TED2015
Chris Urmson: How a driverless car sees the road
Chris Urmson: Hogy látja egy vezető nélküli autó az utat?
Filmed:
Readability: 3.3
2,536,355 views
A statisztika szerint az autó legkevésbé megbízható része ... a vezetője. Chris Urmson felhívja a figyelmünket a Google járműprogramjára, amely az egyik kísérlet arra, hogy kiiktassa az embert a vezetőülésről. Elmondja, hol tart ma a programjuk, és érdekfeszítő fölvételeken mutatja be, hogyan látja a kocsi az utat, és hogyan dönt önállóan a következő teendőről.
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
1885-ben Karl Benz föltalálta az autót.
00:16
Later that year, he took it out
for the first public test drive,
for the first public test drive,
1
4707
3762
Még abban az évben kivitte
az első nyilvános próbaútra,
az első nyilvános próbaútra,
00:20
and -- true story --
crashed into a wall.
crashed into a wall.
2
8469
3375
és — a történet igaz — falnak ment vele.
(Nevetés)
(Nevetés)
Az eltelt 130 évben
00:24
For the last 130 years,
3
12184
2043
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
a kocsi legkevésbé megbízható része
— a vezető — érdekében dolgoztunk.
— a vezető — érdekében dolgoztunk.
00:30
We've made the car stronger.
5
18546
1354
Megerősítettük a kocsit.
Tettünk bele biztonsági övet, légzsákot,
00:32
We've added seat belts,
we've added air bags,
we've added air bags,
6
20200
2548
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
s az utóbbi évtizedben igyekeztünk
okosabbá tenni a kocsit,
okosabbá tenni a kocsit,
00:38
to fix that bug, the driver.
8
26719
2938
hogy kiküszöböljük a hibát: a vezetőt.
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
Ma arról fogok szólni,
mi a különbség a probléma
mi a különbség a probléma
00:44
between patching around the problem
with driver assistance systems
with driver assistance systems
10
32918
3808
vezetősegítő rendszerekkel történő
toldozása-foltozása
toldozása-foltozása
00:48
and actually having fully
self-driving cars
self-driving cars
11
36726
2564
és a valóban teljesen
vezető nélküli kocsi között,
vezető nélküli kocsi között,
00:51
and what they can do for the world.
12
39290
1880
és arról, hogy mi hasznunk belőle.
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
Egy keveset beszélek majd a mi autónkról,
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
és megtudhatják, hogyan látja a világot,
hogyan reagál és mit tesz,
hogyan reagál és mit tesz,
01:00
but first I'm going to talk
a little bit about the problem.
a little bit about the problem.
15
48164
3187
de először a bajról szólnék.
01:03
And it's a big problem:
16
51651
1648
A baj márpedig jelentős:
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
a világ útjain évente
1,2 milliónyian vesztik életüket.
1,2 milliónyian vesztik életüket.
01:08
In America alone, 33,000 people
are killed each year.
are killed each year.
18
56388
3784
Csak az USA-ban évente 33 ezren.
01:12
To put that in perspective,
19
60172
2028
Hogy érzékeljük, ez olyan,
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
mintha minden munkanap
lezuhanna egy 737-es.
lezuhanna egy 737-es.
01:19
It's kind of unbelievable.
21
67342
1786
Ez hihetetlen.
01:21
Cars are sold to us like this,
22
69548
2298
Ilyen kocsikat árulnak nekünk,
01:23
but really, this is what driving's like.
23
71846
2717
de valójában a vezetés az ok.
01:26
Right? It's not sunny, it's rainy,
24
74563
2159
Ugye? Nem napos az idő, hanem esős,
01:28
and you want to do anything
other than drive.
other than drive.
25
76722
2488
és bármit csinálnánk inkább,
csak ne kelljen vezetnünk.
csak ne kelljen vezetnünk.
01:31
And the reason why is this:
26
79210
1622
Az ok pedig a következő:
01:32
Traffic is getting worse.
27
80832
1858
A forgalom egyre nő.
01:34
In America, between 1990 and 2010,
28
82690
3506
Az USA-ban 1990 és 2010 között
01:38
the vehicle miles traveled
increased by 38 percent.
increased by 38 percent.
29
86196
3504
a járművel megtett távolság 38%-kal nőtt.
01:42
We grew by six percent of roads,
30
90213
2749
Az úthálózat 6%-kal bővült,
01:44
so it's not in your brains.
31
92962
1602
tehát nehézkes a közlekedés.
01:46
Traffic really is substantially worse
than it was not very long ago.
than it was not very long ago.
32
94564
4276
A forgalom tényleg sokkal rosszabb,
mint volt nem is olyan régen.
mint volt nem is olyan régen.
01:50
And all of this has a very human cost.
33
98840
2409
Ezért emberéletekkel fizetünk.
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
Ha az USA-ban átlagosan
ingázásra fordított kb. 50 percet
ingázásra fordított kb. 50 percet
01:57
you multiply that by the 120 million
workers we have,
workers we have,
35
105477
3649
megszorozzuk a 120 millió dolgozóval,
02:01
that turns out to be
about six billion minutes
about six billion minutes
36
109126
2225
az eredmény: kb. 6 milliárd percet
02:03
wasted in commuting every day.
37
111351
2026
pocsékolunk el minden nap ingázásra.
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
Érzékeltessük, mekkora szám ez.
02:08
You take that six billion minutes
39
116204
1774
Ha a 6 milliárd percet elosztjuk
02:09
and you divide it by the average
life expectancy of a person,
life expectancy of a person,
40
117978
3784
a várható átlagos élettartammal,
02:13
that turns out to be 162 lifetimes
41
121762
3135
az eredmény: 162 fő élettartamát
02:16
spent every day, wasted,
42
124897
2925
pocsékoljuk el minden áldott nap.
02:19
just getting from A to B.
43
127822
2044
Csak hogy A pontból B pontba jussunk.
02:21
It's unbelievable.
44
129866
1730
Ez hihetetlen.
02:23
And then, there are those of us
who don't have the privilege
who don't have the privilege
45
131596
2844
Vannak, akik nem olyan kiváltságosak,
02:26
of sitting in traffic.
46
134440
1672
hogy a forgalomban rostokoljanak.
02:28
So this is Steve.
47
136112
1578
Ez itt Steve.
Steve hihetetlenül ügyes fickó,
02:29
He's an incredibly capable guy,
48
137690
1765
02:31
but he just happens to be blind,
49
139455
2516
de történetesen vak,
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
s ezért a reggeli munkába járás
a szokásos 30 perc helyett
a szokásos 30 perc helyett
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
neki kétórás kínszenvedés közösségi
közlekedéssel bumlizva.
közlekedéssel bumlizva.
Esetleg megkérheti barátját
vagy a családját egy fuvarra.
vagy a családját egy fuvarra.
02:41
or asking friends and family for a ride.
52
149167
2385
02:43
He doesn't have that same freedom
that you and I have to get around.
that you and I have to get around.
53
151552
3669
Neki nincs meg az a mozgási szabadsága,
mint nekünk.
mint nekünk.
02:47
We should do something about that.
54
155221
2460
Valamit tennünk kell ezért.
02:49
Now, conventional wisdom would say
55
157891
1757
A népi bölcsesség úgy szól:
02:51
that we'll just take
these driver assistance systems
these driver assistance systems
56
159648
2492
vegyük csak a gépjárművezetést
támogató rendszert,
támogató rendszert,
02:54
and we'll kind of push them
and incrementally improve them,
and incrementally improve them,
57
162140
3750
s fokozatosan tökéletesítsük,
és ez idővel vezető
nélküli kocsivá fejlődik.
nélküli kocsivá fejlődik.
02:57
and over time, they'll turn
into self-driving cars.
into self-driving cars.
58
165890
2542
03:00
Well, I'm here to tell you
that's like me saying
that's like me saying
59
168432
2409
Ez pont olyan, mintha azt mondanám,
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
hogy ha szorgalmasan ugrálok,
egy nap már képes leszek repülni.
egy nap már képes leszek repülni.
03:06
We actually need to do
something a little different.
something a little different.
61
174898
2728
Valamit egy kissé másként kell csinálnunk.
03:09
And so I'm going to talk to you
about three different ways
about three different ways
62
177626
2711
Elmondom, mi az a három módszer,
amitől a vezető nélküli
amitől a vezető nélküli
03:12
that self-driving systems are different
than driver assistance systems.
than driver assistance systems.
63
180337
3346
rendszerek mások,
mint a gépjárművezetést támogatók.
mint a gépjárművezetést támogatók.
03:15
And I'm going to start
with some of our own experience.
with some of our own experience.
64
183683
2651
Egy bizonyos tapasztalatunkkal kezdem.
03:18
So back in 2013,
65
186334
2253
Még 2003-ban végeztük
03:20
we had the first test
of a self-driving car
of a self-driving car
66
188587
2663
az első tesztet a vezető nélküli kocsival,
03:23
where we let regular people use it.
67
191250
2027
melyet hétköznapi emberek vezettek.
03:25
Well, almost regular --
they were 100 Googlers,
they were 100 Googlers,
68
193277
2202
Jó, majdnem hétköznapiak —,
100 guglizó volt,
100 guglizó volt,
03:27
but they weren't working on the project.
69
195479
2003
de nem vettek részt a projektben.
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
Kocsit kaptak, és használhatták
a mindennapi életükben.
a mindennapi életükben.
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
De a valódi vezető nélküli kocsihoz képest
volt egy mínusza:
volt egy mínusza:
03:36
They had to pay attention,
72
204822
1504
Figyelni kellett rá,
03:38
because this was an experimental vehicle.
73
206326
2633
mert kísérleti kocsi volt.
03:40
We tested it a lot,
but it could still fail.
but it could still fail.
74
208959
3525
Sokat próbálgattuk,
de nem volt tökéletes.
de nem volt tökéletes.
03:44
And so we gave them two hours of training,
75
212484
2059
Beültettük az embereket a kocsiba,
03:46
we put them in the car,
we let them use it,
we let them use it,
76
214543
2092
használhatták, két órát gyakorolhattak.
03:48
and what we heard back
was something awesome,
was something awesome,
77
216635
2127
Döbbenetes volt,
amit visszahallottunk tőlük,
amit visszahallottunk tőlük,
03:50
as someone trying
to bring a product into the world.
to bring a product into the world.
78
218762
2524
ahogy kivitték a kocsit a forgalomba.
03:53
Every one of them told us they loved it.
79
221286
1925
Azt mondták, hogy tetszik nekik a kocsi.
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
Volt egy Porschét vezető ember,
aki az első nap megjegyezte:
aki az első nap megjegyezte:
03:58
"This is completely stupid.
What are we thinking?"
What are we thinking?"
81
226777
2663
"Ez tiszta hülyeség. Mit akarnak?"
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
De a végén azt mondta:
"Nemcsak nekem kell,
"Nemcsak nekem kell,
04:04
everyone else should have it,
because people are terrible drivers."
because people are terrible drivers."
83
232690
3175
mindenkinek kell,
mert az emberek borzalmasan vezetnek."
mert az emberek borzalmasan vezetnek."
04:09
So this was music to our ears,
84
237135
1735
Ez zene volt füleinknek,
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
de azután elkezdtük vizsgálni,
mit tesznek az emberek a kocsiban,
mit tesznek az emberek a kocsiban,
04:14
and this was eye-opening.
86
242673
1579
s ez felnyitotta a szemünket.
04:16
Now, my favorite story is this gentleman
87
244252
2438
Kedvenc történetem egy férfiről szól,
04:18
who looks down at his phone
and realizes the battery is low,
and realizes the battery is low,
88
246690
3829
aki rápillant a mobiljára, rájön,
hogy az akku lemerülőben van,
hogy az akku lemerülőben van,
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
megfordul — így ni — a kocsiban,
kotorászik a hátizsákjában,
kotorászik a hátizsákjában,
04:27
pulls out his laptop,
90
255067
2153
előhúzza a laptopját,
04:29
puts it on the seat,
91
257220
1567
lerakja az ülésre,
04:30
goes in the back again,
92
258787
1764
megint hátrafordul,
04:32
digs around, pulls out
the charging cable for his phone,
the charging cable for his phone,
93
260551
3367
kotorászik, előhúzza mobilja töltőkábelét,
04:35
futzes around, puts it into the laptop,
puts it on the phone.
puts it on the phone.
94
263918
3367
szöszmötöl, bedugja
a laptopjába és a mobiljába.
a laptopjába és a mobiljába.
04:39
Sure enough, the phone is charging.
95
267285
2043
Rendben, a mobil töltődik.
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
Mindeközben 100 km/órás
sebességgel tép az autópályán.
sebességgel tép az autópályán.
04:45
Right? Unbelievable.
97
273322
2484
Észbontó!
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
Belegondoltunk, és azt mondtuk:
Ez elég nyilvánvaló, nem?
Ez elég nyilvánvaló, nem?
04:50
The better the technology gets,
99
278927
2263
Minél inkább javul a technológia,
04:53
the less reliable
the driver is going to get.
the driver is going to get.
100
281190
2121
annál kevésbé lesznek
megbízhatók a vezetők.
megbízhatók a vezetők.
04:55
So by just making the cars
incrementally smarter,
incrementally smarter,
101
283311
2396
Ha a kocsikat okosabbá tesszük,
04:57
we're probably not going to see
the wins we really need.
the wins we really need.
102
285707
2902
ez valószínűleg nem hozza el
a kívánt eredményt.
a kívánt eredményt.
05:00
Let me talk about something
a little technical for a moment here.
a little technical for a moment here.
103
288609
3901
Most egy kis technika következik.
05:04
So we're looking at this graph,
and along the bottom
and along the bottom
104
292510
2438
A diagramon alul látjuk,
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
milyen gyakran fékez a kocsi
fölöslegesen.
fölöslegesen.
05:09
You can ignore most of that axis,
106
297999
1621
Figyelmen kívül hagyhatják
05:11
because if you're driving around town,
and the car starts stopping randomly,
and the car starts stopping randomly,
107
299620
3719
ezt a tengelyt, mert ha városban
a kocsi szeszélyesen fékezgetni kezd,
a kocsi szeszélyesen fékezgetni kezd,
05:15
you're never going to buy that car.
108
303339
1701
soha nem veszik meg azt az autót.
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
A függőleges tengely mutatja,
milyen gyakran fékez a kocsi,
milyen gyakran fékez a kocsi,
05:20
when it's supposed to
to help you avoid an accident.
to help you avoid an accident.
110
308415
3049
hogy elkerülje a balesetet.
05:23
Now, if we look at
the bottom left corner here,
the bottom left corner here,
111
311464
2221
A bal alsó sarokban látjuk
05:25
this is your classic car.
112
313685
1845
a klasszikus kocsinkat.
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
A kocsi nem fékez helyettünk,
semmi ostobaságot nem követ el,
semmi ostobaságot nem követ el,
05:30
but it also doesn't get you
out of an accident.
out of an accident.
114
318663
2779
de nem is húz ki egy balesetből.
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
Ha egy vezetősegítő rendszert
akarunk a kocsiba rakni, mondjuk
akarunk a kocsiba rakni, mondjuk
az ütközés erejét mérséklő fékrendszert,
05:36
say with collision mitigation braking,
116
324460
1828
05:38
we're going to put some package
of technology on there,
of technology on there,
117
326288
2612
el kell látnunk
valamilyen műszaki csomaggal,
valamilyen műszaki csomaggal,
ezt mutatja a görbe, s így sajátos
működési tulajdonságai lesznek,
működési tulajdonságai lesznek,
05:40
and that's this curve, and it's going
to have some operating properties,
to have some operating properties,
118
328900
3418
de soha nem fogja elkerülni
az összes balesetet,
az összes balesetet,
05:44
but it's never going to avoid
all of the accidents,
all of the accidents,
119
332318
2490
mert nincs meg az a képessége.
05:46
because it doesn't have that capability.
120
334808
2059
Ha kiválasztjuk a görbe egy szakaszát,
05:48
But we'll pick some place
along the curve here,
along the curve here,
121
336867
2249
s ez kivédheti a balesetek felét,
melyeket az ember nem,
melyeket az ember nem,
05:51
and maybe it avoids half of accidents
that the human driver misses,
that the human driver misses,
122
339116
3254
akkor ez csodás, nemde?
05:54
and that's amazing, right?
123
342370
1297
A közúti baleseteket
nemrég a felére csökkentettük.
nemrég a felére csökkentettük.
05:55
We just reduced accidents on our roads
by a factor of two.
by a factor of two.
124
343667
2727
05:58
There are now 17,000 less people
dying every year in America.
dying every year in America.
125
346394
3987
Manapság évente 17 ezerrel kevesebben
halnak meg az USA-ban.
halnak meg az USA-ban.
06:02
But if we want a self-driving car,
126
350381
2020
Ha vezető nélküli kocsit szeretnénk,
06:04
we need a technology curve
that looks like this.
that looks like this.
127
352401
2307
a technikai görbének így kellene festenie.
06:06
We're going to have to put
more sensors in the vehicle,
more sensors in the vehicle,
128
354708
2599
Több érzékelőt helyezünk majd a járműbe,
06:09
and we'll pick some
operating point up here
operating point up here
129
357307
2021
és kiválasztunk egy működési pontot,
06:11
where it basically never
gets into a crash.
gets into a crash.
130
359328
2019
ahol a kocsi nem szokta magát összetörni.
06:13
They'll happen, but very low frequency.
131
361347
2443
Előfordul, de nagyon ritkán.
06:15
Now you and I could look at this
and we could argue
and we could argue
132
363790
2461
Vitatkozhatnánk azon,
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
hogy ez elhanyagolható-e,
szerintem belefér a "80-20 szabályba",
szerintem belefér a "80-20 szabályba",
06:21
and it's really hard to move up
to that new curve.
to that new curve.
134
369856
2568
és tényleg nehéz följutni
a felső görbére.
a felső görbére.
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
De egy pillanatra nézzük ezt
más szemszögből, nevezetesen,
más szemszögből, nevezetesen,
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
hogy milyen gyakorisággal kell
a technikának helyesen cselekednie.
a technikának helyesen cselekednie.
06:30
And so this green dot up here
is a driver assistance system.
is a driver assistance system.
137
378870
3506
Ez a fölső zöld pont itt
a vezetősegítő rendszer.
a vezetősegítő rendszer.
06:34
It turns out that human drivers
138
382376
2485
A vezetők által okozott hibák
06:36
make mistakes that lead
to traffic accidents
to traffic accidents
139
384861
2647
az USA-ban 161 ezer kilométerenként
06:39
about once every 100,000 miles in America.
140
387508
3172
vezetnek közlekedési balesethez.
06:42
In contrast, a self-driving system
is probably making decisions
is probably making decisions
141
390680
3167
A vezető nélküli rendszer viszont
06:45
about 10 times per second,
142
393847
3663
másodpercenként 10 döntést hoz.
06:49
so order of magnitude,
143
397510
1422
Ez nagyságrendileg
06:50
that's about 1,000 times per mile.
144
398932
2832
625 döntés kilométerenként.
06:53
So if you compare the distance
between these two,
between these two,
145
401764
2485
Ha összevetjük a kettő közötti távolságot,
06:56
it's about 10 to the eighth, right?
146
404249
2600
az kb. 10 a 8-hoz, ugye?
06:58
Eight orders of magnitude.
147
406849
1765
Nagyságrendileg nyolc.
07:00
That's like comparing how fast I run
148
408614
2809
Ez olyan, mintha futásomat
07:03
to the speed of light.
149
411423
2206
a fénysebességhez hasonlítanám.
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
Nem számít, milyen kitartóan edzek,
soha nem érem el a fénysebességet.
soha nem érem el a fénysebességet.
07:09
So there's a pretty big gap there.
151
417414
2438
Elég nagy a szakadék.
07:11
And then finally, there's how
the system can handle uncertainty.
the system can handle uncertainty.
152
419852
3729
S végül, az a kérdés, hogyan tudja
a rendszer kezelni a bizonytalanságot.
a rendszer kezelni a bizonytalanságot.
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
Lehet, hogy ez a gyalogos lelép
az úttestre, de lehet, hogy nem.
az úttestre, de lehet, hogy nem.
07:18
I can't tell,
nor can any of our algorithms,
nor can any of our algorithms,
154
426904
3395
Nem tudom megmondani,
s egyik algoritmusunk sem,
s egyik algoritmusunk sem,
07:22
but in the case of
a driver assistance system,
a driver assistance system,
155
430310
2284
de a vezetősegítő rendszer esetén
07:24
that means it can't take action,
because again,
because again,
156
432594
2806
ez azt jelenti, hogy a rendszer
nem cselekedhet,
nem cselekedhet,
07:27
if it presses the brakes unexpectedly,
that's completely unacceptable.
that's completely unacceptable.
157
435400
3339
mert megint csak, ha váratlanul fékez,
az egyáltalán nem fogadható el.
az egyáltalán nem fogadható el.
07:30
Whereas a self-driving system
can look at that pedestrian and say,
can look at that pedestrian and say,
158
438739
3133
Közben a vezető nélküli rendszer
látja a gyalogost, és azt mondja:
látja a gyalogost, és azt mondja:
07:33
I don't know what they're about to do,
159
441872
1890
Nem tudom, mit akar csinálni,
07:35
slow down, take a better look,
and then react appropriately after that.
and then react appropriately after that.
160
443762
3762
inkább lassítsunk, nézzük meg jobban,
s utána reagáljunk helyesen.
s utána reagáljunk helyesen.
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
Biztonságosabb lehet,
mint a vezetősegítő rendszer bármikor.
mint a vezetősegítő rendszer bármikor.
07:43
So that's enough about
the differences between the two.
the differences between the two.
162
451226
2730
Ennyi elég a két rendszer
közötti különbségről.
közötti különbségről.
07:45
Let's spend some time talking about
how the car sees the world.
how the car sees the world.
163
453956
3484
Szánjunk egy kis időt arra,
hogyan látja a kocsi a környezetét.
hogyan látja a kocsi a környezetét.
07:49
So this is our vehicle.
164
457440
1252
Ez itt a járművünk.
07:50
It starts by understanding
where it is in the world,
where it is in the world,
165
458692
2438
Úgy indul útra, hogy tudja,
hol helyezkedik el:
hol helyezkedik el:
07:53
by taking a map and its sensor data
and aligning the two,
and aligning the two,
166
461130
2787
összeveti a térképet
az érzékelőinek adataival,
az érzékelőinek adataival,
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
s ehhez hozzátesszük,
amit az adott pillanatban lát.
amit az adott pillanatban lát.
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
Az itt látható lila dobozok
az úton lévő más járművek,
az úton lévő más járművek,
08:02
and the red thing on the side
over there is a cyclist,
over there is a cyclist,
169
470520
2528
az oldalt lévő piros valami
egy kerékpáros.
egy kerékpáros.
08:05
and up in the distance,
if you look really closely,
if you look really closely,
170
473048
2402
Ha jobban megnézzük, a távolban
08:07
you can see some cones.
171
475450
1794
valamilyen bójákat látunk.
08:09
Then we know where the car
is in the moment,
is in the moment,
172
477244
2773
Akkor hát tudjuk,
hogy pillanatnyilag hol a kocsi,
hogy pillanatnyilag hol a kocsi,
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
de ennél több kell: meg kell jósolnunk,
mi fog történni.
mi fog történni.
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
A jobb felső sarokban lévő
pickup teherautó balra akar sávot váltani,
pickup teherautó balra akar sávot váltani,
08:19
because the road in front of it is closed,
175
487338
2223
mert előtte beállt a sor,
08:21
so it needs to get out of the way.
176
489561
1731
ezért el kell hagynia a sávját.
08:23
Knowing that one pickup truck is great,
177
491292
1863
A pickuppal tehát megvolnánk,
08:25
but we really need to know
what everybody's thinking,
what everybody's thinking,
178
493155
2479
de szeretnénk tudni,
hogy a többiek mit gondolnak,
hogy a többiek mit gondolnak,
08:27
so it becomes quite a complicated problem.
179
495634
2507
ezért az ügy elég bonyolulttá válik.
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
S ezt figyelembe véve, eldönthetjük
a kocsinak most hogyan kell reagálnia,
a kocsinak most hogyan kell reagálnia,
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
milyen útvonalon kell mennie,
mennyire kell lassulnia vagy gyorsulnia.
mennyire kell lassulnia vagy gyorsulnia.
08:38
And then that all turns into
just following a path:
just following a path:
182
506756
3065
Azután ez mind leegyszerűsödik
a nyomvonal követésére:
a nyomvonal követésére:
08:41
turning the steering wheel left or right,
pressing the brake or gas.
pressing the brake or gas.
183
509821
3197
jobbra vagy balra fordítjuk a kormányt,
a féket vagy a gázt nyomjuk.
a féket vagy a gázt nyomjuk.
08:45
It's really just two numbers
at the end of the day.
at the end of the day.
184
513018
2464
Végső soron tényleg csak két szám maradt.
08:47
So how hard can it really be?
185
515482
2241
Mi lehet ebben olyan bonyolult?
08:50
Back when we started in 2009,
186
518433
1952
Amikor 2009-ben kezdtük,
08:52
this is what our system looked like.
187
520385
1798
a rendszerünk így nézett ki.
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
Látják középen a kocsinkat,
és az úton a többi "dobozt",
és az úton a többi "dobozt",
08:57
driving down the highway.
189
525574
1271
amint a pályán hajtanak.
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
A kocsinak tudnia kell, hol van,
és hogy a többi jármű kb. hol van.
és hogy a többi jármű kb. hol van.
09:02
It's really a geometric
understanding of the world.
understanding of the world.
191
530663
2429
Ez a környezet geometriai felfogása.
09:05
Once we started driving
on neighborhood and city streets,
on neighborhood and city streets,
192
533092
2948
Mikor a környéken
és városban kezdtünk vezetni,
és városban kezdtünk vezetni,
09:08
the problem becomes a whole
new level of difficulty.
new level of difficulty.
193
536040
2445
a feladat teljesen más
bonyolultsági fokú volt.
bonyolultsági fokú volt.
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
Látják, gyalogosok
mennek át a kocsi előtt,
mennek át a kocsi előtt,
09:13
going every which way,
195
541979
1811
összevissza cikáznak,
09:15
the traffic lights, crosswalks.
196
543790
1527
közlekedési lámpák, zebrák.
09:17
It's an incredibly complicated
problem by comparison.
problem by comparison.
197
545317
2797
Elképesztően bonyolult feladat
az autópályához képest.
az autópályához képest.
09:20
And then once you have
that problem solved,
that problem solved,
198
548114
2103
S ha megoldottuk a problémát,
09:22
the vehicle has to be able
to deal with construction.
to deal with construction.
199
550217
2512
a járműnek a végrehajtással
is kell foglalkoznia.
is kell foglalkoznia.
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
Balra a bóják arra késztetik
a kocsit, hogy jobbra húzódjon,
a kocsit, hogy jobbra húzódjon,
09:27
but not just construction
in isolation, of course.
in isolation, of course.
201
555880
2402
de a végrehajtáson kívül
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
ügyelnie kell a végrehajtás
zónájában mozgó emberekre is.
zónájában mozgó emberekre is.
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
Persze, ha valaki szabályt sért,
és megjelenik a rendőrség,
és megjelenik a rendőrség,
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
a kocsinknak értenie kell,
hogy a villogó az autó tetején
hogy a villogó az autó tetején
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
nem csupán egy kocsi:
az egy rendőrt jelent.
az egy rendőrt jelent.
09:43
Similarly, the orange box
on the side here,
on the side here,
206
571995
2032
Hasonlóan, oldalt a narancssárga doboz
09:46
it's a school bus,
207
574027
1109
egy iskolabusz,
09:47
and we have to treat that
differently as well.
differently as well.
208
575136
2520
s azzal is másként kell bánni.
09:50
When we're out on the road,
other people have expectations:
other people have expectations:
209
578576
2793
Mikor az úton vagyunk,
az emberek valamire számítanak:
az emberek valamire számítanak:
09:53
So, when a cyclist puts up their arm,
210
581369
1780
mikor a kerékpáros fölemeli a karját,
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
arra számít, hogy a kocsi elsőbbséget ad,
09:58
to make a lane change.
212
586667
2053
és engedi neki a sávváltást.
10:01
And when a police officer
stood in the road,
stood in the road,
213
589030
2173
S amikor egy rendőr áll az úton,
10:03
our vehicle should understand
that this means stop,
that this means stop,
214
591203
2740
járművünknek értenie kell,
hogy ez megálljt jelent,
hogy ez megálljt jelent,
10:05
and when they signal to go,
we should continue.
we should continue.
215
593943
3506
és mikor továbbot int,
tovább kell haladnunk.
tovább kell haladnunk.
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
Ezt úgy hajtjuk végre,
hogy adatokat cserélünk a járművekkel.
hogy adatokat cserélünk a járművekkel.
10:13
The first, most crude model of this
217
601210
1696
Az első, legdurvább modell,
10:14
is when one vehicle
sees a construction zone,
sees a construction zone,
218
602906
2113
mikor az egyik kocsi építési területet
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
vesz észre, tudatja a másikkal,
hogy az helyes sávot válasszon
hogy az helyes sávot válasszon
10:20
to avoid some of the difficulty.
220
608081
1570
a nehézségek elkerülésére.
10:21
But we actually have a much
deeper understanding of this.
deeper understanding of this.
221
609651
2664
De mi mélyebben értjük a helyzetet.
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
Rendelkezünk a kocsi által
huzamos idő alatt észlelt adatokkal,
huzamos idő alatt észlelt adatokkal,
10:27
the hundreds of thousands
of pedestrians, cyclists,
of pedestrians, cyclists,
223
615324
2376
melyek százezernyi gyalogosra,
kerékpárosra
kerékpárosra
10:29
and vehicles that have been out there
224
617700
1787
és járműre vonatkoznak,
10:31
and understand what they look like
225
619487
1695
és értjük, hogy milyenek,
10:33
and use that to infer
what other vehicles should look like
what other vehicles should look like
226
621182
2831
és használni tudjuk őket,
hogy következtessünk
hogy következtessünk
10:36
and other pedestrians should look like.
227
624013
1926
más járművekre és gyalogosokra.
10:37
And then, even more importantly,
we could take from that a model
we could take from that a model
228
625939
3021
Még ennél is fontosabb, hogy a modellből
10:40
of how we expect them
to move through the world.
to move through the world.
229
628960
2330
kihámozhatjuk,
miféle mozgásra számíthatunk.
miféle mozgásra számíthatunk.
10:43
So here the yellow box is a pedestrian
crossing in front of us.
crossing in front of us.
230
631290
2963
A sárga doboz egy előttünk
áthaladó gyalogos.
áthaladó gyalogos.
10:46
Here the blue box is a cyclist
and we anticipate
and we anticipate
231
634253
2250
A kék doboz egy kerékpáros,
és úgy sejtjük,
és úgy sejtjük,
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
hogy jobbról közelít a kocsinkhoz.
10:52
Here there's a cyclist
coming down the road
coming down the road
233
640115
2092
Itt egy úton szemben haladó kerékpáros,
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
és tudjuk, hogy továbbmennek,
ahogy az út adja magát.
ahogy az út adja magát.
10:57
Here somebody makes a right turn,
235
645693
1867
Itt valaki jobbra kanyarodik,
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
és rögtön itt előttünk valaki
éppen vissza akar fordulni.
éppen vissza akar fordulni.
11:02
and we can anticipate that behavior
and respond safely.
and respond safely.
237
650920
2614
Megjósolhatjuk a viselkedést,
biztos választ adhatunk.
biztos választ adhatunk.
11:05
Now, that's all well and good
for things that we've seen,
for things that we've seen,
238
653534
2728
Nincs is semmi gond a látottakkal,
11:08
but of course, you encounter
lots of things that you haven't
lots of things that you haven't
239
656262
2865
de persze találkozunk olyan jelenségekkel,
amilyenekkel még
amilyenekkel még
11:11
seen in the world before.
240
659127
1231
nem volt dolgunk.
11:12
And so just a couple of months ago,
241
660358
1741
Pár hónapja járműveink éppen
11:14
our vehicles were driving
through Mountain View,
through Mountain View,
242
662099
2235
Mountain View-n haladtak keresztül,
11:16
and this is what we encountered.
243
664334
1644
s akkor ez akadt az útjukba.
11:17
This is a woman in an electric wheelchair
244
665978
2082
Ez egy elektromos tolószékével
11:20
chasing a duck in circles on the road.
(Laughter)
(Laughter)
245
668060
2617
az úton kacsákat hajkurászó nő.
(Nevetés)
(Nevetés)
11:22
Now it turns out, there is nowhere
in the DMV handbook
in the DMV handbook
246
670677
3111
Az a helyzet, hogy ilyenről nincs szó
11:25
that tells you how to deal with that,
247
673788
2245
a gépjárművekre vonatkozó kézikönyvben,
11:28
but our vehicles were able
to encounter that,
to encounter that,
248
676033
2143
de a járműveink kezelik a helyzetet:
11:30
slow down, and drive safely.
249
678176
2255
lassítanak és biztonságosan haladnak.
11:32
Now, we don't have to deal
with just ducks.
with just ducks.
250
680431
2041
De nem csak kacsákkal kell vesződnünk.
11:34
Watch this bird fly across in front of us.
The car reacts to that.
The car reacts to that.
251
682472
3708
Nézzék, ahogy ez a madár átrepül előttünk.
A kocsi reagál rá.
A kocsi reagál rá.
11:38
Here we're dealing with a cyclist
252
686180
1615
Itt egy bicajossal foglalkozunk,
11:39
that you would never expect to see
anywhere other than Mountain View.
anywhere other than Mountain View.
253
687795
3290
ilyenre csak Mountain View-ban
számíthatunk.
számíthatunk.
11:43
And of course, we have
to deal with drivers,
to deal with drivers,
254
691085
2068
S persze ott vannak
11:45
even the very small ones.
255
693153
3715
még az egészen kicsi sofőrök is.
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
Figyeljünk jobbra, ahonnan valaki
elénk ugrik egy teherautó mögül.
elénk ugrik egy teherautó mögül.
11:54
And now, watch the left as the car
with the green box decides
with the green box decides
257
702460
2929
Most figyeljünk balra,
ahol a zöld dobozzal jelölt kocsi
ahol a zöld dobozzal jelölt kocsi
11:57
he needs to make a right turn
at the last possible moment.
at the last possible moment.
258
705389
3325
úgy döntött, hogy az utolsó pillanatban
jobbra fordul.
jobbra fordul.
12:00
Here, as we make a lane change,
the car to our left decides
the car to our left decides
259
708714
2851
Itt sávot váltanánk, de a tőlünk
balra haladó kocsi
balra haladó kocsi
12:03
it wants to as well.
260
711565
3553
úgy dönt, hogy ő is.
12:07
And here, we watch a car
blow through a red light
blow through a red light
261
715118
2693
Itt meg egy kocsi átzúg a tiloson,
12:09
and yield to it.
262
717811
2090
engedjük csak el.
12:11
And similarly, here, a cyclist
blowing through that light as well.
blowing through that light as well.
263
719901
3854
Hasonlóképpen, egy bringás
is átzúg a tiloson.
is átzúg a tiloson.
12:15
And of course,
the vehicle responds safely.
the vehicle responds safely.
264
723755
2746
A kocsi természetesen
biztonságosan kezeli a helyzeteket.
biztonságosan kezeli a helyzeteket.
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
Persze, vannak olyanok,
akikről nem is értem,
akikről nem is értem,
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
hogy kerülnek az útra, mint ez az ürge,
aki behúz két, vezető nélküli kocsi közé.
aki behúz két, vezető nélküli kocsi közé.
12:24
You have to ask, "What are you thinking?"
267
732925
2045
Megkérdezhetjük: "Észnél van?"
12:26
(Laughter)
268
734970
1212
(Nevetés)
12:28
Now, I just fire-hosed you
with a lot of stuff there,
with a lot of stuff there,
269
736182
2521
Eddig sok mindent önökre zúdítottam,
12:30
so I'm going to break one of these
down pretty quickly.
down pretty quickly.
270
738703
2650
de visszatérnék az egyik esetre.
12:33
So what we're looking at is the scene
with the cyclist again,
with the cyclist again,
271
741353
2940
Nézzük meg még egyszer
a jelenetet a bringással.
a jelenetet a bringással.
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
Lehet, hogy fölfigyelnek a kép aljára,
bár mi még nem látjuk a bringást,
bár mi még nem látjuk a bringást,
12:39
but the car can: it's that little
blue box up there,
blue box up there,
273
747784
2504
de a kocsi igen: ő az a kis kék doboz,
12:42
and that comes from the laser data.
274
750288
2081
és ezt a lézer adataiból tudja.
12:44
And that's not actually
really easy to understand,
really easy to understand,
275
752369
2418
Elég nehéz is megérteni,
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
ezért megnézem a lézer adatait,
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
és ha önök jól látják a lézer adatait,
12:53
a few dots on the curve there,
278
761400
1487
pontok láthatók a görbén,
12:54
right there, and that blue box
is that cyclist.
is that cyclist.
279
762887
2372
ott ni, és a kék doboz pedig a bringás.
12:57
Now as our light is red,
280
765259
1149
A lámpánk pirosat mutat,
12:58
the cyclist's light
has turned yellow already,
has turned yellow already,
281
766408
2192
de a kerékpárosoké már sárgára váltott,
13:00
and if you squint, you can see that
in the imagery.
in the imagery.
282
768600
2438
s ha odasandítunk, látjuk a képen.
13:03
But the cyclist, we see, is going
to proceed through the intersection.
to proceed through the intersection.
283
771038
3286
De látjuk, hogy a bringás
át fog vágni a kereszteződésen.
át fog vágni a kereszteződésen.
13:06
Our light has now turned green,
his is solidly red,
his is solidly red,
284
774324
2394
Lámpánk zöldre váltott,
az övé masszívan piros,
az övé masszívan piros,
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
s sejtjük, hogy a bicaj keresztben jön.
13:13
Unfortunately the other drivers next to us
were not paying as much attention.
were not paying as much attention.
286
781010
3742
Sajnos, a mellettünk lévő vezetők
annyira nem figyelnek rá.
annyira nem figyelnek rá.
13:16
They started to pull forward,
and fortunately for everyone,
and fortunately for everyone,
287
784752
3157
Elindulnak, de mindenki szerencséjére,
13:19
this cyclists reacts, avoids,
288
787909
3011
a bringás észbe kap, kitér,
13:22
and makes it through the intersection.
289
790920
2191
és átmegy a kereszteződésen.
13:25
And off we go.
290
793111
1568
És már ott sem vagyunk.
13:26
Now, as you can see, we've made
some pretty exciting progress,
some pretty exciting progress,
291
794679
2948
Láthatják, hogy jócskán
haladtunk már a projekttel,
haladtunk már a projekttel,
13:29
and at this point we're pretty convinced
292
797627
1902
és jelenleg meg vagyunk győződve róla,
13:31
this technology is going
to come to market.
to come to market.
293
799529
2010
hogy ez a technológia piacra kerül.
13:33
We do three million miles of testing
in our simulators every single day,
in our simulators every single day,
294
801539
4783
Naponta 4,8 millió kilométeren
tesztelnek a szimulátoraink,
tesztelnek a szimulátoraink,
13:38
so you can imagine the experience
that our vehicles have.
that our vehicles have.
295
806322
2689
képzelhetik, autóink mekkora
tapasztalatot gyűjtöttek.
tapasztalatot gyűjtöttek.
13:41
We are looking forward to having
this technology on the road,
this technology on the road,
296
809011
2864
Alig várjuk, hogy az utakon
lássuk viszont a technológiát,
lássuk viszont a technológiát,
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
s úgy hisszük, hogy a helyes módszer
a vezető nélküli kocsi,
a vezető nélküli kocsi,
13:46
rather than driver assistance approach
298
814765
1844
nem pedig a vezetősegítő megoldás,
13:48
because the urgency is so large.
299
816609
2621
mert az ügy valóban nem tűr halasztást.
13:51
In the time I have given this talk today,
300
819230
2393
Mialatt ma az előadásomat hallgatták,
13:53
34 people have died on America's roads.
301
821623
3135
az USA útjain 34 fő halt meg.
13:56
How soon can we bring it out?
302
824758
2368
Mikor tudjuk bevezetni a rendszert?
13:59
Well, it's hard to say because
it's a really complicated problem,
it's a really complicated problem,
303
827126
3832
Nos, nehéz megmondani,
mert a feladat tényleg összetett.
mert a feladat tényleg összetett.
14:02
but these are my two boys.
304
830958
2214
De nézzék, ők a fiaim.
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
Az idősebbik 11 éves, ami azt jelenti,
hogy négy és fél év múlva
hogy négy és fél év múlva
14:08
he's going to be able
to get his driver's license.
to get his driver's license.
306
836795
2577
jogosítványt kaphat.
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
Csapatom és én mindent megteszünk,
hogy ez ne történjék meg.
hogy ez ne történjék meg.
14:14
Thank you.
308
842576
1904
Köszönöm.
14:16
(Laughter) (Applause)
309
844480
3667
(Nevetés) (Taps)
14:21
Chris Anderson: Chris,
I've got a question for you.
I've got a question for you.
310
849110
2568
Chris Anderson:
Chris, kérdésem van hozzád.
Chris, kérdésem van hozzád.
14:23
Chris Urmson: Sure.
311
851678
2809
Chris Urmson: Tessék.
14:26
CA: So certainly, the mind of your cars
is pretty mind-boggling.
is pretty mind-boggling.
312
854487
3924
CA: A kocsijaitok agya
egyszerűen észbontó.
egyszerűen észbontó.
14:30
On this debate between
driver-assisted and fully driverless --
driver-assisted and fully driverless --
313
858411
4459
A vezetősegítő és a vezető nélküli
kocsi közötti döntésről folyik vita,
kocsi közötti döntésről folyik vita,
14:34
I mean, there's a real debate
going on out there right now.
going on out there right now.
314
862870
3041
úgy értem, egy igazi vita zajlik jelenleg.
14:37
So some of the companies,
for example, Tesla,
for example, Tesla,
315
865911
2833
Több vállalkozás, pl. a Tesla,
14:40
are going the driver-assisted route.
316
868744
2159
a vezetősegítő megoldás útjára lép.
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
Szerinted tehát az valamiféle zsákutca,
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
mert a módszert nem lehet minduntalan
tökéletesíteni, hogy majd valaha elérjük
tökéletesíteni, hogy majd valaha elérjük
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
a vezető nélküli állapotot,
amit a sofőr biztonságosnak ismer el,
amit a sofőr biztonságosnak ismer el,
14:57
and climb into the back,
and something ugly will happen.
and something ugly will happen.
320
885137
2647
és hátraül, közben meg
valami borzalmas történik.
valami borzalmas történik.
14:59
CU: Right. No, that's exactly right,
and it's not to say
and it's not to say
321
887784
2676
CU: Így van. Pontosan így van,
s ezzel nem állítom,
s ezzel nem állítom,
15:02
that the driver assistance systems
aren't going to be incredibly valuable.
aren't going to be incredibly valuable.
322
890460
3537
hogy a vezetősegítő rendszerek
nem lesznek nagyon is értékesek.
nem lesznek nagyon is értékesek.
15:05
They can save a lot of lives
in the interim,
in the interim,
323
893997
2058
Átmenetileg sok életet menthetnek meg,
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
de hogy megváltozzék pl. Steve
lehetősége, hogy valóban
lehetősége, hogy valóban
biztonságosan közlekedhessen,
15:11
to really get to the end case in safety,
325
899888
1969
15:13
to have the opportunity
to change our cities
to change our cities
326
901857
2479
hogy lehetőségünk legyen
városaink átalakítására,
városaink átalakítására,
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
hogy eltüntessük belőlük
a parkolóknak nevezett városi krátereket:
a parkolóknak nevezett városi krátereket:
15:20
it's the only way to go.
328
908540
1240
a miénk a járható út.
15:21
CA: We will be tracking your progress
with huge interest.
with huge interest.
329
909780
2718
CA: Kíváncsian követjük
majd nyomon a fejlődéseteket.
majd nyomon a fejlődéseteket.
15:24
Thanks so much, Chris.
CU: Thank you. (Applause)
CU: Thank you. (Applause)
330
912498
4232
Nagyon szépen köszönöm, Chris.
CU: Köszönöm. (Taps)
CU: Köszönöm. (Taps)
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