Let's face it: Driving is dangerous. It's one of the things that we don't like to think about, but the fact that religious icons and good luck charms show up on dashboards around the world betrays the fact that we know this to be true. Car accidents are the leading cause of death in people ages 16 to 19 in the United States -- leading cause of death -- and 75 percent of these accidents have nothing to do with drugs or alcohol.
Regardons les choses en face : Conduire est dangereux. C'est une chose à laquelle nous n'aimons pas penser, mais le fait qu'il y ait des icônes religieuses et des porte-bonheur sur les tableaux de bord partout dans le monde trahit le fait que nous savons que c'est vrai. Les accidents de voitures sont la principale cause de décès chez les personnes âgées de 16 à 19 ans aux États-Unis ; la principale cause de décès. 75 % de ces accidents n'ont rien à voir avec les drogues ou l'alcool.
So what happens? No one can say for sure, but I remember my first accident. I was a young driver out on the highway, and the car in front of me, I saw the brake lights go on. I'm like, "Okay, all right, this guy is slowing down, I'll slow down too." I step on the brake. But no, this guy isn't slowing down. This guy is stopping, dead stop, dead stop on the highway. It was just going 65 -- to zero? I slammed on the brakes. I felt the ABS kick in, and the car is still going, and it's not going to stop, and I know it's not going to stop, and the air bag deploys, the car is totaled, and fortunately, no one was hurt. But I had no idea that car was stopping, and I think we can do a lot better than that. I think we can transform the driving experience by letting our cars talk to each other.
Alors qu'est-ce qui se passe ? Personne ne peut le dire avec certitude mais je me souviens de mon premier accident. J'étais jeune conductrice, je roulais sur l'autoroute, et j'ai vu le feu de freinage de la voiture devant moi s'allumer. Je me suis dit : « Bon, tout va bien, ce type ralentit, je vais ralentir moi aussi. » J'ai appuyé sur le frein. Mais non, ce type n'est pas en train de ralentir. Il est en train de s'arrêter, brusquement; arrêté net sur l'autoroute ! Il est passé de 100 km/h... à zéro ? J'ai freiné brutalement. J'ai senti l'ABS s'enclencher, et la voiture continue à avancer, et elle ne va pas s'arrêter, je sais qu'elle ne va pas s'arrêter, et l'airbag se déploie, la voiture est démolie, et heureusement, personne n'a été blessé. Mais je n'avais aucune idée que cette voiture allait s'arrêter, et je pense qu'on peut faire beaucoup mieux que ça. Je pense qu'on peut changer nos pratiques de conduite en laissant nos voitures se parler entre elles.
I just want you to think a little bit about what the experience of driving is like now. Get into your car. Close the door. You're in a glass bubble. You can't really directly sense the world around you. You're in this extended body. You're tasked with navigating it down partially-seen roadways, in and amongst other metal giants, at super-human speeds. Okay? And all you have to guide you are your two eyes. Okay, so that's all you have, eyes that weren't really designed for this task, but then people ask you to do things like, you want to make a lane change, what's the first thing they ask you do? Take your eyes off the road. That's right. Stop looking where you're going, turn, check your blind spot, and drive down the road without looking where you're going. You and everyone else. This is the safe way to drive. Why do we do this? Because we have to, we have to make a choice, do I look here or do I look here? What's more important? And usually we do a fantastic job picking and choosing what we attend to on the road. But occasionally we miss something. Occasionally we sense something wrong or too late. In countless accidents, the driver says, "I didn't see it coming." And I believe that. I believe that. We can only watch so much.
Je veux juste que vous pensiez un peu aux pratiques de conduite actuelles. Entrez dans votre voiture. Fermez la portière. Vous êtes dans une bulle de verre. Vous ne pouvez pas vraiment percevoir directement le monde qui vous entoure. Vous êtes dans cette extension du corps. Vous devez vous frayer un chemin sur des routes que vous ne voyez qu'en partie, parmi d'autres géants de métal, à des vitesses surhumaines. D'accord ? Et tout ce que vous avez pour vous guider, ce sont vos deux yeux. Donc c'est tout ce que vous avez, des yeux qui ne sont pas vraiment conçus pour cette tâche, mais on vous demande de faire des choses du genre, si vous voulez changer de voie, quelle est la première chose qu'on vous demande de faire ? Quitter la route des yeux. Exactement. Arrêtez de regarder où vous allez, tournez, vérifiez vos angles morts, et avancez sur la route sans regarder où vous allez. Vous et tous les autres. C'est la façon de conduire en toute sécurité. Pourquoi fait-on ça ? Parce qu'on est obligé de le faire. On doit faire un choix : est-ce que je regarde par ici ou par là ? Qu'est-ce qui est le plus important ? En général, on arrive très bien à choisir où porter notre attention sur la route. Mais parfois, quelque chose nous échappe. Parfois, on perçoit quelque chose mal ou trop tard. Dans de nombreux accidents, le conducteur déclare : « Je ne l'avais pas vu venir. » Je le crois. Je le crois. Il y a une limite à ce qu'on peut voir.
But the technology exists now that can help us improve that. In the future, with cars exchanging data with each other, we will be able to see not just three cars ahead and three cars behind, to the right and left, all at the same time, bird's eye view, we will actually be able to see into those cars. We will be able to see the velocity of the car in front of us, to see how fast that guy's going or stopping. If that guy's going down to zero, I'll know.
Mais il existe maintenant une technologie qui pourrait nous aider à améliorer ça. Dans le futur, avec des voitures qui échangent des informations entre elles, nous serons capables de voir non seulement trois voitures en avant et trois voitures en arrière, à droite et à gauche, toutes en même temps, une vue d'ensemble ; mais en fait, nous allons être en mesure de voir à l'intérieur de ces voitures. Nous allons pouvoir connaître la vitesse de la voiture devant nous, savoir à quelle vitesse ce type avance... ou s'arrête. Si ce type descend à zéro, je vais le savoir.
And with computation and algorithms and predictive models, we will be able to see the future. You may think that's impossible. How can you predict the future? That's really hard. Actually, no. With cars, it's not impossible. Cars are three-dimensional objects that have a fixed position and velocity. They travel down roads. Often they travel on pre-published routes. It's really not that hard to make reasonable predictions about where a car's going to be in the near future. Even if, when you're in your car and some motorcyclist comes -- bshoom! -- 85 miles an hour down, lane-splitting -- I know you've had this experience -- that guy didn't "just come out of nowhere." That guy's been on the road probably for the last half hour. (Laughter) Right? I mean, somebody's seen him. Ten, 20, 30 miles back, someone's seen that guy, and as soon as one car sees that guy and puts him on the map, he's on the map -- position, velocity, good estimate he'll continue going 85 miles an hour. You'll know, because your car will know, because that other car will have whispered something in his ear, like, "By the way, five minutes, motorcyclist, watch out." You can make reasonable predictions about how cars behave. I mean, they're Newtonian objects. That's very nice about them.
Et avec les calculs, les algorithmes et les modèles prédictifs, nous serons capables de voir le futur. Vous croyez peut-être que c'est impossible. Comment peut-on prévoir le futur ? C'est très difficile. En réalité, non. Avec les voitures, ce n'est pas impossible. Les voitures sont des objets à trois dimensions qui ont une position et une vitesse déterminées. Elles circulent sur les routes. Souvent, leur trajet est déjà planifié. Il n'est vraiment pas difficile de faire des prédictions raisonnables sur l'endroit où une voiture va se trouver dans un futur proche. Même si, quand vous êtes dans votre voiture et qu'un motard arrive -- vroum ! -- à 85 miles à l'heure, se faufilant entre les voies, -- je sais que vous avez déjà vécu ça --, ce type n'est pas juste « sorti de nulle part ». Il était probablement sur la route depuis une demi-heure. (Rires) Pas vrai ? Je veux dire, quelqu'un l'a vu. 10, 20, 30 km en arrière, quelqu'un a vu ce type, et aussitôt qu'une voiture voit ce type et le positionne sur la carte, il est sur la carte : position, vitesse. On peut prévoir qu'il va continuer à aller à 100 km à l'heure. Vous allez le savoir, parce que votre voiture va le savoir, parce qu'une autre voiture va lui avoir chuchoté à l'oreille : « Au fait, d'ici cinq minutes, un motard, fais attention. » Vous pouvez faire des prédictions raisonnables sur le comportement des voitures. Je veux dire, ce sont des objets newtoniens. C'est ce qu'elles ont de bien.
So how do we get there? We can start with something as simple as sharing our position data between cars, just sharing GPS. If I have a GPS and a camera in my car, I have a pretty precise idea of where I am and how fast I'm going. With computer vision, I can estimate where the cars around me are, sort of, and where they're going. And same with the other cars. They can have a precise idea of where they are, and sort of a vague idea of where the other cars are. What happens if two cars share that data, if they talk to each other? I can tell you exactly what happens. Both models improve. Everybody wins. Professor Bob Wang and his team have done computer simulations of what happens when fuzzy estimates combine, even in light traffic, when cars just share GPS data, and we've moved this research out of the computer simulation and into robot test beds that have the actual sensors that are in cars now on these robots: stereo cameras, GPS, and the two-dimensional laser range finders that are common in backup systems. We also attach a discrete short-range communication radio, and the robots talk to each other. When these robots come at each other, they track each other's position precisely, and they can avoid each other.
Alors comment est-ce qu'on y arrive ? On pourrait commencer avec quelque chose d'aussi simple que partager les données de notre position avec les autres voitures, simplement partager notre GPS. Si j'ai un GPS et une caméra dans ma voiture, j'ai une idée assez précise de ma position et de ma vitesse. Avec une vision par ordinateur, je peux évaluer la position des voitures qui m'entourent, en quelque sorte, et la direction qu'elles vont prendre. Et c'est la même chose pour les autres voitures. Elles peuvent avoir u ne idée précise de leur position, et une idée un peu plus vague de la position des autres voitures. Qu'arrive-t-il si deux voitures partagent ces données, si elles se parlent entre elles ? Je peux vous dire exactement ce qui arrive. Les deux modèles s'améliorent. Tout le monde y gagne. Le professeur Bob Wang et son équipe ont fait des simulations sur ordinateur de ce qui arrive quand deux estimations floues se combinent, même dans une circulation fluide quand les voitures partagent leurs données GPS, et nous avons aussi mené ces recherches en dehors des simulations sur ordinateur, sur des robots d'essai ayant les mêmes capteurs qu'on retrouve actuellement dans les voitures : appareils de photo stéréo, GPS, et les télémètres laser à deux dimensions qui sont courants dans les système de sauvegarde. On installe aussi une radiocommunication discrète à courte portée, et les robots se parlent entre eux. Quand ces robots entrent en contact, chacun suit la position des autres de manière précise, et ils peuvent s'éviter.
We're now adding more and more robots into the mix, and we encountered some problems. One of the problems, when you get too much chatter, it's hard to process all the packets, so you have to prioritize, and that's where the predictive model helps you. If your robot cars are all tracking the predicted trajectories, you don't pay as much attention to those packets. You prioritize the one guy who seems to be going a little off course. That guy could be a problem. And you can predict the new trajectory. So you don't only know that he's going off course, you know how. And you know which drivers you need to alert to get out of the way.
Nous ajoutons maintenant de plus en plus de robots dans le test, et nous avons rencontré quelques problèmes. Un de ces problèmes, c'est que quand il y a trop de bavardage, il est difficile de traiter toutes les données, alors il faut identifier les priorités, et c'est là où les modèles de prédiction sont utiles. Si toutes vos voitures robotisées suivent les trajectoires prévues, vous n'accorderez pas autant d'attention à ces données. Vous allez privilégier le type qui semble dévier un peu de sa route. Ce type peut devenir un problème. Et vous pouvez prévoir sa nouvelle trajectoire. Donc, vous savez non seulement qu'il dévie de sa route, mais aussi de quelle façon. Et vous savez quels automobilistes vous devez avertir de s'enlever du chemin.
And we wanted to do -- how can we best alert everyone? How can these cars whisper, "You need to get out of the way?" Well, it depends on two things: one, the ability of the car, and second the ability of the driver. If one guy has a really great car, but they're on their phone or, you know, doing something, they're not probably in the best position to react in an emergency. So we started a separate line of research doing driver state modeling. And now, using a series of three cameras, we can detect if a driver is looking forward, looking away, looking down, on the phone, or having a cup of coffee. We can predict the accident and we can predict who, which cars, are in the best position to move out of the way to calculate the safest route for everyone. Fundamentally, these technologies exist today.
Et nous voulons faire ... comment pouvons-nous alerter tout le monde ? Comment ces voitures peuvent-elles chuchoter : « Tu dois t'enlever du chemin» ? Bien, ça dépend de deux choses : premièrement, la capacité de la voiture, et deuxièmement, la capacité du conducteur. Si quelqu'un a une très bonne voiture, mais qu'il est sur son téléphone ou en train de faire quelque chose d'autre, il n'est probablement pas dans la meilleure position pour réagir en cas d'urgence. Nous avons donc commencé une autre recherche, qui fait des modèles de l'état des conducteurs. Maintenant, en utilisant une série de trois caméras, on peut détecter si le conducteur regarde devant, à côté, en bas, s'il est au téléphone, ou en train de boire son café. On peut prévoir l'accident et on peut prévoir qui, quelles voitures sont les mieux placées pour s'enlever du chemin, calculer la route la plus sûre pour tout le monde. En fait, ces technologies existent aujourd'hui.
I think the biggest problem that we face is our own willingness to share our data. I think it's a very disconcerting notion, this idea that our cars will be watching us, talking about us to other cars, that we'll be going down the road in a sea of gossip. But I believe it can be done in a way that protects our privacy, just like right now, when I look at your car from the outside, I don't really know about you. If I look at your license plate number, I don't really know who you are. I believe our cars can talk about us behind our backs.
Je crois que le principal problème auquel nous sommes confrontés est notre propre désir de partager nos données. Je crois que c'est très troublant, cette idée que nos voitures vont nous observer, parler de nous aux autres voitures, que nous allons conduire dans une mer de commérages. Mais je pense que ça peut être fait dans le respect de notre vie privée. comme maintenant, si je regarde votre voiture de l'extérieur, ça ne me dit pas grand-chose de vous. Si je regarde votre numéro d'immatriculation, ça ne me dit pas vraiment qui vous êtes. Je crois que nos voitures peuvent parler de nous dans notre dos.
(Laughter)
(Rires)
And I think it's going to be a great thing. I want you to consider for a moment if you really don't want the distracted teenager behind you to know that you're braking, that you're coming to a dead stop. By sharing our data willingly, we can do what's best for everyone.
Et je pense que ça va être une très bonne chose. Je veux que vous vous demandiez un instant si vraiment, vous ne voulez pas que l'adolescent distrait derrière vous sache que vous freinez, que vous allez vous arrêter brusquement. En acceptant de partager nos données, nous pouvons faire ce qu'il y a de mieux pour tout le monde.
So let your car gossip about you. It's going to make the roads a lot safer.
Alors laissez votre voiture bavarder à votre sujet. Ça va rendre les routes beaucoup plus sûres.
Thank you.
Merci.
(Applause)
(Applaudissements)