So in 1885, Karl Benz invented the automobile. Later that year, he took it out for the first public test drive, and -- true story -- crashed into a wall. For the last 130 years, we've been working around that least reliable part of the car, the driver. We've made the car stronger. We've added seat belts, we've added air bags, and in the last decade, we've actually started trying to make the car smarter to fix that bug, the driver.
Pada tahun 1885, Karl Benz menciptakan mobil. Kemudian, ia membawanya keluar untuk uji coba umum pertama kali, dan - ternyata - ia menabrak dinding. Selama 130 tahun terakhir, kami fokus pada bagian yang paling tak diandalkan dari mobil, pengemudi. Kami memperkuat mobil. Kami menambahkan sabuk pengaman dan kantong udara, dan dalam dekade terakhir, kami sudah mulai mencoba membuat mobil lebih pintar untuk mengatasi kelemahan itu, yaitu pengemudinya.
Now, today I'm going to talk to you a little bit about the difference between patching around the problem with driver assistance systems and actually having fully self-driving cars and what they can do for the world. I'm also going to talk to you a little bit about our car and allow you to see how it sees the world and how it reacts and what it does, but first I'm going to talk a little bit about the problem. And it's a big problem: 1.2 million people are killed on the world's roads every year. In America alone, 33,000 people are killed each year. To put that in perspective, that's the same as a 737 falling out of the sky every working day. It's kind of unbelievable. Cars are sold to us like this, but really, this is what driving's like. Right? It's not sunny, it's rainy, and you want to do anything other than drive. And the reason why is this: Traffic is getting worse. In America, between 1990 and 2010, the vehicle miles traveled increased by 38 percent. We grew by six percent of roads, so it's not in your brains. Traffic really is substantially worse than it was not very long ago.
Sekarang saya akan menjelaskan sedikit mengenai perbedaan antara menyelesaikan masalah dengan sistem asistensi pengemudi dan mobil yang sepenuhnya mampu mengemudi sendiri dan apa artinya bagi dunia. Saya juga akan menjelaskan sedikit tentang mobil kami dan bagaimana mobil ini melihat dunia dan bereaksi dan apa yang dilakukannya, tapi pertama saya akan berbicara sedikit tentang masalahnya. Dan ini adalah masalah besar: 1,2 juta orang tewas di jalan-jalan setiap tahun di dunia ini. Di Amerika saja, 33.000 orang tewas setiap tahun. Jika dipikir, hal ini sama dengan pesawat 737 jatuh dari langit setiap hari kerja. Sulit dipercaya. Mobil dijual kepada kita seperti ini, kenyataannya, seperti inilah rasanya mengemudikan mobil. Benar? Cuaca tidak cerah, tetapi hujan, kalian ingin melakukan hal lain selain mengemudi. Dan alasannya: Lalu lintas semakin buruk. Di Amerika, antara tahun 1990 dan 2010, jarak yang ditempuh dengan berkendaraan meningkat 38 persen. jalanan bertambah enam persen, tidak hanya dalam pikiran kalian. Lalu lintas benar-benar memburuk dalam waktu yang singkat.
And all of this has a very human cost. So if you take the average commute time in America, which is about 50 minutes, you multiply that by the 120 million workers we have, that turns out to be about six billion minutes wasted in commuting every day. Now, that's a big number, so let's put it in perspective. You take that six billion minutes and you divide it by the average life expectancy of a person, that turns out to be 162 lifetimes spent every day, wasted, just getting from A to B. It's unbelievable. And then, there are those of us who don't have the privilege of sitting in traffic. So this is Steve. He's an incredibly capable guy, but he just happens to be blind, and that means instead of a 30-minute drive to work in the morning, it's a two-hour ordeal of piecing together bits of public transit or asking friends and family for a ride. He doesn't have that same freedom that you and I have to get around. We should do something about that.
Dan semua ini merugikan manusia. Ambil rata-rata waktu perjalanan di Amerika, yaitu sekitar 50 menit, kalikan dengan 120 juta pekerja yang kita miliki, hasilnya adalah sekitar enam milyar menit terbuang di perjalanan setiap hari. Jumlah yang besar, mari kita masukan ke dalam perspektif. Ambil enam milyar menit itu dan bagi dengan rata-rata harapan hidup manusia, hasilnya adalah 162 tahun dihabiskan setiap hari, terbuang, hanya melakukan perjalanan dari A ke B. Ini sulit dipercaya. Dan, sebagian dari kita tidak memiliki hak istimewa untuk menikmati lalu lintas. Jadi ini adalah Steve. Dia seorang pria yang sangat mampu, namun dia kebetulan buta, dan berarti bukan 30 menit berkendara untuk bekerja di pagi hari, tetapi dua jam yang menyiksa naik turun angkutan umum atau minta tumpangan dari teman-teman dan keluarga. Dia tidak memiliki kebebasan yang sama yang kalian dan saya dapatkan. Kita harus berbuat sesuatu.
Now, conventional wisdom would say that we'll just take these driver assistance systems and we'll kind of push them and incrementally improve them, and over time, they'll turn into self-driving cars. Well, I'm here to tell you that's like me saying that if I work really hard at jumping, one day I'll be able to fly. We actually need to do something a little different. And so I'm going to talk to you about three different ways that self-driving systems are different than driver assistance systems. And I'm going to start with some of our own experience.
Kebijaksanaan konvensional berkata kami akan menggunakan sistem asistensi pengemudi ini dan kami akan mendorongnya dan secara bertahap meningkatkan kemampuannya, dengan waktu, ini akan menjadi mobil self-driving. Saya ingin memberitahu kalian apa yang saya maksud jika saya berusaha keras untuk melompat, suatu hari saya akan bisa terbang. Kita perlu melakukan sesuatu yang sedikit berbeda. Saya akan memberitahu kalian tiga cara yang berbeda bagaimana sistem self-driving berbeda dari sistem asistensi pengemudi. Saya akan mulai dari beberapa pengalaman kami sendiri.
So back in 2013, we had the first test of a self-driving car where we let regular people use it. Well, almost regular -- they were 100 Googlers, but they weren't working on the project. And we gave them the car and we allowed them to use it in their daily lives. But unlike a real self-driving car, this one had a big asterisk with it: They had to pay attention, because this was an experimental vehicle. We tested it a lot, but it could still fail. And so we gave them two hours of training, we put them in the car, we let them use it, and what we heard back was something awesome, as someone trying to bring a product into the world. Every one of them told us they loved it. In fact, we had a Porsche driver who came in and told us on the first day, "This is completely stupid. What are we thinking?" But at the end of it, he said, "Not only should I have it, everyone else should have it, because people are terrible drivers." So this was music to our ears, but then we started to look at what the people inside the car were doing, and this was eye-opening. Now, my favorite story is this gentleman who looks down at his phone and realizes the battery is low, so he turns around like this in the car and digs around in his backpack, pulls out his laptop, puts it on the seat, goes in the back again, digs around, pulls out the charging cable for his phone, futzes around, puts it into the laptop, puts it on the phone. Sure enough, the phone is charging. All the time he's been doing 65 miles per hour down the freeway. Right? Unbelievable. So we thought about this and we said, it's kind of obvious, right? The better the technology gets, the less reliable the driver is going to get. So by just making the cars incrementally smarter, we're probably not going to see the wins we really need.
Kembali pada tahun 2013, kami telah melakukan tes pertama mobil self-driving kami biarkan orang biasa menggunakannya. Nah, hampir biasa - mereka adalah 100 Googler, tapi mereka tidak bekerja pada proyek ini. Kami beri mereka mobil dan kami izinkan untuk menggunakannya. Berbeda dari mobil self-driving asli, mobil ini bertanda bintang besar: Artinya mereka harus waspada, karena ini adalah kendaraan percobaan. Kami telah banyak mengujinya, tetapi masih ada kemungkinan gagal. Dan kami memberi mereka dua jam pelatihan, mereka masuk mobil, dan menggunakannya, Responnya adalah ini hal yang mengagumkan, seperti seseorang mencoba membawa produk ke dunia. Setiap orang berkata mereka menyukainya. Bahkan, pada hari pertama, ada pengemudi Porsche yang datang dan berkata, "Ini benar-benar bodoh. Apa yang kalian pikirkan?" Akhirnya, dia berkata, "Bukan saja saya harus memilikinya, orang lain harus memilikinya, karena mereka pengemudi yang buruk." Jadi ini adalah musik bagi kami, tapi kemudian kami mulai melihat apa yang orang-orang lakukan di dalam mobil, dan hal ini membuka mata kami. Cerita favorit saya adalah pria ini yang melihat teleponnya dan menyadari bahwa baterainya lemah, jadi ia berbalik seperti ini di dalam mobil dan mencari-cari di dalam ranselnya, menarik keluar laptop-nya, meletakkan pada kursi, berbalik badan lagi, mencari-cari lagi, menarik kabel USB untuk mengisi telepon, meraba-raba, menyambungkan ke laptop, menyambungkan di telepon. Benar saja, teleponnya sedang diisi. Semuanya dia lakukan 65 mil per jam di jalan bebas hambatan. Sungguh sulit dipercaya. Kami berpikir tentang hal ini dan kami berkata, cukup jelas, kan? Semakin baik teknologi, pengemudi semakin kurang bisa diandalkan. Hanya dengan membuat mobil cerdas secara bertahap, kita mungkin tidak akan melihat apa yang kita butuhkan.
Let me talk about something a little technical for a moment here. So we're looking at this graph, and along the bottom is how often does the car apply the brakes when it shouldn't. You can ignore most of that axis, because if you're driving around town, and the car starts stopping randomly, you're never going to buy that car. And the vertical axis is how often the car is going to apply the brakes when it's supposed to to help you avoid an accident. Now, if we look at the bottom left corner here, this is your classic car. It doesn't apply the brakes for you, it doesn't do anything goofy, but it also doesn't get you out of an accident. Now, if we want to bring a driver assistance system into a car, say with collision mitigation braking, we're going to put some package of technology on there, and that's this curve, and it's going to have some operating properties, but it's never going to avoid all of the accidents, because it doesn't have that capability. But we'll pick some place along the curve here, and maybe it avoids half of accidents that the human driver misses, and that's amazing, right? We just reduced accidents on our roads by a factor of two. There are now 17,000 less people dying every year in America.
Ijinkan saya bicara tentang sesuatu yang sedikit teknis sejenak di sini. Kita lihat grafik ini, dan di bagian bawah ini adalah seberapa sering mobil menge-rem ketika seharusnya tidak. Sebagian aksis itu bisa diabaikan, karena jika kalian mengemudi di kota, dan mobil mulai berhenti secara acak, Kalian tidak akan membeli mobil itu. Aksis vertikal menunjukkan seberapa sering mobil akan menge-rem ketika memang seharusnya untuk membantu menghindari kecelakaan. Sekarang, jika kita melihat sudut kiri bawah, ini adalah mobil klasik kalian. Mobil ini tidak menge-rem sendiri, dan tidak melakukan hal konyol, tetapi juga tidak membantu kalian mencegah kecelakaan. Jika kita ingin menambah sistem asistensi pengemudi, contoh, rem untuk mengurangi tabrakan, kita akan menaruh sejumlah paket teknologi di sana, inilah kurvanya, sistem ini akan memiliki beberapa cara pengoperasian, tapi hal ini tidak akan mencegah semua kecelakaan, sistem ini tidak memiliki kemampuan itu. Mari kita pilih tempat di sepanjang kurva ini, mungkin ia mencegah setengah dari kecelakaan yang pengemudi lewatkan, dan itu luar biasa, bukan? Kami telah mengurangi kecelakaan sebanyak dua faktor. Sekarang ada kurang lebih 17.000 orang yang meninggal setiap tahun di Amerika.
But if we want a self-driving car, we need a technology curve that looks like this. We're going to have to put more sensors in the vehicle, and we'll pick some operating point up here where it basically never gets into a crash. They'll happen, but very low frequency. Now you and I could look at this and we could argue about whether it's incremental, and I could say something like "80-20 rule," and it's really hard to move up to that new curve. But let's look at it from a different direction for a moment. So let's look at how often the technology has to do the right thing. And so this green dot up here is a driver assistance system. It turns out that human drivers make mistakes that lead to traffic accidents about once every 100,000 miles in America. In contrast, a self-driving system is probably making decisions about 10 times per second, so order of magnitude, that's about 1,000 times per mile. So if you compare the distance between these two, it's about 10 to the eighth, right? Eight orders of magnitude. That's like comparing how fast I run to the speed of light. It doesn't matter how hard I train, I'm never actually going to get there. So there's a pretty big gap there.
Jika kita menginginkan mobil self-driving, kami memerlukan kurva teknologi seperti ini. Kami harus menempatkan lebih banyak sensor dalam mobil, kami pilih sejumlah titik operasi di sini yang tak pernah mengalami kecelakaan. Kecelakaan akan terjadi namun frekuensi amat rendah. Kalian dan saya bisa melihatnya dan berdebat tentang apakah ini bertahap sifatnya, dan saya bilang kira-kira "80-20," dan benar-benar sulit untuk menuju ke kurva baru itu. Tapi mari kita lihat sejenak dari arah yang berbeda. Mari kita lihat seberapa sering teknologi harus melakukan hal yang benar. Dan titik hijau di sini ini adalah sistem asistensi pengemudi. Ternyata para pengemudi membuat kesalahan, menyebabkan kecelakaan lalu lintas sekitar sekali setiap 100.000 mil di Amerika. Sebaliknya, sistem self-driving mungkin membuat keputusan sekitar 10 kali per detik, jadi dalam kelipatan, sekitar 1.000 kali per mil. Jika kalian membandingkan jarak antara keduanya, itu sekitar 8 sampai 10, kan? Delapan kali lipat. Itu seperti membandingkan seberapa cepat saya berlari dan kecepatan cahaya. Tak peduli seberapa keras saya berlatih, saya tidak akan menyamainya. Jadi ada kesenjangan yang besar di sana.
And then finally, there's how the system can handle uncertainty. So this pedestrian here might be stepping into the road, might not be. I can't tell, nor can any of our algorithms, but in the case of a driver assistance system, that means it can't take action, because again, if it presses the brakes unexpectedly, that's completely unacceptable. Whereas a self-driving system can look at that pedestrian and say, I don't know what they're about to do, slow down, take a better look, and then react appropriately after that.
Dan akhirnya, bagaimana sistem itu dapat menangani ketidakpastian. Pejalan kaki ini di sini mungkin melangkah ke jalan, mungkin tidak. Baik saya maupun algoritme kami tidak dapat memperkirakannya, tetapi dalam kasus sistem asistensi pengemudi, artinya tidak dapat mengambil tindakan, karena lagi-lagi, jika menekan rem tiba-tiba, hal ini benar-benar tidak dapat diterima. Sistem self-driving dapat melihat pejalan kaki itu dan berkata, Saya tak tahu mereka akan berbuat apa, memperlambat, melihat lagi, dan memberikan reaksi yang tepat.
So it can be much safer than a driver assistance system can ever be. So that's enough about the differences between the two. Let's spend some time talking about how the car sees the world.
Jadi jauh lebih aman daripada sistem asistensi pengemudi. Cukuplah penjelasa mengenai perbedaan antara keduanya. Mari kita berbicara sejenak tentang bagaimana mobil melihat dunia.
So this is our vehicle. It starts by understanding where it is in the world, by taking a map and its sensor data and aligning the two, and then we layer on top of that what it sees in the moment. So here, all the purple boxes you can see are other vehicles on the road, and the red thing on the side over there is a cyclist, and up in the distance, if you look really closely, you can see some cones. Then we know where the car is in the moment, but we have to do better than that: we have to predict what's going to happen. So here the pickup truck in top right is about to make a left lane change because the road in front of it is closed, so it needs to get out of the way. Knowing that one pickup truck is great, but we really need to know what everybody's thinking, so it becomes quite a complicated problem. And then given that, we can figure out how the car should respond in the moment, so what trajectory it should follow, how quickly it should slow down or speed up. And then that all turns into just following a path: turning the steering wheel left or right, pressing the brake or gas. It's really just two numbers at the end of the day. So how hard can it really be?
Jadi, ini kendaraan kami. Dimulai dengan memahami di mana posisinya di dunia, dengan peta dan data sensor dan menyelaraskan keduanya, kemudian kita tambah dengan apa yang dilihatnya pada saat itu. Jadi di sini, semua kotak ungu ini adalah kendaraan lain di jalan, yang merah di sisi atas adalah pengendara sepeda, dan di atas sana, jika kalian lihat dengan teliti, kalian lihat beberapa kerucut. Jadi kita tahu di mana mobil berada pada saat ini, tapi kita harus bisa lebih baik: kita harus memprediksi apa yang akan terjadi. Truk pickup di kanan atas ini akan berpindah ke jalur kiri karena jalan di depannya ditutup, sehingga truk harus berpindah. Mengetahui ini adalah hal yang bagus, tapi kita perlu tahu apa yang semua orang pikirkan, sehingga menjadi masalah yang cukup rumit. Dengan demikian, kita bisa mengetahui bagaimana mobil harus merespon, jalur apa yang harus diikuti, secepat apa kita memperlambat atau mempercepat. Dan kemudian semua berubah mengikuti satu jalur: memutar roda kemudi ke kiri atau kanan, menekan rem atau gas. Pada akhirnya hanya dua hal itu yang dilakukan. Jadi seberapa sulitkah?
Back when we started in 2009, this is what our system looked like. So you can see our car in the middle and the other boxes on the road, driving down the highway. The car needs to understand where it is and roughly where the other vehicles are. It's really a geometric understanding of the world. Once we started driving on neighborhood and city streets, the problem becomes a whole new level of difficulty. You see pedestrians crossing in front of us, cars crossing in front of us, going every which way, the traffic lights, crosswalks. It's an incredibly complicated problem by comparison. And then once you have that problem solved, the vehicle has to be able to deal with construction. So here are the cones on the left forcing it to drive to the right, but not just construction in isolation, of course. It has to deal with other people moving through that construction zone as well. And of course, if anyone's breaking the rules, the police are there and the car has to understand that that flashing light on the top of the car means that it's not just a car, it's actually a police officer. Similarly, the orange box on the side here, it's a school bus, and we have to treat that differently as well.
Kembali ketika kami mulai di tahun 2009, sistem kami tampak seperti ini. Kalian lihat mobil kami di tengah-tengah dan kotak-kotak lain di jalan, berjalan di jalan raya. Mobil perlu memahami di mana dirinya dan kira-kira di mana kendaraan lain. Ini hanyalah pemahaman geometris mengenai dunia. Setelah kami mulai mengemudi di lingkungan dan jalanan kota, tingkat kesulitan masalahnya bertambah. Kalian lihat pejalan kaki menyeberang, mobil melintas di depan kami, ke segala arah, lampu lalu lintas, zebra cross. Ini adalah masalah yang sangat rumit. Dan setelah masalah terpecahkan, mobil harus mampu menangani konstruksi. Kerucut di sebelah kiri ini memaksa mobil untuk ke arah kanan, tapi tidak hanya konstruksi saja. mobil harus berurusan dengan orang lain yang bergerak melalui zona konstruksi. Dan tentu saja, apakah ada orang yang melanggar, ada polisi disana dan mobil harus memahami bahwa lampu berkedip di atas mobil berarti bahwa itu bukan mobil biasa, tetapi mobil polisi. Sama halnya dengan kotak oranye di sini, itu adalah bis sekolah, dan kita harus memperlakukannya dengan berbeda juga.
When we're out on the road, other people have expectations: So, when a cyclist puts up their arm, it means they're expecting the car to yield to them and make room for them to make a lane change. And when a police officer stood in the road, our vehicle should understand that this means stop, and when they signal to go, we should continue.
Ketika kita berada di jalan, orang lain berharap: Pengendara sepeda mengangkat tangan, mereka mengharapkan mobil melihatnya dan memberikan ruang bagi mereka untuk membuat perubahan jalur. Dan ketika seorang polisi berdiri di jalan, kendaraan harus memahami bahwa ini berarti berhenti, dan ketika mereka memberi aba-aba untuk jalan, kita harus terus.
Now, the way we accomplish this is by sharing data between the vehicles. The first, most crude model of this is when one vehicle sees a construction zone, having another know about it so it can be in the correct lane to avoid some of the difficulty. But we actually have a much deeper understanding of this. We could take all of the data that the cars have seen over time, the hundreds of thousands of pedestrians, cyclists, and vehicles that have been out there and understand what they look like and use that to infer what other vehicles should look like and other pedestrians should look like. And then, even more importantly, we could take from that a model of how we expect them to move through the world. So here the yellow box is a pedestrian crossing in front of us. Here the blue box is a cyclist and we anticipate that they're going to nudge out and around the car to the right. Here there's a cyclist coming down the road and we know they're going to continue to drive down the shape of the road. Here somebody makes a right turn, and in a moment here, somebody's going to make a U-turn in front of us, and we can anticipate that behavior and respond safely.
Sekarang, cara kami melakukannya adalah dengan membagi data antara kendaraan. Pertama, model paling dasar saat kendaraan melihat zona konstruksi, mobil mengetahuinya dan dapat memilih jalur yang benar untuk menghindari kesulitan. Tapi kita memiliki pemahaman yang lebih dalam. Kita bisa mengambil semua data dari mobil dari waktu ke waktu, ratusan ribu pejalan kaki, pengendara sepeda, dan kendaraan yang ada di luar sana dan memahami wujud mereka dan menyimpulkan seperti apa bentuk kendaraan seharusnya dan seperti apa sebenarnya pejalan kaki. Yang terpenting, kita bisa menciptakan model dari data tersebut bagaimana kita harapkan mereka untuk bergerak. Kotak kuning ini adalah pejalan kaki menyeberang di depan kami. Kotak biru, pengendara sepeda, kami antisipasi bahwa ia akan keluar dan menyelip mengitari mobil ke kanan. Ada pengendara sepeda dari arah berlawanan dan kami tahu mereka akan terus berkendara mengikuti jalan. Orang ini akan belok ke kanan, dan suatu saat, seseorang akan berputar balik di depan kami, kami bisa mengantisipasinya dan bereaksi dengan baik.
Now, that's all well and good for things that we've seen, but of course, you encounter lots of things that you haven't seen in the world before. And so just a couple of months ago, our vehicles were driving through Mountain View, and this is what we encountered. This is a woman in an electric wheelchair chasing a duck in circles on the road. (Laughter) Now it turns out, there is nowhere in the DMV handbook that tells you how to deal with that, but our vehicles were able to encounter that, slow down, and drive safely. Now, we don't have to deal with just ducks. Watch this bird fly across in front of us. The car reacts to that. Here we're dealing with a cyclist that you would never expect to see anywhere other than Mountain View. And of course, we have to deal with drivers, even the very small ones. Watch to the right as someone jumps out of this truck at us. And now, watch the left as the car with the green box decides he needs to make a right turn at the last possible moment. Here, as we make a lane change, the car to our left decides it wants to as well. And here, we watch a car blow through a red light and yield to it. And similarly, here, a cyclist blowing through that light as well. And of course, the vehicle responds safely. And of course, we have people who do I don't know what sometimes on the road, like this guy pulling out between two self-driving cars. You have to ask, "What are you thinking?" (Laughter)
Sekarang, kedengarannya semua baik-baik saja, namun tentu saja, ada banyak hal yang belum pernah kalian lihat sebelumnya. Dan hanya beberapa bulan yang lalu, kendaraan kami berjalan melalui Mountain View, dan ini yang kami temui. Ini adalah wanita di kursi roda listrik beputar-putar mengejar bebek di jalan. (Tertawa) Sekarang ternyata, dalam buku pegangan DMV tidak ada informasi bagaimana kalian harus bereaksi, tapi kendaraan kami mampu menghadapinya, memperlambat laju, dan berjalan dengan aman. Kita tidak hanya berurusan dengan bebek. Lihatlah burung ini terbang melintas di depan kami. Mobil kami bereaksi. Ini ada pengendara sepeda yang tidak pernah kita harapkan ditemukan di manapun selain Mountain View. Kita juga berhadapan dengan para pengemudi, bahkan dengan yang sangat kecil. Di sebelah kanan ada orang melompat keluar dari truk ini ke arah kami. Di sebelah kiri, mobil dengan kotak hijau ini memutuskan untuk berbelok ke kanan pada saat-saat terakhir. Di sini, saat kami berubah jalur, mobil di kiri kami ingin pindah jalur juga. Dan di sini, kita melihat mobil menerobos lampu merah dan mengalah. Di sini, pengendara sepeda juga menerobos lampu merah. Dan tentu saja, mobil merespon dengan baik. Tentu saja, ada orang yang terkadang tidak tahu harus bertindak bagaimana di jalan, seperti orang diantara dua mobil self-driving ini. Pertanyaannya , "Apa yang kau pikirkan?" (Tertawa)
Now, I just fire-hosed you with a lot of stuff there, so I'm going to break one of these down pretty quickly. So what we're looking at is the scene with the cyclist again, and you might notice in the bottom, we can't actually see the cyclist yet, but the car can: it's that little blue box up there, and that comes from the laser data. And that's not actually really easy to understand, so what I'm going to do is I'm going to turn that laser data and look at it, and if you're really good at looking at laser data, you can see a few dots on the curve there, right there, and that blue box is that cyclist. Now as our light is red, the cyclist's light has turned yellow already, and if you squint, you can see that in the imagery. But the cyclist, we see, is going to proceed through the intersection. Our light has now turned green, his is solidly red, and we now anticipate that this bike is going to come all the way across. Unfortunately the other drivers next to us were not paying as much attention. They started to pull forward, and fortunately for everyone, this cyclists reacts, avoids, and makes it through the intersection. And off we go.
Saya telah menjelaskan sangat banyak hal pada kalian, jadi saya akan menjelaskan salah satunya sekilas. Ini adalah adegan dengan pengendara sepeda lagi, kalian mungkin melihat di bagian bawah, kita tidak bisa melihatnya, tapi mobil kami bisa: kotak biru kecil di atas itu, dan ini berasal dari data laser. Sebenarnya ini tidak mudah untuk dipahami, Yang akan saya lakukan adalah saya akan mengubah data laser dan menelitinya, jika kalian pintar melihat data laser, kalian dapat melihat beberapa titik pada kurva itu, di sana, dan kotak biru pengendara sepeda itu. Saat lampu kami merah, lampu bagi pengendara sepeda berubah kuning, sipitkan mata dan kalian dapat melihatnya. Kita lihat ia akan berjalan terus menerobos persimpangan. Sekarang lampu kami berubah hijau, lampunya merah, dan kami mengantisipasi sepeda ini akan melintasi jalan. Sayangnya pengendara lain disebelah kami tidak terlalu memperhatikan. Mereka mulai maju ke depan, dan untungnya bagi semua orang, pengendara sepeda ini bereaksi, menghindar, dan berhasil menyeberangi persimpangan. Dan kita melaju kembali.
Now, as you can see, we've made some pretty exciting progress, and at this point we're pretty convinced this technology is going to come to market. We do three million miles of testing in our simulators every single day, so you can imagine the experience that our vehicles have. We are looking forward to having this technology on the road, and we think the right path is to go through the self-driving rather than driver assistance approach because the urgency is so large. In the time I have given this talk today, 34 people have died on America's roads.
Kami telah membuat sejumlah kemajuan yang cukup menarik, dan pada saat ini kami cukup yakin teknologi ini akan ada di pasaran. Kami melakukan tiga juta mil pengujian di simulator kami setiap hari, jadi bayangkan pengalaman yang kendaraan kami miliki. Kami berharap memiliki teknologi ini di jalan, kami pikir jalan yang benar adalah melalui self-driving bukan melalui asistensi pengemudi karena urgensinya begitu besar. Selama waktu saya berbicara ini, 34 orang telah meninggal di jalanan Amerika.
How soon can we bring it out? Well, it's hard to say because it's a really complicated problem, but these are my two boys. My oldest son is 11, and that means in four and a half years, he's going to be able to get his driver's license. My team and I are committed to making sure that doesn't happen.
Seberapa cepat kami dapat memproduksinya? Nah, sulit untuk dikatakan karena ini adalah masalah yang sangat rumit, tetapi ini adalah dua anak laki-laki saya. Anak tertua saya 11 tahun, itu berarti dalam empat setengah tahun, dia akan bisa mendapatkan SIM-nya. Tim saya dan saya berkomitmen memastikan hal itu tidak terjadi.
Thank you.
Terima kasih.
(Laughter) (Applause) Chris Anderson: Chris, I've got a question for you.
(Tertawa) (Tepuk tangan) Chris Anderson: Chris, saya meiliki pertanyaan.
Chris Urmson: Sure.
Chris Urmson: Tentu.
CA: So certainly, the mind of your cars is pretty mind-boggling. On this debate between driver-assisted and fully driverless -- I mean, there's a real debate going on out there right now. So some of the companies, for example, Tesla, are going the driver-assisted route. What you're saying is that that's kind of going to be a dead end because you can't just keep improving that route and get to fully driverless at some point, and then a driver is going to say, "This feels safe," and climb into the back, and something ugly will happen.
CA: Jadi, mobil anda memiliki pemikiran cukup mencengangkan. Pada debat antara asistensi pengemudi dan sepenuhnya tanpa pengemudi - maksud saya, ada perdebatan yang terjadi di luar sana sekarang. Beberapa perusahaan, misalnya, Tesla, yang akan memilih sistem asistensi pengemudi. Yang akan anda katakan adalah cara ini akan segera berakhir karena anda tidak bisa memperbaiki sistem itu dan mencapai sistem tanpa pengemudi sepenuhnya pada saat tertentu, dan pengemudi akan mengatakan, "Ini rasanya aman," naik ke kursi belakang, dan sesuatu yang buruk terjadi.
CU: Right. No, that's exactly right, and it's not to say that the driver assistance systems aren't going to be incredibly valuable. They can save a lot of lives in the interim, but to see the transformative opportunity to help someone like Steve get around, to really get to the end case in safety, to have the opportunity to change our cities and move parking out and get rid of these urban craters we call parking lots, it's the only way to go.
CU: Benar. Tidak, itu tepat sekali, ini tidak berarti bahwa sistem asistensi pengemudi tidak akan menjadi sangat berharga. Ini sementara bisa menjadi penyelamat, tetapi untuk melihat peluang transformatif dan membantu seseorang seperti Steve, untuk mencapai standar keamanan, untuk memiliki kesempatan untuk mengubah kota kita dan memindahkan tempat parkir di perkotaan, inilah satu-satunya cara.
CA: We will be tracking your progress with huge interest. Thanks so much, Chris. CU: Thank you. (Applause)
CA: Kami sangat tertarik mengikuti perkembangan anda. Terima kasih banyak, Chris. CU: Terima kasih. (Tepuk tangan)