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.
In 1885 vond Karl Benz de automobiel uit. Wat later maakte hij zijn eerste proefrit in het openbaar, en - waar gebeurd – crashte tegen een muur. De laatste 130 jaar hebben we gewerkt aan alles behalve het minst betrouwbare onderdeel van de auto, de bestuurder. We hebben de auto sterker gemaakt, we hebben veiligheidsgordels en airbags toegevoegd. In het laatste decennium zijn we begonnen met het slimmer maken van de auto om die bug, de bestuurder, te repareren.
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.
Vandaag ga ik het hebben over het verschil tussen gedeeltelijke oplossingen met rijhulpsystemen en volledig zelfrijdende auto's en wat ze kunnen doen voor de wereld. Ook vertel ik over onze auto en laat jullie zien hoe hij de wereld ziet en erop reageert. Maar eerst het probleem. Het is een groot probleem: elk jaar sterven er 1,2 miljoen mensen op de wegen van de wereld. In Amerika alleen al zijn dat 33.000 mensen per jaar. Om het duidelijk te maken: dat is hetzelfde als dat er elke werkdag een 737 uit de lucht valt. Eigenlijk ongelooflijk. Zo verkopen ze ons auto's, maar zo ziet rijden er echt uit. Toch? Het is niet zonnig, het is regenachtig, en je zou liever iets anders doen dan rijden. De reden daarvoor: het verkeer wordt altijd maar erger. In Amerika nam tussen 1990 en 2010 het aantal autokilometers toe met 38 procent. Het wegennet groeide maar met zes procent. Het zit dus niet in je hersenen. Het verkeer is aanzienlijk drukker dan niet zo erg lang geleden.
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.
Dit werkt door op mensen. Als je de gemiddelde reistijd in Amerika, ongeveer 50 minuten, vermenigvuldigt met de 120 miljoen werknemers die we hebben, dan blijkt dat we elke dag ongeveer zes miljard minuten verspillen met pendelen. Dat is een groot getal, laten we het in perspectief plaatsen. Deel die zes miljard minuten door de gemiddelde levensverwachting van een mens, dan verspillen we elke dag 162 levens gewoon om van A naar B te gaan. Ongelooflijk. Dan zijn er onder ons ook mensen die niet het voorrecht hebben om deel te nemen aan het verkeer. Dit is Steve. Hij is ongelooflijk bekwaam, maar toevallig ook blind. Voor hem geen ritje van 30 minuten naar zijn werk in de morgen, maar een twee uur durende beproeving van stukjes openbaar vervoer, óf vrienden en familie vragen om een lift. Hij heeft niet onze vrijheid om te gaan waar je maar wil. Daar moeten we iets aan doen.
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.
Normaal gesproken zou je zeggen: verbeter de rijhulpsystemen stap voor stap zodat geleidelijk aan zelfrijdende auto's ontstaan. Dat is hetzelfde als zeggen: werk heel hard aan je springen en op een dag kun je vliegen. Het moet anders. Ik ga het hebben over drie verschillende manieren waarop zelfrijdende systemen verschillen van rijhulpsystemen. Ik begin met een aantal van onze eigen ervaringen.
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.
In 2013 deden we de eerste proef met een zelfrijdende auto en lieten hem door gewone mensen gebruiken. Nou ja, bijna gewoon – het waren 100 mensen van Google, maar ze werkten niet aan het project. We gaven hen de auto en ze mochten hem gebruiken in hun dagelijks leven. Maar vergeleken met een echte zelfrijdende auto was er één kanttekening: ze moesten wel blijven opletten, omdat dit een experimenteel voertuig was. We hadden hem grondig uitgetest, maar het kon nog steeds misgaan. Ze kregen twee uur opleiding, we zetten ze in de auto en lieten hem gebruiken. De reacties waren geweldig voor iemand die een product wil lanceren. Ze vonden het allemaal geweldig. Een Porsche-rijder zei ons op de eerste dag: "Dit is oerdom. Wie bedenkt nu zoiets?" Maar aan het eind van de dag zei hij: "Niet alleen wil ik het, iedereen zou het moeten willen, want mensen zijn erbarmelijke chauffeurs." Dat was muziek in onze oren, maar toen we keken naar wat de mensen in de auto deden, gingen onze ogen pas goed open. Dit is mijn favoriet: een man kijkt naar zijn telefoon en ziet dat de batterij bijna leeg is. Hij draait zich om in de auto en begint in zijn rugzak te zoeken, haalt er zijn laptop uit, zet hem op de stoel, duikt weer in de rugzak, scharrelt rond, haalt de oplaadkabel voor zijn telefoon eruit, rommelt wat, steekt hem in de laptop en de telefoon. Voilà, de telefoon laadt op. Allemaal met 100 km per uur op de snelweg. Ongelooflijk toch. Het werd ons duidelijk: hoe beter de techniek wordt, hoe minder betrouwbaar de bestuurder hoeft te zijn. Door auto's geleidelijk slimmer te maken, krijgen we waarschijnlijk nooit wat we echt willen.
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.
Hier wordt het even wat technischer. Onderaan deze grafiek is te zien hoe vaak de auto onnodig remt. Het meeste van die as kun je negeren, want als bij het rijden in de stad de auto willekeurig begint te stoppen, zul je die auto nooit kopen. De verticale as toont hoe vaak de auto gaat remmen om een ongeval te voorkomen. In de linkerbenedenhoek hier zie je de klassieke auto. Hij remt niet in jouw plaats, doet niets stoms, maar voorkomt ook geen ongeval. Als we een rijhulpsysteem willen, bijvoorbeeld met botsingvermijdend remmen, dan is daarvoor een hoop technologie nodig. Dat is deze curve. Het zal wat operationele eigenschappen hebben, maar zal nooit alle ongevallen kunnen vermijden. Dat kan het gewoon niet. Misschien vermijdt het de helft van de ongevallen van de menselijke bestuurder. Geweldig, toch? We hebben het aantal ongevallen op onze wegen gehalveerd. Dan sterven er in Amerika elk jaar 17.000 mensen minder.
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.
Maar voor een zelfrijdende auto willen we een technologie-curve die er zo uitziet. Er moeten nog meer sensoren in de auto, en we krijgen een punt op de curve waar de auto eigenlijk nooit meer crasht. Het gebeurt, maar uiterst zelden. Nu kunnen we erover discussiëren of het incrementeel is, en ik zou iets zeggen als "de 80-20 regel" en het echt moeilijk is om naar die nieuwe curve te gaan. Maar laten we het eens even vanuit een ander standpunt bekijken. Laten we eens kijken hoe vaak de technologie het juiste moet doen. Deze groene stip hier is een rijhulpsysteem. Het blijkt dat de fouten die menselijke chauffeurs maken in Amerika tot ongeveer één verkeersongeval per 150.000 km leiden. Een zelfrijdend systeem neemt daarentegen waarschijnlijk ongeveer 10 beslissingen per seconde. Dat is in de ordegrootte van ongeveer 600 keer per kilometer. Als je de afstand tussen deze twee vergelijkt, is het ongeveer 10 tot de achtste, toch? Acht ordes van grootte. Dat is als het vergelijken van hoe snel ik kan rennen met de lichtsnelheid. Het maakt niet uit hoe hard ik train, dat haal ik nooit. Daar zit dus een vrij grote kloof. En dan tot slot, hoe gaat het systeem om met onzekerheid.
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.
Gaat deze voetganger oversteken of niet? Ik weet het niet en onze algoritmen ook niet. Maar voor een rijhulpsysteem betekent dat dat het niet kan ingrijpen, omdat onverwacht remmen volstrekt onaanvaardbaar is. Terwijl een zelfrijdend systeem naar de voetgangers kan kijken en zeggen: "Ik weet niet wat ze gaan doen, dus vertraag ik, kijk opnieuw, en reageer gepast."
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.
Het kan veel veiliger zijn dan rijhulpsystemen ooit kunnen zijn. Dat is genoeg over de verschillen tussen de twee. Laten we eens kijken hoe de auto de wereld ziet.
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?
Dit is ons voertuig. Het begint met begrijpen waar het zich op de wereld bevindt, door een kaart en de sensorgegevens uit te lijnen. Daarop komt dat wat het nu ziet. Al die paarse hokjes zijn andere voertuigen op de weg, en dat rode ding daar opzij is een fietser. In de verte zie je, als je echt goed kijkt, een aantal kegels. We weten dan waar de auto nu is, maar het moet beter: we moeten voorspellen wat er gaat gebeuren. De pick-up truck rechtsboven zal op de linkerrijstrook gaan rijden, omdat de weg ervoor afgesloten is en hij moet uitwijken. Eén pickup is mooi, maar eigenlijk moeten we weten wat iedereen denkt, dus wordt het een heel ingewikkeld probleem. We kunnen dan uitzoeken hoe de auto moet gaan reageren: welk traject moet hij volgen, hoe snel moet hij vertragen of versnellen. Dat komt erop neer dat hij een bepaald traject moet gaan volgen: het stuurwiel naar links of rechts, en remmen of gas geven. Uiteindelijk zijn het alleen maar twee getallen. Hoe moeilijk kan dat nu zijn?
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.
Toen we begonnen in 2009, zag ons systeem er zo uit. In het midden zie je onze auto en de andere hokjes op de weg, al rijdend op de snelweg. De auto moet weten waar hij is en ook ongeveer waar de andere zijn. Een geometrisch begrip van de wereld. Zodra we begonnen met rijden op buurt- en stadswegen, ontstond een geheel nieuwe moeilijkheidsgraad. Je ziet voetgangers en auto’s op allerlei manieren oversteken. De verkeerslichten, de oversteekplaatsen. Vergelijkingsgewijs een ongelooflijk ingewikkeld probleem. Als je dat probleem hebt opgelost, moet de auto overweg kunnen met wegwerkzaamheden. De kegels links forceren hem om naar rechts te rijden. Maar het gaat natuurlijk niet alleen om het materiaal, maar ook om de mensen die ertussendoor bewegen. En natuurlijk, als iemand de regels overtreedt, is er politie. De auto moet begrijpen dat dat knipperlicht bovenop de auto niet alleen een auto betekent, maar eigenlijk een politieagent is. Net zo met dat oranje hokje, een schoolbus. Die moeten we ook anders behandelen.
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.
Op de weg hebben andere mensen ook verwachtingen: wanneer een fietser zijn arm uitsteekt, verwacht hij dat de auto hem toelaat van rijstrook te veranderen. Als een politieagent op de weg staat, moet onze auto begrijpen dat dit stoppen betekent. En wanneer hij aangeeft door te rijden, moeten we verder.
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.
Dat doen we door het delen van data tussen de voertuigen. In het eerste, ruwste model daarvan ziet één voertuig wegwerkzaamheden, en laat dit weten aan een ander, zodat die van baan kan wisselen om problemen te vermijden. Maar ons inzicht gaat veel dieper. Dankzij alle gegevens die de auto’s in de tijd hebben gezien, de honderdduizenden voetgangers, fietsers, en voertuigen die er zijn geweest, begrijpen we hoe ze er uitzien. Daaruit leiden we af hoe andere voertuigen en andere voetgangers eruit moeten zien. En, nog belangrijker, we zouden een model hebben van hoe we verwachten dat ze door de wereld bewegen. Dat gele hokje is een voetganger die oversteekt. Het blauwe is een fietser waarvan we anticiperen dat hij gaat uitwijken rond de auto rechts. Hier is een fietser in de andere richting en we weten dat hij de weg zal blijven volgen. Hier maakt iemand een bocht naar rechts en even later zal iemand voor ons een U-bocht maken. We kunnen op dat gedrag anticiperen en veilig reageren.
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)
Dat is leuk voor dingen die we al kennen, maar natuurlijk kom je veel dingen voor de eerste keer tegen. Een paar maanden geleden reden onze auto’s door Mountain View en kwamen we dit tegen. Een vrouw in een elektrische rolstoel rijdt op de weg rondjes achter een eend. (Gelach) Nu staat er nergens in de verkeersregels hoe je daarmee moet omgaan, maar onze auto’s deden het juiste: vertragen en veilig rijden. Het gaat niet alleen om eenden. Bekijk deze vogel voor ons. De auto reageert erop. Hier zien we een fietser zoals je die alleen in Mountain View zou verwachten. En natuurlijk, hebben we te maken met chauffeurs, zelfs de allerkleinsten. Kijk hoe rechts iemand vanuit deze truck naar ons toespringt. En naar links als de auto met het groene hokje op het laatste moment besluit rechtsaf te slaan. Hier willen we van rijstrook veranderen maar de auto links blijkt dat ook te willen. Hier geven we voorrang aan een auto die door het rood rijdt. Hetzelfde voor een fietser die door het rood rijdt. Het voertuig reageert veilig. Ook heb je mensen die soms ik weet niet wat op de weg doen. Zoals deze kerel die inschuift tussen twee zelfrijdende auto's. Dan vraag je: "Wat denk jij?" (Gelach)
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.
Dat waren een hoop voorbeelden; op eentje ga ik even wat dieper in. We kijken nogmaals naar de scène met de fietser. Merk op dat je onderaan de fietser eigenlijk nog niet kan zien, maar de auto wel: het is dat kleine blauwe hokje daarboven. Dat komt van de laserdata. Niet echt makkelijk om te begrijpen, dus ik toon jullie de laserdata en als je echt goed bent in het kijken naar laserdata, zie je enkele puntjes op die hoek, en dat blauwe hokje is de fietser. Terwijl ons licht rood is, springt dat van de fietser al op geel. Als je je ogen samenknijpt, zie je het. De fietser steekt het kruispunt over. Ons licht is nu groen geworden, het zijne rood, en we verwachten nu dat deze fiets helemaal gaat oversteken. Helaas waren de andere bestuurders naast ons niet zo oplettend. Ze begonnen op te trekken, en gelukkig voor iedereen, reageert deze fietser, wijkt uit en redt het veilig het kruispunt over. En we gaan weer verder. Zoals je kunt zien, hebben we veel vooruitgang geboekt.
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.
We zijn er behoorlijk van overtuigd dat deze technologie op de markt zal komen. Elke dag leggen we bijna 5 miljoen kilometer af in onze testsimulatoren. Je kunt je voorstellen hoeveel ervaring onze auto’s hebben. We kijken er naar uit om met deze technologie de weg op te gaan. We geloven in de 'zelfrijdende aanpak' in plaats van de benadering met rijhulpsystemen. Juist omdat het zo dringend is. Tijdens deze talk stierven 34 mensen op de Amerikaanse wegen. Hoe snel kunnen we het uitbrengen?
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.
Moeilijk te zeggen, want het is een heel ingewikkeld probleem, maar dit zijn mijn twee jongens. Mijn oudste zoon is 11, en dat betekent dat hij over 4,5 jaar zijn rijbewijs kan krijgen. Mijn team en ik werken er hard aan om dat te voorkomen. Dankjewel.
Thank you.
(Gelach) (Applaus)
(Laughter) (Applause) Chris Anderson: Chris, I've got a question for you.
Chris Anderson: Chris, ik heb een vraag voor je.
Chris Urmson: Sure.
Chris Urmson: Prima.
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: De intelligentie van je auto is nogal verbijsterend. Rijhulpsystemen of volledig zelfrijdend. Daarover is een echt debat gaande. Sommige bedrijven zoals Tesla gaan voor rijhulpsystemen. Jij zegt dat dat een doodlopende straat is, want je kunt die aanpak niet blijven verbeteren tot volledig zelfrijdend. Op een bepaald punt zegt een chauffeur: "Dit voelt veilig",
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.
gaat achterin zitten, en dan gebeurt er iets ergs. CU: Dat klopt helemaal. Dat wil niet zeggen dat de rijhulpsystemen niet ongelooflijk waardevol gaan zijn. Ze kunnen in de tussentijd veel levens redden. Maar om iemand als Steve mobiel te maken, om qua veiligheid echt tot het uiterste te gaan, en onze steden te ontdoen van die stedelijke kraters die we parkeerplaatsen noemen, is het de enige juiste manier.
CA: We will be tracking your progress with huge interest. Thanks so much, Chris. CU: Thank you. (Applause)
CA: We zullen je vooruitgang met grote belangstelling volgen. Erg bedankt, Chris. CU: Dank je wel.