TEDxStanford
Chris Gerdes: The future race car -- 150mph, and no driver
Chris Gerdes: De toekomstige raceauto -- 240 km/h zonder chauffeur
Filmed:
Readability: 4
806,444 views
Autonome auto's komen eraan - en ze gaan rijden beter dan jij. Chris Gerdes laat zien hoe hij en zijn team zijn robotrace-auto's ontwikkelen die kunnen rijden aan 240 km/h terwijl ze alle mogelijke ongelukken vermijden. En toch zegt Gerdes dat hij bij het bestuderen van de hersengolven van professionele coureurs een nieuwe waardering voor de instincten van beroepschauffeurs heeft gekregen. (Gefilmd op TEDxStanford.)
Chris Gerdes - Mechanical engineer
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today. Full bio
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today. Full bio
Double-click the English transcript below to play the video.
00:16
So, how many of you have ever
0
506
1407
Hoeveel van jullie zijn ooit
00:17
gotten behind the wheel of a car
1
1913
1655
achter het stuur van een auto gekropen
00:19
when you really shouldn't have been driving?
2
3568
5687
terwijl je dat beter niet had gedaan?
00:25
Maybe you're out on the road for a long day,
3
9255
1905
Misschien was je al lang onderweg
00:27
and you just wanted to get home.
4
11160
1490
en gehaast om thuis te komen.
00:28
You were tired, but you felt you could drive a few more miles.
5
12650
2647
Je was moe, maar je dacht dat
je toch nog wat aankon.
je toch nog wat aankon.
00:31
Maybe you thought,
6
15297
1199
'Ik heb minder gedronken dan de anderen,
00:32
I've had less to drink than everybody else,
7
16496
2017
'Ik heb minder gedronken dan de anderen,
00:34
I should be the one to go home.
8
18513
1736
dus rij ik best naar huis.'
00:36
Or maybe your mind was just entirely elsewhere.
9
20249
4591
Of misschien was je er niet helemaal bij.
00:40
Does this sound familiar to you?
10
24840
1454
Komt je dat bekend voor?
00:42
Now, in those situations, wouldn't it be great
11
26294
2898
Zou het dan niet geweldig zijn
00:45
if there was a button on your dashboard
12
29192
1593
als je een knop op je dashboard had
00:46
that you could push, and the car would get you home safely?
13
30785
6343
waardoor de auto
je veilig thuis zou brengen?
je veilig thuis zou brengen?
00:53
Now, that's been the promise of the self-driving car,
14
37128
2293
Dat zou kunnen
door de zelf-rijdende auto,
door de zelf-rijdende auto,
00:55
the autonomous vehicle, and it's been the dream
15
39421
2627
het autonome voertuig,
en die droom
en die droom
00:57
since at least 1939, when General Motors showcased
16
42048
3249
bestaat al sinds 1939,
toen General Motors het toonde
toen General Motors het toonde
01:01
this idea at their Futurama booth at the World's Fair.
17
45297
3302
op hun Futurama-stand
op de Wereldtentoonstelling.
op de Wereldtentoonstelling.
01:04
Now, it's been one of those dreams
18
48599
1943
Het is een van die dromen
01:06
that's always seemed about 20 years in the future.
19
50542
4214
die altijd zo'n 20 jaar
in de toekomst leken te liggen.
in de toekomst leken te liggen.
01:10
Now, two weeks ago, that dream took a step forward,
20
54756
2683
Twee weken geleden
kwam die droom dichterbij
kwam die droom dichterbij
01:13
when the state of Nevada granted Google's self-driving car
21
57439
3265
toen de staat Nevada
aan Googles zelfrijdende auto
aan Googles zelfrijdende auto
01:16
the very first license for an autonomous vehicle,
22
60704
3600
de allereerste licentie verleende
voor een autonoom voertuig.
voor een autonoom voertuig.
01:20
clearly establishing that it's legal for them
23
64304
2245
Ze kregen de wettelijke toelating
01:22
to test it on the roads in Nevada.
24
66549
1810
om het te testen op de weg in Nevada.
01:24
Now, California's considering similar legislation,
25
68359
3727
California's overweegt
een soortgelijke wetgeving.
een soortgelijke wetgeving.
01:27
and this would make sure that the autonomous car
26
72086
2408
Dit zou maken dat de autonome auto
01:30
is not one of those things that has to stay in Vegas.
27
74494
2977
niet een van die dingen is
die alleen maar in Vegas thuishoren.
die alleen maar in Vegas thuishoren.
01:33
(Laughter)
28
77471
2096
(Gelach)
01:35
Now, in my lab at Stanford, we've been working on
29
79567
3784
In mijn lab in Stanford
werken we ook
werken we ook
01:39
autonomous cars too, but with a slightly different spin
30
83351
3487
aan autonome auto's,
maar met een iets andere inslag.
maar met een iets andere inslag.
01:42
on things. You see, we've been developing robotic race cars,
31
86838
4248
Wij hebben robotische raceauto's ontwikkeld
01:46
cars that can actually push themselves to the very limits
32
91086
4120
die tot op de grenzen
01:51
of physical performance.
33
95206
2240
van het fysisch haalbare kunnen gaan.
01:53
Now, why would we want to do such a thing?
34
97446
2613
Waarom doen we zoiets?
01:55
Well, there's two really good reasons for this.
35
100059
2100
Er zijn twee goede redenen voor.
01:58
First, we believe that before people turn over control
36
102159
3959
Ten eerste denken wij
dat mensen de controle pas overlaten
dat mensen de controle pas overlaten
02:02
to an autonomous car, that autonomous car should be
37
106118
2834
aan een autonome auto als die
02:04
at least as good as the very best human drivers.
38
108952
3254
minstens even goed is
als de beste menselijke chauffeurs.
als de beste menselijke chauffeurs.
02:08
Now, if you're like me, and the other 70 percent of the population
39
112206
3305
Als je net als ik
behoort tot de 70 procent
behoort tot de 70 procent
02:11
who know that we are above-average drivers,
40
115511
2193
die beter is
dan de gemiddelde chauffeur,
dan de gemiddelde chauffeur,
02:13
you understand that's a very high bar.
41
117704
3175
dan begrijpen jullie
dat de lat erg hoog ligt.
dat de lat erg hoog ligt.
02:16
There's another reason as well.
42
120879
2392
Maar er is nog een reden.
02:19
Just like race car drivers can use all of the friction
43
123271
3576
Net als autocoureurs
gebruik maken van alle wrijving
gebruik maken van alle wrijving
02:22
between the tire and the road,
44
126847
1280
tussen de band en de weg,
02:24
all of the car's capabilities to go as fast as possible,
45
128127
3177
om de auto zo snel mogelijk te laten gaan,
02:27
we want to use all of those capabilities to avoid
46
131304
3345
willen wij alle functionaliteiten gebruiken
02:30
any accident we can.
47
134649
1588
om zoveel mogelijk ongevallen te voorkomen.
02:32
Now, you may push the car to the limits
48
136237
2050
Als de auto over zijn limiet gaat,
02:34
not because you're driving too fast,
49
138287
1967
niet omdat jij te snel rijdt,
02:36
but because you've hit an icy patch of road,
50
140254
2160
maar omdat er een ijsplek is op de weg,
02:38
conditions have changed.
51
142414
1704
dan zijn de voorwaarden veranderd.
02:40
In those situations, we want a car
52
144118
2761
In deze situaties willen we een auto
02:42
that is capable enough to avoid any accident
53
146879
3720
die elk ongeval vermijdt
02:46
that can physically be avoided.
54
150599
2678
dat fysiek vermijdbaar is.
02:49
I must confess, there's kind of a third motivation as well.
55
153277
4267
Maar er is nog een derde motivatie.
02:53
You see, I have a passion for racing.
56
157544
2256
Ik heb een passie voor racen.
02:55
In the past, I've been a race car owner,
57
159800
2764
Ik had ooit een raceauto,
02:58
a crew chief and a driving coach,
58
162564
2555
was crew chief en rij-instructeur,
03:01
although maybe not at the level that you're currently expecting.
59
165119
3855
hoewel misschien niet op het niveau dat je hier verwacht.
03:04
One of the things that we've developed in the lab --
60
168974
2704
In het lab ontwikkelden we
03:07
we've developed several vehicles --
61
171678
1704
verschillende voertuigen,
03:09
is what we believe is the world's first
62
173382
2235
en ook 's werelds eerste
03:11
autonomously drifting car.
63
175617
2365
autonoom slippende auto.
03:13
It's another one of those categories
64
177982
2513
Een categorie
03:16
where maybe there's not a lot of competition.
65
180495
2423
zonder al te veel concurrentie.
03:18
(Laughter)
66
182918
1408
(Gelach)
03:20
But this is P1. It's an entirely student-built electric vehicle,
67
184326
3822
Dit is P1.
Een volledig door studenten gebouwd elektrisch voertuig
Een volledig door studenten gebouwd elektrisch voertuig
03:24
which through using its rear-wheel drive
68
188148
2078
dat met achterwielaandrijving
03:26
and front-wheel steer-by-wire
69
190226
1565
en steer-by-wire voorwiel
03:27
can drift around corners.
70
191791
2067
om bochten kan slippen.
03:29
It can get sideways like a rally car driver,
71
193858
2200
Het kan zijwaarts slippen zoals een rallybestuurder,
03:31
always able to take the tightest curve,
72
196058
1715
altijd de strakste curve volgen
03:33
even on slippery, changing surfaces,
73
197773
3304
zelfs op veranderlijke, gladde oppervlakken
03:36
never spinning out.
74
201077
1616
altijd onder controle.
03:38
We've also worked with Volkswagen Oracle,
75
202693
2368
We hebben ook met Volkswagen Oracle gewerkt
03:40
on Shelley, an autonomous race car that has raced
76
205061
3424
aan Shelley, een autonome raceauto.
03:44
at 150 miles an hour through the Bonneville Salt Flats,
77
208485
3070
Die reed aan 240 km per uur
door de Bonneville Salt Flats,
door de Bonneville Salt Flats,
03:47
gone around Thunderhill Raceway Park in the sun,
78
211555
4471
reed in Thunderhill Raceway Park in zon,
03:51
the wind and the rain,
79
216026
2639
wind en regen.
03:54
and navigated the 153 turns and 12.4 miles
80
218665
5018
Hij navigeerde
door de 153 bochten en de 20,0 km
door de 153 bochten en de 20,0 km
03:59
of the Pikes Peak Hill Climb route
81
223683
1562
van de Pikes Peak Hill Climb route
in Colorado
in Colorado
04:01
in Colorado with nobody at the wheel.
82
225245
3473
met niemand achter het stuur.
04:04
(Laughter)
83
228718
1448
(Gelach)
04:06
(Applause)
84
230166
5566
(Applaus)
04:11
I guess it goes without saying that we've had a lot of fun
85
235732
3279
Het spreekt vanzelf
dat we er een heleboel plezier
dat we er een heleboel plezier
04:14
doing this.
86
239011
1304
aan hebben beleefd.
04:16
But in fact, there's something else that we've developed
87
240315
3657
In feite hebben we
04:19
in the process of developing these autonomous cars.
88
243972
3055
bij het ontwikkelen
van deze autonome auto's
van deze autonome auto's
04:22
We have developed a tremendous appreciation
89
247027
3871
ook een enorme waardering ontwikkeld
04:26
for the capabilities of human race car drivers.
90
250898
3817
voor de vaardigheden
van menselijke autocoureurs.
van menselijke autocoureurs.
04:30
As we've looked at the question of how well do these cars perform,
91
254715
4345
We wilden de mogelijkheden
van deze auto's
van deze auto's
04:34
we wanted to compare them to our human counterparts.
92
259060
3279
vergelijken met onze menselijke tegenhangers.
04:38
And we discovered their human counterparts are amazing.
93
262339
5680
Wij ontdekten
dat hun menselijke tegenhangers geweldig zijn.
dat hun menselijke tegenhangers geweldig zijn.
04:43
Now, we can take a map of a race track,
94
268019
4023
We kunnen een kaart van een racecircuit maken
04:47
we can take a mathematical model of a car,
95
272042
2370
en een wiskundig model van een auto.
04:50
and with some iteration, we can actually find
96
274412
2903
Met wat iteratie kunnen we
04:53
the fastest way around that track.
97
277315
1625
de snelste manier vinden
voor dat circuit.
voor dat circuit.
04:54
We line that up with data that we record
98
278940
2533
Als we die gegevens vergelijken met die
04:57
from a professional driver,
99
281473
1433
van een professionele chauffeur
04:58
and the resemblance is absolutely remarkable.
100
282906
4107
is de gelijkenis absoluut opmerkelijk.
05:02
Yes, there are subtle differences here,
101
287013
3212
Er zijn wat subtiele verschillen,
05:06
but the human race car driver is able to go out
102
290225
3127
maar de menselijke autocoureur kan
05:09
and drive an amazingly fast line,
103
293352
2335
een ongelooflijk snelle lijn rijden
05:11
without the benefit of an algorithm that compares
104
295687
2330
zonder het voordeel van een algoritme dat
05:13
the trade-off between going as fast as possible
105
298017
2608
het compromis zoekt
tussen in deze bocht zo snel mogelijk gaan
tussen in deze bocht zo snel mogelijk gaan
05:16
in this corner, and shaving a little bit of time
106
300625
2037
en een beetje tijd winnen
05:18
off of the straight over here.
107
302662
1902
ten opzichte van de rechte lijn.
05:20
Not only that, they're able to do it lap
108
304564
3457
En ze kunnen dat
05:23
after lap after lap.
109
308021
2375
ronde na ronde na ronde.
05:26
They're able to go out and consistently do this,
110
310396
2912
Ze kunnen dat consequent volhouden en
05:29
pushing the car to the limits every single time.
111
313308
4128
de auto telkens
tot aan zijn limiet drijven.
tot aan zijn limiet drijven.
05:33
It's extraordinary to watch.
112
317436
3169
Het is buitengewoon om naar te kijken.
05:36
You put them in a new car,
113
320605
2066
Je zet ze in een nieuwe auto,
05:38
and after a few laps, they've found the fastest line in that car,
114
322671
3902
en na een paar ronden hebben ze
de snelste lijn voor die auto gevonden
de snelste lijn voor die auto gevonden
05:42
and they're off to the races.
115
326573
3877
en gaan ze ermee racen.
05:46
It really makes you think,
116
330450
1146
Het zet je echt aan het denken.
05:47
we'd love to know what's going on inside their brain.
117
331596
4871
Wij zouden graag willen weten
wat er gaande is in hun hersenen.
wat er gaande is in hun hersenen.
05:52
So as researchers, that's what we decided to find out.
118
336467
4541
Als onderzoekers
wilden we dat achterhalen.
wilden we dat achterhalen.
05:56
We decided to instrument not only the car,
119
341008
1812
We voorzagen zowel de auto van instrumenten
05:58
but also the race car driver,
120
342820
2495
als de autocoureur
06:01
to try to get a glimpse into what was going on
121
345315
2769
om een glimp op te vangen
van wat er omging
van wat er omging
06:03
in their head as they were doing this.
122
348084
2186
in hun hoofd terwijl ze dit deden.
06:06
Now, this is Dr. Lene Harbott applying electrodes
123
350270
3950
Dit is Dr. Lene Harbott die elektroden plaatst
06:10
to the head of John Morton.
124
354220
1232
op het hoofd van John Morton.
06:11
John Morton is a former Can-Am and IMSA driver,
125
355452
2989
John Morton,
een voormalige Can-Am en IMSA-coureur,
een voormalige Can-Am en IMSA-coureur,
06:14
who's also a class champion at Le Mans.
126
358441
1800
was ook kampioen in Le Mans.
06:16
Fantastic driver, and very willing to put up with graduate students
127
360241
3496
Fantastische chauffeur,
graag bereid om met studenten
graag bereid om met studenten
06:19
and this sort of research.
128
363737
1855
samen te werken voor dit soort onderzoek.
06:21
She's putting electrodes on his head
129
365592
2672
Ze zet elektroden op zijn hoofd
06:24
so that we can monitor the electrical activity
130
368264
2112
om de elektrische activiteit
in John's hersenen
in John's hersenen
06:26
in John's brain as he races around the track.
131
370376
2832
te registreren
terwijl hij het parcours aflegt.
terwijl hij het parcours aflegt.
06:29
Now, clearly we're not going to put a couple of electrodes on his head
132
373208
3195
Met een paar van elektroden op zijn hoofd
06:32
and understand exactly what all of his thoughts are on the track.
133
376403
3270
kunnen we niet precies weten wat hij denkt.
06:35
However, neuroscientists have identified certain patterns
134
379673
3407
Maar neurowetenschappers kunnen uit de patronen
06:38
that let us tease out some very important aspects of this.
135
383080
3761
enkele zeer belangrijke aspecten afleiden.
06:42
For instance, the resting brain
136
386841
1847
Zo produceert een brein in rust
06:44
tends to generate a lot of alpha waves.
137
388688
2155
vooral alphagolven.
06:46
In contrast, theta waves are associated with
138
390843
3752
Thetagolven zijn gekoppeld
06:50
a lot of cognitive activity, like visual processing,
139
394595
3184
aan cognitieve activiteit
zoals visuele verwerking
zoals visuele verwerking
06:53
things where the driver is thinking quite a bit.
140
397779
3048
waar de bestuurder nogal mee bezig is.
06:56
Now, we can measure this,
141
400827
1663
We meten dit
06:58
and we can look at the relative power
142
402490
1985
en kijken naar de relatieve intensiteit
07:00
between the theta waves and the alpha waves.
143
404475
2200
tussen thetagolven en alphagolven.
07:02
This gives us a measure of mental workload,
144
406675
2442
Dit is een maat voor geestelijke belasting,
07:05
how much the driver is actually challenged cognitively
145
409117
3567
hoe hard de chauffeur moet denken
07:08
at any point along the track.
146
412684
1786
op elk punt langs het parcours.
07:10
Now, we wanted to see if we could actually record this
147
414470
2942
We wilden nagaan of we dit
konden opnemen op de weg.
konden opnemen op de weg.
07:13
on the track, so we headed down south to Laguna Seca.
148
417412
3038
Daarom zuidwaarts naar Laguna Seca.
07:16
Laguna Seca is a legendary raceway
149
420450
2016
Laguna Seca is een legendarisch parcours
07:18
about halfway between Salinas and Monterey.
150
422466
2301
halverwege Salinas en Monterey.
07:20
It has a curve there called the Corkscrew.
151
424767
2087
Er zit een bocht in,
de 'Kurkentrekker',
de 'Kurkentrekker',
07:22
Now, the Corkscrew is a chicane, followed by a quick
152
426854
2717
een chicane, gevolgd door een snelle
07:25
right-handed turn as the road drops three stories.
153
429571
2746
rechtse bocht in een sterke afdaling.
07:28
Now, the strategy for driving this as explained to me was,
154
432317
3766
Ze legden het me zo uit:
07:31
you aim for the bush in the distance,
155
436083
2022
je richt je op een struik in de verte
07:34
and as the road falls away, you realize it was actually the top of a tree.
156
438105
3025
en als de weg gaat dalen,
besef je dat het een boomtop was.
besef je dat het een boomtop was.
07:37
All right, so thanks to the Revs Program at Stanford,
157
441130
3304
Dankzij het Revs Programma in Stanford
07:40
we were able to take John there
158
444434
1473
konden we John daar mee naartoe nemen
07:41
and put him behind the wheel
159
445907
964
en hem achter het stuur zetten
07:42
of a 1960 Porsche Abarth Carrera.
160
446871
2439
van een 1960 Porsche Abarth Carrera.
07:45
Life is way too short for boring cars.
161
449310
3698
Het leven is veel te kort voor saaie auto's.
07:48
So, here you see John on the track,
162
453008
1759
Hier zie je John op het parcours.
07:50
he's going up the hill -- Oh! Somebody liked that --
163
454767
2184
Hij gaat bergop -- oh, iemand vond dat leuk --
07:52
and you can see, actually, his mental workload
164
456951
2465
en je kan zijn geestelijke belasting
07:55
-- measuring here in the red bar --
165
459416
2153
hier aan deze rode balk afmeten
07:57
you can see his actions as he approaches.
166
461569
2343
terwijl hij dichterbij komt.
07:59
Now watch, he has to downshift.
167
463912
3230
Nu moet hij terugschakelen
08:03
And then he has to turn left.
168
467142
761
en vervolgens linksaf slaan.
08:03
Look for the tree, and down.
169
467903
3993
Uitkijken naar de boom en dan naar beneden.
08:07
Not surprisingly, you can see this is a pretty challenging task.
170
471896
2838
Zoals verwacht een behoorlijk uitdagende taak.
08:10
You can see his mental workload spike as he goes through this,
171
474734
2976
Je ziet zijn geestelijke belasting pieken
08:13
as you would expect with something that requires
172
477710
2064
zoals je kan verwachten met iets
08:15
this level of complexity.
173
479774
2809
van dit niveau van complexiteit.
08:18
But what's really interesting is to look at areas of the track
174
482583
3416
Maar echt interessant
zijn stukken van het parcours
zijn stukken van het parcours
08:21
where his mental workload doesn't increase.
175
485999
2846
waar zijn geestelijke belasting niet verhoogt.
08:24
I'm going to take you around now
176
488845
1495
Ik neem jullie nu mee
08:26
to the other side of the track.
177
490340
1089
naar de andere kant van het parcours.
08:27
Turn three. And John's going to go into that corner
178
491429
2336
Derde bocht. John komt in die bocht
08:29
and the rear end of the car is going to begin to slide out.
179
493765
2551
en de achterkant van de auto
begint te slippen.
begint te slippen.
08:32
He's going to have to correct for that with steering.
180
496316
2017
Dat moet hij corrigeren
door bij te sturen.
door bij te sturen.
08:34
So watch as John does this here.
181
498333
2231
Let op terwijl John dit hier doet.
08:36
Watch the mental workload, and watch the steering.
182
500564
2322
Let op de geestelijke belasting en het sturen.
08:38
The car begins to slide out, dramatic maneuver to correct it,
183
502886
3672
De auto begint te slippen,
een dramatisch corrigerend manoeuvre,
een dramatisch corrigerend manoeuvre,
08:42
and no change whatsoever in the mental workload.
184
506558
3523
en geen enkele wijziging
in de geestelijke belasting.
in de geestelijke belasting.
08:45
Not a challenging task.
185
510081
2832
Geen uitdagende taak.
08:48
In fact, entirely reflexive.
186
512913
3200
In feite volledig reflexief.
08:52
Now, our data processing on this is still preliminary,
187
516113
3643
Onze dataverwerking zit nog in het beginstadium,
08:55
but it really seems that these phenomenal feats
188
519756
2672
maar het lijkt erop
08:58
that the race car drivers are performing
189
522428
1610
dat deze fenomenale prestaties
08:59
are instinctive.
190
524038
1910
instinctief zijn.
09:01
They are things that they have simply learned to do.
191
525948
3390
Het zijn dingen
die ze simpelweg geleerd hebben.
die ze simpelweg geleerd hebben.
09:05
It requires very little mental workload
192
529338
2282
Het vereist zeer weinig geestelijke belasting
09:07
for them to perform these amazing feats.
193
531620
2824
om deze geweldige prestaties uit te voeren.
09:10
And their actions are fantastic.
194
534444
3135
En hun acties zijn fantastisch.
09:13
This is exactly what you want to do on the steering wheel
195
537579
2611
Dit is precies wat je moet doen
09:16
to catch the car in this situation.
196
540190
3337
om de auto in deze situatie
de baas te blijven.
de baas te blijven.
09:19
Now, this has given us tremendous insight
197
543527
3445
Dit heeft ons een enorm inzicht gegeven
09:22
and inspiration for our own autonomous vehicles.
198
546972
3122
en inspiratie
voor onze eigen autonome voertuigen.
voor onze eigen autonome voertuigen.
09:25
We've started to ask the question:
199
550094
1928
We stellen de vraag:
09:27
Can we make them a little less algorithmic
200
552022
2253
kunnen we ze een beetje minder algoritmisch
09:30
and a little more intuitive?
201
554275
2449
en een beetje meer intuïtief maken?
09:32
Can we take this reflexive action
202
556724
2281
Kunnen we deze reflexen ontwikkelen
09:34
that we see from the very best race car drivers,
203
559005
2287
die eigen zijn aan de allerbeste autocoureurs,
09:37
introduce it to our cars,
204
561292
1649
ze overbrengen naar eigen onze auto's,
09:38
and maybe even into a system that could
205
562941
1984
en misschien in de toekomst zelfs
09:40
get onto your car in the future?
206
564925
1968
in je eigen wagen?
09:42
That would take us a long step
207
566893
1611
Dat zou een grote stap zijn
09:44
along the road to autonomous vehicles
208
568504
2509
op weg naar autonome voertuigen
09:46
that drive as well as the best humans.
209
571013
1912
die de beste chauffeurs evenaren.
09:48
But it's made us think a little bit more deeply as well.
210
572925
3440
Maar het heeft ons
nog wat dieper laten nadenken.
nog wat dieper laten nadenken.
09:52
Do we want something more from our car
211
576365
2968
Willen we iets meer van onze auto
09:55
than to simply be a chauffeur?
212
579333
1840
dan gewoon een chauffeur zijn?
09:57
Do we want our car to perhaps be a partner, a coach,
213
581173
4235
Willen wij een auto
die misschien ook een partner, een coach is,
die misschien ook een partner, een coach is,
10:01
someone that can use their understanding of the situation
214
585408
3087
iemand die zijn inzicht in de situatie kan gebruiken
10:04
to help us reach our potential?
215
588495
4256
om onze eigen mogelijkheden te ontwikkelen?
10:08
Can, in fact, the technology not simply replace humans,
216
592751
2273
Kan de technologie niet alleen de mens vervangen,
10:10
but allow us to reach the level of reflex and intuition
217
595024
4575
maar ons het niveau
van reflexen en intuïtie doen bereiken
van reflexen en intuïtie doen bereiken
10:15
that we're all capable of?
218
599599
3425
dat we allemaal zouden aankunnen?
10:18
So, as we move forward into this technological future,
219
603024
1923
Als we in deze technologische toekomst vooruitgaan,
10:20
I want you to just pause and think of that for a moment.
220
604947
2821
zouden jullie daar even moeten over nadenken.
10:23
What is the ideal balance of human and machine?
221
607768
3775
Wat is de ideale balans
tussen mens en machine?
tussen mens en machine?
10:27
And as we think about that,
222
611543
1709
Terwijl we daarover nadenken,
10:29
let's take inspiration
223
613252
1731
kunnen we inspiratie halen
10:30
from the absolutely amazing capabilities
224
614983
3329
uit de absoluut fantastische mogelijkheden
10:34
of the human body and the human mind.
225
618312
2816
van het menselijk lichaam en de menselijke geest.
10:37
Thank you.
226
621128
1736
Bedankt.
10:38
(Applause)
227
622864
4604
(Applaus)
ABOUT THE SPEAKER
Chris Gerdes - Mechanical engineerAn autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today.
Why you should listen
Imagine a car that can drive itself -- that with the push of a button can get you home safely when you’re too tired to drive or have had a night of one too many drinks. Dr. Chris Gerdes , the Director of the Center for Automotive Research at Stanford (conveniently acronymed CARS), and his team are developing a robotic race car, capable of driving at outrageous speeds while avoiding every possible accident. Gerdes’ research focuses on the development of driver assistance systems for collision avoidance, as well as on new combustion processes for engines.
Prior to teaching at Stanford, Gerdes was the project leader for vehicle dynamics at the Vehicle Systems Technology Center of Daimler-Benz Research and Technology North America. His work at Daimler focused on safety analysis.
Chris Gerdes | Speaker | TED.com