TED2015
Chris Urmson: How a driverless car sees the road
Chris Urmson: Jak samosterujący samochód widzi drogę
Filmed:
Readability: 3.3
2,536,355 views
Statystycznie, najbardziej zawodną częścią samochodu jest... kierowca. Chris Urmson zarządza programem samochodu bez kierowcy Google, jedną z wielu prób usunięcia ludzi z siedzenia kierowcy. Opowiada, na jakim etapie znajduje się projekt oraz pokazuje fascynujące materiały o tym, jak taki samochód widzi drogę i samodzielnie podejmuje decyzje.
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
W 1885 roku Karl Benz
wymyślił automobil.
wymyślił automobil.
00:16
Later that year, he took it out
for the first public test drive,
for the first public test drive,
1
4707
3762
Niedługo potem odbył
pierwszą publiczną jazdę próbną
pierwszą publiczną jazdę próbną
00:20
and -- true story --
crashed into a wall.
crashed into a wall.
2
8469
3375
i uderzył w ścianę. To fakt.
00:24
For the last 130 years,
3
12184
2043
Od 130 lat pracujemy
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
nad najbardziej zawodną
częścią samochodu, kierowcą.
częścią samochodu, kierowcą.
00:30
We've made the car stronger.
5
18546
1354
Samochody są mocniejsze.
00:32
We've added seat belts,
we've added air bags,
we've added air bags,
6
20200
2548
Dodaliśmy pasy bezpieczeństwa
i poduszki powietrzne.
i poduszki powietrzne.
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
W ostatniej dekadzie próbujemy
uczynić samochody mądrzejsze,
uczynić samochody mądrzejsze,
00:38
to fix that bug, the driver.
8
26719
2938
aby usunąć błąd zwany kierowcą.
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
Dzisiaj opowiem o różnicy
00:44
between patching around the problem
with driver assistance systems
with driver assistance systems
10
32918
3808
między obchodzeniem problemu
systemami wspomagania kierowcy
systemami wspomagania kierowcy
00:48
and actually having fully
self-driving cars
self-driving cars
11
36726
2564
a posiadaniem w pełni
samosterujących samochodów
samosterujących samochodów
00:51
and what they can do for the world.
12
39290
1880
i o tym, co mogą zrobić.
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
Opowiem też
o naszym samochodzie
o naszym samochodzie
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
i pokażę, jak widzi drogę,
reaguje i działa,
reaguje i działa,
01:00
but first I'm going to talk
a little bit about the problem.
a little bit about the problem.
15
48164
3187
ale na początek powiem wam o problemie.
01:03
And it's a big problem:
16
51651
1648
Mamy duży problem:
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
każdego roku na drogach świata
ginie 1,2 miliona ludzi.
ginie 1,2 miliona ludzi.
01:08
In America alone, 33,000 people
are killed each year.
are killed each year.
18
56388
3784
W samej Ameryce ginie
33 tysięcy osób rocznie.
33 tysięcy osób rocznie.
01:12
To put that in perspective,
19
60172
2028
To tak, jakby codziennie
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
przez 5 dni w tygodniu
spadał Boeing 737.
spadał Boeing 737.
01:19
It's kind of unbelievable.
21
67342
1786
Niewiarygodne.
01:21
Cars are sold to us like this,
22
69548
2298
Samochody są nam sprzedawane tak,
01:23
but really, this is what driving's like.
23
71846
2717
ale naprawdę jazda wygląda tak.
01:26
Right? It's not sunny, it's rainy,
24
74563
2159
Nie ma słońca, pada deszcz,
01:28
and you want to do anything
other than drive.
other than drive.
25
76722
2488
ma się ochotę na cokolwiek
innego niż jazdę.
innego niż jazdę.
01:31
And the reason why is this:
26
79210
1622
A powodem jest to, że
01:32
Traffic is getting worse.
27
80832
1858
ruch uliczny robi się coraz gorszy.
01:34
In America, between 1990 and 2010,
28
82690
3506
W Ameryce między rokiem 1990 a 2010
01:38
the vehicle miles traveled
increased by 38 percent.
increased by 38 percent.
29
86196
3504
dystans przebyty przez
samochody wzrósł o 38%.
samochody wzrósł o 38%.
01:42
We grew by six percent of roads,
30
90213
2749
Długość dróg wzrosła o 6%.
01:44
so it's not in your brains.
31
92962
1602
To nie złudzenie,
01:46
Traffic really is substantially worse
than it was not very long ago.
than it was not very long ago.
32
94564
4276
ruch uliczny naprawdę jest
dużo gorszy niż jeszcze parę lat temu.
dużo gorszy niż jeszcze parę lat temu.
01:50
And all of this has a very human cost.
33
98840
2409
I to wszystko dużym kosztem ludzkim.
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
Jeśli pomnożymy średni czas
dojazdu do pracy w Ameryce, 50 minut,
dojazdu do pracy w Ameryce, 50 minut,
01:57
you multiply that by the 120 million
workers we have,
workers we have,
35
105477
3649
przez 120 milionów pracowników,
02:01
that turns out to be
about six billion minutes
about six billion minutes
36
109126
2225
okaże się, że marnujemy
02:03
wasted in commuting every day.
37
111351
2026
około 6 miliardów minut
każdego dnia.
każdego dnia.
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
To ogromna liczba, więc ją zobrazujmy.
02:08
You take that six billion minutes
39
116204
1774
Te sześć milionów minut
02:09
and you divide it by the average
life expectancy of a person,
life expectancy of a person,
40
117978
3784
podzielone przez średnią
przewidywaną długość życia
przewidywaną długość życia
02:13
that turns out to be 162 lifetimes
41
121762
3135
daje 162 życia ludzkie
02:16
spent every day, wasted,
42
124897
2925
zmarnowane każdego dnia
02:19
just getting from A to B.
43
127822
2044
na sam dojazd z A do B.
02:21
It's unbelievable.
44
129866
1730
Nie do wiary.
02:23
And then, there are those of us
who don't have the privilege
who don't have the privilege
45
131596
2844
Są też ludzie,
którzy nie mają przywileju
którzy nie mają przywileju
02:26
of sitting in traffic.
46
134440
1672
stania w korkach.
02:28
So this is Steve.
47
136112
1578
To jest Steve.
02:29
He's an incredibly capable guy,
48
137690
1765
To bardzo zdolny facet,
02:31
but he just happens to be blind,
49
139455
2516
ale jest niewidomy,
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
więc zamiast
30-minutowej jazdy do pracy
30-minutowej jazdy do pracy
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
przez 2 godziny męczy się
z komunikacją publiczną
z komunikacją publiczną
02:41
or asking friends and family for a ride.
52
149167
2385
lub prosi rodzinę czy znajomych
o podwózkę.
o podwózkę.
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
Nie ma tej swobody poruszania się,
co ja i ty.
co ja i ty.
02:47
We should do something about that.
54
155221
2460
Trzeba coś z tym zrobić.
02:49
Now, conventional wisdom would say
55
157891
1757
Typowym rozwiązaniem byłoby
02:51
that we'll just take
these driver assistance systems
these driver assistance systems
56
159648
2492
stopniowe rozwijanie
02:54
and we'll kind of push them
and incrementally improve them,
and incrementally improve them,
57
162140
3750
systemów
wspomagania kierowcy,
wspomagania kierowcy,
02:57
and over time, they'll turn
into self-driving cars.
into self-driving cars.
58
165890
2542
aż zmienią się
w samosterujące samochody.
w samosterujące samochody.
03:00
Well, I'm here to tell you
that's like me saying
that's like me saying
59
168432
2409
Ale to tak, jak gdybym trenował podskoki,
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
chcąc nauczyć się latać.
03:06
We actually need to do
something a little different.
something a little different.
61
174898
2728
Tak naprawdę musimy zrobić coś innego.
03:09
And so I'm going to talk to you
about three different ways
about three different ways
62
177626
2711
Opowiem o trzech różnicach
03:12
that self-driving systems are different
than driver assistance systems.
than driver assistance systems.
63
180337
3346
między systemami samosterującymi
a wspomagającymi.
a wspomagającymi.
03:15
And I'm going to start
with some of our own experience.
with some of our own experience.
64
183683
2651
Zacznę od własnego doświadczenia.
03:18
So back in 2013,
65
186334
2253
W 2013 roku po raz pierwszy
03:20
we had the first test
of a self-driving car
of a self-driving car
66
188587
2663
daliśmy przejechać się
samosterującym samochodem
samosterującym samochodem
03:23
where we let regular people use it.
67
191250
2027
zwykłym ludziom.
03:25
Well, almost regular --
they were 100 Googlers,
they were 100 Googlers,
68
193277
2202
No prawie zwykłym, bo
pracownikom Google,
pracownikom Google,
03:27
but they weren't working on the project.
69
195479
2003
ale nie związanym z projektem.
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
Mogli używać go na codzień.
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
Ale był jeden haczyk.
03:36
They had to pay attention,
72
204822
1504
Musieli go pilnować,
03:38
because this was an experimental vehicle.
73
206326
2633
ponieważ był to pojazd eksperymentalny.
03:40
We tested it a lot,
but it could still fail.
but it could still fail.
74
208959
3525
Mógł się popsuć,
mimo że był po testach.
mimo że był po testach.
03:44
And so we gave them two hours of training,
75
212484
2059
Przeszkoliliśmy ich,
03:46
we put them in the car,
we let them use it,
we let them use it,
76
214543
2092
wsadziliśmy do auta i mogli jechać.
03:48
and what we heard back
was something awesome,
was something awesome,
77
216635
2127
To, co nam potem powiedzieli,
03:50
as someone trying
to bring a product into the world.
to bring a product into the world.
78
218762
2524
było niesamowite dla twórców projektu.
03:53
Every one of them told us they loved it.
79
221286
1925
Wszyscy go uwielbiali.
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
Był kierowca Porsche,
który pierwszego dnia powiedział:
który pierwszego dnia powiedział:
03:58
"This is completely stupid.
What are we thinking?"
What are we thinking?"
81
226777
2663
"To kompletny nonsens.
Co wy myślicie?".
Co wy myślicie?".
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
Ale na końcu stwierdził:
"Nie tylko ja powinienem go mieć,
"Nie tylko ja powinienem go mieć,
04:04
everyone else should have it,
because people are terrible drivers."
because people are terrible drivers."
83
232690
3175
każdy powinien go mieć,
bo ludzie to beznadziejni kierowcy".
bo ludzie to beznadziejni kierowcy".
04:09
So this was music to our ears,
84
237135
1735
Słuchaliśmy wniebowzięci.
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
Potem sprawdziliśmy
co ludzie robili w samochodzie
co ludzie robili w samochodzie
04:14
and this was eye-opening.
86
242673
1579
i to otworzyło nam oczy.
04:16
Now, my favorite story is this gentleman
87
244252
2438
Moim ulubionym był człowiek,
04:18
who looks down at his phone
and realizes the battery is low,
and realizes the battery is low,
88
246690
3829
który sprawdza telefon
i widzi, że bateria jest słaba,
i widzi, że bateria jest słaba,
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
więc odwraca się
i grzebie w plecaku,
i grzebie w plecaku,
04:27
pulls out his laptop,
90
255067
2153
wyciąga laptopa,
04:29
puts it on the seat,
91
257220
1567
stawia go na siedzeniu,
04:30
goes in the back again,
92
258787
1764
odwraca się znowu,
04:32
digs around, pulls out
the charging cable for his phone,
the charging cable for his phone,
93
260551
3367
wyciąga ładowarkę do telefonu,
04:35
futzes around, puts it into the laptop,
puts it on the phone.
puts it on the phone.
94
263918
3367
kręci się,
podłącza ją do laptopa i telefonu.
podłącza ją do laptopa i telefonu.
04:39
Sure enough, the phone is charging.
95
267285
2043
Telefon się ładuje.
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
I cały czas jedzie
100 na godzinę autostradą.
100 na godzinę autostradą.
04:45
Right? Unbelievable.
97
273322
2484
Niewiarygodne.
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
Po przemyśleniu
uznaliśmy to za oczywiste,
uznaliśmy to za oczywiste,
04:50
The better the technology gets,
99
278927
2263
że z postępem technologii,
04:53
the less reliable
the driver is going to get.
the driver is going to get.
100
281190
2121
kierowca będzie coraz mniej niezawodny.
04:55
So by just making the cars
incrementally smarter,
incrementally smarter,
101
283311
2396
Więc przez tworzenie
coraz mądrzejszych pojazdów
coraz mądrzejszych pojazdów
04:57
we're probably not going to see
the wins we really need.
the wins we really need.
102
285707
2902
nie osiągniemy tego,
czego chcemy.
czego chcemy.
05:00
Let me talk about something
a little technical for a moment here.
a little technical for a moment here.
103
288609
3901
Opowiem teraz o technice.
05:04
So we're looking at this graph,
and along the bottom
and along the bottom
104
292510
2438
Na wykresie widać,
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
jak często samochód hamował bez potrzeby.
05:09
You can ignore most of that axis,
106
297999
1621
Można zignorować większość osi,
05:11
because if you're driving around town,
and the car starts stopping randomly,
and the car starts stopping randomly,
107
299620
3719
bo jeśli auto zacznie się
nagle zatrzymywać,
nagle zatrzymywać,
05:15
you're never going to buy that car.
108
303339
1701
pewnie go nie kupisz.
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
Oś pionowa pokazuje, jak często
samochód używa hamulców,
samochód używa hamulców,
05:20
when it's supposed to
to help you avoid an accident.
to help you avoid an accident.
110
308415
3049
aby pomóc uniknąć wypadku.
05:23
Now, if we look at
the bottom left corner here,
the bottom left corner here,
111
311464
2221
W lewym dolnym rogu
05:25
this is your classic car.
112
313685
1845
widać typowy samochód.
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
Nie włączy za ciebie hamulców,
nie zrobi nic głupiego,
nie zrobi nic głupiego,
05:30
but it also doesn't get you
out of an accident.
out of an accident.
114
318663
2779
ale też nie uchroni cię przed wypadkiem.
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
Jeśli chcemy wprowadzić
system wspomagający
system wspomagający
05:36
say with collision mitigation braking,
116
324460
1828
do auta z hamowaniem
unikającym kolizji,
unikającym kolizji,
05:38
we're going to put some package
of technology on there,
of technology on there,
117
326288
2612
umieścimy w nim technologię,
05:40
and that's this curve, and it's going
to have some operating properties,
to have some operating properties,
118
328900
3418
To ta krzywa.
Będzie to funkcjonalne,
Będzie to funkcjonalne,
05:44
but it's never going to avoid
all of the accidents,
all of the accidents,
119
332318
2490
ale nigdy nie zapobiegnie
wszystkim wypadkom,
wszystkim wypadkom,
05:46
because it doesn't have that capability.
120
334808
2059
gdyż nie ma takiej zdolności.
05:48
But we'll pick some place
along the curve here,
along the curve here,
121
336867
2249
Ale jeśli wybierzemy jakiś
punkt na krzywej,
punkt na krzywej,
05:51
and maybe it avoids half of accidents
that the human driver misses,
that the human driver misses,
122
339116
3254
możemy uniknąć połowy wypadków,
jakie miałby kierowca.
jakie miałby kierowca.
05:54
and that's amazing, right?
123
342370
1297
Niesamowite.
05:55
We just reduced accidents on our roads
by a factor of two.
by a factor of two.
124
343667
2727
Dwa razy zmniejszyliśmy liczbę
wypadków.
wypadków.
05:58
There are now 17,000 less people
dying every year in America.
dying every year in America.
125
346394
3987
To o 17 tysięcy mniej
ofiar drogowych co roku.
ofiar drogowych co roku.
06:02
But if we want a self-driving car,
126
350381
2020
Jeśli chcemy samosterujące auto,
06:04
we need a technology curve
that looks like this.
that looks like this.
127
352401
2307
krzywa technologii
musi wyglądać tak.
musi wyglądać tak.
06:06
We're going to have to put
more sensors in the vehicle,
more sensors in the vehicle,
128
354708
2599
Umieścimy w pojeździe
więcej czujników,
więcej czujników,
06:09
and we'll pick some
operating point up here
operating point up here
129
357307
2021
i wybierzemy jakiś punkt operacyjny,
06:11
where it basically never
gets into a crash.
gets into a crash.
130
359328
2019
gdzie nie dojdzie do wypadku.
06:13
They'll happen, but very low frequency.
131
361347
2443
Wypadki będą, ale bardzo rzadko.
06:15
Now you and I could look at this
and we could argue
and we could argue
132
363790
2461
Można polemizować,
czy to przyrost,
czy to przyrost,
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
wspomniałbym o zasadzie 80-20,
06:21
and it's really hard to move up
to that new curve.
to that new curve.
134
369856
2568
oraz że trudno jest
dojść do nowej krzywej.
dojść do nowej krzywej.
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
Spójrzmy jednak
z innej perspektywy.
z innej perspektywy.
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
Zobaczmy, jak często technologia
musi robić dobre rzeczy.
musi robić dobre rzeczy.
06:30
And so this green dot up here
is a driver assistance system.
is a driver assistance system.
137
378870
3506
Ta zielona kropka
to system wspomagający.
to system wspomagający.
06:34
It turns out that human drivers
138
382376
2485
Okazało się, że kierowcy w USA
06:36
make mistakes that lead
to traffic accidents
to traffic accidents
139
384861
2647
robią błędy, prowadzące do wypadków
06:39
about once every 100,000 miles in America.
140
387508
3172
mniej więcej raz na 100 tys. mil.
06:42
In contrast, a self-driving system
is probably making decisions
is probably making decisions
141
390680
3167
System samosterujący
prawdopodobnie decyduje
prawdopodobnie decyduje
06:45
about 10 times per second,
142
393847
3663
około 10 razy na sekundę,
06:49
so order of magnitude,
143
397510
1422
więc jest to wielkość rzędu
06:50
that's about 1,000 times per mile.
144
398932
2832
tysiąca razy na milę.
06:53
So if you compare the distance
between these two,
between these two,
145
401764
2485
Różnica między tymi wartościami
06:56
it's about 10 to the eighth, right?
146
404249
2600
to około 10 do potęgi ósmej.
06:58
Eight orders of magnitude.
147
406849
1765
Osiem rzędów wielkości.
07:00
That's like comparing how fast I run
148
408614
2809
To tak, jakby porównywać
szybkość mojego biegu
szybkość mojego biegu
07:03
to the speed of light.
149
411423
2206
do prędkości światła.
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
Ile bym nie ćwiczył,
i tak go nie dogonię.
i tak go nie dogonię.
07:09
So there's a pretty big gap there.
151
417414
2438
Mamy więc sporą lukę.
07:11
And then finally, there's how
the system can handle uncertainty.
the system can handle uncertainty.
152
419852
3729
A tak system
radzi sobie z niepewnością.
radzi sobie z niepewnością.
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
Ten pieszy może wejść na jezdnię
albo nie.
albo nie.
07:18
I can't tell,
nor can any of our algorithms,
nor can any of our algorithms,
154
426904
3395
Nie wiem tego ani ja,
ani żaden algorytm,
ani żaden algorytm,
07:22
but in the case of
a driver assistance system,
a driver assistance system,
155
430310
2284
natomiast system wspomagający
07:24
that means it can't take action,
because again,
because again,
156
432594
2806
nie może zareagować,
07:27
if it presses the brakes unexpectedly,
that's completely unacceptable.
that's completely unacceptable.
157
435400
3339
gdyż nagłe zahamowanie
jest niedopuszczalne.
jest niedopuszczalne.
07:30
Whereas a self-driving system
can look at that pedestrian and say,
can look at that pedestrian and say,
158
438739
3133
Z kolei system samosterujący
widzi przechodnia i myśli:
widzi przechodnia i myśli:
07:33
I don't know what they're about to do,
159
441872
1890
"Nie wiem, co on zrobi,
07:35
slow down, take a better look,
and then react appropriately after that.
and then react appropriately after that.
160
443762
3762
zwolnię, przyjrzę się
i odpowiednio zareaguję."
i odpowiednio zareaguję."
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
To bezpieczniejsze
niż jakikolwiek system wspomagający.
niż jakikolwiek system wspomagający.
07:43
So that's enough about
the differences between the two.
the differences between the two.
162
451226
2730
Tyle o różnicach.
07:45
Let's spend some time talking about
how the car sees the world.
how the car sees the world.
163
453956
3484
Teraz zobaczmy, jak samochód widzi świat.
07:49
So this is our vehicle.
164
457440
1252
To nasz pojazd.
07:50
It starts by understanding
where it is in the world,
where it is in the world,
165
458692
2438
Rozpoznaje swoje położenie
07:53
by taking a map and its sensor data
and aligning the two,
and aligning the two,
166
461130
2787
przez porównanie mapy
i danych z sensorów,
i danych z sensorów,
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
następnie nakłada na to
aktualny widok.
aktualny widok.
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
Wszystkie różowe pola
to inne pojazdy,
to inne pojazdy,
08:02
and the red thing on the side
over there is a cyclist,
over there is a cyclist,
169
470520
2528
a to czerwone to rowerzysta.
08:05
and up in the distance,
if you look really closely,
if you look really closely,
170
473048
2402
Jeśli się przyjrzeć, można zobaczyć
08:07
you can see some cones.
171
475450
1794
kilka pachołków w oddali.
08:09
Then we know where the car
is in the moment,
is in the moment,
172
477244
2773
Wiemy, gdzie samochód
jest w tej chwili,
jest w tej chwili,
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
ale poza tym musimy też
przewidywać, co się stanie.
przewidywać, co się stanie.
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
Pick-up na górze po prawej
zmienia pas na lewy,
zmienia pas na lewy,
08:19
because the road in front of it is closed,
175
487338
2223
bo droga przed nim jest zamknięta
08:21
so it needs to get out of the way.
176
489561
1731
i musi z niej zjechać.
08:23
Knowing that one pickup truck is great,
177
491292
1863
Dobrze znać zamiary tego kierowcy,
08:25
but we really need to know
what everybody's thinking,
what everybody's thinking,
178
493155
2479
ale musimy znać
zamiary wszystkich,
zamiary wszystkich,
08:27
so it becomes quite a complicated problem.
179
495634
2507
więc sprawa się komplikuje.
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
Możemy przewidzieć reakcję kierowcy
w danej chwili,
w danej chwili,
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
jaką trajektorię powinien wybrać,
jak szybko jechać.
jak szybko jechać.
08:38
And then that all turns into
just following a path:
just following a path:
182
506756
3065
Wszystko sprowadza się
do jazdy ścieżką:
do jazdy ścieżką:
08:41
turning the steering wheel left or right,
pressing the brake or gas.
pressing the brake or gas.
183
509821
3197
ruch kierownicą w lewo lub prawo,
naciśnięcie gazu lub hamulca.
naciśnięcie gazu lub hamulca.
08:45
It's really just two numbers
at the end of the day.
at the end of the day.
184
513018
2464
Ostatecznie to tylko 2 liczby.
08:47
So how hard can it really be?
185
515482
2241
Jak trudne może to być?
08:50
Back when we started in 2009,
186
518433
1952
Tak wyglądał nasz system w 2009,
08:52
this is what our system looked like.
187
520385
1798
kiedy zaczynaliśmy.
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
Widać nasz samochód
i inne obiekty,
i inne obiekty,
08:57
driving down the highway.
189
525574
1271
jadące po autostradzie.
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
Auto musi zrozumieć, gdzie jest,
i gdzie są inne pojazdy.
i gdzie są inne pojazdy.
09:02
It's really a geometric
understanding of the world.
understanding of the world.
191
530663
2429
To geometryczne rozumienie świata.
09:05
Once we started driving
on neighborhood and city streets,
on neighborhood and city streets,
192
533092
2948
Po wjechaniu
do osiedli i miast,
do osiedli i miast,
09:08
the problem becomes a whole
new level of difficulty.
new level of difficulty.
193
536040
2445
sprawa wchodzi na nowy poziom trudności.
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
Mamy pieszych na drodze
oraz inne auta,
oraz inne auta,
09:13
going every which way,
195
541979
1811
jadące w swoją stronę,
09:15
the traffic lights, crosswalks.
196
543790
1527
światła
i przejścia dla pieszych.
i przejścia dla pieszych.
09:17
It's an incredibly complicated
problem by comparison.
problem by comparison.
197
545317
2797
To niezwykle skomplikowany
problem.
problem.
09:20
And then once you have
that problem solved,
that problem solved,
198
548114
2103
Jeśli go raz rozwiążesz,
09:22
the vehicle has to be able
to deal with construction.
to deal with construction.
199
550217
2512
pojazd będzie umiał
przejechać przez teren budowy.
przejechać przez teren budowy.
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
Pachołki po lewej każą mu
zjechać na prawo,
zjechać na prawo,
09:27
but not just construction
in isolation, of course.
in isolation, of course.
201
555880
2402
ale nie jest to teren odizolowany.
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
Auto musi radzić sobie
z przechodniami.
z przechodniami.
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
Jeśli ktoś złamie prawo,
pojawia się policja,
pojawia się policja,
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
i samochód musi wiedzieć,
że błyskające światło
że błyskające światło
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
to nie zwykły pojazd,
ale policja.
ale policja.
09:43
Similarly, the orange box
on the side here,
on the side here,
206
571995
2032
A to pomarańczowe pole
09:46
it's a school bus,
207
574027
1109
to autobus szkolny,
09:47
and we have to treat that
differently as well.
differently as well.
208
575136
2520
który także wymaga
innego traktowania.
innego traktowania.
09:50
When we're out on the road,
other people have expectations:
other people have expectations:
209
578576
2793
W ruchu drogowym ludzie mają oczekiwania.
09:53
So, when a cyclist puts up their arm,
210
581369
1780
Gdy rowerzysta wyciąga rękę,
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
znaczy to, że oczekuje
iż samochód ustąpi
iż samochód ustąpi
09:58
to make a lane change.
212
586667
2053
i pozwoli mu zmienić pas.
10:01
And when a police officer
stood in the road,
stood in the road,
213
589030
2173
Kiedy policjant stoi na ulicy,
10:03
our vehicle should understand
that this means stop,
that this means stop,
214
591203
2740
auto musi rozumieć,
że oznacza to stop,
że oznacza to stop,
10:05
and when they signal to go,
we should continue.
we should continue.
215
593943
3506
a kiedy daje sygnał do jazdy,
może jechać.
może jechać.
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
Udaje się to dzięki
wymianie danych między pojazdami.
wymianie danych między pojazdami.
10:13
The first, most crude model of this
217
601210
1696
Prosty model polega na tym,
10:14
is when one vehicle
sees a construction zone,
sees a construction zone,
218
602906
2113
że jeden samochód widzi teren budowy
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
i informuje o tym drugi,
10:20
to avoid some of the difficulty.
220
608081
1570
aby ułatwić mu jazdę.
10:21
But we actually have a much
deeper understanding of this.
deeper understanding of this.
221
609651
2664
Jednak możemy zrobić to lepiej.
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
Możemy zebrać wszystkie dane
z samochodu,
z samochodu,
10:27
the hundreds of thousands
of pedestrians, cyclists,
of pedestrians, cyclists,
223
615324
2376
tysiące pieszych, rowerzystów,
10:29
and vehicles that have been out there
224
617700
1787
pojazdów,
10:31
and understand what they look like
225
619487
1695
i zrozumieć, jak wyglądają
10:33
and use that to infer
what other vehicles should look like
what other vehicles should look like
226
621182
2831
i wywnioskować,
jak mogą wyglądać inne pojazdy
jak mogą wyglądać inne pojazdy
10:36
and other pedestrians should look like.
227
624013
1926
oraz inni piesi.
10:37
And then, even more importantly,
we could take from that a model
we could take from that a model
228
625939
3021
Co ważniejsze,
możemy stworzyć model oczekiwań
możemy stworzyć model oczekiwań
10:40
of how we expect them
to move through the world.
to move through the world.
229
628960
2330
wobec innych
uczestników ruchu.
uczestników ruchu.
10:43
So here the yellow box is a pedestrian
crossing in front of us.
crossing in front of us.
230
631290
2963
To żółte pole to pieszy
przechodzący przed nami.
przechodzący przed nami.
10:46
Here the blue box is a cyclist
and we anticipate
and we anticipate
231
634253
2250
Niebieskie pole to rowerzysta.
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
Spodziewamy się,
że samochód minie go po prawej.
że samochód minie go po prawej.
10:52
Here there's a cyclist
coming down the road
coming down the road
233
640115
2092
Tutaj rowerzysta jedzie z naprzeciwka,
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
wiemy, że będzie ciągle
jechał wzdłuż drogi.
jechał wzdłuż drogi.
10:57
Here somebody makes a right turn,
235
645693
1867
Tutaj ktoś skręca w prawo,
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
a tu ktoś robi przed nami zawrotkę.
11:02
and we can anticipate that behavior
and respond safely.
and respond safely.
237
650920
2614
Możemy to przewidzieć
i bezpiecznie zareagować.
i bezpiecznie zareagować.
11:05
Now, that's all well and good
for things that we've seen,
for things that we've seen,
238
653534
2728
To wszystko już znamy,
11:08
but of course, you encounter
lots of things that you haven't
lots of things that you haven't
239
656262
2865
ale możemy napotkać wiele rzeczy,
których wcześniej nie widzieliśmy.
11:11
seen in the world before.
240
659127
1231
11:12
And so just a couple of months ago,
241
660358
1741
Kilka miesięcy temu
11:14
our vehicles were driving
through Mountain View,
through Mountain View,
242
662099
2235
nasze samochody
jechały przez Mountain View
jechały przez Mountain View
11:16
and this is what we encountered.
243
664334
1644
i napotkały coś takiego.
11:17
This is a woman in an electric wheelchair
244
665978
2082
Kobieta na elektrycznym wózku inwalidzkim
11:20
chasing a duck in circles on the road.
(Laughter)
(Laughter)
245
668060
2617
ganiająca w kółko kaczki.
(Śmiech)
(Śmiech)
11:22
Now it turns out, there is nowhere
in the DMV handbook
in the DMV handbook
246
670677
3111
Ministerstwo Transportu nie wskazało,
11:25
that tells you how to deal with that,
247
673788
2245
co zrobić w takiej sytuacji,
11:28
but our vehicles were able
to encounter that,
to encounter that,
248
676033
2143
ale nasze samochody zwolniły
11:30
slow down, and drive safely.
249
678176
2255
i bezpiecznie przejechały.
11:32
Now, we don't have to deal
with just ducks.
with just ducks.
250
680431
2041
Nie tylko kaczki się zdarzają.
11:34
Watch this bird fly across in front of us.
The car reacts to that.
The car reacts to that.
251
682472
3708
Tu widać przelatującego ptaka
i reakcję samochodu.
i reakcję samochodu.
11:38
Here we're dealing with a cyclist
252
686180
1615
Tutaj radzi sobie z rowerzystą,
11:39
that you would never expect to see
anywhere other than Mountain View.
anywhere other than Mountain View.
253
687795
3290
napotkanym w najmniej
oczekiwanym miejscu.
oczekiwanym miejscu.
11:43
And of course, we have
to deal with drivers,
to deal with drivers,
254
691085
2068
Musimy radzić sobie
też z kierowcami,
też z kierowcami,
11:45
even the very small ones.
255
693153
3715
nawet najmniejszymi.
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
Po prawej ktoś wyskakuje
na nas z ciężarówki.
na nas z ciężarówki.
11:54
And now, watch the left as the car
with the green box decides
with the green box decides
257
702460
2929
Tutaj po lewej
zielony samochód uznaje,
zielony samochód uznaje,
11:57
he needs to make a right turn
at the last possible moment.
at the last possible moment.
258
705389
3325
że musi skręcić w prawo
w ostatniej chwili.
w ostatniej chwili.
12:00
Here, as we make a lane change,
the car to our left decides
the car to our left decides
259
708714
2851
Tutaj, kiedy zmienialiśmy pas,
samochód po lewej uznał,
samochód po lewej uznał,
12:03
it wants to as well.
260
711565
3553
że też tak chce.
12:07
And here, we watch a car
blow through a red light
blow through a red light
261
715118
2693
Tu samochód przejeżdża
na czerwonym świetle,
na czerwonym świetle,
12:09
and yield to it.
262
717811
2090
a potem się zatrzymuje.
12:11
And similarly, here, a cyclist
blowing through that light as well.
blowing through that light as well.
263
719901
3854
I dalej, rowerzysta
też przejeżdża na czerwonym.
też przejeżdża na czerwonym.
12:15
And of course,
the vehicle responds safely.
the vehicle responds safely.
264
723755
2746
Samochód cały czas
reaguje bezpiecznie.
reaguje bezpiecznie.
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
Ludzie robili najróżniejsze rzeczy,
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
np. tu facet wciska się
pomiędzy dwa nasze auta.
pomiędzy dwa nasze auta.
12:24
You have to ask, "What are you thinking?"
267
732925
2045
Trzeba spytać: "O czym myślisz?".
12:26
(Laughter)
268
734970
1212
(Śmiech)
12:28
Now, I just fire-hosed you
with a lot of stuff there,
with a lot of stuff there,
269
736182
2521
Pokazałem mnóstwo przykładów,
12:30
so I'm going to break one of these
down pretty quickly.
down pretty quickly.
270
738703
2650
teraz przeanalizuję jeden z nich.
12:33
So what we're looking at is the scene
with the cyclist again,
with the cyclist again,
271
741353
2940
Wróćmy do sceny z rowerzystą.
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
Na dole jeszcze nie widać rowerzysty,
12:39
but the car can: it's that little
blue box up there,
blue box up there,
273
747784
2504
ale samochód już go widzi -
ten mały niebieski obiekt
ten mały niebieski obiekt
12:42
and that comes from the laser data.
274
750288
2081
powstały z danych laserowych.
12:44
And that's not actually
really easy to understand,
really easy to understand,
275
752369
2418
Będzie lepiej widać,
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
jeśli włączę dane laserowe.
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
Jeśli umiecie je interpretować,
zauważycie
zauważycie
12:53
a few dots on the curve there,
278
761400
1487
kilka kropek na tej krzywej,
12:54
right there, and that blue box
is that cyclist.
is that cyclist.
279
762887
2372
a niebieski obiekt to rowerzysta.
12:57
Now as our light is red,
280
765259
1149
Mamy czerwone światło,
12:58
the cyclist's light
has turned yellow already,
has turned yellow already,
281
766408
2192
a rowerzysta ma już żółte,
13:00
and if you squint, you can see that
in the imagery.
in the imagery.
282
768600
2438
zauważycie, jeśli zmrużycie oczy.
13:03
But the cyclist, we see, is going
to proceed through the intersection.
to proceed through the intersection.
283
771038
3286
Rowerzysta chce przejechać
przez skrzyżowanie.
przez skrzyżowanie.
13:06
Our light has now turned green,
his is solidly red,
his is solidly red,
284
774324
2394
Mamy już zielone światło,
on czerwone,
on czerwone,
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
i przewidujemy, że rower
przejedzie w poprzek drogi.
przejedzie w poprzek drogi.
13:13
Unfortunately the other drivers next to us
were not paying as much attention.
were not paying as much attention.
286
781010
3742
Kierowcy obok
nie zwracają na to uwagi
nie zwracają na to uwagi
13:16
They started to pull forward,
and fortunately for everyone,
and fortunately for everyone,
287
784752
3157
i ruszają, ale na szczęście
13:19
this cyclists reacts, avoids,
288
787909
3011
rowerzysta reaguje, unika
13:22
and makes it through the intersection.
289
790920
2191
i przejeżdża przez skrzyżowanie.
13:25
And off we go.
290
793111
1568
No to jazda.
13:26
Now, as you can see, we've made
some pretty exciting progress,
some pretty exciting progress,
291
794679
2948
Jak sami widzicie, zrobiliśmy
duży postęp
duży postęp
13:29
and at this point we're pretty convinced
292
797627
1902
i jesteśmy przekonani,
13:31
this technology is going
to come to market.
to come to market.
293
799529
2010
że ta technologia wejdzie na rynek.
13:33
We do three million miles of testing
in our simulators every single day,
in our simulators every single day,
294
801539
4783
Robimy 5 milionów kilometrów
testów dziennie,
testów dziennie,
13:38
so you can imagine the experience
that our vehicles have.
that our vehicles have.
295
806322
2689
więc nasze auta mają doświadczenie.
13:41
We are looking forward to having
this technology on the road,
this technology on the road,
296
809011
2864
Nie możemy się doczekać
tej technologii na drodze.
tej technologii na drodze.
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
Sądzimy, że lepszym wyborem
jest przejście na automatykę
jest przejście na automatykę
13:46
rather than driver assistance approach
298
814765
1844
niż wspomaganie kierowcy,
13:48
because the urgency is so large.
299
816609
2621
gdyż sprawa jest pilna.
13:51
In the time I have given this talk today,
300
819230
2393
Podczas tej prelekcji
13:53
34 people have died on America's roads.
301
821623
3135
na drogach Ameryki zginęły 34 osoby.
13:56
How soon can we bring it out?
302
824758
2368
Jak szybko da się to wprowadzić?
13:59
Well, it's hard to say because
it's a really complicated problem,
it's a really complicated problem,
303
827126
3832
Trudno powiedzieć,
bo to skomplikowany problem.
bo to skomplikowany problem.
14:02
but these are my two boys.
304
830958
2214
To są moi chłopcy.
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
Mój najstarszy syn ma 11 lat,
więc za 4,5 roku
więc za 4,5 roku
14:08
he's going to be able
to get his driver's license.
to get his driver's license.
306
836795
2577
będzie mógł mieć prawo jazdy.
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
Razem z zespołem pracujemy,
by do tego nie dopuścić.
by do tego nie dopuścić.
14:14
Thank you.
308
842576
1904
Dziękuję.
14:16
(Laughter) (Applause)
309
844480
3667
(Śmiech)
(Brawa)
(Brawa)
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,
mam do ciebie pytanie.
mam do ciebie pytanie.
14:23
Chris Urmson: Sure.
311
851678
2809
Chris Urmson: Słucham.
14:26
CA: So certainly, the mind of your cars
is pretty mind-boggling.
is pretty mind-boggling.
312
854487
3924
CA: Umysł waszych samochodów
jest niepojęty.
jest niepojęty.
14:30
On this debate between
driver-assisted and fully driverless --
driver-assisted and fully driverless --
313
858411
4459
W debacie, która się teraz toczy,
14:34
I mean, there's a real debate
going on out there right now.
going on out there right now.
314
862870
3041
w sporze między wspomaganiem a automatem,
14:37
So some of the companies,
for example, Tesla,
for example, Tesla,
315
865911
2833
niektóre firmy,
na przykład Tesla,
na przykład Tesla,
14:40
are going the driver-assisted route.
316
868744
2159
wybrały wspomaganie kierowcy.
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
Uważasz, że to droga donikąd,
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
bo przez ulepszenia nigdy
nie dojdą do pełnej automatyki?
nie dojdą do pełnej automatyki?
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
Kierowca, czując się bezpiecznie,
14:57
and climb into the back,
and something ugly will happen.
and something ugly will happen.
320
885137
2647
może odwrócić się do tyłu
i stanie się coś złego.
i stanie się coś złego.
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: Tak, to prawda.
15:02
that the driver assistance systems
aren't going to be incredibly valuable.
aren't going to be incredibly valuable.
322
890460
3537
Nie znaczy to, że wspomaganie
jest bezwartościowe.
jest bezwartościowe.
15:05
They can save a lot of lives
in the interim,
in the interim,
323
893997
2058
Może ocalić wiele ofiar w tym czasie.
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
Ale jeśli chcemy prawdziwej zmiany,
tak by ludzie jak Steve
tak by ludzie jak Steve
15:11
to really get to the end case in safety,
325
899888
1969
mogli jeździć bezpiecznie,
15:13
to have the opportunity
to change our cities
to change our cities
326
901857
2479
jeśli chcemy zmienić miasta
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
i pozbyć się zatłoczonych parkingów,
15:20
it's the only way to go.
328
908540
1240
jest to jedyny wybór.
15:21
CA: We will be tracking your progress
with huge interest.
with huge interest.
329
909780
2718
CA: Z zainteresowaniem
będziemy śledzić wasze postępy.
będziemy śledzić wasze postępy.
15:24
Thanks so much, Chris.
CU: Thank you. (Applause)
CU: Thank you. (Applause)
330
912498
4232
Dziękuję, Chris.
CU: Dziękuję. (Brawa)
CU: Dziękuję. (Brawa)
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