ABOUT THE SPEAKER
Chris Gerdes - Mechanical engineer
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today.

Why you should listen

Imagine a car that can drive itself -- that with the push of a button can get you home safely when you’re too tired to drive or have had a night of one too many drinks. Dr. Chris Gerdes , the Director of the Center for Automotive Research at Stanford (conveniently acronymed CARS), and his team are developing a robotic race car, capable of driving at outrageous speeds while avoiding every possible accident. Gerdes’ research focuses on the development of driver assistance systems for collision avoidance, as well as on new combustion processes for engines.

Prior to teaching at Stanford, Gerdes was the project leader for vehicle dynamics at the Vehicle Systems Technology Center of Daimler-Benz Research and Technology North America. His work at Daimler focused on safety analysis.

More profile about the speaker
Chris Gerdes | Speaker | TED.com
TEDxStanford

Chris Gerdes: The future race car -- 150mph, and no driver

Chris Gerdes : La voiture de course du futur : 240 km/h, sans pilote

Filmed:
806,444 views

Les voitures autonomes arrivent, et elles vont conduire mieux que vous. Chris Gerdes nous révèle comment son équipe et lui développent des voitures robotisées qui peuvent rouler à 240 km/h tout en évitant tous les accidents possibles. Et pourtant, en étudiant les ondes cérébrales de pilotes de course professionnels, Gerdes dit qu'il a acquis une nouvelle appréciation des instincts des pilotes professionnels. (Filmé à TEDxStanford.)
- Mechanical engineer
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today. Full bio

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

00:16
So, how manybeaucoup of you have ever
0
506
1407
Combien d'entre vous vous êtes déjà
00:17
gottenobtenu behindderrière the wheelroue of a carvoiture
1
1913
1655
retrouvés au volant d'une voiture
00:19
when you really shouldn'tne devrait pas have been drivingau volant?
2
3568
5687
à un moment ou vous n'auriez vraiment pas dû conduire ?
00:25
Maybe you're out on the roadroute for a long day,
3
9255
1905
Vous étiez peut-être sur la route toute la journée,
00:27
and you just wanted to get home.
4
11160
1490
et tout ce que vous vouliez, c'était rentrer chez vous.
00:28
You were tiredfatigué, but you feltse sentait you could driveconduire a fewpeu more milesmiles.
5
12650
2647
Vous étiez fatigué, mais vous aviez l'impression que vous pouviez rouler pendant quelques kilomètres de plus.
00:31
Maybe you thought,
6
15297
1199
Vous pensiez peut-être,
00:32
I've had lessMoins to drinkboisson than everybodyTout le monde elseautre,
7
16496
2017
j'ai moins bu que tous les autres,
00:34
I should be the one to go home.
8
18513
1736
c'est moi qui devrait rentrer.
00:36
Or maybe your mindesprit was just entirelyentièrement elsewhereautre part.
9
20249
4591
Ou peut-être que votre esprit était totalement ailleurs.
00:40
Does this sounddu son familiarfamilier to you?
10
24840
1454
Ça vous dit quelque chose ?
00:42
Now, in those situationssituations, wouldn'tne serait pas it be great
11
26294
2898
Dans ces situations, est-ce que ça ne serait pas génial
00:45
if there was a buttonbouton on your dashboardTableau de bord
12
29192
1593
s'il y avait un bouton sur le tableau de bord
00:46
that you could pushpousser, and the carvoiture would get you home safelyen toute sécurité?
13
30785
6343
sur lequel appuyer pour que la voiture vous ramène à la maison en toute sécurité ?
00:53
Now, that's been the promisepromettre of the self-drivingSelf-driving carvoiture,
14
37128
2293
C'est la promesse d'une voiture qui se conduit toute seule,
00:55
the autonomousautonome vehiclevéhicule, and it's been the dreamrêver
15
39421
2627
le véhicule autonome, et c'est le rêve
00:57
sincedepuis at leastmoins 1939, when GeneralGénérales MotorsMoteurs showcaseden démonstration
16
42048
3249
depuis au moins 1939, quand General Motors a dévoilé
01:01
this ideaidée at theirleur FuturamaFuturama boothcabine at the World'sAu monde FairJuste.
17
45297
3302
cette idée à leur stand Futurama lors de l'Exposition universelle.
01:04
Now, it's been one of those dreamsrêves
18
48599
1943
C'est un de ces rêves
01:06
that's always seemedsemblait about 20 yearsannées in the futureavenir.
19
50542
4214
qui semble toujours pour dans une vingtaine d'années dans le futur.
01:10
Now, two weekssemaines agodepuis, that dreamrêver tooka pris a stepétape forwardvers l'avant,
20
54756
2683
Il y a deux semaines, ce rêve a franchi une étape,
01:13
when the stateEtat of NevadaNevada grantedaccordé Google'sDe Google self-drivingSelf-driving carvoiture
21
57439
3265
lorsque l'État du Nevada a accordé à la voiture sans chauffeur de Google
01:16
the very first licenseLicence for an autonomousautonome vehiclevéhicule,
22
60704
3600
la première licence pour un véhicule autonome,
01:20
clearlyclairement establishingétablissant that it's legallégal for them
23
64304
2245
établissant clairement qu'il est légal pour eux
01:22
to testtester it on the roadsroutes in NevadaNevada.
24
66549
1810
de le tester sur les routes du Nevada.
01:24
Now, California'sDe la Californie consideringcompte tenu de similarsimilaire legislationlégislation,
25
68359
3727
La Californie envisage des lois similaires,
01:27
and this would make sure that the autonomousautonome carvoiture
26
72086
2408
et cela assurerait que la voiture autonome
01:30
is not one of those things that has to stayrester in VegasVegas.
27
74494
2977
n'est pas une de ces choses qui doit rester à Vegas.
01:33
(LaughterRires)
28
77471
2096
(Rires)
01:35
Now, in my lablaboratoire at StanfordStanford, we'venous avons been workingtravail on
29
79567
3784
Dans mon laboratoire à Stanford, nous travaillons aussi sur
01:39
autonomousautonome carsdes voitures too, but with a slightlylégèrement differentdifférent spintourner
30
83351
3487
les voitures autonomes, mais sous un angle légèrement différent
01:42
on things. You see, we'venous avons been developingdéveloppement roboticrobotique racecourse carsdes voitures,
31
86838
4248
Vous voyez, nous mettons au point des voitures de course robotiques,
01:46
carsdes voitures that can actuallyréellement pushpousser themselvesse to the very limitslimites
32
91086
4120
des voitures qui peuvent effectivement se pousser elles-mêmes jusqu'aux limites
01:51
of physicalphysique performanceperformance.
33
95206
2240
de la performance physique.
01:53
Now, why would we want to do suchtel a thing?
34
97446
2613
Pourquoi vouloir faire une telle chose ?
01:55
Well, there's two really good reasonsles raisons for this.
35
100059
2100
Eh bien, il y a deux très bonnes raisons à cela.
01:58
First, we believe that before people turntour over controlcontrôle
36
102159
3959
Tout d'abord, nous croyons qu'avant que les gens cèdent le contrôle
02:02
to an autonomousautonome carvoiture, that autonomousautonome carvoiture should be
37
106118
2834
à une voiture autonome, cette voiture autonome doit être
02:04
at leastmoins as good as the very bestmeilleur humanHumain driverspilotes.
38
108952
3254
au moins aussi bonne que les meilleurs conducteurs humains.
02:08
Now, if you're like me, and the other 70 percentpour cent of the populationpopulation
39
112206
3305
Si vous êtes comme moi et les autres 70 % de la population
02:11
who know that we are above-averageau dessus de la moyenne driverspilotes,
40
115511
2193
qui savons que nous sommes des conducteurs au-dessus de la moyenne,
02:13
you understandcomprendre that's a very highhaute barbar.
41
117704
3175
vous comprenez qu'on place la barre très haut.
02:16
There's anotherun autre reasonraison as well.
42
120879
2392
Il y a aussi une autre raison.
02:19
Just like racecourse carvoiture driverspilotes can use all of the frictionfriction
43
123271
3576
Tout comme les pilotes de voiture de course peuvent utiliser toute la friction
02:22
betweenentre the tirepneu and the roadroute,
44
126847
1280
entre le pneu et la route,
02:24
all of the car'sdes voitures capabilitiescapacités to go as fastvite as possiblepossible,
45
128127
3177
toutes les capacités de la voiture pour aller aussi vite que possible,
02:27
we want to use all of those capabilitiescapacités to avoidéviter
46
131304
3345
nous voulons utiliser toutes ces capacités pour éviter
02:30
any accidentaccident we can.
47
134649
1588
tous les accidents que nous le pouvons.
02:32
Now, you maymai pushpousser the carvoiture to the limitslimites
48
136237
2050
Vous pouvez pousser la voiture à la limite
02:34
not because you're drivingau volant too fastvite,
49
138287
1967
non pas parce que vous conduisez trop vite,
02:36
but because you've hitfrappé an icyglacées patchpièce of roadroute,
50
140254
2160
mais parce que vous êtes passé sur une plaque de verglas sur la route,
02:38
conditionsconditions have changedmodifié.
51
142414
1704
les conditions ont changé.
02:40
In those situationssituations, we want a carvoiture
52
144118
2761
Dans ces situations, nous voulons une voiture
02:42
that is capablecapable enoughassez to avoidéviter any accidentaccident
53
146879
3720
capable d'éviter tout accident
02:46
that can physicallyphysiquement be avoidedévité.
54
150599
2678
qui peut être évité physiquement .
02:49
I mustdoit confessconfesser, there's kindgentil of a thirdtroisième motivationmotivation as well.
55
153277
4267
Je dois avouer, il y a aussi une troisième motivation.
02:53
You see, I have a passionla passion for racingcourses.
56
157544
2256
Vous voyez, j'ai une passion pour la course.
02:55
In the pastpassé, I've been a racecourse carvoiture ownerpropriétaire,
57
159800
2764
Dans le passé, j'ai été propriétaire de voitures de course,
02:58
a crewéquipage chiefchef and a drivingau volant coachautocar,
58
162564
2555
chef d'équipe et coach de conduite,
03:01
althoughbien que maybe not at the levelniveau that you're currentlyactuellement expectingattendant.
59
165119
3855
bien que peut-être pas au niveau que vous espérez actuellement.
03:04
One of the things that we'venous avons developeddéveloppé in the lablaboratoire --
60
168974
2704
Une des choses que nous avons mis au point dans le laboratoire,
03:07
we'venous avons developeddéveloppé severalnombreuses vehiclesVéhicules --
61
171678
1704
nous avons développé plusieurs véhicules,
03:09
is what we believe is the world'smonde first
62
173382
2235
c'est ce que nous croyons être la première voiture
03:11
autonomouslyde manière autonome driftingà la dérive carvoiture.
63
175617
2365
à dérive autonome du monde.
03:13
It's anotherun autre one of those categoriescategories
64
177982
2513
C'est encore une de ces catégories
03:16
where maybe there's not a lot of competitioncompétition.
65
180495
2423
où peut-être il n'y a pas beaucoup de concurrence.
03:18
(LaughterRires)
66
182918
1408
(Rires)
03:20
But this is P1. It's an entirelyentièrement student-builtétudiant-construit electricélectrique vehiclevéhicule,
67
184326
3822
Mais c'est la P1. C'est un véhicule électrique entièrement construit par les étudiants,
03:24
whichlequel throughpar usingen utilisant its rear-wheelroue arrière driveconduire
68
188148
2078
qui, grâce à ses roues arrières motrices
03:26
and front-wheeltraction avant steer-by-wireSteer-by-wire
69
190226
1565
et sa direction avant électronique
03:27
can driftdérive around cornerscoins.
70
191791
2067
peut se laisser déraper dans les coins.
03:29
It can get sidewayssur le côté like a rallyRallye carvoiture driverchauffeur,
71
193858
2200
Il peut partir latéralement comme un pilote de rallye,
03:31
always ablecapable to take the tightestplus serré curvecourbe,
72
196058
1715
toujours capable de prendre la courbe la plus serrée,
03:33
even on slipperyglissant, changingen changeant surfacessurfaces,
73
197773
3304
même sur des surfaces glissantes et changeantes,
03:36
never spinningfilage out.
74
201077
1616
sans jamais perdre le contrôle.
03:38
We'veNous avons alsoaussi workedtravaillé with VolkswagenVolkswagen OracleOracle,
75
202693
2368
Nous avons également travaillé avec Volkswagen Oracle,
03:40
on ShelleyShelley, an autonomousautonome racecourse carvoiture that has raceda couru
76
205061
3424
sur Shelley, une voiture de course autonome qui a couru
03:44
at 150 milesmiles an hourheure throughpar the BonnevilleBonneville SaltSel FlatsAppartements,
77
208485
3070
à 240 km/h à travers le Bonneville Salt Flats,
03:47
gonedisparu around ThunderhillThunderhill RacewayChemin de roulement ParkParc in the sunSoleil,
78
211555
4471
a fait le tour du Thunderhill Raceway Park sous le soleil,
03:51
the windvent and the rainpluie,
79
216026
2639
le vent et la pluie,
03:54
and navigatednavigué the 153 turnsse tourne and 12.4 milesmiles
80
218665
5018
et navigué à travers les 153 virages et 20 km
03:59
of the PikesPiques PeakPIC HillHill ClimbMontée routeroute
81
223683
1562
de la piste de Pikes Peak Hill Climb
04:01
in ColoradoColorado with nobodypersonne at the wheelroue.
82
225245
3473
dans le Colorado sans personne au volant.
04:04
(LaughterRires)
83
228718
1448
(Rires)
04:06
(ApplauseApplaudissements)
84
230166
5566
(Applaudissements)
04:11
I guessdeviner it goesva withoutsans pour autant sayingen disant that we'venous avons had a lot of funamusement
85
235732
3279
Je suppose qu'il va sans dire que nous avons eu beaucoup de plaisir
04:14
doing this.
86
239011
1304
à faire ça.
04:16
But in factfait, there's something elseautre that we'venous avons developeddéveloppé
87
240315
3657
Mais en fait, nous avons mis au point autre chose
04:19
in the processprocessus of developingdéveloppement these autonomousautonome carsdes voitures.
88
243972
3055
dans le cadre du développement de ces voitures autonomes.
04:22
We have developeddéveloppé a tremendousénorme appreciationappréciation
89
247027
3871
Nous avons développé une appréciation considérable
04:26
for the capabilitiescapacités of humanHumain racecourse carvoiture driverspilotes.
90
250898
3817
des capacités des pilotes humains de voiture de course.
04:30
As we'venous avons lookedregardé at the questionquestion of how well do these carsdes voitures performeffectuer,
91
254715
4345
Comme nous avons examiné la question des performances de ces voitures,
04:34
we wanted to comparecomparer them to our humanHumain counterpartshomologues.
92
259060
3279
nous avons voulu comparer à nos homologues humains.
04:38
And we discovereddécouvert theirleur humanHumain counterpartshomologues are amazingincroyable.
93
262339
5680
Et nous avons découvert que leurs homologues humains sont incroyables.
04:43
Now, we can take a mapcarte of a racecourse trackPiste,
94
268019
4023
Nous pouvons prendre une carte d'une piste de course,
04:47
we can take a mathematicalmathématique modelmaquette of a carvoiture,
95
272042
2370
nous pouvons prendre un modèle mathématique d'une voiture,
04:50
and with some iterationitération, we can actuallyréellement find
96
274412
2903
et par itération, nous pouvons trouver réellement
04:53
the fastestle plus rapide way around that trackPiste.
97
277315
1625
le moyen le plus rapide pour faire le tour de cette piste.
04:54
We lineligne that up with dataLes données that we recordrecord
98
278940
2533
Nous l'alignons avec les données que nous enregistrons
04:57
from a professionalprofessionnel driverchauffeur,
99
281473
1433
d'un pilote professionnel,
04:58
and the resemblanceressemblance is absolutelyabsolument remarkableremarquable.
100
282906
4107
et la ressemblance est tout à fait remarquable.
05:02
Yes, there are subtlesubtil differencesdifférences here,
101
287013
3212
Oui, il y a des différences subtiles
05:06
but the humanHumain racecourse carvoiture driverchauffeur is ablecapable to go out
102
290225
3127
mais le pilote humain de voiture de course est capable de
05:09
and driveconduire an amazinglyétonnamment fastvite lineligne,
103
293352
2335
conduire en suivant une ligne étonnamment rapide,
05:11
withoutsans pour autant the benefitavantage of an algorithmalgorithme de that comparescompare
104
295687
2330
sans l'aide d'un algorithme qui compare
05:13
the trade-offTrade-OFF betweenentre going as fastvite as possiblepossible
105
298017
2608
le compromis entre aller aussi vite que possible
05:16
in this cornercoin, and shavingrasage a little bitbit of time
106
300625
2037
dans ce coin et gagner quelques secondes
05:18
off of the straighttout droit over here.
107
302662
1902
sur la ligne droite ici.
05:20
Not only that, they're ablecapable to do it laptour
108
304564
3457
Non seulement cela, ils peuvent le faire tour
05:23
after laptour after laptour.
109
308021
2375
après tour après tour.
05:26
They're ablecapable to go out and consistentlyconstamment do this,
110
310396
2912
Ils sont capables de le faire à chaque fois,
05:29
pushingen poussant the carvoiture to the limitslimites everychaque singleunique time.
111
313308
4128
en poussant la voiture à la limite chaque fois.
05:33
It's extraordinaryextraordinaire to watch.
112
317436
3169
C'est extraordinaire à voir.
05:36
You put them in a newNouveau carvoiture,
113
320605
2066
Vous les mettez dans une nouvelle voiture,
05:38
and after a fewpeu lapstours, they'veils ont founda trouvé the fastestle plus rapide lineligne in that carvoiture,
114
322671
3902
et après quelques tours, ils ont trouvé la ligne plus rapide dans cette voiture-là,
05:42
and they're off to the racescourses.
115
326573
3877
et ils sont bons pour les courses.
05:46
It really makesfait du you think,
116
330450
1146
Ça vous fait vraiment réfléchir,
05:47
we'dmer love to know what's going on insideà l'intérieur theirleur braincerveau.
117
331596
4871
nous aimerions savoir ce qui se passe à l'intérieur de leur cerveau.
05:52
So as researchersdes chercheurs, that's what we decideddécidé to find out.
118
336467
4541
En tant que chercheurs, c'est ce que nous avons décidé de découvrir.
05:56
We decideddécidé to instrumentinstrument not only the carvoiture,
119
341008
1812
Nous avons décidé d'instrumentaliser non seulement la voiture,
05:58
but alsoaussi the racecourse carvoiture driverchauffeur,
120
342820
2495
mais aussi le pilote de voiture de course,
06:01
to try to get a glimpseaperçu into what was going on
121
345315
2769
pour tenter d'obtenir un aperçu de ce qui se passait
06:03
in theirleur headtête as they were doing this.
122
348084
2186
dans leur tête quand ils faisaient ça.
06:06
Now, this is DrDr. LeneLene HarbottHarbott applyingappliquer electrodesélectrodes
123
350270
3950
Voici le Dr Lene Harbott qui pose des électrodes
06:10
to the headtête of JohnJohn MortonMorton.
124
354220
1232
sur la tête de John Morton.
06:11
JohnJohn MortonMorton is a formerancien Can-AmCan-Am and IMSAIMSA driverchauffeur,
125
355452
2989
John Morton est un ancien pilote de Can-Am et de l'IMSA,
06:14
who'squi est alsoaussi a classclasse championchampion at LeLe MansMans.
126
358441
1800
qui est aussi un champion au Mans.
06:16
FantasticFantastique driverchauffeur, and very willingprêt to put up with graduatediplômé studentsélèves
127
360241
3496
Un pilote fantastique et très disposé à se mettre au service des étudiants des cycles supérieurs
06:19
and this sortTrier of researchrecherche.
128
363737
1855
et ce type de recherche.
06:21
She's puttingen mettant electrodesélectrodes on his headtête
129
365592
2672
Elle met des électrodes sur sa tête
06:24
so that we can monitormoniteur the electricalélectrique activityactivité
130
368264
2112
afin que nous puissions suivre l'activité électrique
06:26
in John'sDe John braincerveau as he racescourses around the trackPiste.
131
370376
2832
du cerveau de John alors qu'il court autour de la piste.
06:29
Now, clearlyclairement we're not going to put a couplecouple of electrodesélectrodes on his headtête
132
373208
3195
Clairement nous n'allons pas mettre deux ou trois électrodes sur sa tête
06:32
and understandcomprendre exactlyexactement what all of his thoughtspensées are on the trackPiste.
133
376403
3270
et comprendre excatement tout ce qu'il pense quand il court.
06:35
HoweverCependant, neuroscientistsneuroscientifiques have identifiedidentifié certaincertain patternsmodèles
134
379673
3407
Cependant, les neuroscientifiques ont identifié certains schémas
06:38
that let us teasetease out some very importantimportant aspectsaspects of this.
135
383080
3761
qui nous permettent de deviner certains aspects très importants de ce processus.
06:42
For instanceexemple, the restingrepos braincerveau
136
386841
1847
Par exemple, le cerveau au repos
06:44
tendstendance to generateGénérer a lot of alphaalpha wavesvagues.
137
388688
2155
a tendance à générer beaucoup d'ondes alpha.
06:46
In contrastcontraste, thetathêta wavesvagues are associatedassocié with
138
390843
3752
En revanche, les ondes thêta sont associées
06:50
a lot of cognitivecognitif activityactivité, like visualvisuel processingEn traitement,
139
394595
3184
à de nombreuses activités cognitives, comme le traitement visuel,
06:53
things where the driverchauffeur is thinkingen pensant quiteassez a bitbit.
140
397779
3048
des choses où le conducteur réfélchit pas mal..
06:56
Now, we can measuremesure this,
141
400827
1663
Nous pouvons mesurer ça,
06:58
and we can look at the relativerelatif powerPuissance
142
402490
1985
et nous pouvons observer la puissance relative
07:00
betweenentre the thetathêta wavesvagues and the alphaalpha wavesvagues.
143
404475
2200
entre les ondes thêta et les ondes alpha.
07:02
This givesdonne us a measuremesure of mentalmental workloadcharge de travail,
144
406675
2442
Cela nous donne une mesure de la charge de travail mental,
07:05
how much the driverchauffeur is actuallyréellement challengedcontesté cognitivelycognitivement
145
409117
3567
l'importance réelle du défi cognitif auquel le pilote est confronté
07:08
at any pointpoint alongle long de the trackPiste.
146
412684
1786
en tout point le long de la piste.
07:10
Now, we wanted to see if we could actuallyréellement recordrecord this
147
414470
2942
Nous avons voulu voir si nous pouvions l'enregistrer réellement
07:13
on the trackPiste, so we headedà tête down southSud to LagunaLaguna SecaSeca.
148
417412
3038
sur la piste, donc nous sommes allés dans le sud à Laguna Seca.
07:16
LagunaLaguna SecaSeca is a legendarylégendaire racewaychemin de roulement
149
420450
2016
Laguna Seca est une piste de course légendaire
07:18
about halfwayà mi-chemin betweenentre SalinasSalinas and MontereyMonterey.
150
422466
2301
à mi-chemin entre Salinas et Monterey.
07:20
It has a curvecourbe there calledappelé the CorkscrewTire-bouchon.
151
424767
2087
Elle a une courbe appelée le Tire-bouchon.
07:22
Now, the CorkscrewTire-bouchon is a chicanechicane, followedsuivi by a quickrapide
152
426854
2717
Le Tire-bouchon est une chicane, suivie d'un virage à droite rapide
07:25
right-handeddroitier turntour as the roadroute dropsgouttes threeTrois storieshistoires.
153
429571
2746
en même temps que la route descend de trois étages.
07:28
Now, the strategystratégie for drivingau volant this as explainedexpliqué to me was,
154
432317
3766
La stratégie de conduite ici telle qu'on me l'a expliquée, c'était
07:31
you aimobjectif for the bushbuisson in the distancedistance,
155
436083
2022
de viser le buisson au loin,
07:34
and as the roadroute fallschutes away, you realizeprendre conscience de it was actuallyréellement the topHaut of a treearbre.
156
438105
3025
et alors que la route tombe soudain, vous vous rendez compte que c'est en fait le haut d'un arbre.
07:37
All right, so thanksMerci to the RevsNombre de tours ProgramProgramme at StanfordStanford,
157
441130
3304
Bon, donc grâce au programme Revs à Stanford,
07:40
we were ablecapable to take JohnJohn there
158
444434
1473
nous avons pu y emmener John
07:41
and put him behindderrière the wheelroue
159
445907
964
et le mettre au volant
07:42
of a 1960 PorschePorsche AbarthAbarth CarreraCarrera.
160
446871
2439
d'une Porsche Abarth Carrera 1960.
07:45
Life is way too shortcourt for boringennuyeuse carsdes voitures.
161
449310
3698
La vie est bien trop courte pour avoir des voitures ennuyeuses.
07:48
So, here you see JohnJohn on the trackPiste,
162
453008
1759
Donc, ici vous voyez John sur la piste,
07:50
he's going up the hillcolline -- Oh! SomebodyQuelqu'un likedaimé that --
163
454767
2184
Il monte la colline, Oh ! Quelqu'un a aimé ça,
07:52
and you can see, actuallyréellement, his mentalmental workloadcharge de travail
164
456951
2465
et vous pouvez le voir, en fait, sa charge de travail mental,
07:55
-- measuringmesure here in the redrouge barbar --
165
459416
2153
mesurée ici dans la barre rouge,
07:57
you can see his actionsactes as he approachesapproches.
166
461569
2343
vous pouvez voir ses actions quand il s'approche.
07:59
Now watch, he has to downshiftrétrogradage.
167
463912
3230
Maintenant regardez, il faut rétrograder.
08:03
And then he has to turntour left.
168
467142
761
Et puis il faut tourner à gauche.
08:03
Look for the treearbre, and down.
169
467903
3993
Rechercher l'arbre et descendre.
08:07
Not surprisinglyétonnamment, you can see this is a prettyjoli challengingdifficile tasktâche.
170
471896
2838
Sans surprise, vous pouvez voir que c'est une tâche assez difficile.
08:10
You can see his mentalmental workloadcharge de travail spikepointe as he goesva throughpar this,
171
474734
2976
Vous pouvez voir son pic de charge de travail mental quand il fait ça,
08:13
as you would expectattendre with something that requiresa besoin
172
477710
2064
comme on peut s'y attendre pour quelque chose qui nécessite
08:15
this levelniveau of complexitycomplexité.
173
479774
2809
ce niveau de complexité.
08:18
But what's really interestingintéressant is to look at areaszones of the trackPiste
174
482583
3416
Mais ce qui est vraiment intéressant est de regarder les zones de la piste
08:21
where his mentalmental workloadcharge de travail doesn't increaseaugmenter.
175
485999
2846
où sa charge de travail mental n'augmente pas.
08:24
I'm going to take you around now
176
488845
1495
Je vais vous emmener maintenant
08:26
to the other sidecôté of the trackPiste.
177
490340
1089
de l'autre côté de la piste.
08:27
TurnTour threeTrois. And John'sDe John going to go into that cornercoin
178
491429
2336
Virage trois. Et John va aller dans ce coin
08:29
and the reararrière endfin of the carvoiture is going to begincommencer to slidefaire glisser out.
179
493765
2551
et l'arrière de la voiture va commencer à déraper.
08:32
He's going to have to correctcorrect for that with steeringpilotage.
180
496316
2017
Il va devoir corriger ça avec la direction.
08:34
So watch as JohnJohn does this here.
181
498333
2231
Donc regardez John le faire ici.
08:36
Watch the mentalmental workloadcharge de travail, and watch the steeringpilotage.
182
500564
2322
Regardez la charge de travail mental et regardez la direction.
08:38
The carvoiture beginscommence to slidefaire glisser out, dramaticdramatique maneuvermanœuvre to correctcorrect it,
183
502886
3672
La voiture commence à glisser , une manœuvre spectaculaire pour le corriger,
08:42
and no changechangement whatsoeverquoi que ce soit in the mentalmental workloadcharge de travail.
184
506558
3523
et aucun changement que ce soit dans la charge de travail mental.
08:45
Not a challengingdifficile tasktâche.
185
510081
2832
Pas une tâche difficile.
08:48
In factfait, entirelyentièrement reflexiveréflexive.
186
512913
3200
En fait, tout à fait réflexive.
08:52
Now, our dataLes données processingEn traitement on this is still preliminarypréliminaire,
187
516113
3643
Notre traitement des données ici est encore préliminaire,
08:55
but it really seemssemble that these phenomenalphénoménal featsprouesses
188
519756
2672
mais il semble vraiment que ces exploits phénoménaux
08:58
that the racecourse carvoiture driverspilotes are performingeffectuer
189
522428
1610
que les pilotes de voiture de course effectuent
08:59
are instinctiveinstinctif.
190
524038
1910
sont instinctifs.
09:01
They are things that they have simplysimplement learnedappris to do.
191
525948
3390
Ce sont des choses qu'ils ont tout simplement appris à faire.
09:05
It requiresa besoin very little mentalmental workloadcharge de travail
192
529338
2282
Ça leur demande très peu de charge de travail mental
09:07
for them to performeffectuer these amazingincroyable featsprouesses.
193
531620
2824
pour effectuer ces étonnantes prouesses.
09:10
And theirleur actionsactes are fantasticfantastique.
194
534444
3135
Et leurs actions sont fantastiques.
09:13
This is exactlyexactement what you want to do on the steeringpilotage wheelroue
195
537579
2611
C'est exactement ce que vous voulez faire au volant
09:16
to catchcapture the carvoiture in this situationsituation.
196
540190
3337
pour prendre la voiture dans cette situation.
09:19
Now, this has givendonné us tremendousénorme insightperspicacité
197
543527
3445
Ça nous a donné une idée et une inspiration
09:22
and inspirationinspiration for our ownposséder autonomousautonome vehiclesVéhicules.
198
546972
3122
formidables pour nos propres véhicules autonomes.
09:25
We'veNous avons startedcommencé to askdemander the questionquestion:
199
550094
1928
Nous avons commencé à poser la question :
09:27
Can we make them a little lessMoins algorithmicalgorithmique
200
552022
2253
Pouvons-nous nous les rendre un peu moins algorithmiques
09:30
and a little more intuitiveintuitif?
201
554275
2449
et un peu plus intuitifs ?
09:32
Can we take this reflexiveréflexive actionaction
202
556724
2281
Pouvons-nous prendre cette action réflexive
09:34
that we see from the very bestmeilleur racecourse carvoiture driverspilotes,
203
559005
2287
que nous voyons chez les meilleurs pilotes de voiture de course,
09:37
introduceprésenter it to our carsdes voitures,
204
561292
1649
l'introduire dans nos voitures,
09:38
and maybe even into a systemsystème that could
205
562941
1984
et peut-être même dans un système qui pourrait
09:40
get ontosur your carvoiture in the futureavenir?
206
564925
1968
se rajouter à l'avenir sur votre voiture ?
09:42
That would take us a long stepétape
207
566893
1611
Ça nous ferait franchir une étape importante
09:44
alongle long de the roadroute to autonomousautonome vehiclesVéhicules
208
568504
2509
sur la voie des véhicules autonomes
09:46
that driveconduire as well as the bestmeilleur humanshumains.
209
571013
1912
qui consuisent aussi bien que les meilleurs humains.
09:48
But it's madefabriqué us think a little bitbit more deeplyprofondément as well.
210
572925
3440
Mais ça nous a aussi fait réfléchir un peu plus profondément.
09:52
Do we want something more from our carvoiture
211
576365
2968
Voulons-nous que notre voiture soit plus
09:55
than to simplysimplement be a chauffeuravec chauffeur?
212
579333
1840
qu'un simple chauffeur ?
09:57
Do we want our carvoiture to perhapspeut être be a partnerpartenaire, a coachautocar,
213
581173
4235
Voulons-nous que notre voiture soit peut-être être un partenaire, un entraîneur,
10:01
someoneQuelqu'un that can use theirleur understandingcompréhension of the situationsituation
214
585408
3087
une personne qui puisse utiliser sa compréhension de la situation
10:04
to help us reachatteindre our potentialpotentiel?
215
588495
4256
pour nous aider à atteindre notre potentiel ?
10:08
Can, in factfait, the technologyLa technologie not simplysimplement replaceremplacer humanshumains,
216
592751
2273
En fait, la technologie peut-elle ne pas simplement remplacer les êtres humains,
10:10
but allowpermettre us to reachatteindre the levelniveau of reflexréflexe and intuitionintuition
217
595024
4575
mais nous permettre d'atteindre le niveau de réflexe et d'intuition
10:15
that we're all capablecapable of?
218
599599
3425
dont nous sommes tous capables ?
10:18
So, as we movebouge toi forwardvers l'avant into this technologicaltechnologique futureavenir,
219
603024
1923
Et comme nous avançons dans ce futur technologique,
10:20
I want you to just pausepause and think of that for a momentmoment.
220
604947
2821
je veux que vous preniez un moment pour y réfléchir.
10:23
What is the idealidéal balanceéquilibre of humanHumain and machinemachine?
221
607768
3775
Quel est l'équilibre idéal de l'homme et de la machine ?
10:27
And as we think about that,
222
611543
1709
Et puisque nous y réfléchissons,
10:29
let's take inspirationinspiration
223
613252
1731
inspirons-nous
10:30
from the absolutelyabsolument amazingincroyable capabilitiescapacités
224
614983
3329
des capacités absolument incroyables
10:34
of the humanHumain bodycorps and the humanHumain mindesprit.
225
618312
2816
du corps humain et de l'esprit humain.
10:37
Thank you.
226
621128
1736
Merci.
10:38
(ApplauseApplaudissements)
227
622864
4604
(Applaudissements)
Translated by Elisabeth Buffard
Reviewed by Mauricio Diaz Orlich

▲Back to top

ABOUT THE SPEAKER
Chris Gerdes - Mechanical engineer
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today.

Why you should listen

Imagine a car that can drive itself -- that with the push of a button can get you home safely when you’re too tired to drive or have had a night of one too many drinks. Dr. Chris Gerdes , the Director of the Center for Automotive Research at Stanford (conveniently acronymed CARS), and his team are developing a robotic race car, capable of driving at outrageous speeds while avoiding every possible accident. Gerdes’ research focuses on the development of driver assistance systems for collision avoidance, as well as on new combustion processes for engines.

Prior to teaching at Stanford, Gerdes was the project leader for vehicle dynamics at the Vehicle Systems Technology Center of Daimler-Benz Research and Technology North America. His work at Daimler focused on safety analysis.

More profile about the speaker
Chris Gerdes | Speaker | TED.com