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

Why you should listen

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

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

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

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

Chris Gerdes: Samochód przyszłości - 240 km/h bez kierowcy

Filmed:
806,444 views

Nadchodzą autonomiczne samochody, które będą jeździć lepiej niż my. Chris Gerdes pokazuje, jak wraz z kolegami pracuje nad robotem-wyścigówką, która przy jeździe z prędkością 240 km/h potrafi uniknąć każdego wypadku. Badając fale mózgowe profesjonalnych kierowców rajdowych, Gerdes zaczął bardziej doceniać instynkt profesjonalnych kierowców. (Sfilmowano podczas TEDx Stanford.)
- Mechanical engineer
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today. Full bio

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

00:16
So, how manywiele of you have ever
0
506
1407
Ilu z was
00:17
gottenzdobyć behindza the wheelkoło of a carsamochód
1
1913
1655
usiadło za kierownicą,
00:19
when you really shouldn'tnie powinien have been drivingnapędowy?
2
3568
5687
choć nie powinniście byli prowadzić?
00:25
Maybe you're out on the roadDroga for a long day,
3
9255
1905
Byliście w drodze cały dzień,
00:27
and you just wanted to get home.
4
11160
1490
chcieliście dojechać do domu.
00:28
You were tiredzmęczony, but you feltczułem you could drivenapęd a fewkilka more milesmile.
5
12650
2647
Jeszcze tych kilka mil, mimo zmęczenia.
00:31
Maybe you thought,
6
15297
1199
Być może zdawało wam się,
00:32
I've had lessmniej to drinkdrink than everybodywszyscy elsejeszcze,
7
16496
2017
że wypiliście mniej niż inni,
00:34
I should be the one to go home.
8
18513
1736
i możecie jechać do domu.
00:36
Or maybe your mindumysł was just entirelycałkowicie elsewheregdzie indziej.
9
20249
4591
Może myślami byliście zupełnie gdzie indziej.
00:40
Does this sounddźwięk familiarznajomy to you?
10
24840
1454
Brzmi znajomo?
00:42
Now, in those situationssytuacje, wouldn'tnie it be great
11
26294
2898
Czy nie byłoby świetnie,
00:45
if there was a buttonprzycisk on your dashboardPulpit nawigacyjny
12
29192
1593
gdyby na desce rozdzielczej był guzik,
00:46
that you could pushPchać, and the carsamochód would get you home safelybezpiecznie?
13
30785
6343
który bezpiecznie doprowadziłby auto do domu?
00:53
Now, that's been the promiseobietnica of the self-drivingSelf-jazdy carsamochód,
14
37128
2293
Na tym miał polegać samosterujący samochód,
00:55
the autonomousautonomiczny vehiclepojazd, and it's been the dreamśnić
15
39421
2627
niezależny pojazd, o którym marzono od 1939 r.,
00:57
sinceod at leastnajmniej 1939, when GeneralOgólne MotorsSilniki showcasedgablota
16
42048
3249
od prezentacji General Motors
01:01
this ideapomysł at theirich FuturamaFuturama boothbudka at the World'sNa świecie FairTargi.
17
45297
3302
na stoisku Futurama na Targach Światowych.
01:04
Now, it's been one of those dreamsmarzenia
18
48599
1943
To jedno z marzeń,
01:06
that's always seemedwydawało się about 20 yearslat in the futureprzyszłość.
19
50542
4214
które zawsze zdawało się odległe o 20 lat.
01:10
Now, two weekstygodnie agotemu, that dreamśnić tookwziął a stepkrok forwardNaprzód,
20
54756
2683
2 tygodnie temu nastąpił krok naprzód.
01:13
when the statestan of NevadaNevada grantedZgoda Google'sFirmy Google self-drivingSelf-jazdy carsamochód
21
57439
3265
Autonomiczny samochód Google
01:16
the very first licenselicencja for an autonomousautonomiczny vehiclepojazd,
22
60704
3600
otrzymał w stanie Nevada pierwszą licencję,
01:20
clearlywyraźnie establishingustanawiającego that it's legalprawny for them
23
64304
2245
która jasno upoważnia
01:22
to testtest it on the roadsdrogi in NevadaNevada.
24
66549
1810
do testowania go na ulicach Nevady.
01:24
Now, California'sCalifornia's consideringbiorąc pod uwagę similarpodobny legislationustawodawstwo,
25
68359
3727
Kalifornia rozważa podobną ustawę,
01:27
and this would make sure that the autonomousautonomiczny carsamochód
26
72086
2408
dzięki czemu autonomiczny samochód
01:30
is not one of those things that has to stayzostać in VegasVegas.
27
74494
2977
nie pozostanie wstydliwym sekretem.
01:33
(LaughterŚmiech)
28
77471
2096
(Śmiech)
01:35
Now, in my lablaboratorium at StanfordStanford, we'vemamy been workingpracujący on
29
79567
3784
W laboratorium na uniwersytecie Stanford
01:39
autonomousautonomiczny carssamochody too, but with a slightlynieco differentróżne spinspin
30
83351
3487
pracujemy nad innym autonomicznym samochodem.
01:42
on things. You see, we'vemamy been developingrozwijanie roboticzrobotyzowany racewyścigi carssamochody,
31
86838
4248
Konstruujemy samosterujące samochody wyścigowe,
01:46
carssamochody that can actuallytak właściwie pushPchać themselvessami to the very limitsograniczenia
32
91086
4120
które potrafią osiągnąć granice
01:51
of physicalfizyczny performancewydajność.
33
95206
2240
możliwości fizycznych.
01:53
Now, why would we want to do suchtaki a thing?
34
97446
2613
Po co to robimy?
01:55
Well, there's two really good reasonspowody for this.
35
100059
2100
Są dwa dobre powody.
01:58
First, we believe that before people turnskręcać over controlkontrola
36
102159
3959
Uważamy, że zanim oddamy kontrolę
02:02
to an autonomousautonomiczny carsamochód, that autonomousautonomiczny carsamochód should be
37
106118
2834
autonomicznym samochodom,
02:04
at leastnajmniej as good as the very bestNajlepiej humanczłowiek driversSterowniki.
38
108952
3254
muszą one dorównywać najlepszym kierowcom.
02:08
Now, if you're like me, and the other 70 percentprocent of the populationpopulacja
39
112206
3305
Jeśli, jak ja, należycie do 70% populacji,
02:11
who know that we are above-averagepowyżej średniej driversSterowniki,
40
115511
2193
uważających się za kierowców powyżej przeciętnej,
02:13
you understandzrozumieć that's a very highwysoki barbar.
41
117704
3175
wiecie, że to wysoka poprzeczka.
02:16
There's anotherinne reasonpowód as well.
42
120879
2392
Jest jeszcze jeden powód.
02:19
Just like racewyścigi carsamochód driversSterowniki can use all of the frictiontarcie
43
123271
3576
Kierowcy samochodów wyścigowych
02:22
betweenpomiędzy the tireopona and the roadDroga,
44
126847
1280
wykorzystują tarcie między oponą a nawierzchnią
02:24
all of the car'ssamochody capabilitiesmożliwości to go as fastszybki as possiblemożliwy,
45
128127
3177
i inne metody na szybką jazdę.
02:27
we want to use all of those capabilitiesmożliwości to avoiduniknąć
46
131304
3345
Chcemy wykorzystać te możliwości
02:30
any accidentwypadek we can.
47
134649
1588
do unikania wypadków.
02:32
Now, you maymoże pushPchać the carsamochód to the limitsograniczenia
48
136237
2050
Można doprowadzić samochód do granic
02:34
not because you're drivingnapędowy too fastszybki,
49
138287
1967
nie tylko przez nadmierną prędkość,
02:36
but because you've hittrafienie an icylodowe patchłata of roadDroga,
50
140254
2160
ale też przez oblodzoną nawierzchnię,
02:38
conditionswarunki have changedzmienione.
51
142414
1704
zmienne warunki.
02:40
In those situationssytuacje, we want a carsamochód
52
144118
2761
W takich sytuacjach chcemy,
02:42
that is capablezdolny enoughdość to avoiduniknąć any accidentwypadek
53
146879
3720
by samochód potrafił uniknąć
02:46
that can physicallyfizycznie be avoidedunikany.
54
150599
2678
wszelkich możliwych wypadków.
02:49
I mustmusi confesswyznać, there's kinduprzejmy of a thirdtrzeci motivationmotywacja as well.
55
153277
4267
Muszę przyznać, że jest też trzeci powód.
02:53
You see, I have a passionpasja for racingwyścigi.
56
157544
2256
Fascynują mnie wyścigi.
02:55
In the pastprzeszłość, I've been a racewyścigi carsamochód ownerwłaściciel,
57
159800
2764
Kiedyś miałem wyścigówkę,
02:58
a crewzałoga chiefszef and a drivingnapędowy coachtrener,
58
162564
2555
byłem szefem ekipy i instruktorem jazdy,
03:01
althoughmimo że maybe not at the levelpoziom that you're currentlyobecnie expectingprzy nadziei.
59
165119
3855
choć nie na aż tak wysokim poziomie.
03:04
One of the things that we'vemamy developedrozwinięty in the lablaboratorium --
60
168974
2704
Jednym z kilku pojazdów,
03:07
we'vemamy developedrozwinięty severalkilka vehiclespojazdy --
61
171678
1704
które zbudowaliśmy w laboratorium,
03:09
is what we believe is the world'srecyrodycyjstwo diecystwo recyrodycyjstwo diecystwo recy sektorcy first
62
173382
2235
jest pierwszy na świecie samochód
03:11
autonomouslyautonomicznie driftingdrifting carsamochód.
63
175617
2365
samodzielnie wykonujący poślizg kontrolowany.
03:13
It's anotherinne one of those categorieskategorie
64
177982
2513
To jedna z kategorii,
03:16
where maybe there's not a lot of competitionzawody.
65
180495
2423
w której nie ma zbyt dużej konkurencji.
03:18
(LaughterŚmiech)
66
182918
1408
(Śmiech)
03:20
But this is P1. It's an entirelycałkowicie student-builtzbudowany na studenckie electricelektryczny vehiclepojazd,
67
184326
3822
Oto P1, pojazd elektryczny
zbudowany przez studentów.
03:24
whichktóry throughprzez usingza pomocą its rear-wheeltylne koła drivenapęd
68
188148
2078
Z pomocą tylnej kierownicy
03:26
and front-wheelprzednie koła steer-by-wireSteer-by-wire
69
190226
1565
i przedniego systemu sterowania,
03:27
can driftdryf around cornersnarożniki.
70
191791
2067
potrafi wykonać poślizg kontrolowany.
03:29
It can get sidewaysbokiem like a rallyRajd carsamochód driverkierowca,
71
193858
2200
Potrafi jechać bokiem jak rajdowiec,
03:31
always ablezdolny to take the tightestciasnych curvekrzywa,
72
196058
1715
wziąć najostrzejszy zakręt,
03:33
even on slipperyśliski, changingwymiana pieniędzy surfacespowierzchnie,
73
197773
3304
nawet na śliskich, zmiennych powierzchniach,
03:36
never spinningspinning out.
74
201077
1616
nie wpadając w poślizg.
03:38
We'veMamy alsorównież workedpracował with VolkswagenVolkswagen OracleOracle,
75
202693
2368
Wraz z Volkswagenem Oracle
03:40
on ShelleyShelley, an autonomousautonomiczny racewyścigi carsamochód that has racedścigał się
76
205061
3424
pracowaliśmy nad Shelly, autonomiczną wyścigówką,
03:44
at 150 milesmile an hourgodzina throughprzez the BonnevilleBonneville SaltSól FlatsMieszkania,
77
208485
3070
która osiągnęła 240km/h na równinie solnej,
03:47
goneodszedł around ThunderhillThunderhill RacewayBieżni ParkPark in the sunsłońce,
78
211555
4471
jeździła po torze wyścigowym w słońcu,
03:51
the windwiatr and the raindeszcz,
79
216026
2639
przy wietrze i na deszczu,
03:54
and navigatedNawigacja the 153 turnsskręca and 12.4 milesmile
80
218665
5018
dała radę 153 zakrętom i 20 km
03:59
of the PikesSzczupaki PeakSzczyt HillHill ClimbWspiąć się routetrasa
81
223683
1562
drogi wysokogórskiej w Kolorado
04:01
in ColoradoColorado with nobodynikt at the wheelkoło.
82
225245
3473
bez nikogo za kierownicą.
04:04
(LaughterŚmiech)
83
228718
1448
(Śmiech)
04:06
(ApplauseAplauz)
84
230166
5566
(Brawa)
04:11
I guessodgadnąć it goesidzie withoutbez sayingpowiedzenie that we'vemamy had a lot of funzabawa
85
235732
3279
Chyba nie muszę mówić,
04:14
doing this.
86
239011
1304
że świetnie się przy tym bawiliśmy.
04:16
But in factfakt, there's something elsejeszcze that we'vemamy developedrozwinięty
87
240315
3657
Pracując nad autonomicznymi samochodami
04:19
in the processproces of developingrozwijanie these autonomousautonomiczny carssamochody.
88
243972
3055
rozwinęliśmy też coś innego,
04:22
We have developedrozwinięty a tremendousogromny appreciationuznanie
89
247027
3871
mianowicie olbrzymi szacunek
04:26
for the capabilitiesmożliwości of humanczłowiek racewyścigi carsamochód driversSterowniki.
90
250898
3817
dla możliwości rajdowców.
04:30
As we'vemamy lookedspojrzał at the questionpytanie of how well do these carssamochody performwykonać,
91
254715
4345
Testując te samochody,
04:34
we wanted to compareporównać them to our humanczłowiek counterpartsodpowiedniki.
92
259060
3279
chcieliśmy porównać je z ludzkimi odpowiednikami.
04:38
And we discoveredodkryty theirich humanczłowiek counterpartsodpowiedniki are amazingniesamowity.
93
262339
5680
Odkryliśmy, że ci drudzy są niesamowici.
04:43
Now, we can take a mapmapa of a racewyścigi tracktor,
94
268019
4023
Biorąc mapę toru wyścigowego
04:47
we can take a mathematicalmatematyczny modelModel of a carsamochód,
95
272042
2370
i matematyczny model samochodu,
04:50
and with some iterationiteracji, we can actuallytak właściwie find
96
274412
2903
po paru próbach możemy wytyczyć
04:53
the fastestnajszybszy way around that tracktor.
97
277315
1625
najszybszą drogę po torze.
04:54
We linelinia that up with datadane that we recordrekord
98
278940
2533
Porównujemy te dane
04:57
from a professionalprofesjonalny driverkierowca,
99
281473
1433
z jazdą profesjonalnego kierowcy
04:58
and the resemblancepodobieństwo is absolutelyabsolutnie remarkableznakomity.
100
282906
4107
i podobieństwo okazuje się niesamowite.
05:02
Yes, there are subtlesubtelny differencesróżnice here,
101
287013
3212
Owszem, są subtelne różnice,
05:06
but the humanczłowiek racewyścigi carsamochód driverkierowca is ablezdolny to go out
102
290225
3127
jednak człowiek potrafi usiąść za kierownicą
05:09
and drivenapęd an amazinglyzadziwiająco fastszybki linelinia,
103
293352
2335
i jechać bardzo szybko
05:11
withoutbez the benefitzasiłek of an algorithmalgorytm that comparesporównuje
104
295687
2330
bez algorytmu porównującego
05:13
the trade-offkompromis betweenpomiędzy going as fastszybki as possiblemożliwy
105
298017
2608
opłacalność szybkiej jazdy na zakręcie
05:16
in this cornerkąt, and shavinggolenie a little bitkawałek of time
106
300625
2037
z czasowym zyskiem
05:18
off of the straightproste over here.
107
302662
1902
na następnej prostej.
05:20
Not only that, they're ablezdolny to do it lappodołek
108
304564
3457
W dodatku umieją to powtórzyć
05:23
after lappodołek after lappodołek.
109
308021
2375
okrążenie za okrążeniem.
05:26
They're ablezdolny to go out and consistentlykonsekwentnie do this,
110
310396
2912
Za każdym razem
05:29
pushingpchanie the carsamochód to the limitsograniczenia everykażdy singlepojedynczy time.
111
313308
4128
wykorzystują samochód do granic możliwości.
05:33
It's extraordinaryniezwykły to watch.
112
317436
3169
To niesamowite.
05:36
You put them in a newNowy carsamochód,
113
320605
2066
W nowym samochodzie
05:38
and after a fewkilka lapsokrążenia, they'veoni founduznany the fastestnajszybszy linelinia in that carsamochód,
114
322671
3902
już po kilku okrążeniach odszukają najszybszą trasę
05:42
and they're off to the raceswyścigi.
115
326573
3877
i mogą wziąć udział w wyścigu.
05:46
It really makesczyni you think,
116
330450
1146
Zaczęliśmy się zastanawiać,
05:47
we'dpoślubić love to know what's going on insidewewnątrz theirich brainmózg.
117
331596
4871
co dzieje się w ich głowach.
05:52
So as researchersnaukowcy, that's what we decidedzdecydowany to find out.
118
336467
4541
Postanowiliśmy to zbadać
05:56
We decidedzdecydowany to instrumentinstrument not only the carsamochód,
119
341008
1812
i monitorować nie tylko samochód,
05:58
but alsorównież the racewyścigi carsamochód driverkierowca,
120
342820
2495
ale też i kierowców
06:01
to try to get a glimpsedojrzeć into what was going on
121
345315
2769
żeby dowiedzieć się
06:03
in theirich headgłowa as they were doing this.
122
348084
2186
jak myślą w trakcie jazdy.
06:06
Now, this is DrDr. LeneLene HarbottHarbott applyingstosowanie electrodeselektrody
123
350270
3950
Tutaj dr Lene Harbott przyczepia elektrody
06:10
to the headgłowa of JohnJohn MortonMorton.
124
354220
1232
do głowy Johna Mortona,
06:11
JohnJohn MortonMorton is a formerbyły Can-AmCan-Am and IMSAIMSA driverkierowca,
125
355452
2989
byłego kierowcy rajdowego
06:14
who'skto jest alsorównież a classklasa championmistrz at LeLe MansMans.
126
358441
1800
wyścigów Can-Am, IMSa i Le Mans.
06:16
FantasticFantastyczne driverkierowca, and very willingskłonny to put up with graduateukończyć studentsstudenci
127
360241
3496
Świetny kierowca
06:19
and this sortsortować of researchBadania.
128
363737
1855
i chętnie współpracuje ze studentami.
06:21
She's puttingwprowadzenie electrodeselektrody on his headgłowa
129
365592
2672
Elektrody na głowie
06:24
so that we can monitormonitor the electricalelektryczny activityczynność
130
368264
2112
monitorują aktywność elektryczną mózgu
06:26
in John'sJohn's brainmózg as he raceswyścigi around the tracktor.
131
370376
2832
podczas jazdy po torze.
06:29
Now, clearlywyraźnie we're not going to put a couplepara of electrodeselektrody on his headgłowa
132
373208
3195
Oczywiście elektrody nie pozwolą nam
06:32
and understandzrozumieć exactlydokładnie what all of his thoughtsmyśli are on the tracktor.
133
376403
3270
odczytać jego myśli podczas jazdy,
06:35
HoweverJednak, neuroscientistsneurolodzy have identifiedzidentyfikowane certainpewny patternswzorce
134
379673
3407
ale neurobiolodzy odkryli wzory pracy mózgu,
06:38
that let us teasezłośliwiec out some very importantważny aspectsaspekty of this.
135
383080
3761
ilustrujące istotne aspekty rozumowania.
06:42
For instanceinstancja, the restingspoczynkowy brainmózg
136
386841
1847
W stanie spoczynku
06:44
tendsdąży to generateGenerować a lot of alphaalfa wavesfale.
137
388688
2155
mózg generuje dużo fal alfa.
06:46
In contrastkontrast, thetateta wavesfale are associatedpowiązany with
138
390843
3752
Fale theta wiążą się z funkcjami poznawczymi,
06:50
a lot of cognitivepoznawczy activityczynność, like visualwizualny processingprzetwarzanie,
139
394595
3184
jak przetwarzanie sygnałów wzrokowych,
06:53
things where the driverkierowca is thinkingmyślący quitecałkiem a bitkawałek.
140
397779
3048
kiedy kierowca myśli bardzo intensywnie.
06:56
Now, we can measurezmierzyć this,
141
400827
1663
Można to zmierzyć
06:58
and we can look at the relativekrewny powermoc
142
402490
1985
porównując moc względną
07:00
betweenpomiędzy the thetateta wavesfale and the alphaalfa wavesfale.
143
404475
2200
fal theta i fal alfa.
07:02
This givesdaje us a measurezmierzyć of mentalpsychiczny workloadobciążenie pracą,
144
406675
2442
Dostajemy pomiar pracy umysłowej,
07:05
how much the driverkierowca is actuallytak właściwie challengedzakwestionowany cognitivelypoznawczo
145
409117
3567
poziom wyzwania, jakie stawia przed kierowcą
07:08
at any pointpunkt alongwzdłuż the tracktor.
146
412684
1786
każdy odcinek trasy.
07:10
Now, we wanted to see if we could actuallytak właściwie recordrekord this
147
414470
2942
Chcąc zarejestrować to na torze,
07:13
on the tracktor, so we headedgłowiasty down southpołudnie to LagunaLaguna SecaSeca.
148
417412
3038
pojechaliśmy do Laguna Seca.
07:16
LagunaLaguna SecaSeca is a legendarylegendarny racewaybieżni
149
420450
2016
To legendarny tor wyścigowy
07:18
about halfwaywpół betweenpomiędzy SalinasSalinas and MontereyMonterey.
150
422466
2301
położony między Salinas i Monterey.
07:20
It has a curvekrzywa there callednazywa the CorkscrewKorkociąg.
151
424767
2087
Ma zakręt zwany "korkociągiem",
07:22
Now, the CorkscrewKorkociąg is a chicaneChicane, followedśledzić by a quickszybki
152
426854
2717
zakręt-pułapkę, po którym następuje
07:25
right-handedpraworęczny turnskręcać as the roadDroga dropskrople threetrzy storieshistorie.
153
429571
2746
ostry skręt w prawo połączony z trzypiętrowym spadkiem.
07:28
Now, the strategystrategia for drivingnapędowy this as explainedwyjaśnione to me was,
154
432317
3766
Strategię pokonania tej przeszkody
wyjaśniono mi tak:
07:31
you aimcel for the bushkrzak in the distancedystans,
155
436083
2022
kierujesz się na tamten krzak,
07:34
and as the roadDroga fallsspada away, you realizerealizować it was actuallytak właściwie the topTop of a treedrzewo.
156
438105
3025
a kiedy droga opada widzisz, że to czubek drzewa.
07:37
All right, so thanksdzięki to the RevsObrotach ProgramProgram at StanfordStanford,
157
441130
3304
Dzięki programowi Revs
07:40
we were ablezdolny to take JohnJohn there
158
444434
1473
mogliśmy zabrać tam Johna,
07:41
and put him behindza the wheelkoło
159
445907
964
by posadzić go za kierownicą
07:42
of a 1960 PorschePorsche AbarthAbarth CarreraCarrera.
160
446871
2439
Porsche Abarth Carrera, rocznik 1960.
07:45
Life is way too shortkrótki for boringnudny carssamochody.
161
449310
3698
Nie warto marnować życia na kiepskie samochody.
07:48
So, here you see JohnJohn on the tracktor,
162
453008
1759
To John na trasie.
07:50
he's going up the hillwzgórze -- Oh! SomebodyKtoś likedlubiany that --
163
454767
2184
Wjeżdża pod górę.
07:52
and you can see, actuallytak właściwie, his mentalpsychiczny workloadobciążenie pracą
164
456951
2465
Widać poziom pracy mózgu,
07:55
-- measuringzmierzenie here in the redczerwony barbar --
165
459416
2153
przedstawiony jako czerwony wskaźnik.
07:57
you can see his actionsdziałania as he approachesawanse.
166
461569
2343
Widać jak pracuje.
07:59
Now watch, he has to downshiftbiegu.
167
463912
3230
Musi zredukować bieg,
08:03
And then he has to turnskręcać left.
168
467142
761
skręcić w lewo,
08:03
Look for the treedrzewo, and down.
169
467903
3993
uważać na drzewo i zjechać na dół.
08:07
Not surprisinglyzaskakująco, you can see this is a prettyładny challengingtrudne taskzadanie.
170
471896
2838
To bardzo wymagające zadanie.
08:10
You can see his mentalpsychiczny workloadobciążenie pracą spikekolec as he goesidzie throughprzez this,
171
474734
2976
Praca mózgu wzmaga się,
08:13
as you would expectoczekiwać with something that requireswymaga
172
477710
2064
jak można oczekiwać
08:15
this levelpoziom of complexityzłożoność.
173
479774
2809
przy tak złożonych czynnościach.
08:18
But what's really interestingciekawy is to look at areasobszary of the tracktor
174
482583
3416
Najciekawsze są odcinki trasy,
08:21
where his mentalpsychiczny workloadobciążenie pracą doesn't increasezwiększać.
175
485999
2846
gdzie poziom pracy mózgu nie wzrasta.
08:24
I'm going to take you around now
176
488845
1495
Pokażę teraz inną część trasy.
08:26
to the other sidebok of the tracktor.
177
490340
1089
Pokażę teraz inną część trasy.
08:27
TurnKolej threetrzy. And John'sJohn's going to go into that cornerkąt
178
491429
2336
Przy trzecim zakręcie tył samochodu
08:29
and the reartylny endkoniec of the carsamochód is going to beginzaczynać to slideślizgać się out.
179
493765
2551
wpadnie w lekki poślizg.
08:32
He's going to have to correctpoprawny for that with steeringsterowniczy.
180
496316
2017
John wyrównuje kierownicą.
08:34
So watch as JohnJohn does this here.
181
498333
2231
Teraz zwróćcie uwagę
08:36
Watch the mentalpsychiczny workloadobciążenie pracą, and watch the steeringsterowniczy.
182
500564
2322
na poziom pracy mózgu i kierownicę.
08:38
The carsamochód beginszaczyna się to slideślizgać się out, dramaticdramatyczny maneuvermanewr to correctpoprawny it,
183
502886
3672
Poślizg, szybkie wyrównanie
08:42
and no changezmiana whatsoevercokolwiek in the mentalpsychiczny workloadobciążenie pracą.
184
506558
3523
i brak zmian w pracy mózgu.
08:45
Not a challengingtrudne taskzadanie.
185
510081
2832
Zero wyzwania.
08:48
In factfakt, entirelycałkowicie reflexiverefleksyjne.
186
512913
3200
Po prostu refleks.
08:52
Now, our datadane processingprzetwarzanie on this is still preliminarywstępny,
187
516113
3643
To dopiero pierwsze próby analizy danych,
08:55
but it really seemswydaje się that these phenomenalfenomenalny featswyczyny
188
519756
2672
ale wydaje się, że większość wyczynów
08:58
that the racewyścigi carsamochód driversSterowniki are performingdziałający
189
522428
1610
kierowców rajdowych
08:59
are instinctiveinstynktowny.
190
524038
1910
jest odruchowa.
09:01
They are things that they have simplypo prostu learnednauczyli to do.
191
525948
3390
To wyuczone czynności.
09:05
It requireswymaga very little mentalpsychiczny workloadobciążenie pracą
192
529338
2282
Wykonanie tego niezwykłego zadania
09:07
for them to performwykonać these amazingniesamowity featswyczyny.
193
531620
2824
nie wymaga od nich wiele wysiłku umysłowego.
09:10
And theirich actionsdziałania are fantasticfantastyczny.
194
534444
3135
A efekty są niesamowite.
09:13
This is exactlydokładnie what you want to do on the steeringsterowniczy wheelkoło
195
537579
2611
Dokładnie takie manewry,
09:16
to catchłapać the carsamochód in this situationsytuacja.
196
540190
3337
jakich wymaga dana sytuacja.
09:19
Now, this has givendany us tremendousogromny insightwgląd
197
543527
3445
Pozwoliło nam to zrozumieć
09:22
and inspirationInspiracja for our ownwłasny autonomousautonomiczny vehiclespojazdy.
198
546972
3122
jak lepiej budować autonomiczne samochody.
09:25
We'veMamy startedRozpoczęty to askzapytać the questionpytanie:
199
550094
1928
Zadaliśmy sobie pytanie,
09:27
Can we make them a little lessmniej algorithmicalgorytmicznych
200
552022
2253
czy mogłyby mniej polegać na algorytmach,
09:30
and a little more intuitiveintuicyjny?
201
554275
2449
a więcej na intuicji.
09:32
Can we take this reflexiverefleksyjne actionczynność
202
556724
2281
Czy odruchy kierowców
09:34
that we see from the very bestNajlepiej racewyścigi carsamochód driversSterowniki,
203
559005
2287
da się wprowadzić
09:37
introduceprzedstawiać it to our carssamochody,
204
561292
1649
do wyścigówek,
09:38
and maybe even into a systemsystem that could
205
562941
1984
a w przyszłości być może
09:40
get ontona your carsamochód in the futureprzyszłość?
206
564925
1968
również do samochodów osobowych?
09:42
That would take us a long stepkrok
207
566893
1611
Byłby to ogromny krok
09:44
alongwzdłuż the roadDroga to autonomousautonomiczny vehiclespojazdy
208
568504
2509
w stronę samochodów autonomicznych,
09:46
that drivenapęd as well as the bestNajlepiej humansludzie.
209
571013
1912
jeżdżących jak profesjonalni kierowcy.
09:48
But it's madezrobiony us think a little bitkawałek more deeplygłęboko as well.
210
572925
3440
Tutaj zastanowiło nas,
09:52
Do we want something more from our carsamochód
211
576365
2968
czy chcemy, by samochód
09:55
than to simplypo prostu be a chauffeurszofer?
212
579333
1840
był czymś więcej niż szoferem?
09:57
Do we want our carsamochód to perhapsmoże be a partnerpartner, a coachtrener,
213
581173
4235
Może mógłby być partnerem, trenerem,
10:01
someonektoś that can use theirich understandingzrozumienie of the situationsytuacja
214
585408
3087
który pomógłby nam osiągnąć
10:04
to help us reachdosięgnąć our potentialpotencjał?
215
588495
4256
pełen potencjał?
10:08
Can, in factfakt, the technologytechnologia not simplypo prostu replacezastąpić humansludzie,
216
592751
2273
Czy zamiast zastępować człowieka,
10:10
but allowdopuszczać us to reachdosięgnąć the levelpoziom of reflexReflex and intuitionintuicja
217
595024
4575
technologia może nam pomóc
10:15
that we're all capablezdolny of?
218
599599
3425
w udoskonalaniu refleksu i intuicji?
10:18
So, as we moveruszaj się forwardNaprzód into this technologicaltechniczny futureprzyszłość,
219
603024
1923
Zmierzamy w kierunku technologicznej przyszłości.
10:20
I want you to just pausepauza and think of that for a momentza chwilę.
220
604947
2821
Warto się zastanowić, gdzie leży złoty środek
10:23
What is the idealideał balancesaldo of humanczłowiek and machinemaszyna?
221
607768
3775
między człowiekiem a maszyną?
10:27
And as we think about that,
222
611543
1709
Zastanawiając się nad tym,
10:29
let's take inspirationInspiracja
223
613252
1731
dajmy się zainspirować
10:30
from the absolutelyabsolutnie amazingniesamowity capabilitiesmożliwości
224
614983
3329
niezwykłym zdolnościom
10:34
of the humanczłowiek bodyciało and the humanczłowiek mindumysł.
225
618312
2816
ludzkiego ciała i umysłu.
10:37
Thank you.
226
621128
1736
Dziękuję.
10:38
(ApplauseAplauz)
227
622864
4604
(Brawa)
Translated by Marta Krzeminska
Reviewed by Magdalena Róg

▲Back to top

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

Why you should listen

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

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

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