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.
Akui saja: Mengemudi itu berbahaya. Itulah salah satu hal yang tidak suka kita pikirkan, namun kenyataan bahwa jimat dan simbol-simbol agama terpajang di dasbor mobil di mana-mana mengingkari hal yang sudah kita ketahui. Kecelakaan lalu lintas adalah penyebab utama kematian dari remaja berusia 16 hingga 19 tahun di Amerika Serikat -- penyebab utama kematian -- dan 75 persen kecelakaan ini tidak ada hubungannya dengan obat-obatan atau alkohol.
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.
Jadi apa yang terjadi? Tidak ada yang yakin, namun saya masih ingat pertama kali saya mengalami kecelakaan. Saya adalah pengemudi muda di jalan tol, dan saya melihat lampu rem mobil di depan saya menyala. Saya seperti, "Oh, mobil di depan melambat. Saya juga akan melambat." Saya menginjak rem. Namun, orang ini tidak melambat. Orang ini berhenti, benar-benar berhenti di tengah jalan tol. Dari sekitar 65 mil/jam -- langsung berhenti. Saya menginjak rem sekuat-kuatnya. Saya merasa sistem rem anti terkunci bekerja dan mobil saya masih tetap berjalan dan tidak berhenti, saya tahu mobil saya tidak akan berhenti, lalu kantung udara dalam mobil mengembang, kami bertabrakan dan untungnya, tidak ada yang terluka. Namun saya tidak tahu kalau mobil itu berhenti dan saya rasa kita dapat melakukannya jauh lebih baik dari itu. Saya rasa kita dapat mengubah pengalaman mengemudi dengan membuat mobil kita saling berbicara.
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.
Saya hanya ingin Anda sedikit berpikir tentang pengalaman mengemudi kita sekarang. Kita masuk, menutup pintu. Anda berada dalam gelembung kaca. Anda tidak dapat merasakan lingkungan di sekitar Anda secara langsung. Anda berada di dalam perpanjangan tubuh Anda. Anda harus memandu perpanjangan tubuh itu di jalan yang hanya terlihat sebagian di dalam dan di antara raksasa logam lainnya, dengan kecepatan super. OK? Dan yang dapat memandu Anda hanyalah kedua mata Anda. Jadi itulah yang Anda miliki, mata yang tidak dirancang untuk tugas ini, lalu kita diminta melakukan hal-hal seperti jika Anda mau berpindah jalur, apa hal pertama yang harus dilakukan? Alihkan mata Anda dari jalanan. Benar. Berhenti melihat arah Anda, berpaling melihat titik buta Anda dan mengemudi tanpa melihat arah Anda. Anda dan semua orang lain. Inilah cara mengemudi yang aman. Mengapa kita melakukannya? Karena kita harus, kita harus membuat pilihan, apakah saya melihat ke sini atau ke sana? Lalu apa yang lebih penting? Dan biasanya kita melakukannya dengan luar biasa dalam memilih dan mengambil apa yang harus kita perhatikan di jalan. Namun terkadang ada yang luput. Terkadang kita terlambat mengetahui ada yang salah. Dalam banyak kecelakaan, si pengemudi berkata, "Saya tidak melihatnya." Saya percaya itu. Benar. Kemampuan melihat kita terbatas.
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.
Namun kini ada teknologi yang dapat membantu kita meningkatkan hal itu. Di masa depan, saat mobil saling bertukar data, kita akan dapat melihat bukan hanya 3 mobil yang ada di depan dan 3 mobil yang ada di belakang, di sebelah kiri dan kanan, semuanya sekaligus, pandangan dari atas, kita akan dapat melihat mobil-mobil itu. Kita akan dapat melihat kecepatan mobil di depan kita untuk melihat seberapa cepat orang ini berjalan atau mengerem. Jika orang itu akan berhenti, saya akan tahu.
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.
Dan dengan komputasi, algoritma, dan model prediktif, kita akan dapat melihat masa depan. Anda mungkin berpikir hal itu tidak mungkin. Bagaimana Anda dapat melihat masa depan? Itu sulit. Sebenarnya tidak. Dengan mobil, ini bukannya tidak mungkin. Mobil adalah benda 3 dimensi yang memiliki posisi dan kecepatan tetap. Mobil-mobil itu ada di jalan pada rute yang tidak dipublikasikan. Tidaklah sulit membuat prediksi kemana sebuah mobil akan berada di masa depan. Bahkan, saat Anda berada di dalam mobil dan ada pengendara sepeda motor lewat -- bshoom! -- 85 mil per jam sambil memotong jalur Anda -- saya tahu Anda pernah mengalaminya -- mereka tidak sekedar "datang entah dari mana." Mereka mungkin sudah ada di jalanan sekitar setengah jam. (Tawa) Maksud saya, sudah ada yang melihatnya. 10, 20, atau 30 mil sebelumnya, ada yang melihatnya dan segera setelah satu mobil melihat orang ini dan memetakannya, dia akan ada di dalam peta -- dengan posisi, kecepatan, dan dengan perkiraan bahwa dia akan terus berjalan 85 mil per jam, Anda akan tahu, karena mobil Anda tahu, karena mobil lainnya akan membisikkan sesuatu ke dalam telinga mobil Anda, "Omong-omong, 5 menit lagi pengendara motor, awas." Anda dapat membuat prediksi rasional tentang bagaimana perilaku mobil. Maksud saya, mereka adalah benda Newtonian. Itu hal yang sangat bagus.
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.
Lalu bagaimana kita tiba di sana? Kita dapat mulai dengan sesuatu yang sederhana seperti membagikan data posisi kita dengan kendaraan lain, hanya dengan berbagi GPS. Jika saya memiliki GPS dan kamera di mobil saya, saya akan cukup tahu di mana saya berada dan seberapa cepat saya mengemudi. Dengan daya lihat komputer, saya dapat memperkirakan jarak mobil-mobil di sekitar saya dan ke mana mereka pergi. Mobil-mobil yang lain pun sama. Mobil-mobil itu tahu persis di mana mereka berada dan tahu sedikit tentang di mana mobil-mobil lain berada. Apa yang terjadi jika dua mobil saling berbagi data, jika mereka saling berbicara? Saya dapat mengatakan dengan tepat apa yang terjadi. Kedua model itu menjadi lebih baik. Semuanya menang. Profesor Bob Wang dan timnya telah melakukan simulasi computer akan apa yang terjadi dengan logika fuzzy, bahkan di tempat yang sepi di mana mobil hanya membagikan data GPS, kami mengalihkan penelitian ini dari simulasi komputer ke tes robot yang memiliki sensor sungguhan yang ada di mobil pada robot-robot ini: kamera stereo, GPS, dan pelacak laser 2 dimensi yang biasa ada dalam sistem cadangan. Kami juga memasang radio komunikasi jarak pendek di mana robot-robot itu saling berbicara. Saat robot-robot ini saling mendekat, mereka melacak posisi robot lainnya dengan tepat dan dapat saling menghindar.
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.
Kini kami menambahkan jumlah robotnya dan kami menemukan beberapa masalah. Salah satu masalahnya, jika ada terlalu banyak percakapan, sulit untuk mengolah semua data itu, sehingga Anda harus membuat prioritas, dan itulah guna dari model prediktif. Jika mobil robot Anda memperkirakan semua jalur dari mobil yang ada, Anda tidak perlu terlalu memperhatikan semua jalur itu. Anda memprioritaskan satu orang yang tampak melenceng. Orang itu dapat menjadi masalah. Dan Anda dapat memperkirakan jalur yang baru. Jadi Anda tidak hanya tahu dia melenceng, Anda juga tahu bagaimana. Dan Anda tahu pengemudi mana yang harus Anda waspadai untuk dihindari.
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.
Dan kami ingin -- bagaimana kita dapat memperingatkan semua orang. Bagaimana mobil ini dapat berkata, "Anda harus minggir?" Nah, itu tergantung pada dua hal: pertama, kemampuan mobil itu, dan kedua, keterampilan si pengemudi. Jika kemampuan mobil itu hebat, namun pengemudinya berbicara di telepon atau melakukan hal lain, mereka mungkin tidak berada pada posisi terbaik untuk bertindak dalam keadaan darurat. Jadi kami memulai penelitian lainnya yaitu membuat model perilaku pengemudi. Dan kini, menggunakan tiga kamera sekaligus, kami dapat mendeteksi apakah si pengemudi itu melihat ke depan, berpaling, melihat ke teleponnya, atau sedang minum kopi. Kami dapat memperkirakan kecelakaan dan juga siapa, mobil mana yang paling mungkin untuk menghindar untuk menghitung jalur teraman bagi semua orang. Pada dasarnya, teknologi ini sudah ada sekarang.
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.
Saya rasa masalah terbesar yang kami hadapi adalah kemauan kita sendiri untuk membagi data. Saya rasa ini gagasan yang sangat membingungkan, gagasan bahwa mobil-mobil akan mengawasi kita, berbicara tentang kita dengan mobil-mobil lainnya, bahwa kita akan berada di jalanan penuh gossip. Namun saya yakin hal ini dapat dilakukan sambil melindungi privasi kita seperti sekarang, saat saya melihat mobil Anda dari luar, saya tidak kenal Anda. Jika saya melihat nomor kendaraan Anda, saya masih tidak kenal Anda. Saya yakin mobil-mobil kita dapat membicarakan kita di belakang.
(Laughter)
(Tawa)
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.
Dan saya yakin ini akan menjadi hal yang hebat. Saya ingin Anda berpikir sejenak apakah Anda benar-benar tidak mau remaja bingung di belakang Anda tahu bahwa Anda akan mengerem, bahwa Anda akan langsung berhenti. Dengan bersedia membagikan data kita, kita dapat melakukan hal yang terbaik bagi semua orang.
So let your car gossip about you. It's going to make the roads a lot safer.
Jadi biarkan mobil Anda saling bergosip tentang Anda. Ini akan membuat jalanan menjadi jauh lebih aman.
Thank you.
Terima kasih.
(Applause)
(Tepuk tangan)