ABOUT THE SPEAKER
Chris Urmson - Roboticist
Chris 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.

More profile about the speaker
Chris Urmson | Speaker | TED.com
TED2015

Chris Urmson: How a driverless car sees the road

Chris Urmson: Kako samovozeći auto vidi cestu

Filmed:
2,536,355 views

Statistički, najmanje pouzdani dio auta je ... vozač. Chris Urmson nam predstavlja Googlov program auta bez vozača, jedan od nekoliko pokušaja uklanjanja ljudi iz vozačkog sjedišta. Priča o tome gdje je njegov program upravo sada, te dijeli očaravajuće snimke koje pokazuju kako auto vidi cestu i čini nezavisne odluke o tome što da učini slijedeće.
- Roboticist
Chris Umson is the Director of Self-Driving Cars at Google[x]. Full bio

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

00:12
So in 1885, KarlKarl BenzBenz
inventedizumio the automobileautomobil.
0
528
3949
Dakle 1885, Karl Benz
izumio je automobil.
00:16
LaterKasnije that yeargodina, he tookuzeo it out
for the first publicjavnost testtest drivepogon,
1
4707
3762
Kasnije te godine, izveo ga je
na prvu javnu probnu vožnju,
00:20
and -- truepravi storypriča --
crashedsrušio into a wallzid.
2
8469
3375
i -- istinita priča --
zabio se u zid.
00:24
For the last 130 yearsgodina,
3
12184
2043
Kroz zadnjih 130 godina,
00:26
we'veimamo been workingrad around that leastnajmanje
reliablepouzdan partdio of the carautomobil, the drivervozač.
4
14227
4319
radili smo oko najmanje
pouzdanog dijela auta, vozača.
00:30
We'veMoramo madenapravljen the carautomobil strongerjači.
5
18546
1354
Napravili smo aute jačim.
00:32
We'veMoramo addeddodano seatsjedalo beltsremenje,
we'veimamo addeddodano airzrak bagsvrećice,
6
20200
2548
Dodali smo sigurnosne pojase,
dodali smo zračne jastuke,
00:34
and in the last decadedesetljeće, we'veimamo actuallyzapravo
startedpočeo tryingtežak to make the carautomobil smarterpametnije
7
22748
3971
a u zadnjem desetljeću, zapravo
smo počeli činiti aute pametnijima
00:38
to fixpopraviti that bugbuba, the drivervozač.
8
26719
2938
da popravimo taj bug, vozača.
00:41
Now, todaydanas I'm going to talk to you
a little bitbit about the differencerazlika
9
29657
3261
Sad, danas ću vam pričati
nešto malo o razlici
00:44
betweenizmeđu patchingkrpanje around the problemproblem
with drivervozač assistancepomoć systemssustavi
10
32918
3808
između krpanja oko problema
sa sustavima pomoći vozaču
00:48
and actuallyzapravo havingima fullypotpuno
self-drivingself-vožnje carsautomobili
11
36726
2564
i imanja pravih posve
samovozećih automobila.
00:51
and what they can do for the worldsvijet.
12
39290
1880
te što oni mogu učiniti za svijet.
00:53
I'm alsotakođer going to talk to you
a little bitbit about our carautomobil
13
41170
2995
Također ću vam pričati
malo i o našem autu
00:56
and allowdopustiti you to see how it seesvidi the worldsvijet
and how it reactsreagira and what it does,
14
44165
3999
i dozvoliti vam da vidite kako on vidi svijet
te kako reagira i što čini,
01:00
but first I'm going to talk
a little bitbit about the problemproblem.
15
48164
3187
ali prvo ću malo
pričati o problemu.
01:03
And it's a bigvelika problemproblem:
16
51651
1648
A to je veliki problem:
01:05
1.2 millionmilijuna people are killedubijen
on the world'ssvijetu roadsceste everysvaki yeargodina.
17
53299
3089
1,2 milijuna ljudi je ubijeno
na svjetskim cestama svake godine.
01:08
In AmericaAmerika alonesam, 33,000 people
are killedubijen eachsvaki yeargodina.
18
56388
3784
Samo u Americi, 33.000 ljudi
je ubijeno svake godine.
01:12
To put that in perspectiveperspektiva,
19
60172
2028
Da to stavimo u perspektivu,
01:14
that's the sameisti as a 737
fallingkoji pada out of the skynebo everysvaki workingrad day.
20
62200
4797
to je jednako kao da 737
padne s neba svaki radni dan.
01:19
It's kindljubazan of unbelievablenevjerojatan.
21
67342
1786
Na neki je način nevjerojatno.
01:21
CarsAutomobili are soldprodan to us like this,
22
69548
2298
Aute nam prodaju ovako,
01:23
but really, this is what driving'sVozio je like.
23
71846
2717
ali zapravo, ovo je kako izgleda vožnja.
01:26
Right? It's not sunnysunčano, it's rainykišovito,
24
74563
2159
Je li tako? Nije sunčano, pada kiša,
01:28
and you want to do anything
other than drivepogon.
25
76722
2488
i želite raditi bilo što drugo,
samo ne voziti.
01:31
And the reasonrazlog why is this:
26
79210
1622
A razlog zašto je ovaj:
01:32
TrafficPromet is gettinguzimajući worsegore.
27
80832
1858
Promet postaje gori.
01:34
In AmericaAmerika, betweenizmeđu 1990 and 2010,
28
82690
3506
U Americi, od 1990 do 2010,
01:38
the vehiclevozilo milesmilja traveledputovao
increasedpovećan by 38 percentposto.
29
86196
3504
milje proputovane vozilima
su porasle 38 posto.
01:42
We grewrastao by sixšest percentposto of roadsceste,
30
90213
2749
Porasli smo za šest posto u cestama,
01:44
so it's not in your brainsmozak.
31
92962
1602
tako da vam to nije u glavama.
01:46
TrafficPromet really is substantiallybitno worsegore
than it was not very long agoprije.
32
94564
4276
Promet je zbilja bitno gori
nego što je bio ne tako davno.
01:50
And all of this has a very humanljudski costcijena.
33
98840
2409
A sve to ima vrlo ljudsku cijenu.
01:53
So if you take the averageprosječan commutemijenjati time
in AmericaAmerika, whichkoji is about 50 minutesminuta,
34
101529
3948
Pa ako uzmete prosječno vrijeme
dnevne vožnje koje je pedesetak minuta,
01:57
you multiplypomnožiti that by the 120 millionmilijuna
workersradnici we have,
35
105477
3649
pomnožite to sa 120 milijuna
radnika koliko ih imamo,
02:01
that turnsokreti out to be
about sixšest billionmilijardi minutesminuta
36
109126
2225
ispadne da je to
otprilike šest milijardi minuta
02:03
wasteduzalud in commutingputovanje na posao everysvaki day.
37
111351
2026
potrošenih u prometu
svaki dan.
02:05
Now, that's a bigvelika numberbroj,
so let's put it in perspectiveperspektiva.
38
113377
2827
Sad, to je velik broj,
pa ajmo ga staviti u perspektivu.
02:08
You take that sixšest billionmilijardi minutesminuta
39
116204
1774
Uzmete tih šest milijardi minuta
02:09
and you dividepodijeliti it by the averageprosječan
life expectancyiščekivanje of a personosoba,
40
117978
3784
i podijelite ih sa prosječnim
očekivanim životnim vijekom osobe,
02:13
that turnsokreti out to be 162 lifetimesvijekom trajanja
41
121762
3135
ispadne 162 životna vijeka
02:16
spentpotrošen everysvaki day, wasteduzalud,
42
124897
2925
potrošenih svaki dan, bačenih
02:19
just gettinguzimajući from A to B.
43
127822
2044
samo na prelazak od A do B.
02:21
It's unbelievablenevjerojatan.
44
129866
1730
Nevjerojatno.
02:23
And then, there are those of us
who don't have the privilegeprivilegija
45
131596
2844
A potom, ima ih među nama
koji nemaju povlasticu
02:26
of sittingsjedenje in trafficpromet.
46
134440
1672
sudjelovanja u prometu.
02:28
So this is SteveSteve.
47
136112
1578
Dakle ovo je Steve.
02:29
He's an incrediblynevjerojatno capablesposoban guy,
48
137690
1765
On je nevjerojatno sposoban tip,
02:31
but he just happensdogađa se to be blindslijep,
49
139455
2516
samo što je slijep,
02:33
and that meanssredstva insteadumjesto of a 30-minute-minuta
drivepogon to work in the morningjutro,
50
141971
3217
a to znači kako umjesto 30 minutne
vožnje do posla ujutro,
02:37
it's a two-hourdva sata ordealiskušenje
of piecingPiecing togetherzajedno bitskomadići of publicjavnost transittranzit
51
145188
3979
to je dvosatno iskušenje
sastavljanja djelića javnog prijevoza
02:41
or askingtraži friendsprijatelji and familyobitelj for a ridevožnja.
52
149167
2385
ili molba prijateljima i obitelji za prijevoz.
02:43
He doesn't have that sameisti freedomsloboda
that you and I have to get around.
53
151552
3669
On nema istu slobodu
kao vi i ja glede kretanja uokolo.
02:47
We should do something about that.
54
155221
2460
Trebali bismo učiniti nešto u vezi toga.
02:49
Now, conventionalkonvencionalne wisdommudrost would say
55
157891
1757
Sad, uobičajena bi mudrost rekla
02:51
that we'lldobro just take
these drivervozač assistancepomoć systemssustavi
56
159648
2492
neka samo uzmemo
te sustave pomoći vozaču
02:54
and we'lldobro kindljubazan of pushgurnuti them
and incrementallypostupno improvepoboljšati them,
57
162140
3750
pa ćemo ih onda gurati
i postepeno usavršavati
02:57
and over time, they'lloni će turnskretanje
into self-drivingself-vožnje carsautomobili.
58
165890
2542
te će se tijekom vremena
premetnuti u samovozeće aute.
03:00
Well, I'm here to tell you
that's like me sayingizreka
59
168432
2409
Dobro, ovdje sam
kako bih vam rekao da je to nalik izjavi
03:02
that if I work really hardteško at jumpingskakanje,
one day I'll be ableu stanju to flyletjeti.
60
170841
4057
kako ću ako jako uporno
radim na skakanju, jednoga dana moći letjeti.
03:06
We actuallyzapravo need to do
something a little differentdrugačiji.
61
174898
2728
Zapravo trebamo napraviti
nešto malo drugačije.
03:09
And so I'm going to talk to you
about threetri differentdrugačiji waysnačine
62
177626
2711
Pa ću vam pričati
o tri različita načina
03:12
that self-drivingself-vožnje systemssustavi are differentdrugačiji
than drivervozač assistancepomoć systemssustavi.
63
180337
3346
na koji su samovozeći sustavi drugačiji
od sustava pomoći vozaču.
03:15
And I'm going to startpočetak
with some of our ownvlastiti experienceiskustvo.
64
183683
2651
A započeti ću
sa nekim od naših vlastitih iskustava.
03:18
So back in 2013,
65
186334
2253
Dakle natrag u 2013.
03:20
we had the first testtest
of a self-drivingself-vožnje carautomobil
66
188587
2663
imali smo prvi ispit
samovozećeg auta
03:23
where we let regularredovan people use it.
67
191250
2027
gdje smo ga prepustili
na korištenje običnim ljudima.
03:25
Well, almostskoro regularredovan --
they were 100 GooglersZaposlenicima Googlea,
68
193277
2202
Pa, gotovo običnim --
bilo je to 100 Googlovaca,
03:27
but they weren'tnisu workingrad on the projectprojekt.
69
195479
2003
ali nisu radili na projektu.
03:29
And we gavedali them the carautomobil and we alloweddopušteno
them to use it in theirnjihov dailydnevno livesživot.
70
197482
3621
Dali smo im auto i dopustili im
koristiti ga u svakodnevnom životu.
03:33
But unlikeza razliku od a realstvaran self-drivingself-vožnje carautomobil,
this one had a bigvelika asteriskzvjezdica with it:
71
201103
3719
Ali za razliku od pravog samovozećeg auta,
ovaj je dolazio sa velikom zvjezdicom:
03:36
They had to payplatiti attentionpažnja,
72
204822
1504
Morali su obraćati pažnju,
03:38
because this was an experimentaleksperimentalan vehiclevozilo.
73
206326
2633
stoga što je ovo bilo pokusno vozilo.
03:40
We testedtestiran it a lot,
but it could still failiznevjeriti.
74
208959
3525
Puno smo ga iskušavali,
ali i dalje je mogao iznevjeriti.
03:44
And so we gavedali them two hourssati of trainingtrening,
75
212484
2059
Pa smo im dali dva sata obuke,
03:46
we put them in the carautomobil,
we let them use it,
76
214543
2092
smjestili u auto,
dali im koristiti ga,
03:48
and what we heardčuo back
was something awesomesuper,
77
216635
2127
a što smo čuli zauzvrat
je bilo nešto odlično,
03:50
as someonenetko tryingtežak
to bringdonijeti a productproizvod into the worldsvijet.
78
218762
2524
nekome tko pokušava
donijeti proizvod na svijet.
03:53
EverySvaki one of them told us they lovedvoljen it.
79
221286
1925
Svaki od njih nam je rekao kako ga vole.
03:55
In factčinjenica, we had a PorschePorsche drivervozač
who camedošao in and told us on the first day,
80
223211
3566
Zapravo, imalo smo vozača Poršea
koji je došao i rekao nam prvi dan:
03:58
"This is completelypotpuno stupidglup.
What are we thinkingmišljenje?"
81
226777
2663
"Ovo je skroz glupo.
Što nam pada na pamet?"
04:01
But at the endkraj of it, he said,
"Not only should I have it,
82
229850
2840
Ali na kraju, rekao je:
"Ne samo da bih ga ja trebao imati,
04:04
everyonesvatko elsedrugo should have it,
because people are terribleužasan driversupravljački programi."
83
232690
3175
svi bi ga drugi trebali imati,
jer ljudi su užasni vozači."
04:09
So this was musicglazba to our earsuši,
84
237135
1735
To je bila muzika za naše uši,
04:10
but then we startedpočeo to look at what
the people insideiznutra the carautomobil were doing,
85
238870
3803
ali tada smo počeli gledati
što su ljudi u autu radili,
04:14
and this was eye-openingoku-otvaranje.
86
242673
1579
i to nam je otvorilo oči.
04:16
Now, my favoriteljubimac storypriča is this gentlemangospodin
87
244252
2438
Sad, moja je
omiljena priča ovaj gospodin
04:18
who looksizgled down at his phonetelefon
and realizesshvaća the batterybaterija is lownizak,
88
246690
3829
koji gleda svoj telefon
i vidi da mu je baterija slaba,
04:22
so he turnsokreti around like this in the carautomobil
and digskopa around in his backpackruksak,
89
250519
4548
pa se okreće ovako u autu
i kopa okolo po svojoj naprtnjači,
04:27
pullsvučenje out his laptoplaptop,
90
255067
2153
vadi svoj laptop,
04:29
putsstavlja it on the seatsjedalo,
91
257220
1567
stavlja ga na sjedište,
04:30
goeside in the back again,
92
258787
1764
ide nazad ponovo,,
04:32
digskopa around, pullsvučenje out
the chargingpunjenje cablekabel for his phonetelefon,
93
260551
3367
kopa okolo, vadi
kabel za napajanje telefona,
04:35
futzesfutzes around, putsstavlja it into the laptoplaptop,
putsstavlja it on the phonetelefon.
94
263918
3367
raspliće ga, ukapča ga u laptop,
ukapča ga u telefon.
04:39
Sure enoughdovoljno, the phonetelefon is chargingpunjenje.
95
267285
2043
Sigurno, telefon se puni.
04:41
All the time he's been doing
65 milesmilja perpo hoursat down the freewayAutocesta.
96
269328
3994
Svo je to vrijeme vozio
100 km na sat po autocesti.
04:45
Right? UnbelievableNevjerojatno.
97
273322
2484
Jel tako? Nevjerojatno.
04:47
So we thought about this and we said,
it's kindljubazan of obviousočigledan, right?
98
275806
3121
Porazmislili smo o ovome i rekosmo,
zapravo je na neki način očito, ne?
04:50
The better the technologytehnologija getsdobiva,
99
278927
2263
Što će tehnologija postajati bolja,
04:53
the lessmanje reliablepouzdan
the drivervozač is going to get.
100
281190
2121
to će manje pouzdan
postajati vozač.
04:55
So by just makingizrađivanje the carsautomobili
incrementallypostupno smarterpametnije,
101
283311
2396
Tako da samo praveći aute
postepeno pametnijima,
04:57
we're probablyvjerojatno not going to see
the winspobjeda we really need.
102
285707
2902
vjerojatno nećemo vidjeti
pobjede koje zbilja trebamo.
05:00
Let me talk about something
a little technicaltehnička for a momenttrenutak here.
103
288609
3901
Dajte da malo pričam o nečemu
malo tehničkom na trenutak.
05:04
So we're looking at this graphgrafikon,
and alonguz the bottomdno
104
292510
2438
Dakle gledamo ovaj grafikon,
a po njegovom dnu je
05:06
is how oftenčesto does the carautomobil
applyprimijeniti the brakeskočnice when it shouldn'tne treba.
105
294948
3051
koliko često auto
koči kada ne bi trebao.
05:09
You can ignorezanemariti mostnajviše of that axisos,
106
297999
1621
Možete ignorirati većinu te osi,
05:11
because if you're drivingvožnja around towngrad,
and the carautomobil startspočinje stoppingzaustavljanje randomlyslučajno,
107
299620
3719
jer ako vozite po gradu,
a auto se počne nasumično zaustavljati,
05:15
you're never going to buykupiti that carautomobil.
108
303339
1701
nikad nećete kupiti takav auto.
05:17
And the verticalvertikala axisos is how oftenčesto
the carautomobil is going to applyprimijeniti the brakeskočnice
109
305040
3375
A vertikalna je os koliko će često
auto pritisnuti kočnicu
05:20
when it's supposedtrebala to
to help you avoidIzbjegavajte an accidentnesreća.
110
308415
3049
kada bi i trebao kako bi
vam pomogao izbjeći nezgodu.
05:23
Now, if we look at
the bottomdno left cornerugao here,
111
311464
2221
Sad, ako pogledamo u
donji lijevi ugao,
05:25
this is your classicklasik carautomobil.
112
313685
1845
ovo je vaš klasični auto.
05:27
It doesn't applyprimijeniti the brakeskočnice for you,
it doesn't do anything goofyglup,
113
315530
3133
Ne pritišće kočnice umjesto vas,
ne čini ništa šašavo,
05:30
but it alsotakođer doesn't get you
out of an accidentnesreća.
114
318663
2779
ali vas također niti
ne izvlači iz nezgoda.
05:33
Now, if we want to bringdonijeti
a drivervozač assistancepomoć systemsistem into a carautomobil,
115
321442
3018
Sad, ako želimo dovesti
sustav za pomoć vozaču u auto,
05:36
say with collisionsudar mitigationsmanjenje brakingkočenje,
116
324460
1828
recimo kroz kočenje
radi izbjegavanja sudara,
05:38
we're going to put some packagepaket
of technologytehnologija on there,
117
326288
2612
ubacit ćemo u njega
neki paket tehnologije,
05:40
and that's this curvezavoj, and it's going
to have some operatingradni propertiesnekretnine,
118
328900
3418
a to je ova krivulja,
i imat će neka operativna svojstva,
05:44
but it's never going to avoidIzbjegavajte
all of the accidentsnesreća,
119
332318
2490
ali nikad neće izbjeći
baš sve nezgode,
05:46
because it doesn't have that capabilitysposobnost.
120
334808
2059
jer nema te sposobnosti.
05:48
But we'lldobro pickodabrati some placemjesto
alonguz the curvezavoj here,
121
336867
2249
Ali odabrat ćemo
neko mjesto na ovoj krivulji,
05:51
and maybe it avoidsizbjegava halfpola of accidentsnesreća
that the humanljudski drivervozač missespromaši,
122
339116
3254
te možda izbjegava polovicu
nezgoda koje čovjek ne bi,
05:54
and that's amazingnevjerojatan, right?
123
342370
1297
i to je zapanjujuće, ne?
05:55
We just reducedsmanjen accidentsnesreća on our roadsceste
by a factorfaktor of two.
124
343667
2727
Upravo smo smanjili nezgode
na našim cestama za duplo.
05:58
There are now 17,000 lessmanje people
dyingumiranje everysvaki yeargodina in AmericaAmerika.
125
346394
3987
Sad 17.000 manje ljudi
umire svake godine u Americi.
06:02
But if we want a self-drivingself-vožnje carautomobil,
126
350381
2020
Ali ako želimo samovozeći auto,
06:04
we need a technologytehnologija curvezavoj
that looksizgled like this.
127
352401
2307
trebamo tehnološku krivulju
koja izgleda ovako.
06:06
We're going to have to put
more sensorssenzori in the vehiclevozilo,
128
354708
2599
Morat ćemo stavljati
više senzora u vozilo,
06:09
and we'lldobro pickodabrati some
operatingradni pointtočka up here
129
357307
2021
i odabrat ćemo neku
operativnu točku ovdje
06:11
where it basicallyu osnovi never
getsdobiva into a crashsudar.
130
359328
2019
gdje zapravo nikad ne
dolazi do sudara.
06:13
They'llOni će happendogoditi se, but very lownizak frequencyfrekvencija.
131
361347
2443
Događat će se, ali vrlo rijetko.
06:15
Now you and I could look at this
and we could argueraspravljati
132
363790
2461
Sad bismo vi i ja mogli
gledati ovo i raspravljati
06:18
about whetherda li it's incrementalinkrementalni, and
I could say something like "80-20 rulepravilo,"
133
366251
3605
Raste li postupno, a ja bih mogao
spomenuti nešto poput pravila 80-20,
06:21
and it's really hardteško to movepotez up
to that newnovi curvezavoj.
134
369856
2568
a zbilja je teško
popeti se do te nove krivulje.
06:24
But let's look at it
from a differentdrugačiji directionsmjer for a momenttrenutak.
135
372424
2934
Ali pogledajmo na to
iz drugog smjera na trenutak.
06:27
So let's look at how oftenčesto
the technologytehnologija has to do the right thing.
136
375358
3512
Pogledajmo koliko često
tehnologija mora učiniti pravu stvar.
06:30
And so this greenzelena dottočka up here
is a drivervozač assistancepomoć systemsistem.
137
378870
3506
Tako je ova zelena točka gore
sustav pomoći vozaču.
06:34
It turnsokreti out that humanljudski driversupravljački programi
138
382376
2485
Ispada da ljudski vozači
06:36
make mistakesgreške that leaddovesti
to trafficpromet accidentsnesreća
139
384861
2647
čine greške koje
dovode do prometnih nesreća
06:39
about oncejednom everysvaki 100,000 milesmilja in AmericaAmerika.
140
387508
3172
otprilike jednom
svakih 100.000 milja u Americi.
06:42
In contrastkontrast, a self-drivingself-vožnje systemsistem
is probablyvjerojatno makingizrađivanje decisionsodluke
141
390680
3167
Za usporedbu, samovozeći sustav
vjerojatno donosi odluke
06:45
about 10 timesputa perpo seconddrugi,
142
393847
3663
oko 10 puta po sekundi,
06:49
so ordernarudžba of magnitudeveličina,
143
397510
1422
dakle red veličina,
06:50
that's about 1,000 timesputa perpo milemilja.
144
398932
2832
to je oko 1000 puta po milji.
06:53
So if you compareusporediti the distanceudaljenost
betweenizmeđu these two,
145
401764
2485
Pa ako usporedite
udaljenost između to dvoje,
06:56
it's about 10 to the eighthosmi, right?
146
404249
2600
to je otprilike 10^8, jel tako?
06:58
EightOsam ordersnarudžbe of magnitudeveličina.
147
406849
1765
Osam redova veličine.
07:00
That's like comparinguspoređivanje how fastbrzo I runtrčanje
148
408614
2809
To je kao usporediti koliko brzo trčim
07:03
to the speedubrzati of lightsvjetlo.
149
411423
2206
sa brzinom svjetlosti.
07:05
It doesn't matterstvar how hardteško I trainvlak,
I'm never actuallyzapravo going to get there.
150
413629
3785
Nema veze koliko teško treniram,
nikad zbilja neću stići tamo.
07:09
So there's a prettyprilično bigvelika gappraznina there.
151
417414
2438
Dakle tu je poprilično velik jaz.
07:11
And then finallykonačno, there's how
the systemsistem can handlerukovati uncertaintynesigurnost.
152
419852
3729
I konačno, tu je i kako
se sustav može nositi sa nesigurnošću.
07:15
So this pedestrianpješak here mightmoć be
steppingkoračni into the roadcesta, mightmoć not be.
153
423581
3323
Primjerice ovaj pješak će možda
stati na cestu, a možda i neće.
07:18
I can't tell,
norni can any of our algorithmsalgoritmi,
154
426904
3395
Ne mogu reći,
niti to može ikoji od naših algoritama,
07:22
but in the casespis of
a drivervozač assistancepomoć systemsistem,
155
430310
2284
ali u slučaju
sustava pomoći vozaču,
07:24
that meanssredstva it can't take actionakcijski,
because again,
156
432594
2806
to znači kako ne može poduzeti akciju,
jer ponovo
07:27
if it pressespreše the brakeskočnice unexpectedlyneočekivano,
that's completelypotpuno unacceptableneprihvatljiv.
157
435400
3339
ako stisne kočnicu neočekivano,
to je posve neprihvatljivo.
07:30
WhereasBudući da a self-drivingself-vožnje systemsistem
can look at that pedestrianpješak and say,
158
438739
3133
Dok samovozeći sustav
može osmotriti pješaka i reći,
07:33
I don't know what they're about to do,
159
441872
1890
Ne znam što se sprema učiniti,
07:35
slowusporiti down, take a better look,
and then reactreagirati appropriatelyodgovarajući after that.
160
443762
3762
uspori, bolje osmotri,
a tada se ponesi prikladno.
07:39
So it can be much safersigurniji than
a drivervozač assistancepomoć systemsistem can ever be.
161
447524
3702
Dakle može biti puno sigurniji nego
što sustav pomoći vozaču može biti ikad .
07:43
So that's enoughdovoljno about
the differencesRazlike betweenizmeđu the two.
162
451226
2730
No to je dovoljno o
razlikama između to dvoje.
07:45
Let's spendprovesti some time talkingkoji govori about
how the carautomobil seesvidi the worldsvijet.
163
453956
3484
Hajdemo potrošiti neko vrijeme
pričajući o tome kako auto vidi svijet.
07:49
So this is our vehiclevozilo.
164
457440
1252
Dakle ovo je naše vozilo.
07:50
It startspočinje by understandingrazumijevanje
where it is in the worldsvijet,
165
458692
2438
Počinje od razumijevanja
gdje se nalazi u svijetu,
07:53
by takinguzimanje a mapkarta and its sensorsenzor datapodaci
and aligningusklađivanje the two,
166
461130
2787
uzimajući mapu i svoje podatke iz senzora
te ih usklađuje
07:55
and then we layersloj on topvrh of that
what it seesvidi in the momenttrenutak.
167
463917
2948
a potom stavljamo povrh toga
ono što vidi u trenutku.
07:58
So here, all the purplepurpurna boja boxeskutije you can see
are other vehiclesvozila on the roadcesta,
168
466865
3655
Pa ovdje, sve ljubičaste kutije
koje možete vidjeti su druga vozila.
08:02
and the redcrvena thing on the sidestrana
over there is a cyclistbiciklist,
169
470520
2528
A crvena stvar
tamo sa strane je biciklist,
08:05
and up in the distanceudaljenost,
if you look really closelytijesno,
170
473048
2402
a gore u daljini,
ako gledate zbilja pažljivo,
08:07
you can see some conesčešeri.
171
475450
1794
možete vidjeti neke čunjiće.
08:09
Then we know where the carautomobil
is in the momenttrenutak,
172
477244
2773
Tada znamo gdje se auto
nalazi u nekom trenutku,
08:12
but we have to do better than that:
we have to predictpredvidjeti what's going to happendogoditi se.
173
480017
3833
Ali moramo napraviti bolje od tog:
moramo predvidjeti što će se dogoditi.
08:15
So here the pickupkurva truckkamion in topvrh right
is about to make a left lanetraka changepromijeniti
174
483850
3488
Pa se ovdje auto gore desno
baš sprema prestrojiti u traku lijevo
08:19
because the roadcesta in frontispred of it is closedzatvoreno,
175
487338
2223
jer je cesta ispred njega zatvorena,
08:21
so it needspotrebe to get out of the way.
176
489561
1731
pa se treba maknuti s puta.
08:23
KnowingZnajući that one pickupkurva truckkamion is great,
177
491292
1863
Znati o tom jednom autu je odlično,
08:25
but we really need to know
what everybody'ssvatko je thinkingmišljenje,
178
493155
2479
ali mi zapravo trebamo znati
što svi razmišljaju,
08:27
so it becomespostaje quitedosta a complicatedsložen problemproblem.
179
495634
2507
pa to postaje priično složen problem.
08:30
And then givendan that, we can figurelik out
how the carautomobil should respondodgovarati in the momenttrenutak,
180
498141
4749
A potom bismo mogli shvatiti
kako bi auto trebao odgovarati u trenutku,
08:34
so what trajectoryputanja it should followslijediti, how
quicklybrzo it should slowusporiti down or speedubrzati up.
181
502890
3866
dakle koju putanju bi trebao slijediti,
koliko bi trebao usporiti ili ubrzati.
08:38
And then that all turnsokreti into
just followingsljedeći a pathstaza:
182
506756
3065
A potom se to sve svodi
samo na slijeđenje uputa:
08:41
turningtokarenje the steeringupravljanja wheelkotač left or right,
pressingpritiskom the brakekočnica or gasplin.
183
509821
3197
okretanje volana lijevo ili desno,
pritiskanje gasa ili kočnice.
08:45
It's really just two numbersbrojevi
at the endkraj of the day.
184
513018
2464
To su zapravo samo dva broja
na kraju dana.
08:47
So how hardteško can it really be?
185
515482
2241
Pa koliko to teško zapravo može biti?
08:50
Back when we startedpočeo in 2009,
186
518433
1952
Kad smo tek počinjali 2009.
08:52
this is what our systemsistem lookedgledao like.
187
520385
1798
ovo je kako je naš sustav izgledao.
08:54
So you can see our carautomobil in the middlesrednji
and the other boxeskutije on the roadcesta,
188
522183
3391
Možete vidjeti naš auto u sredini
te druge kutije na cesti,
08:57
drivingvožnja down the highwayautocesta.
189
525574
1271
kako se voze autoputom.
08:58
The carautomobil needspotrebe to understandrazumjeti where it is
and roughlygrubo where the other vehiclesvozila are.
190
526845
3818
Auto mora razumjeti gdje je
te ugrubo gdje su ostala vozila.
09:02
It's really a geometricgeometrijski
understandingrazumijevanje of the worldsvijet.
191
530663
2429
To je zapravo geometrijsko
razumijevanje svijeta.
09:05
OnceJednom we startedpočeo drivingvožnja
on neighborhoodsusjedstvo and cityGrad streetsulice,
192
533092
2948
Jednom kad smo krenuli voziti
po ulicama susjedstva i grada,
09:08
the problemproblem becomespostaje a wholečitav
newnovi levelnivo of difficultyteškoća.
193
536040
2445
problem doseže
posve novu razinu teškoće.
09:10
You see pedestrianspješaci crossingprijelaz in frontispred
of us, carsautomobili crossingprijelaz in frontispred of us,
194
538485
3494
Vidite pješake kako prolaze ispred nas,
aute kako prolaze ispred nas,
09:13
going everysvaki whichkoji way,
195
541979
1811
u svakakvim smjerovima,
09:15
the trafficpromet lightssvjetla, crosswalkscrosswalks.
196
543790
1527
semafore, pješačke prijelaze.
09:17
It's an incrediblynevjerojatno complicatedsložen
problemproblem by comparisonusporedba.
197
545317
2797
To je nevjerojatno složen
problem u usporedbi.
09:20
And then oncejednom you have
that problemproblem solvedriješen,
198
548114
2103
A onda jednom kad taj problem imate riješen,
09:22
the vehiclevozilo has to be ableu stanju
to dealdogovor with constructionizgradnja.
199
550217
2512
Vozilo mora biti u stanju
nositi se sa radovima na cesti
09:24
So here are the conesčešeri on the left
forcingforsiranje it to drivepogon to the right,
200
552729
3151
Pa su ovdje čunjići s lijeva
koji ga prisiljavaju na vožnju po desnoj strani,
09:27
but not just constructionizgradnja
in isolationizolacija, of coursenaravno.
201
555880
2402
ali ne samo radovi na cesti
u izolaciji, naravno.
09:30
It has to dealdogovor with other people movingkreće
throughkroz that constructionizgradnja zonezona as well.
202
558282
3723
Mora se nositi i sa drugim ljudima
koji se kreću kroz tu zonu radova.
09:34
And of coursenaravno, if anyone'sbilo tko je
breakinglom the rulespravila, the policepolicija are there
203
562005
3263
Te naravno, ako netko
krši pravila, postoji policija
09:37
and the carautomobil has to understandrazumjeti that
that flashingtreperi lightsvjetlo on the topvrh of the carautomobil
204
565268
3622
a auto mora razumjeti kako
rotirka na krovu tog auta
09:40
meanssredstva that it's not just a carautomobil,
it's actuallyzapravo a policepolicija officerčasnik.
205
568890
3105
znači kako to nije samo auto,
već zapravo policijski dužnosnik.
09:43
SimilarlyNa sličan način, the orangenarančasta boxkutija
on the sidestrana here,
206
571995
2032
Slično tome, narančasta kutija
tu sa strane,
09:46
it's a schoolškola busautobus,
207
574027
1109
je školski autobus,
09:47
and we have to treatliječiti that
differentlyrazličito as well.
208
575136
2520
i njega također trebamo
tretirati drugačije.
09:50
When we're out on the roadcesta,
other people have expectationsočekivanja:
209
578576
2793
Kad izađemo na cestu,
drugi ljudi imaju očekivanja:
09:53
So, when a cyclistbiciklist putsstavlja up theirnjihov armruka,
210
581369
1780
tako, kad biciklist ispruži ruku,
09:55
it meanssredstva they're expectingočekujući the carautomobil
to yieldprinos to them and make roomsoba for them
211
583149
3518
to znači kako očekuju da ih auto propusti
i napravi im mjesta
09:58
to make a lanetraka changepromijeniti.
212
586667
2053
kako bi promijenili traku.
10:01
And when a policepolicija officerčasnik
stoodstajao in the roadcesta,
213
589030
2173
A kad policajac
stoji na cesti,
10:03
our vehiclevozilo should understandrazumjeti
that this meanssredstva stop,
214
591203
2740
naš bi auto trebao razumjeti
kako to znači zaustavljanje,
10:05
and when they signalsignal to go,
we should continuenastaviti.
215
593943
3506
a kad nam signaliziraju pokret,
trebali bismo nastaviti.
10:09
Now, the way we accomplishostvariti this
is by sharingdijeljenje datapodaci betweenizmeđu the vehiclesvozila.
216
597449
3761
Sad, način na koji to postižemo
je dijeleći podatke među vozilima.
10:13
The first, mostnajviše crudeSirovi modelmodel of this
217
601210
1696
Prvi, najsiroviji model toga
10:14
is when one vehiclevozilo
seesvidi a constructionizgradnja zonezona,
218
602906
2113
je kad jedno vozilo
vidi zonu radova na cesti,
10:17
havingima anotherjoš know about it
so it can be in the correctispravan lanetraka
219
605019
3062
da obavijesti drugo
kako bi to znalo biti u pravoj traci
10:20
to avoidIzbjegavajte some of the difficultyteškoća.
220
608081
1570
kako bi izbjeglo poteškoće.
10:21
But we actuallyzapravo have a much
deeperdublje understandingrazumijevanje of this.
221
609651
2664
Ali mi zapravo imamo puno
dublje razumijevanje ovoga.
10:24
We could take all of the datapodaci
that the carsautomobili have seenvidio over time,
222
612315
3009
Mogli bismo uzeti sve podatke
koje su auti prikupili tijekom vremena
10:27
the hundredsstotine of thousandstisuća
of pedestrianspješaci, cyclistsbicikliste,
223
615324
2376
stotine tisuća
pješaka, biciklista,
10:29
and vehiclesvozila that have been out there
224
617700
1787
i vozila koja su bila tamo
10:31
and understandrazumjeti what they look like
225
619487
1695
te razumjeti kako izgledaju
10:33
and use that to inferzaključiti
what other vehiclesvozila should look like
226
621182
2831
a potom to iskoristiti kako bi zaključili
kako bi druga vozila trebala izgledati
10:36
and other pedestrianspješaci should look like.
227
624013
1926
i kako bi trebali izgledati drugi pješaci.
10:37
And then, even more importantlyvažnije,
we could take from that a modelmodel
228
625939
3021
A tad, čak i važnije,
mogli bismo iz toga izvesti model
10:40
of how we expectočekivati them
to movepotez throughkroz the worldsvijet.
229
628960
2330
toga kako od njih očekujemo
da se kreću kroz svijet.
10:43
So here the yellowžuta boja boxkutija is a pedestrianpješak
crossingprijelaz in frontispred of us.
230
631290
2963
Tako je ovdje žuta kutija pješak
koji prelazi cestu ispred nas.
10:46
Here the blueplava boxkutija is a cyclistbiciklist
and we anticipatepredvidjeti
231
634253
2250
Ovdje je plava kutija biciklist
a mi očekujemo
10:48
that they're going to nudgegurkanje out
and around the carautomobil to the right.
232
636503
3312
da će se progurati van
i oko auta s desne strane.
10:52
Here there's a cyclistbiciklist
comingdolazak down the roadcesta
233
640115
2092
Ovdje imamo biciklista
koji se kreće cestom
10:54
and we know they're going to continuenastaviti
to drivepogon down the shapeoblik of the roadcesta.
234
642207
3486
a mi znamo kako će se nastaviti
kretati slijedeći oblik ceste.
10:57
Here somebodyneko makesmarke a right turnskretanje,
235
645693
1867
Ovdje netko skreće desno,
10:59
and in a momenttrenutak here, somebody'snetko je
going to make a U-turnU obliku slova u in frontispred of us,
236
647560
3360
a za trenutak ovdje, netko
će skrenuti polukružno ispred nas,
11:02
and we can anticipatepredvidjeti that behaviorponašanje
and respondodgovarati safelySigurno.
237
650920
2614
i mi možemo predvidjeti to ponašanje
te mu odgovoriti sigurno.
11:05
Now, that's all well and good
for things that we'veimamo seenvidio,
238
653534
2728
Sad, sve je to lijepo i krasno
za stvari koje smo vidjeli,
11:08
but of coursenaravno, you encountersusret
lots of things that you haven'tnisu
239
656262
2865
ali naravno, srećete
puno stvari koje niste
11:11
seenvidio in the worldsvijet before.
240
659127
1231
ranije vidjeli u svijetu.
11:12
And so just a couplepar of monthsmjeseci agoprije,
241
660358
1741
I tako baš prije par mjeseci,
11:14
our vehiclesvozila were drivingvožnja
throughkroz MountainPlanine ViewPrikaz,
242
662099
2235
naša su vozila
bila vozila kroz Mountain View,
11:16
and this is what we encounterednaišao.
243
664334
1644
a ovo je što smo susreli.
11:17
This is a womanžena in an electricelektrični wheelchairinvalidska kolica
244
665978
2082
Ovo je žena u električnim kolicima
11:20
chasingjurnjava a duckpatka in circleskrugovi on the roadcesta.
(LaughterSmijeh)
245
668060
2617
koja ganja patku u krugovima po cesti.
(Smijeh)
11:22
Now it turnsokreti out, there is nowherenigdje
in the DMVDMV handbookpriručnik
246
670677
3111
Ispada kako nigdje u
priručniku za vožnju ne piše
11:25
that tellsgovori you how to dealdogovor with that,
247
673788
2245
kako se nositi s time,
11:28
but our vehiclesvozila were ableu stanju
to encountersusret that,
248
676033
2143
ali naša su vozila bila u stanju
nabasati na to,
11:30
slowusporiti down, and drivepogon safelySigurno.
249
678176
2255
usporiti, te voziti sigurno.
11:32
Now, we don't have to dealdogovor
with just duckspatke.
250
680431
2041
Sad, ne moramo raditi
samo sa patkama.
11:34
Watch this birdptica flyletjeti acrosspreko in frontispred of us.
The carautomobil reactsreagira to that.
251
682472
3708
Pogledajte ovu pticu kako prolijeće ispred nas.
Auto reagira na to.
11:38
Here we're dealingbavljenje with a cyclistbiciklist
252
686180
1615
Ovdje imamo posla s biciklistom
11:39
that you would never expectočekivati to see
anywherebilo kuda other than MountainPlanine ViewPrikaz.
253
687795
3290
kojeg ne biste očekivali vidjeti nigdje
drugdje nego u Mountain Viewu.
11:43
And of coursenaravno, we have
to dealdogovor with driversupravljački programi,
254
691085
2068
Te naravno, imamo posla i sa biciklistima,
11:45
even the very smallmali onesone.
255
693153
3715
čak i vrlo malenima.
11:48
Watch to the right as someonenetko
jumpsskokovi out of this truckkamion at us.
256
696868
4131
Gledajte desno dok netko
iskače iz kamiona točno pred nas
11:54
And now, watch the left as the carautomobil
with the greenzelena boxkutija decidesodlučuje
257
702460
2929
a sad, gledajte lijevo dok auto
sa zelenom kutijom odlučuje
11:57
he needspotrebe to make a right turnskretanje
at the last possiblemoguće momenttrenutak.
258
705389
3325
kako mora skrenuti desno
u zadnji mogući trenutak.
12:00
Here, as we make a lanetraka changepromijeniti,
the carautomobil to our left decidesodlučuje
259
708714
2851
Ovdje, dok mijenjamo trake
auto nama slijeva odlučuje
12:03
it wants to as well.
260
711565
3553
kako želi to isto.
12:07
And here, we watch a carautomobil
blowudarac throughkroz a redcrvena lightsvjetlo
261
715118
2693
A ovdje, gledamo auto
kako prolazi kroz crveno
12:09
and yieldprinos to it.
262
717811
2090
te potom u tome ustraje.
12:11
And similarlyslično, here, a cyclistbiciklist
blowingpuhanje throughkroz that lightsvjetlo as well.
263
719901
3854
A također, ovdje, biciklist
također prolazi kroz to svjetlo.
12:15
And of coursenaravno,
the vehiclevozilo respondsodgovara safelySigurno.
264
723755
2746
Te naravno,
vozilo odgovara sigurno.
12:18
And of coursenaravno, we have people
who do I don't know what
265
726501
2601
Te naravno, imamo ljude
koji čine ne znam što
12:21
sometimesponekad on the roadcesta, like this guy
pullingpovlačenjem out betweenizmeđu two self-drivingself-vožnje carsautomobili.
266
729102
3823
ponekad na cesti, poput ovog lika
koji radi škarice između dva samovozeća auta.
12:24
You have to askpitati, "What are you thinkingmišljenje?"
267
732925
2045
Morate se zapitati: "što im je u glavi?"
12:26
(LaughterSmijeh)
268
734970
1212
(Smijeh)
12:28
Now, I just fire-hosedVatra-hosed you
with a lot of stuffstvari there,
269
736182
2521
Sad, zatrpao sam vas
ovdje sa puno toga,
12:30
so I'm going to breakpauza one of these
down prettyprilično quicklybrzo.
270
738703
2650
Pa ću preći preko slijedećeg
poprilično brzo,
12:33
So what we're looking at is the scenescena
with the cyclistbiciklist again,
271
741353
2940
dakle ovdje vidimo scenu
sa biciklistom ponovno,
12:36
and you mightmoć noticeobavijest in the bottomdno,
we can't actuallyzapravo see the cyclistbiciklist yetjoš,
272
744293
3491
a mogli biste primijetiti na dnu,
mi zapravo još ne vidimo biciklista
12:39
but the carautomobil can: it's that little
blueplava boxkutija up there,
273
747784
2504
Ali auto može: to je ta malena
plava kutija tamo,
12:42
and that comesdolazi from the laserlaser datapodaci.
274
750288
2081
a to dolazi od laserskih podataka.
12:44
And that's not actuallyzapravo
really easylako to understandrazumjeti,
275
752369
2418
A to zapravo baš i nije
jednostavno shvatiti,
12:46
so what I'm going to do is I'm going
to turnskretanje that laserlaser datapodaci and look at it,
276
754787
3584
pa je ono što ću učiniti je
uključiti te podatke i pogledati ih,
12:50
and if you're really good at looking
at laserlaser datapodaci, you can see
277
758371
3029
a ako ste zbilja dobri sa gledanjem
u laserske podatke, možete vidjeti
12:53
a fewnekoliko dotstočkice on the curvezavoj there,
278
761400
1487
nekoliko točaka na krivulji ovdje,
12:54
right there, and that blueplava boxkutija
is that cyclistbiciklist.
279
762887
2372
točno ovdje, a ta je
plava kutija taj biciklist.
12:57
Now as our lightsvjetlo is redcrvena,
280
765259
1149
sad kako je naše svjetlo crveno,
12:58
the cyclist'sbiciklista lightsvjetlo
has turnedokrenut yellowžuta boja alreadyveć,
281
766408
2192
biciklistu se već
upalilo žuto.
13:00
and if you squintškiljiti, you can see that
in the imagerylik.
282
768600
2438
A ako zaškiljite,
možete to i vidjeti u slikama.
13:03
But the cyclistbiciklist, we see, is going
to proceedpostupiti throughkroz the intersectionkrižanje.
283
771038
3286
Ali biciklist, vidimo,
će nastaviti kroz križanje.
13:06
Our lightsvjetlo has now turnedokrenut greenzelena,
his is solidlyčvrsto redcrvena,
284
774324
2394
Nama se sada upalilo zeleno,
njegovo je čisto crveno,
13:08
and we now anticipatepredvidjeti that this bikebicikl
is going to come all the way acrosspreko.
285
776718
4292
te mi sad predviđamo kako će taj
bicikl proći sasvim preko križanja.
13:13
UnfortunatelyNažalost the other driversupravljački programi nextSljedeći to us
were not payingplaćati as much attentionpažnja.
286
781010
3742
Na nesreću ostali vozači
pored nas ne obraćaju baš toliko pažnje.
13:16
They startedpočeo to pullVuci forwardnaprijed,
and fortunatelysrećom for everyonesvatko,
287
784752
3157
Počinju se kretati,
te na sreću za sve,
13:19
this cyclistsbicikliste reactsreagira, avoidsizbjegava,
288
787909
3011
biciklist reagira, izbjegava,
13:22
and makesmarke it throughkroz the intersectionkrižanje.
289
790920
2191
te prolazi kroz križanje.
13:25
And off we go.
290
793111
1568
I eto ga.
13:26
Now, as you can see, we'veimamo madenapravljen
some prettyprilično excitinguzbudljiv progressnapredak,
291
794679
2948
Sad, kako možete vidjeti,
napravili smo prilično uzbudljiv napredak,
13:29
and at this pointtočka we're prettyprilično convinceduvjeren
292
797627
1902
te smo u ovom trenutku prilično uvjereni
13:31
this technologytehnologija is going
to come to markettržište.
293
799529
2010
kako će ova tehnologija
dospjeti na tržište.
13:33
We do threetri millionmilijuna milesmilja of testingtestiranje
in our simulatorssimulatori everysvaki singlesingl day,
294
801539
4783
Radimo tri milijuna milja testova
u našim simulatorima svakog dana,
13:38
so you can imaginezamisliti the experienceiskustvo
that our vehiclesvozila have.
295
806322
2689
pa možete zamisliti iskustvo
koje naša vozila imaju.
13:41
We are looking forwardnaprijed to havingima
this technologytehnologija on the roadcesta,
296
809011
2864
Radujemo se
imati ovu tehnologiju na cesti,
13:43
and we think the right pathstaza
is to go throughkroz the self-drivingself-vožnje
297
811875
2890
te mislim kako ispravan put
vodi kroz samovozeći
13:46
ratherradije than drivervozač assistancepomoć approachpristup
298
814765
1844
prije nego kroz
sustav pomoći vozaču
13:48
because the urgencyhitnost is so largeveliki.
299
816609
2621
jer žurba je toliko velika.
13:51
In the time I have givendan this talk todaydanas,
300
819230
2393
U vremenu u kojem sam
danas održao ovaj govor,
13:53
34 people have diedumro on America'sAmerika je roadsceste.
301
821623
3135
34 ljudi je poginulo na
američkim cestama.
13:56
How soonuskoro can we bringdonijeti it out?
302
824758
2368
Koliko brzo možemo ovo objelodaniti?
13:59
Well, it's hardteško to say because
it's a really complicatedsložen problemproblem,
303
827126
3832
Pa, teško je reći stoga
što je to zbilja složen problem,
14:02
but these are my two boysdječaci.
304
830958
2214
ali ovo su moja dva klinca.
14:05
My oldestnajstariji sonsin is 11, and that meanssredstva
in fourčetiri and a halfpola yearsgodina,
305
833172
3623
Starijem je 11, a to znači
kako će za četiri i pol godine,
14:08
he's going to be ableu stanju
to get his driver'svozača licenselicenca.
306
836795
2577
biti u mogućnosti
steći vlastitu vozačku dozvolu.
14:11
My teamtim and I are committedpredan
to makingizrađivanje sure that doesn't happendogoditi se.
307
839372
3204
Moj tim i ja smo predani
osigurati da se to ne dogodi.
14:14
Thank you.
308
842576
1904
Hvala vam.
14:16
(LaughterSmijeh) (ApplausePljesak)
309
844480
3667
(Smijeh) (Pljesak)
14:21
ChrisChris AndersonAnderson: ChrisChris,
I've got a questionpitanje for you.
310
849110
2568
Chris Anderson: Chris,
imam pitanje za tebe.
14:23
ChrisChris UrmsonUrmson: Sure.
311
851678
2809
Chris Urmson: Naravno.
14:26
CACA: So certainlysigurno, the mindum of your carsautomobili
is prettyprilično mind-bogglingfantastičnih.
312
854487
3924
CA: Sigurno, um tvojih autiju
je poprilično zapanjujuć.
14:30
On this debatedebata betweenizmeđu
driver-assistedvozač-pomoć and fullypotpuno driverlessSvjetlopropusni --
313
858411
4459
U ovoj debati između
pomoći vozaču i posve bez vozača --
14:34
I mean, there's a realstvaran debatedebata
going on out there right now.
314
862870
3041
Mislim, postoji prava debata
koja se odvija upravo sada.
14:37
So some of the companiestvrtke,
for exampleprimjer, TeslaTesla,
315
865911
2833
Dakle neke kompanije,
na primjer, Tesla,
14:40
are going the driver-assistedvozač-pomoć routeput.
316
868744
2159
idu putem pomoći vozaču.
14:42
What you're sayingizreka is that
that's kindljubazan of going to be a deadmrtav endkraj
317
870903
5248
Što nam govoriš je kako
će to na neki način biti slijepa ulica
14:48
because you can't just keep improvingpoboljšanje
that routeput and get to fullypotpuno driverlessSvjetlopropusni
318
876151
5456
stoga što ne možeš samo poboljšavati
po tom putu i doći do rješenja posve bez vozača
14:53
at some pointtočka, and then a drivervozač
is going to say, "This feelsosjeća safesef,"
319
881607
3530
u nekom trenutku, te će onda
vozač reći: "Ovo ulijeva sigurnost"
14:57
and climbpopeti se into the back,
and something uglyružan will happendogoditi se.
320
885137
2647
i zavaliti se u naslon,
a tad će se dogoditi nešto ružno.
14:59
CUCU: Right. No, that's exactlytočno right,
and it's not to say
321
887784
2676
CU: Tako je. Ne, to je upravo to,
i nije kako
15:02
that the drivervozač assistancepomoć systemssustavi
aren'tnisu going to be incrediblynevjerojatno valuablevrijedan.
322
890460
3537
će sustavi pomoći vozaču
biti od nevjerojatne vrijednosti.
15:05
They can saveuštedjeti a lot of livesživot
in the interimprivremeni,
323
893997
2058
Oni mogu sačuvati puno života
u međurazdoblju,
15:08
but to see the transformativetransformativni opportunityprilika
to help someonenetko like SteveSteve get around,
324
896055
3833
ali za vidjeti preobražajne prilike
za pomoć nekome poput Stevea da se kreće,
15:11
to really get to the endkraj casespis in safetysigurnosni,
325
899888
1969
za stvarno doći do završetka priče
o sigurnosti,
15:13
to have the opportunityprilika
to changepromijeniti our citiesgradovi
326
901857
2479
za imati priliku
promijeniti naše gradove
15:16
and movepotez parkingparkiralište out and get ridosloboditi of
these urbanurbani craterskrateri we call parkingparkiralište lots,
327
904336
4204
i izbaciti parkirana vozila te se riješiti
urbanih kratera - parkirališta,
15:20
it's the only way to go.
328
908540
1240
to je jedini pravi put.
15:21
CACA: We will be trackingpraćenje your progressnapredak
with hugeogroman interestinteres.
329
909780
2718
CA: Pratit ćemo vaš napredak
s ogromnim zanimanjem.
15:24
ThanksHvala so much, ChrisChris.
CUCU: Thank you. (ApplausePljesak)
330
912498
4232
Hvala puno, Chris.
CU: Hvala! (Pljesak)
Translated by Stjepan Mateljan
Reviewed by Ivan Stamenkovic

▲Back to top

ABOUT THE SPEAKER
Chris Urmson - Roboticist
Chris 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.

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