TEDxStanford
Chris Gerdes: The future race car -- 150mph, and no driver
Chris Gerdes: Geleceğin yarış arabası -- 240 km/saat ve sürücüsüz
Filmed:
Readability: 4
806,444 views
Otonom arabalar geliyor ve sizden daha iyi sürüş yapacaklar. Chris Gerdes kendisi ve ekibinin nasıl saatte 240 km hızla giderken bile muhtemel her kazayı engelleyebilen robotik yarış arabaları yaptıklarını ortaya koyuyor. Ayrıca profesyonel yarışçıların beyin dalgalarını inceleyerek, onların iç güdülerini nasıl yeni bir hayranlık kazandığını anlatıyor. (TEDxStanford'da çekildi)
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
Şimdiye kadar kaçınız
00:17
gotten behind the wheel of a car
1
1913
1655
kullanmamanız gerekirken
00:19
when you really shouldn't have been driving?
2
3568
5687
bir arabanın direksiyonunun
başına geçtiniz?
başına geçtiniz?
Belki de tüm gün boyunca yoldaydınız ve
00:25
Maybe you're out on the road for a long day,
3
9255
1905
tek istediğiniz eve gitmekti.
00:27
and you just wanted to get home.
4
11160
1490
Yorgundunuz ama biraz daha
gidebilecek gibi hissettiniz,
gidebilecek gibi hissettiniz,
00:28
You were tired, but you felt you could drive a few more miles.
5
12650
2647
00:31
Maybe you thought,
6
15297
1199
Belki de,
herkesten az içtiğiniz için
00:32
I've had less to drink than everybody else,
7
16496
2017
00:34
I should be the one to go home.
8
18513
1736
eve gitmeniz gerektiğini düşündünüz.
00:36
Or maybe your mind was just entirely elsewhere.
9
20249
4591
Ya da aklınız tamamen başka bir yerdeydi.
00:40
Does this sound familiar to you?
10
24840
1454
Bu size tanıdık geliyor mu?
00:42
Now, in those situations, wouldn't it be great
11
26294
2898
Böyle durumlarda, gösterge panosunda
00:45
if there was a button on your dashboard
12
29192
1593
tek bir basışınızla, sizi evinize
00:46
that you could push, and the car would get you home safely?
13
30785
6343
güvenli bir şekilde götürebilecek
bir düğme olsaydı harika olmaz mıydı?
bir düğme olsaydı harika olmaz mıydı?
Otonom araçların bizlere
vaad ettiği şey buydu.
vaad ettiği şey buydu.
00:53
Now, that's been the promise of the self-driving car,
14
37128
2293
00:55
the autonomous vehicle, and it's been the dream
15
39421
2627
En azından 1939'da General Motors'un
Dünya Fuarı'ndaki
Dünya Fuarı'ndaki
00:57
since at least 1939, when General Motors showcased
16
42048
3249
Futurama standında
sunduğu bu fikirden beri
sunduğu bu fikirden beri
01:01
this idea at their Futurama booth at the World's Fair.
17
45297
3302
herkesin hayali buydu.
01:04
Now, it's been one of those dreams
18
48599
1943
Hep önümüzdeki 20 yılda
01:06
that's always seemed about 20 years in the future.
19
50542
4214
gerçekleşecek hayallerden bir tanesi gibi.
01:10
Now, two weeks ago, that dream took a step forward,
20
54756
2683
İki hafta önce, bu rüya
Nevada eyaletinin Google'un
otonom arabasına
otonom arabasına
01:13
when the state of Nevada granted Google's self-driving car
21
57439
3265
test yapması için lisans verip
01:16
the very first license for an autonomous vehicle,
22
60704
3600
bunun mevzuata uygun olduğunu
01:20
clearly establishing that it's legal for them
23
64304
2245
kabul etmesi ile bir
adım daha ileri gitti.
adım daha ileri gitti.
01:22
to test it on the roads in Nevada.
24
66549
1810
01:24
Now, California's considering similar legislation,
25
68359
3727
Şu an, Kalifoniya da benzer
bir düzenleme düşünüyor
bir düzenleme düşünüyor
01:27
and this would make sure that the autonomous car
26
72086
2408
ve bu da otonom arabanın
sadece Vegas'ta kalmayacak
sadece Vegas'ta kalmayacak
01:30
is not one of those things that has to stay in Vegas.
27
74494
2977
şeylerden biri olacağını kesinleştiriyor.
01:33
(Laughter)
28
77471
2096
(Gülüşmeler)
01:35
Now, in my lab at Stanford, we've been working on
29
79567
3784
Stanford'daki laboratuvarımda
otonom arabalar üzerine çalışıyoruz
otonom arabalar üzerine çalışıyoruz
01:39
autonomous cars too, but with a slightly different spin
30
83351
3487
ancak biraz farklı bir açıdan yaklaşarak.
01:42
on things. You see, we've been developing robotic race cars,
31
86838
4248
Şimdi, kendilerini fiziksel performansın
01:46
cars that can actually push themselves to the very limits
32
91086
4120
limitlerine kadar zorlayabilen
robotik yarış arabaları
üzerine çalışmaktayız.
üzerine çalışmaktayız.
01:51
of physical performance.
33
95206
2240
01:53
Now, why would we want to do such a thing?
34
97446
2613
Peki, neden böyle
bir şeyi yapmak isteyelim?
bir şeyi yapmak isteyelim?
01:55
Well, there's two really good reasons for this.
35
100059
2100
Aslında, bunun için iki iyi nedenimiz var.
01:58
First, we believe that before people turn over control
36
102159
3959
Birincisi, insanların
kontrolü otonom arabalara
kontrolü otonom arabalara
02:02
to an autonomous car, that autonomous car should be
37
106118
2834
bırakmalarından önce otonom araçların
02:04
at least as good as the very best human drivers.
38
108952
3254
en az, en iyi sürücü insanlar kadar
iyi olmaları gerektiğine inanıyoruz.
iyi olmaları gerektiğine inanıyoruz.
02:08
Now, if you're like me, and the other 70 percent of the population
39
112206
3305
Eğer siz de benim gibi ortalama
üstü bir sürücü olduğunu düşünen
üstü bir sürücü olduğunu düşünen
02:11
who know that we are above-average drivers,
40
115511
2193
diğer %70'in içindeyseniz,
02:13
you understand that's a very high bar.
41
117704
3175
bunun yüksek bir çıta olduğunu anlarsınız.
02:16
There's another reason as well.
42
120879
2392
Başka bir neden daha var.
02:19
Just like race car drivers can use all of the friction
43
123271
3576
Tıpkı yarış sürücülerinin
olabildiğince hızlı gitmek için
olabildiğince hızlı gitmek için
lastik ve yol arasındaki sürtünmeyi,
02:22
between the tire and the road,
44
126847
1280
02:24
all of the car's capabilities to go as fast as possible,
45
128127
3177
arabanın tüm kapasitesini
kullanmaları gibi,
kullanmaları gibi,
02:27
we want to use all of those capabilities to avoid
46
131304
3345
bu yetenekleri kazaların engellenmesi
02:30
any accident we can.
47
134649
1588
için kullanmak istiyoruz.
02:32
Now, you may push the car to the limits
48
136237
2050
Şimdi, arabanızı sadece
hızlı gitmek için değil,
koşullar değiştiğinde
koşullar değiştiğinde
02:34
not because you're driving too fast,
49
138287
1967
yolun buzlu bir kısmına
denk geldiğinizde limitlerine
denk geldiğinizde limitlerine
02:36
but because you've hit an icy patch of road,
50
140254
2160
02:38
conditions have changed.
51
142414
1704
kadar zorlayabilirsiniz.
02:40
In those situations, we want a car
52
144118
2761
Böyle tur durumlarda,
fiziksel olarak önlenebilecek
02:42
that is capable enough to avoid any accident
53
146879
3720
her kazayı önleyebilecek
bir araba istiyoruz.
bir araba istiyoruz.
02:46
that can physically be avoided.
54
150599
2678
02:49
I must confess, there's kind of a third motivation as well.
55
153277
4267
İtiraf etmeleyim ki, üçüncü bir
motivasyon daha var.
motivasyon daha var.
02:53
You see, I have a passion for racing.
56
157544
2256
Gördüğünüz gibi, yarışmaya karşı
bir tutkum var.
bir tutkum var.
02:55
In the past, I've been a race car owner,
57
159800
2764
Eskiden, bir yarış arabası sahibi,
02:58
a crew chief and a driving coach,
58
162564
2555
ekip şefi ve sürücü koçuydum.
03:01
although maybe not at the level that you're currently expecting.
59
165119
3855
Aslında her ne kadar beklediğiniz
seviyede olmasa da.
seviyede olmasa da.
03:04
One of the things that we've developed in the lab --
60
168974
2704
Laboratuvarda geliştirdiğimiz
şeylerden biri de
şeylerden biri de
03:07
we've developed several vehicles --
61
171678
1704
- aslında bir kaç araç geliştirdik -
03:09
is what we believe is the world's first
62
173382
2235
bize göre dünyanın otonom drift yapan
03:11
autonomously drifting car.
63
175617
2365
ilk arabasıydı.
03:13
It's another one of those categories
64
177982
2513
Muhtemelen çok fazla rekabetin olmadığı
03:16
where maybe there's not a lot of competition.
65
180495
2423
kategorilerden bir tanesi.
03:18
(Laughter)
66
182918
1408
(Gülüşmeler)
03:20
But this is P1. It's an entirely student-built electric vehicle,
67
184326
3822
Bu P1. Tamamen öğrenciler
tarafından yapılmış
tarafından yapılmış
03:24
which through using its rear-wheel drive
68
188148
2078
elektrikli, arkadan itişli,
ve ön tekerlerden kontrollü
03:26
and front-wheel steer-by-wire
69
190226
1565
03:27
can drift around corners.
70
191791
2067
köşeleri kayarak dönebilen bir araç.
03:29
It can get sideways like a rally car driver,
71
193858
2200
Ralli sürücüsü gibi yana kayış yapabilir,
03:31
always able to take the tightest curve,
72
196058
1715
kaygan ya da değişken zeminde bile
03:33
even on slippery, changing surfaces,
73
197773
3304
asla yoldan çıkmadan
her zaman en keskin virajları alabilir.
03:36
never spinning out.
74
201077
1616
03:38
We've also worked with Volkswagen Oracle,
75
202693
2368
Ayrıca, Volkswagen Oracle'la
Shelly üzerinde çalıştık.
Shelly üzerinde çalıştık.
03:40
on Shelley, an autonomous race car that has raced
76
205061
3424
Bonneville Salt Flats'de
saatte 240 km hızla yarışan
saatte 240 km hızla yarışan
03:44
at 150 miles an hour through the Bonneville Salt Flats,
77
208485
3070
otonom yarış aracı Shelly,
03:47
gone around Thunderhill Raceway Park in the sun,
78
211555
4471
Thunderhill Raceway Park etrafını,
güneş, rüzgar ve yağmur altında dolandı
03:51
the wind and the rain,
79
216026
2639
03:54
and navigated the 153 turns and 12.4 miles
80
218665
5018
ve Colorado'daki
Pikes Peak Hill Climb yolunda
Pikes Peak Hill Climb yolunda
03:59
of the Pikes Peak Hill Climb route
81
223683
1562
direksiyonda kimse yokken 153 tur atarak
04:01
in Colorado with nobody at the wheel.
82
225245
3473
20 kilometresinde yol yaptı.
04:04
(Laughter)
83
228718
1448
(Gülüşmeler)
04:06
(Applause)
84
230166
5566
(Alkışlar)
04:11
I guess it goes without saying that we've had a lot of fun
85
235732
3279
Sanırım bu yaparken çok eğlendiğimizi
04:14
doing this.
86
239011
1304
söylememe gerek yok.
04:16
But in fact, there's something else that we've developed
87
240315
3657
Ama aslında, otonom araba
geliştirme sürecinde
geliştirme sürecinde
04:19
in the process of developing these autonomous cars.
88
243972
3055
geliştirdiğimiz başka bir şey var.
04:22
We have developed a tremendous appreciation
89
247027
3871
Gerçek araba yarışçılarının
04:26
for the capabilities of human race car drivers.
90
250898
3817
yeteneklerine muazzam
bir takdir geliştirdik.
bir takdir geliştirdik.
04:30
As we've looked at the question of how well do these cars perform,
91
254715
4345
Bu araçların ne kadar iyi performans
gösterdiğini sorgulamak istediğimizde
gösterdiğini sorgulamak istediğimizde
04:34
we wanted to compare them to our human counterparts.
92
259060
3279
onları karşı emsalleri olan insanlarla
karşılaştırmak istedik.
karşılaştırmak istedik.
04:38
And we discovered their human counterparts are amazing.
93
262339
5680
Sonuç olarak insan emsallerinin
inanılmaz olduğunu keşfettik.
inanılmaz olduğunu keşfettik.
04:43
Now, we can take a map of a race track,
94
268019
4023
Şimdi, bir yarış pistinin haritasını
04:47
we can take a mathematical model of a car,
95
272042
2370
ve bir arabanın matematiksel
modelini alalım,
modelini alalım,
04:50
and with some iteration, we can actually find
96
274412
2903
bir kaç iterasyon ile aslında o pistteki
en hızlı güzergahı belirleyebiliriz.
04:53
the fastest way around that track.
97
277315
1625
04:54
We line that up with data that we record
98
278940
2533
Bu veriyi profesyonel
bir sürücüden elde ettiğimiz
bir sürücüden elde ettiğimiz
04:57
from a professional driver,
99
281473
1433
veri ile karşılaştırdığımızda
04:58
and the resemblance is absolutely remarkable.
100
282906
4107
benzerlik kesinlikle inanılmaz.
05:02
Yes, there are subtle differences here,
101
287013
3212
Evet, burada bazı ince farklar var,
05:06
but the human race car driver is able to go out
102
290225
3127
ama insan yarış sürücüsü
bir viraja son hızla girme ve düzlükte
05:09
and drive an amazingly fast line,
103
293352
2335
05:11
without the benefit of an algorithm that compares
104
295687
2330
hızı düşürme arasında kıyaslama
05:13
the trade-off between going as fast as possible
105
298017
2608
yapabilen bir algoritmadan
faydalanmaksızın
faydalanmaksızın
05:16
in this corner, and shaving a little bit of time
106
300625
2037
inanılmaz derecede hızlı bir güzergahta
05:18
off of the straight over here.
107
302662
1902
seyredebilme yeteneğine sahip.
05:20
Not only that, they're able to do it lap
108
304564
3457
Sadece bu değil,
bunu turdan tura tekrar tekrar
yapabiliyorlar.
yapabiliyorlar.
05:23
after lap after lap.
109
308021
2375
05:26
They're able to go out and consistently do this,
110
310396
2912
Bunu her seferinde arabayı
limitlerine kadar zorlayarak,
limitlerine kadar zorlayarak,
05:29
pushing the car to the limits every single time.
111
313308
4128
tutarlı şekilde yapabiliyorlar.
05:33
It's extraordinary to watch.
112
317436
3169
Bunu izlemek tamamen sıradışı.
05:36
You put them in a new car,
113
320605
2066
Onları yeni bir arabaya koyuyorsunuz,
05:38
and after a few laps, they've found the fastest line in that car,
114
322671
3902
sadece bir kaç tur sonra
en hızlı güzergahı buluyorlar
en hızlı güzergahı buluyorlar
05:42
and they're off to the races.
115
326573
3877
ve yarışa hazır oluyorlar.
05:46
It really makes you think,
116
330450
1146
Bu kesinlikle sizi
05:47
we'd love to know what's going on inside their brain.
117
331596
4871
beyinlerinde neler geçtiğini
meraka sevk ediyor.
meraka sevk ediyor.
Araştırmacılar olarak, bulmaya
karar verdiğimiz şey buydu.
karar verdiğimiz şey buydu.
05:52
So as researchers, that's what we decided to find out.
118
336467
4541
05:56
We decided to instrument not only the car,
119
341008
1812
Sadece arabayı
cihazlarla takip yerine,
cihazlarla takip yerine,
05:58
but also the race car driver,
120
342820
2495
yarış sürücülerini beyninlerinde de
06:01
to try to get a glimpse into what was going on
121
345315
2769
bu işi yaparken neler geçtiğini
anlamak için
anlamak için
06:03
in their head as they were doing this.
122
348084
2186
takip etmeye karar verdik.
06:06
Now, this is Dr. Lene Harbott applying electrodes
123
350270
3950
Bu Dr. Lene Harbort,
John Morton'un başına elektrodlar
John Morton'un başına elektrodlar
06:10
to the head of John Morton.
124
354220
1232
bağlarken görünüyor.
06:11
John Morton is a former Can-Am and IMSA driver,
125
355452
2989
John Morton eski bir Can-Am
ve IMSA sürücüsü,
ve IMSA sürücüsü,
ayrıca Le Mans'da sınıfında
şampiyonluğu var.
şampiyonluğu var.
06:14
who's also a class champion at Le Mans.
126
358441
1800
06:16
Fantastic driver, and very willing to put up with graduate students
127
360241
3496
Harika bir sürücü ve master
öğrencilerine ve bu tür araştırmalara
öğrencilerine ve bu tür araştırmalara
06:19
and this sort of research.
128
363737
1855
katlanmakta çok istekli biri.
06:21
She's putting electrodes on his head
129
365592
2672
Dr. Harbort burada, yarış boyunca
John'un beynindeki
John'un beynindeki
06:24
so that we can monitor the electrical activity
130
368264
2112
elektriksel aktiviteyi
takip edebilmemiz için
takip edebilmemiz için
06:26
in John's brain as he races around the track.
131
370376
2832
elektrotlar yerleştirmekte.
06:29
Now, clearly we're not going to put a couple of electrodes on his head
132
373208
3195
Şimdi, kesinklikle sadece
bir kaç elektrot koyarak
bir kaç elektrot koyarak
06:32
and understand exactly what all of his thoughts are on the track.
133
376403
3270
kafasında geçen tüm
düşünceleri anlayacak değiliz.
düşünceleri anlayacak değiliz.
06:35
However, neuroscientists have identified certain patterns
134
379673
3407
Ancak, nörobilimciler, buradan
06:38
that let us tease out some very important aspects of this.
135
383080
3761
önemli çıkarımlarda bulunabileceğimiz
bazı şablonlar belirlediler.
bazı şablonlar belirlediler.
06:42
For instance, the resting brain
136
386841
1847
Örneğin, dinlenmekte olan bir beyin
06:44
tends to generate a lot of alpha waves.
137
388688
2155
bir çok alpha dalgası yayma eğilimindedir.
06:46
In contrast, theta waves are associated with
138
390843
3752
Diğer taraftan, teta dalgaları
görsel işlemleme, sürücünün
düşünme durumu gibi
düşünme durumu gibi
06:50
a lot of cognitive activity, like visual processing,
139
394595
3184
06:53
things where the driver is thinking quite a bit.
140
397779
3048
birçok bilişsel aktivite ile ilişkilidir.
06:56
Now, we can measure this,
141
400827
1663
Şimdi, bunu ölçebiliyoruz
06:58
and we can look at the relative power
142
402490
1985
ve teta ve alfa dalgaları
arasındaki göreceli
arasındaki göreceli
07:00
between the theta waves and the alpha waves.
143
404475
2200
güç farkına bakabiliyoruz.
07:02
This gives us a measure of mental workload,
144
406675
2442
Bu bize, parkur boyunca
hangi anlarda zihinsel
hangi anlarda zihinsel
07:05
how much the driver is actually challenged cognitively
145
409117
3567
olarak ne kadar zorlandığı göstererek
sürücünün zihinsel iş yükü
hakkında bir ölçüt veriyor.
hakkında bir ölçüt veriyor.
07:08
at any point along the track.
146
412684
1786
07:10
Now, we wanted to see if we could actually record this
147
414470
2942
Şimdi, bunu gerçekten parkurda
gözlemlemek istedik ve
gözlemlemek istedik ve
07:13
on the track, so we headed down south to Laguna Seca.
148
417412
3038
bunun için güneye Laguna Seca'ya gittik.
07:16
Laguna Seca is a legendary raceway
149
420450
2016
Laguna Seca, Salinas ve Monterey
07:18
about halfway between Salinas and Monterey.
150
422466
2301
arasındaki efsanevi bir yarış pisti.
07:20
It has a curve there called the Corkscrew.
151
424767
2087
Tirbuşon adında bir viraja sahip.
07:22
Now, the Corkscrew is a chicane, followed by a quick
152
426854
2717
Tirbuşon, yol üç kat alçalırken
hızlı bir sağa dönüşü ile sürmekte olan
yapay bir sert viraj.
yapay bir sert viraj.
07:25
right-handed turn as the road drops three stories.
153
429571
2746
07:28
Now, the strategy for driving this as explained to me was,
154
432317
3766
Şimdi, buradaki sürüş stratejisi bana
şu şekilde açıklanmıştı:
şu şekilde açıklanmıştı:
Uzaktaki çalılıkları hedefliyorsunuz,
ve yol aşağıya doğru indiğinde
ve yol aşağıya doğru indiğinde
07:31
you aim for the bush in the distance,
155
436083
2022
07:34
and as the road falls away, you realize it was actually the top of a tree.
156
438105
3025
bunun aslında bir ağacın üst ucu
olduğunu fark ediyorsunuz.
olduğunu fark ediyorsunuz.
07:37
All right, so thanks to the Revs Program at Stanford,
157
441130
3304
Tamam, Standford'daki
Revs programı sayesinde,
Revs programı sayesinde,
07:40
we were able to take John there
158
444434
1473
John'u oraya götürüp,
07:41
and put him behind the wheel
159
445907
964
1960 model Porsche Abarth Carrera'nın
07:42
of a 1960 Porsche Abarth Carrera.
160
446871
2439
direksiyonun başına geçirebildik.
07:45
Life is way too short for boring cars.
161
449310
3698
Hayat sıkıcı arabalar için çok kısa.
İşte, burada John'u
pistte görebiliyorsunuz,
pistte görebiliyorsunuz,
07:48
So, here you see John on the track,
162
453008
1759
07:50
he's going up the hill -- Oh! Somebody liked that --
163
454767
2184
tepeye tırmanıyor
- birileri bunu sevdi -
- birileri bunu sevdi -
07:52
and you can see, actually, his mental workload
164
456951
2465
ve burada zihinsel
iş yükünü görebiliyorsunuz.
iş yükünü görebiliyorsunuz.
07:55
-- measuring here in the red bar --
165
459416
2153
- kırmızı bar ile ölçülüyor -
07:57
you can see his actions as he approaches.
166
461569
2343
yaklaştıkça eylemlerini görebiliyorsunuz.
07:59
Now watch, he has to downshift.
167
463912
3230
Şimdi izleyin, şimdi vitesi küçülmeli.
Şimdi sola dönmeli.
08:03
And then he has to turn left.
168
467142
761
08:03
Look for the tree, and down.
169
467903
3993
Ağaca bakıyor ve aşağı iniyor.
Beklenildiği üzere, bunun zorlayıcı
bir iş olduğunu görüyorsunuz.
bir iş olduğunu görüyorsunuz.
08:07
Not surprisingly, you can see this is a pretty challenging task.
170
471896
2838
08:10
You can see his mental workload spike as he goes through this,
171
474734
2976
Bu zorlukta bir iş için
tahmin edebileceğiniz gibi
08:13
as you would expect with something that requires
172
477710
2064
zihinsel yükünün bu sırada
ani çıkış yaptığını görebiliyorsunuz.
ani çıkış yaptığını görebiliyorsunuz.
08:15
this level of complexity.
173
479774
2809
08:18
But what's really interesting is to look at areas of the track
174
482583
3416
Ama aslında ilgi çekici olan
pistte zihinsel yükünün artmadığı alanlar.
08:21
where his mental workload doesn't increase.
175
485999
2846
08:24
I'm going to take you around now
176
488845
1495
Şimdi sizi pistin diğer
08:26
to the other side of the track.
177
490340
1089
tarafına götüreceğim.
08:27
Turn three. And John's going to go into that corner
178
491429
2336
Üçüncü dönüş. John bu köşeye doğru gidecek
08:29
and the rear end of the car is going to begin to slide out.
179
493765
2551
ve arabanın arkası kaymaya başlayacak.
08:32
He's going to have to correct for that with steering.
180
496316
2017
Bunu direksiyon ile düzeltmesi gerekecek.
08:34
So watch as John does this here.
181
498333
2231
John'u burada bunu yaparken izleyin.
08:36
Watch the mental workload, and watch the steering.
182
500564
2322
Zihinsel işyükünü ve direksiyonu izleyin.
08:38
The car begins to slide out, dramatic maneuver to correct it,
183
502886
3672
Araba kaymaya başlıyor, düzeltmek için
dramatik bir manevra
dramatik bir manevra
08:42
and no change whatsoever in the mental workload.
184
506558
3523
ve görüldüğü gibi zihinsel iş
yükünde bir değişiklik yok.
yükünde bir değişiklik yok.
08:45
Not a challenging task.
185
510081
2832
Zorlayıcı bir iş değil.
08:48
In fact, entirely reflexive.
186
512913
3200
Aslında tamamen reflekse dayalı.
08:52
Now, our data processing on this is still preliminary,
187
516113
3643
Şimdi, bu konudaki verilerimiz
hâlâ ön bulgular aşamasında,
hâlâ ön bulgular aşamasında,
08:55
but it really seems that these phenomenal feats
188
519756
2672
ama yarış sürücülerinin
bu fenomenal yetenekleri
08:58
that the race car drivers are performing
189
522428
1610
iç güdüsel olduğu görülüyor.
08:59
are instinctive.
190
524038
1910
09:01
They are things that they have simply learned to do.
191
525948
3390
Basitçe yapmayı öğrendikleri şeyler var.
09:05
It requires very little mental workload
192
529338
2282
Bu şaşırtıcı işleri yapmaları için
09:07
for them to perform these amazing feats.
193
531620
2824
çok az zihinsel iş yükü
kullanmaları gerekiyor.
kullanmaları gerekiyor.
09:10
And their actions are fantastic.
194
534444
3135
Yaptıkları şeyler fantastik.
09:13
This is exactly what you want to do on the steering wheel
195
537579
2611
Bu durumda arabayı kontrol etmek için
09:16
to catch the car in this situation.
196
540190
3337
direksiyonda kesinlikle
yapmak isteyeceğiz şey budur.
yapmak isteyeceğiz şey budur.
09:19
Now, this has given us tremendous insight
197
543527
3445
Şimdi, bu bizlere otonom araçlarımız
için inanılmaz bir iç görü
için inanılmaz bir iç görü
09:22
and inspiration for our own autonomous vehicles.
198
546972
3122
ve ilham verdi.
09:25
We've started to ask the question:
199
550094
1928
Şu soruyu sormaya başladık:
09:27
Can we make them a little less algorithmic
200
552022
2253
Onları biraz daha az algoritmik ve
09:30
and a little more intuitive?
201
554275
2449
biraz daha fazla sezgisel yapabilir miyiz?
09:32
Can we take this reflexive action
202
556724
2281
En iyi yarış sürücülerinde gördüğümüz
09:34
that we see from the very best race car drivers,
203
559005
2287
bu refleksif tepkileri alıp
09:37
introduce it to our cars,
204
561292
1649
arabalarımıza ya da ilerde
09:38
and maybe even into a system that could
205
562941
1984
arabamıza yüklenebilecek bir
09:40
get onto your car in the future?
206
564925
1968
sisteme ekleyebilir miyiz?
09:42
That would take us a long step
207
566893
1611
Bu, en iyi insanlar kadar
09:44
along the road to autonomous vehicles
208
568504
2509
iyi araba kullanabilen
otonom arabalar için
büyük bir adım olurdu.
büyük bir adım olurdu.
09:46
that drive as well as the best humans.
209
571013
1912
09:48
But it's made us think a little bit more deeply as well.
210
572925
3440
Ama, bu bizleri biraz daha derin
düşünmeye de sevk etti.
düşünmeye de sevk etti.
09:52
Do we want something more from our car
211
576365
2968
Arabamızdan basitçe bir şoför
olmasından fazla
olmasından fazla
09:55
than to simply be a chauffeur?
212
579333
1840
bir şey istiyor muyuz?
09:57
Do we want our car to perhaps be a partner, a coach,
213
581173
4235
Arabamızın, muhtemelen
bir partner, bir koç
bir partner, bir koç
10:01
someone that can use their understanding of the situation
214
585408
3087
durumu anlayacak ve potansiyelimize
ulaşmamızı sağlayacak biri
ulaşmamızı sağlayacak biri
10:04
to help us reach our potential?
215
588495
4256
olmasını mı istiyoruz?
Aslında teknoloji sadece insanların
yerine geçmek yerine
yerine geçmek yerine
10:08
Can, in fact, the technology not simply replace humans,
216
592751
2273
10:10
but allow us to reach the level of reflex and intuition
217
595024
4575
bizlerin sahip olduğumuz
refleks ve ön sezi kapasitesine
refleks ve ön sezi kapasitesine
10:15
that we're all capable of?
218
599599
3425
ulaşmamızı sağlayabilir mi?
Bu teknolojik geleceğe doğru ilerlerken,
10:18
So, as we move forward into this technological future,
219
603024
1923
10:20
I want you to just pause and think of that for a moment.
220
604947
2821
bir anlığına durup düşünmenizi istiyorum.
10:23
What is the ideal balance of human and machine?
221
607768
3775
İnsan ve makine arasındaki
ideal denge nedir?
ideal denge nedir?
10:27
And as we think about that,
222
611543
1709
Bunu düşünürken,
10:29
let's take inspiration
223
613252
1731
hep beraber insan vücudunun
10:30
from the absolutely amazing capabilities
224
614983
3329
ve insan zihninin kesinlikle
inanılmaz yeteneklerinden
inanılmaz yeteneklerinden
10:34
of the human body and the human mind.
225
618312
2816
ilham alalım.
10:37
Thank you.
226
621128
1736
Teşekkürler.
10:38
(Applause)
227
622864
4604
(Alkışlar)
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