.
301
821623
3135
۳۴ نفر در جاده های آمریکا کشته شده اند.
13:56
How soon can we bring it out?
302
824758
2368
کی این سیستم آماده عرضه میشه؟
13:59
Well, it's hard to say because
it's a really complicated problem,
it's a really complicated problem,
303
827126
3832
کمی سخته تا بگیم، چون
مسئله ای واقعا پیچیده است،
مسئله ای واقعا پیچیده است،
14:02
but these are my two boys.
304
830958
2214
اما اینها دو پسر من هستند،
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
پسر بزرگم ۱۱ سالشه
و یعنی چهار سال و نیم دیگه،
و یعنی چهار سال و نیم دیگه،
14:08
he's going to be able
to get his driver's license.
to get his driver's license.
306
836795
2577
میتونه گواهینامه رانندگی بگیره.
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
من و همکارانم متعهدیم تا این اتفاق نیفته.
14:14
Thank you.
308
842576
1904
متشکرم.
14:16
(Laughter) (Applause)
309
844480
3667
( خنده ) ( تشویق حضار )
14:21
Chris Anderson: Chris,
I've got a question for you.
I've got a question for you.
310
849110
2568
کریس اندرسون: کریس، یه سوال ازت دارم.
14:23
Chris Urmson: Sure.
311
851678
2809
کریس ارمسون: حتما.
14:26
CA: So certainly, the mind of your cars
is pretty mind-boggling.
is pretty mind-boggling.
312
854487
3924
کریس اندرسون: مسلما، ذهن خودروهای شما
جوریه که سر آدم سوت میکشه.
جوریه که سر آدم سوت میکشه.
14:30
On this debate between
driver-assisted and fully driverless --
driver-assisted and fully driverless --
313
858411
4459
در رقابت بین خودروهای خودران
و سیستم های کمک راننده --
و سیستم های کمک راننده --
14:34
I mean, there's a real debate
going on out there right now.
going on out there right now.
314
862870
3041
منظورم اینه که، یک
رقابت واقعی همین الان در جریانه.
رقابت واقعی همین الان در جریانه.
14:37
So some of the companies,
for example, Tesla,
for example, Tesla,
315
865911
2833
بعضی از شرکت ها، مثلا «تسلا»،
14:40
are going the driver-assisted route.
316
868744
2159
به دنبال سیستم های کمک راننده میروند.
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
چیزی که شما میگویید
اینه که این راهی بن بسته
اینه که این راهی بن بسته
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
و دلیلش اینه که نمیشه تنها با پیشرفته تر
کردنش به سیستم کاملا خودران رسید
کردنش به سیستم کاملا خودران رسید
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
چون یک وقتی راننده با خودش میگه،
« دیگه کاملا ایمن هستم»
« دیگه کاملا ایمن هستم»
14:57
and climb into the back,
and something ugly will happen.
and something ugly will happen.
320
885137
2647
و رو به صندلی عقب میکنه،
و یک اتفاق بد میافته.
و یک اتفاق بد میافته.
14:59
CU: Right. No, that's exactly right,
and it's not to say
and it's not to say
321
887784
2676
کریس ارمسون: درسته. نه واقعا درسته،
و نباید بگیم
و نباید بگیم
15:02
that the driver assistance systems
aren't going to be incredibly valuable.
aren't going to be incredibly valuable.
322
890460
3537
که سیستم های کمک راننده
چیز های خیلی ارزشمندی نخواهند بود.
چیز های خیلی ارزشمندی نخواهند بود.
15:05
They can save a lot of lives
in the interim,
in the interim,
323
893997
2058
موقتا میتونند جان آدم های زیادی
رو نجات بدهند،
رو نجات بدهند،
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
اما با توجه به این شرایط در حال تغییر،
برای کمک به کسی مثل استیو در رفت و آمد
برای کمک به کسی مثل استیو در رفت و آمد
15:11
to really get to the end case in safety,
325
899888
1969
تا واقعا امنیت رو حداکثر کنیم،
15:13
to have the opportunity
to change our cities
to change our cities
326
901857
2479
برای اینکه از موقعیت تغییر
شهرهایمون استفاده کنیم
شهرهایمون استفاده کنیم
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
پارکینگ ها رو بیرون ببریم و از شر این
پارکینگ های شهری خلاص بشیم،
پارکینگ های شهری خلاص بشیم،
15:20
it's the only way to go.
328
908540
1240
این تنها راهی است که باید رفت.
15:21
CA: We will be tracking your progress
with huge interest.
with huge interest.
329
909780
2718
کریس اندرسون: ما پیشرفت تو را
با علاقه زیادی دنبال خواهیم کرد.
با علاقه زیادی دنبال خواهیم کرد.
15:24
Thanks so much, Chris.
CU: Thank you. (Applause)
CU: Thank you. (Applause)
330
912498
4232
خیلی ممنون کریس.
کریس ارمسون: متشکرم. ( تشویق حضار)
کریس ارمسون: متشکرم. ( تشویق حضار)
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