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.
Ismerjük el: az autóvezetés veszélyes. Ez az egyik dolog, amire nem szeretünk gondolni, de az a tény, hogy a világ minden táján szentképek és szerencsetárgyak bukkanak fel a műszerfalakon, azt mutatja, hogy ezt tudjuk is. Az Egyesült Államokban a 16-19 éves korosztálynál a leggyakoribb halálok az autóbaleset -- leggyakoribb halálok -- és a balesetek 75%-ának semmi köze nincs a drogokhoz vagy az alkoholhoz.
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.
Akkor mi történik? Senki sem tudja biztosan. Emlékszem az első balesetemre. Kezdő sofőrként autópályán vezettem, és láttam, ahogy az előttem lévő autónak kigyullad a féklámpája. Én meg: "Ok, rendben, a pasas lelassít, akkor én is lassítok." Rálépek a fékre. De nem, a pasas nem is lassít, hanem megáll, satuzik, satuzik az autópályán. Egyszer százzal megy -- aztán 0? Rátapostam a fékre. Éreztem, ahogy az ABS rugdossa a fékpedált, az autó még mindig nem áll meg, és tudtam, hogy nem is fog. A légzsák kinyílt, az autó totálkáros lett, de szerencsére senki nem sérült meg. Fogalmam sem volt, hogy az az autó meg fog állni. Azt hiszem, ennél mindenképpen többet tehetünk. Úgy gondolom, meg tudjuk változtatni a vezetési élményt úgy, hogy hagyjuk az autóinkat beszélni egymással.
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.
Gondoljanak csak bele egy kicsit, hogy is néz ki ma a vezetés a gyakorlatban. Beszállunk az autóba. Becsukjuk az ajtót. Egy üvegbuborékban ülünk. Nem tudjuk közvetlenül érzékelni a körülöttünk lévő világot. Egy kiterjesztett testben vagyunk. Az a feladatunk, hogy elkormányozzuk, más fémóriások között, emberfeletti sebességgel, úgy hogy az úttestnek csak egy részét látjuk. Igaz? Mindaz, ami a segítségünkre lehet, a két szemünk. Tehát, ez minden amink van, szemek, amik nem igazán erre a feladatra lettek kitalálva. Majd azt kérik tőlünk, hogy olyan dolgokat csináljunk, mint a sávváltás. Mi az első dolog, amit tenni kell? Vegyük le a szemünket az útról. Így van. Ne arra nézzünk, amerre megyünk, forduljunk el, nézzünk a holttérbe, és úgy vezessünk, hogy nem is abba az irányba nézünk, amerre haladunk. Mindenki ezt teszi. Ez a biztonságos vezetés. Miért csináljuk így? Mert kell, döntést kell hoznunk: ide nézzünk vagy oda? Mi a fontosabb? Általában remek munkát végzünk abban, hogy kiválasszuk, mire figyelünk. De esetenként valamit figyelmen kívül hagyunk. Esetenként valamit rosszul mérünk fel vagy túl későn. Számos baleset után a sofőr azt mondja: "Nem vettem észre." És én ezt elhiszem. Elhiszem. Nem tudunk mindenre figyelni.
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.
De a technológia már létezik, ami segíthet ennek fejlesztésében. A jövőben képesek leszünk az egymással adatokat megosztó autók segítségével egyidőben nem csak három előttünk és három utánunk lévő autót látni, jobbra és balra, madártávlatból. Tulajdonképpen az autókba is képesek leszünk belelátni. Láthatjuk az előttünk lévő autó sebességét, milyen gyorsan halad vagy áll meg. Ha teljesen megáll, tudni fogom.
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.
Számításokkal, algoritmusokkal és következtető modellekkel képesek leszünk arra, hogy lássuk a jövőt. Talán azt gondolják, hogy az lehetetlen. Hogy lehet megjósolni a jövőt? Az nagyon nehéz. Valójában nem. Az autók esetében ez nem lehetetlen. Az autók háromdimenziós objektumok, amiknek fix poziciójuk és sebességük van. Az utakon közlekednek. Gyakran előre megtervezett útvonalakon. Nem is annyira nehéz ésszerű becslésekbe bocsátkozni, hol lesz egy autó a közeljövőben. Még az autónkban ülve sem, mikor egy motoros jön-- bshoom! -- 136 km/órával hasít a sávok között -- Tudom, hogy volt már ilyen élményük -- nem "csak úgy a semmiből jött". Valószínűleg már az elmúlt fél órában is az úton volt. (Nevetés) Igaz? Úgy értem, valaki látta már. 10, 20, 30 kilométerrel korábban, valaki már látta, és amint egy autó észleli, és a térképre helyezi, már a térképen is van -- helyzet, sebesség. Jó eséllyel továbbra is 136 km/órával fog haladni. Tudni fogjuk, mert az autónk tudni fogja. Egy másik autó valami ilyesmit fog a fülébe súgni: "Közeledik, 5 perc, motoros, figyelj!" Ésszerű előrejelzéseket kaphatunk az autók viselkedéséről. Úgy értem, ezek newtoni testek. Ez a jó bennük.
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.
Tehát, hogy jutunk el idáig? Kezdhetjük egy olyan egyszerű dologgal, mint a helyzetünk megosztása a többi autóval. Csupán GPS megosztással. Ha van az autómban GPS és kamera, akkor pontosan tudatában vagyok, hol vagyok, és milyen gyorsan haladok. Számítógépes látással meg tudom becsülni a körülöttem lévő autók hol vannak, és merre mennek. Ugyanez a helyzet a többi autóval. Pontos ismeretük lehet arról, merre vannak, és bizonytalan elképzelésük arról, hogy a többi autó hol van. Mi történik, ha két autó adatokat oszt meg egymással, ha beszélnek egymáshoz? Pontosan meg tudom mondani, mi történik. Mindkét modell fejlődik. Mindenki nyer. Bob Wang professor és csapata számítógépes szimulációkat végeztek, hogy mi történik, ha a homályos becslések összeadódnak még gyér forgalomban is, mikor az autók GPS adatokat osztanak meg egymással. Azután a számítógépes szimulációkat robot tesztelőkbe helyeztük át, amik rendelkeznek az autókban is megtalálható szenzorokkal: sztereó kamerák, GPS, és kétdimenziós lézerletapogatók, amik gyakoriak a tolatórendszerekben. Egy egyedi, kis hatótávú rádiókommunikációval is ellátjuk őket, és a robotok egymáshoz beszélnek. Mikor ezek a robotok közelednek egymáshoz, pontosan nyomon követik egymás helyzetét, és ki tudnak térni a másik elől.
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.
Ahogy egyre több robotot vontunk be a tesztbe, beleütköztünk néhány problémába. Az egyik probléma az, mikor túl sokat csevegnek, nehéz az összes adatot feldolgozni, így fontossági sorrendet kell felállítanunk. Itt segít a következtető modell. Ha robotautóink mind nyomon követik az előrejelzett pályagörbéket, akkor nem kell akkora figyelmet fordítanunk azokra az adatokra. Arra az egy pasasra fordítunk nagyobb figyelmet, aki látszólag letér az útról. Az a pasas probléma lehet. És előrejelezhetjük az új pályagörbét. Így már nem csak azt tudjuk, hogy letér az útvonalról, de azt is, hogyan. És tudjuk, melyik sofőröket kell figyelmeztetni, hogy térjenek ki az útjából.
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.
Akartunk -- hogy tudunk a legegyszerűbben figyelmezetetni mindenkit? Hogy suttoghatnak ezek az autók: "Félre kell húzódnod?" Két dolgon múlik: először is az autó képességein, másodszor a sofőr képességein. Hiába van valakinek nagyon jó autója, ha éppen telefonál, vagy valami mással foglalkozik, valószínűleg nincs a legjobb helyzetben, hogy vészhelyzet esetén reagálni tudjon. Így a kutatásnak egy másik irányába kezdtünk, a vezető állapotának modellezésébe. Jelenleg három kamera használatával észlelni tudjuk, hogy a sofőr előre néz, másfelé néz, lefelé néz, telefonál, vagy kávézik. Előrejelezhetünk egy balesetet, és előrejelezhetjük kik, melyik autók vannak a legjobb helyzetben, hogy kitérjenek. Kiszámolhatjuk a mindenki számára legbiztonságosabb útvonalat. Alapvetően ezek a technológiák ma is léteznek.
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.
A legnagyobb probléma, amivel szembesülünk, az a hajlandóságunk, hogy megosszuk az adatainkat. Szerintem, az egy nagyon nyugtalanító gondolat, hogy az autóink figyelnek minket, beszélnek rólunk más autóknak, hogy pletykaáradatban haladunk az úton. Hiszek abban, hogy ezt úgy is megtehetjük, hogy a személyiségi jogaink ne sérüljenek. Csakúgy, mint most, mikor kivülről az autójukra nézek, igazán nem tudok Önökről semmit. Ha a rendszámukra nézek, igazán nem tudom, hogy kik is valójában. Hiszem, hogy az autóink a hátunk mögött kibeszélhetnek.
(Laughter)
(Nevetés)
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.
Azt gondolom, ez egy nagyszerű dolog lesz. Gondoljanak bele egy pillanatra. Nem akarják, hogy a figyelmetlen tinédzser mögöttünk tudja, hogy fékezünk, hogy satuzni fogunk? Az adataink önkéntes megosztásával azt tehetjük, ami mindenkinek a legjobb.
So let your car gossip about you. It's going to make the roads a lot safer.
Engedjék, hogy az autójuk pletykáljon Önökről. Az utak sokkal biztonságosabbá válnak.
Thank you.
Köszönöm.
(Applause)
(Taps)