ABOUT THE SPEAKER
Chris Gerdes - Mechanical engineer
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today.

Why you should listen

Imagine a car that can drive itself -- that with the push of a button can get you home safely when you’re too tired to drive or have had a night of one too many drinks. Dr. Chris Gerdes , the Director of the Center for Automotive Research at Stanford (conveniently acronymed CARS), and his team are developing a robotic race car, capable of driving at outrageous speeds while avoiding every possible accident. Gerdes’ research focuses on the development of driver assistance systems for collision avoidance, as well as on new combustion processes for engines.

Prior to teaching at Stanford, Gerdes was the project leader for vehicle dynamics at the Vehicle Systems Technology Center of Daimler-Benz Research and Technology North America. His work at Daimler focused on safety analysis.

More profile about the speaker
Chris Gerdes | Speaker | TED.com
TEDxStanford

Chris Gerdes: The future race car -- 150mph, and no driver

Chris Gerdes: Závodní auto budoucnosti -- 150 mil za hodinu a žádný řidič

Filmed:
806,444 views

Nezávislá auta přicházejí -- a budou umět řídit lépe než vy. Chris Gerdes odhaluje, jak on a jeho tým vyvíjí robotická závodní auta, která umí jet 150 mil v hodině a vyhnout se přitom jakékoliv možné nehodě. Dále Gerdes říká, že při studiu mozkových vln u závodních řidičů nově docenil jejich profesionální instinkty. (Natočeno na TEDxStanford.)
- Mechanical engineer
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today. Full bio

Double-click the English transcript below to play the video.

00:16
So, how manymnoho of you have ever
0
506
1407
Takže, kolik z vás se někdy
00:17
gottendostal behindza the wheelkolo of a carauto
1
1913
1655
dostalo za volant auta,
00:19
when you really shouldn'tby neměl have been drivingřízení?
2
3568
5687
když jste opravdu neměli řídit?
00:25
Maybe you're out on the roadsilnice for a long day,
3
9255
1905
Možná jste byli na cestě celý den
00:27
and you just wanted to get home.
4
11160
1490
a jen jste se chtěli dostat domů.
00:28
You were tiredunavený, but you feltcítil you could driveřídit a fewpár more milesmíle.
5
12650
2647
Byli jste unaveni, ale cítili jste, že byste zvládli řídit ještě několik mil.
00:31
Maybe you thought,
6
15297
1199
Možná jste si mysleli,
00:32
I've had lessméně to drinknapít se than everybodyvšichni elsejiný,
7
16496
2017
vypil jsem toho méně než kdokoliv jiný,
00:34
I should be the one to go home.
8
18513
1736
měl bych být jediný, kdo pojede domů.
00:36
Or maybe your mindmysl was just entirelyzcela elsewhereněkde jinde.
9
20249
4591
Nebo jste možná jen byli myšlenkami úplně jinde.
00:40
Does this soundzvuk familiarznát to you?
10
24840
1454
Nezní vám to povědomě?
00:42
Now, in those situationssituacích, wouldn'tby ne it be great
11
26294
2898
V takových situacích, nebylo by skvělé,
00:45
if there was a buttontlačítko on your dashboardřídicí panel
12
29192
1593
kdyby bylo na vaší palubní desce tlačítko,
00:46
that you could pushTAM, and the carauto would get you home safelybezpečně?
13
30785
6343
které byste mohli stisknout a vaše auto by vás bezpečně dostalo domů?
00:53
Now, that's been the promiseslib of the self-drivingautomaticky řízené carauto,
14
37128
2293
Už existoval příslib auta řízeného sama sebou,
00:55
the autonomousautonomní vehiclevozidlo, and it's been the dreamsen
15
39421
2627
nezávislého vozu, a ten sen existoval už nejméně
00:57
sinceod té doby at leastnejméně 1939, when GeneralObecné MotorsMotory showcasedvitrina
16
42048
3249
od roku 1939, kdy General Motors předvedlo
01:01
this ideaidea at theirjejich FuturamaFuturama boothstánku at the World'sSvětě FairVeletrh.
17
45297
3302
tuhle myšlenku v jejich Futurama stánku na Světové výstavě.
01:04
Now, it's been one of those dreamssny
18
48599
1943
Byl to jeden z těch snů,
01:06
that's always seemedzdálo se about 20 yearsroky in the futurebudoucnost.
19
50542
4214
které se vždycky zdály být asi 20 let v budoucnu.
01:10
Now, two weekstýdny agopřed, that dreamsen tookvzal a stepkrok forwardvpřed,
20
54756
2683
Před dvěma měsíci, se onen sen dostal o krok dále,
01:13
when the stateStát of NevadaNevada granteduděleno Google'sSpolečnosti Google self-drivingautomaticky řízené carauto
21
57439
3265
když ve státě Nevada udělili samostatně řízenému autu od Google
01:16
the very first licenselicence for an autonomousautonomní vehiclevozidlo,
22
60704
3600
vůbec první licenci udělenou nezávislému vozidlu tím,
01:20
clearlyjasně establishingzaložení that it's legalprávní for them
23
64304
2245
že jasně stanovili, že ho mohou legálně
01:22
to testtest it on the roadssilnic in NevadaNevada.
24
66549
1810
testovat na silnicích v Nevadě.
01:24
Now, California'sKalifornie consideringvzhledem k tomu similarpodobný legislationlegislativa,
25
68359
3727
Kalifornie teď zvažuje podobnou legislativu
01:27
and this would make sure that the autonomousautonomní carauto
26
72086
2408
a to by mělo spolehlivě zařídit, že nezávislé auto
01:30
is not one of those things that has to staypobyt in VegasVegas.
27
74494
2977
nebude jednou z těch věcí, které musí zůstat ve Vegas.
01:33
(LaughterSmích)
28
77471
2096
(Smích)
01:35
Now, in my lablaboratoř at StanfordStanford, we'vejsme been workingpracovní on
29
79567
3784
V mé laboratoři ve Stanfordu jsme teď pracovali
01:39
autonomousautonomní carsauta too, but with a slightlymírně differentodlišný spinroztočit
30
83351
3487
na nezávislém autě také, ale s malinko odlišným rozložením věcí.
01:42
on things. You see, we'vejsme been developingrozvíjející se roboticrobotické racezávod carsauta,
31
86838
4248
Vyvíjeli jsme robotická závodní auta,
01:46
carsauta that can actuallyvlastně pushTAM themselvesoni sami to the very limitslimity
32
91086
4120
auta, která vlastně mohou sebe sama posunout až na samotné
01:51
of physicalfyzický performancepředstavení.
33
95206
2240
hranice fyzikální výkonnosti.
01:53
Now, why would we want to do suchtakový a thing?
34
97446
2613
Proč bychom chtěli takovou věc dělat?
01:55
Well, there's two really good reasonsdůvodů for this.
35
100059
2100
No, jsou pro to dva velmi dobré důvody.
01:58
First, we believe that before people turnotočit se over controlřízení
36
102159
3959
Za prvé, věříme, že než lidé odevzdají řízení
02:02
to an autonomousautonomní carauto, that autonomousautonomní carauto should be
37
106118
2834
nezávislému autu, mělo by ono auto být
02:04
at leastnejméně as good as the very bestnejlepší humančlověk driversovladače.
38
108952
3254
nejméně tak dobrým řidičem jako ti nejlepší z lidí.
02:08
Now, if you're like me, and the other 70 percentprocent of the populationpopulace
39
112206
3305
Pokud jste teď jako já a dalších 70 procent populace,
02:11
who know that we are above-averagenadprůměrný driversovladače,
40
115511
2193
kdož víme, že jsme nadprůměrní řidiči,
02:13
you understandrozumět that's a very highvysoký barbar.
41
117704
3175
chápete, že je to velmi vysoká laťka.
02:16
There's anotherdalší reasondůvod as well.
42
120879
2392
Existuje také další důvod.
02:19
Just like racezávod carauto driversovladače can use all of the frictiontření
43
123271
3576
Stejně jako závodní řidiči dokážou využít veškeré tření
02:22
betweenmezi the tirepneumatika and the roadsilnice,
44
126847
1280
mezi pneumatikou a vozovkou,
02:24
all of the car'sauta capabilitiesschopností to go as fastrychle as possiblemožný,
45
128127
3177
všechny možnosti auta jet tak rychle jak jen to jde,
02:27
we want to use all of those capabilitiesschopností to avoidvyhýbat se
46
131304
3345
my chceme využít všechny tyto možnosti k zabránění
02:30
any accidentnehoda we can.
47
134649
1588
jakékoliv nehodě, které zabránit můžeme.
02:32
Now, you maysmět pushTAM the carauto to the limitslimity
48
136237
2050
Možná teď doženete auto na hranice možností,
02:34
not because you're drivingřízení too fastrychle,
49
138287
1967
ne protože jedete příliš rychle,
02:36
but because you've hitudeřil an icyledové patchnáplast of roadsilnice,
50
140254
2160
ale protože jste narazili na ledovku na silnici,
02:38
conditionspodmínky have changedzměněna.
51
142414
1704
když se vnější podmínky změnily.
02:40
In those situationssituacích, we want a carauto
52
144118
2761
V takových situacích chceme auto,
02:42
that is capableschopný enoughdost to avoidvyhýbat se any accidentnehoda
53
146879
3720
které je dostatečně schopné zabránit jakékoliv havárii,
02:46
that can physicallyfyzicky be avoidedvyloučeno.
54
150599
2678
které se dá fyzicky vyhnout.
02:49
I mustmusí confessPřiznávám, there's kinddruh of a thirdTřetí motivationmotivace as well.
55
153277
4267
Musím se přiznat, že je ještě třetí druh motivace.
02:53
You see, I have a passionvášeň for racingzávodění.
56
157544
2256
Vidíte, vášnivě rád závodím.
02:55
In the pastminulost, I've been a racezávod carauto ownermajitel,
57
159800
2764
Dříve jsem vlastnil závodní auto,
02:58
a crewposádka chiefhlavní and a drivingřízení coachtrenér,
58
162564
2555
byl jsem vedoucí posádky a trenér řidičů,
03:01
althoughAčkoli maybe not at the levelúroveň that you're currentlyv současné době expectingočekávání.
59
165119
3855
ačkoliv možná ne na takové úrovni, jakou právě předpokládáte.
03:04
One of the things that we'vejsme developedrozvinutý in the lablaboratoř --
60
168974
2704
Jednou z věcí, kterou už jsme v laboratoři vyvinuli --
03:07
we'vejsme developedrozvinutý severalněkolik vehiclesvozidel --
61
171678
1704
vyvinuli jsme už několik vozů --
03:09
is what we believe is the world'sna světě first
62
173382
2235
je jak se domníváme první auto na světě,
03:11
autonomouslyautonomně driftingdrifting carauto.
63
175617
2365
které umí samo driftovat.
(projíždět zatáčky s prokluzem kol; pozn. překl.)
03:13
It's anotherdalší one of those categoriesKategorie
64
177982
2513
To je další z těch kategorií,
03:16
where maybe there's not a lot of competitionsoutěž.
65
180495
2423
kde možná není s kým soutěžit.
03:18
(LaughterSmích)
66
182918
1408
(Smích)
03:20
But this is P1. It's an entirelyzcela student-builtstudent postavený electricelektrický vehiclevozidlo,
67
184326
3822
Ale tohle je P1. Je to vůz na elektřinu, postavený výhradně studenty,
03:24
whichkterý throughpřes usingpoužitím its rear-wheelzadní kola driveřídit
68
188148
2078
který pomocí ovládání pohonu zadních kol
03:26
and front-wheelpřední kola steer-by-wirevola by-wire
69
190226
1565
a natáčení předních kol lankem,
03:27
can driftdrift around cornersrohy.
70
191791
2067
může driftovat do zatáček.
03:29
It can get sidewaysdo strany like a rallyRally carauto driverŘidič,
71
193858
2200
Může řezat zatáčky bokem jako jezdec s autem pro rally,
03:31
always ableschopný to take the tightestnejtěsnější curvekřivka,
72
196058
1715
který vždycky zvládne i tu nejtěžší zatáčku,
03:33
even on slipperykluzký, changingměnící se surfacespovrchů,
73
197773
3304
dokonce na kluzkých, střídajících se površích,
03:36
never spinningpředení out.
74
201077
1616
a nikdy nedostane hodiny.
03:38
We'veMáme alsotaké workedpracoval with VolkswagenVolkswagen OracleOracle,
75
202693
2368
Také jsme už pracovali společně s Volkswagen Oracle
03:40
on ShelleyShelley, an autonomousautonomní racezávod carauto that has racedzávodil
76
205061
3424
na Shelley, nezávislém závodním autě, které se hnalo
03:44
at 150 milesmíle an hourhodina throughpřes the BonnevilleBonneville SaltSůl FlatsByty,
77
208485
3070
rychlostí 150 mil za hodinu přes Bonneville Salt Flats,
03:47
gonepryč around ThunderhillThunderhill RacewayRaceway ParkPark in the sunslunce,
78
211555
4471
jelo kolem Thunderhill Raceway Park na slunci,
03:51
the windvítr and the raindéšť,
79
216026
2639
ve větru a dešti
03:54
and navigatedtématy the 153 turnsotočí and 12.4 milesmíle
80
218665
5018
a navigované ve 153 obratech a po 12,4 míle
03:59
of the PikesPikes PeakVrchol HillHill ClimbStoupání routetrasa
81
223683
1562
silnice na Pikes Peak Hill Climb
04:01
in ColoradoColorado with nobodynikdo at the wheelkolo.
82
225245
3473
v Coloradu bez řidiče za volantem.
04:04
(LaughterSmích)
83
228718
1448
(Smích)
04:06
(ApplausePotlesk)
84
230166
5566
(Potlesk)
04:11
I guesstipni si it goesjde withoutbez sayingrčení that we'vejsme had a lot of funzábava
85
235732
3279
Počítám, že je samozřejmé, že jsme si u toho užili
04:14
doing this.
86
239011
1304
spoustu zábavy.
04:16
But in factskutečnost, there's something elsejiný that we'vejsme developedrozvinutý
87
240315
3657
Ale ve skutečnosti jsme během procesu vývoje
04:19
in the processproces of developingrozvíjející se these autonomousautonomní carsauta.
88
243972
3055
těchto nezávislých aut objevili něco jiného.
04:22
We have developedrozvinutý a tremendousobrovský appreciationuznání
89
247027
3871
Dospěli jsme k obrovskému uznání
04:26
for the capabilitiesschopností of humančlověk racezávod carauto driversovladače.
90
250898
3817
schopností lidských závodních řidičů.
04:30
As we'vejsme lookedpodíval se at the questionotázka of how well do these carsauta performprovést,
91
254715
4345
Protože jsme brali v úvahu otázku toho, co všechno mohou tahle auta dokázat,
04:34
we wanted to compareporovnat them to our humančlověk counterpartsprotějšky.
92
259060
3279
chtěli jsme je porovnat s jejich lidskými protějšky.
04:38
And we discoveredobjevil theirjejich humančlověk counterpartsprotějšky are amazingúžasný.
93
262339
5680
A zjistili jsme, že jejich lidské protějšky jsou úžasné.
04:43
Now, we can take a mapmapa of a racezávod trackdráha,
94
268019
4023
Můžeme teď vzít mapu závodní dráhy,
04:47
we can take a mathematicalmatematický modelmodel of a carauto,
95
272042
2370
můžeme vzít matematický model auta
04:50
and with some iterationiterace, we can actuallyvlastně find
96
274412
2903
a po několika opakováních jsme schopni najít
04:53
the fastestnejrychlejší way around that trackdráha.
97
277315
1625
nejrychlejší způsob průjezdu tratí.
04:54
We linečára that up with datadata that we recordzáznam
98
278940
2533
Srovnali jsme to s daty, která jsme nahráli
04:57
from a professionalprofesionální driverŘidič,
99
281473
1433
u profesionálního řidiče
04:58
and the resemblancepodobnost is absolutelyabsolutně remarkablepozoruhodný.
100
282906
4107
a podobnost je naprosto nápadná.
05:02
Yes, there are subtlejemné differencesrozdíly here,
101
287013
3212
Ano, jsou zde drobné rozdíly,
05:06
but the humančlověk racezávod carauto driverŘidič is ableschopný to go out
102
290225
3127
ale lidský závodní řidič je schopen vyjet
05:09
and driveřídit an amazinglyúžasně fastrychle linečára,
103
293352
2335
a uřídit úžasně rychlou stopu
05:11
withoutbez the benefitvýhoda of an algorithmalgoritmus that comparesporovnává
104
295687
2330
bez přispění algoritmu, který srovnává
05:13
the trade-offkompromis betweenmezi going as fastrychle as possiblemožný
105
298017
2608
výhodnost co možná nejrychlejší jízdy
05:16
in this cornerroh, and shavingholení a little bitbit of time
106
300625
2037
v daném úhlu a vyšetřením trošky času
05:18
off of the straightrovný over here.
107
302662
1902
přímým projetím.
05:20
Not only that, they're ableschopný to do it lapklín
108
304564
3457
A nejen to, jsou schopni to dělat kolo
05:23
after lapklín after lapklín.
109
308021
2375
za kolem a dalším kolem.
05:26
They're ableschopný to go out and consistentlydůsledně do this,
110
310396
2912
Jsou schopni vyjet a stále to dělat
05:29
pushingtlačení the carauto to the limitslimity everykaždý singlesingl time.
111
313308
4128
a pokaždé tlačit auto na hranice možností.
05:33
It's extraordinarymimořádný to watch.
112
317436
3169
Je výjimečné to sledovat.
05:36
You put them in a newNový carauto,
113
320605
2066
Posadíte je do nového auta
05:38
and after a fewpár lapskola, they'veoni mají foundnalezeno the fastestnejrychlejší linečára in that carauto,
114
322671
3902
a po několika kolech v onom autě najdou nejrychlejší stopu
05:42
and they're off to the raceszávody.
115
326573
3877
a jedou do závodů.
05:46
It really makesdělá you think,
116
330450
1146
Opravdu vás to přiměje přemýšlet,
05:47
we'dmy jsme love to know what's going on insideuvnitř theirjejich brainmozek.
117
331596
4871
že bychom rádi věděli, co se jim děje v mozku.
05:52
So as researchersvýzkumných pracovníků, that's what we decidedrozhodl to find out.
118
336467
4541
A protože jsme výzkumníci, rozhodli jsme se to zjistit.
05:56
We decidedrozhodl to instrumentnástroj not only the carauto,
119
341008
1812
Rozhodli jsme se vybavit přístroji nejen auto,
05:58
but alsotaké the racezávod carauto driverŘidič,
120
342820
2495
ale také závodního řidiče,
06:01
to try to get a glimpsezáblesk into what was going on
121
345315
2769
abychom zkusili nahlédnout, co se děje
06:03
in theirjejich headhlava as they were doing this.
122
348084
2186
v jejich hlavě, když řídí.
06:06
Now, this is DrDr. LeneLene HarbottHarbott applyinguplatňování electrodeselektrod
123
350270
3950
Toto je teď doktorka Lene Harbott, která přikládá elektrody
06:10
to the headhlava of JohnJan MortonMorton.
124
354220
1232
na hlahu Johna Mortona.
06:11
JohnJan MortonMorton is a formerbývalý Can-AmCan-Am and IMSAIMSA driverŘidič,
125
355452
2989
John Morton je bývalý závodník soutěží Can-Am a IMSA,
06:14
who'skdo je alsotaké a classtřída championmistr at LeLe MansMans.
126
358441
1800
který je také šampión třídy v Le Mans.
06:16
FantasticFantastické driverŘidič, and very willingochotný to put up with graduateabsolvovat studentsstudentů
127
360241
3496
Úžasný řidič a velmi ochotný snášet absolventy
06:19
and this sorttřídění of researchvýzkum.
128
363737
1855
a tento druh výzkumu.
06:21
She's puttinguvedení electrodeselektrod on his headhlava
129
365592
2672
Dává mu elektrody na hlavu,
06:24
so that we can monitormonitor the electricalelektrický activityaktivita
130
368264
2112
abychom mohli systematicky sledovat elektrickou aktivitu
06:26
in John'sJohn's brainmozek as he raceszávody around the trackdráha.
131
370376
2832
Johnova mozku, když závodí na dráze.
06:29
Now, clearlyjasně we're not going to put a couplepár of electrodeselektrod on his headhlava
132
373208
3195
Jasně, ze se nechystáme dát pár elektrod na jeho hlavu
06:32
and understandrozumět exactlypřesně what all of his thoughtsmyšlenky are on the trackdráha.
133
376403
3270
a přesně pochopit, na co všechno na dráze myslí.
06:35
HoweverNicméně, neuroscientistsneurovědci have identifiedidentifikovány certainurčitý patternsvzory
134
379673
3407
Neurologové však už rozpoznali určité předlohy
06:38
that let us teasevtipálek out some very importantdůležité aspectsaspekty of this.
135
383080
3761
které nás z toho nechávají vybírat některé velmi důležité situace.
06:42
For instanceinstance, the restingodpočinek brainmozek
136
386841
1847
Například odpočívající mozek
06:44
tendsmá tendenci to generategenerovat a lot of alphaalfa wavesvlny.
137
388688
2155
má sklon vytvářet hodně alfa vln.
06:46
In contrastkontrast, thetathéta wavesvlny are associatedspojené with
138
390843
3752
Na rozdíl od theta vln, které jsou spojeny
06:50
a lot of cognitivepoznávací activityaktivita, like visualvizuální processingzpracovává se,
139
394595
3184
s množstvím poznávací aktivity, jako je zpracování obrazu,
06:53
things where the driverŘidič is thinkingmyslící quitedocela a bitbit.
140
397779
3048
věci, při kterých řidič docela dost myslí.
06:56
Now, we can measureopatření this,
141
400827
1663
Tohle jsme teď schopni měřit
06:58
and we can look at the relativerelativní powerNapájení
142
402490
1985
a můžeme vzít v úvahu poměrné množství
07:00
betweenmezi the thetathéta wavesvlny and the alphaalfa wavesvlny.
143
404475
2200
theta vln a alfa vln.
07:02
This givesdává us a measureopatření of mentalduševní workloadpracovní vytížení,
144
406675
2442
To nám udává míru duševního vytížení,
07:05
how much the driverŘidič is actuallyvlastně challengedzpochybněna cognitivelykognitivně
145
409117
3567
jak mnoho je vlastně řidič stimulován rozpoznávat
07:08
at any pointbod alongpodél the trackdráha.
146
412684
1786
každé místo na trati.
07:10
Now, we wanted to see if we could actuallyvlastně recordzáznam this
147
414470
2942
Chtěli jsme vidět, jestli bychom vlastně toto mohli zaznamenat
07:13
on the trackdráha, so we headedv čele down southjižní to LagunaLaguna SecaSeca.
148
417412
3038
na trati, a tak jsme zamířili dolů na jih do Laguna Seca.
07:16
LagunaLaguna SecaSeca is a legendarylegendární racewayRaceway
149
420450
2016
Laguna Seca je legendární závodní dráha,
07:18
about halfwaydo poloviny betweenmezi SalinasSalinas and MontereyMonterey.
150
422466
2301
asi na polovině cesty mezi Salinas a Monterey.
07:20
It has a curvekřivka there calledvolal the CorkscrewVývrtka.
151
424767
2087
Mají tam zatáčku nazývanou Vývrtka.
07:22
Now, the CorkscrewVývrtka is a chicaneŠikana, followednásledoval by a quickrychlý
152
426854
2717
Z Vývrtky je teď šikana, následovaná rychlým
07:25
right-handedpravou rukou turnotočit se as the roadsilnice dropskapky threetři storiespříběhy.
153
429571
2746
pravotočivým obratem, jakkoliv tato cesta napsala tři příběhy.
07:28
Now, the strategystrategie for drivingřízení this as explainedvysvětlil to me was,
154
432317
3766
Teď, strategie pro projetí byla, jak mi vysvětlili,
07:31
you aimcíl for the bushkeř in the distancevzdálenost,
155
436083
2022
zamířit na křoví v dálce
07:34
and as the roadsilnice fallspadá away, you realizerealizovat it was actuallyvlastně the tophorní of a treestrom.
156
438105
3025
a jak cesta klesá, uvědomujete si, že to byl vlastně vršek stromu.
07:37
All right, so thanksdík to the RevsOtáčkách ProgramProgram at StanfordStanford,
157
441130
3304
Dobrá, takže díky Revs Program na Stanfordu
07:40
we were ableschopný to take JohnJan there
158
444434
1473
jsme tam mohli vzít Johna
07:41
and put him behindza the wheelkolo
159
445907
964
a posadit ho za volant
07:42
of a 1960 PorschePorsche AbarthAbarth CarreraCarrera.
160
446871
2439
Porsche Abarth Carrera z roku 1960.
07:45
Life is way too shortkrátký for boringnudný carsauta.
161
449310
3698
Život je příliš krátký na nudná auta.
07:48
So, here you see JohnJan on the trackdráha,
162
453008
1759
Takže tady vidíte Johna na dráze
07:50
he's going up the hillkopec -- Oh! SomebodyNěkdo likedLíbí se mi that --
163
454767
2184
jak vyjíždí do kopce -- ou! Někdo to měl rád --
07:52
and you can see, actuallyvlastně, his mentalduševní workloadpracovní vytížení
164
456951
2465
a můžete vlastně vidět jeho duševní zatížení
07:55
-- measuringměření here in the redČervené barbar --
165
459416
2153
-- zde měřené červenou stupnicí --
07:57
you can see his actionsakce as he approachespřístupy.
166
461569
2343
můžete vidět jeho činnosti, jak se přibližuje.
07:59
Now watch, he has to downshiftpodřazování.
167
463912
3230
Teď sledujte, jak musel podřadit.
08:03
And then he has to turnotočit se left.
168
467142
761
A pak musel odbočit vlevo.
08:03
Look for the treestrom, and down.
169
467903
3993
Hledejte strom a dolů.
08:07
Not surprisinglypřekvapivě, you can see this is a prettydosti challengingnáročný taskúkol.
170
471896
2838
Nepřekvapivě v tom můžete spatřovat docela náročný úkol.
08:10
You can see his mentalduševní workloadpracovní vytížení spikešpice as he goesjde throughpřes this,
171
474734
2976
Můžete vidět špičku v jeho duševním zatížení, jak tudy projíždí,
08:13
as you would expectočekávat with something that requiresvyžaduje
172
477710
2064
jako byste očekávali u něčeho, co vyžaduje
08:15
this levelúroveň of complexitysložitost.
173
479774
2809
takový stupeň složitosti.
08:18
But what's really interestingzajímavý is to look at areasoblasti of the trackdráha
174
482583
3416
Ale to co je opravdu zajímavé, je pohled na úseky dráhy,
08:21
where his mentalduševní workloadpracovní vytížení doesn't increasezvýšit.
175
485999
2846
kde jeho duševní zatížení nevzrůstá.
08:24
I'm going to take you around now
176
488845
1495
Vezmu vás teď okolo
08:26
to the other sideboční of the trackdráha.
177
490340
1089
na druhou stranu trati.
08:27
TurnZapnutí threetři. And John'sJohn's going to go into that cornerroh
178
491429
2336
Odbocka tři. A John se chystá vjet do té zatáčky
08:29
and the rearzadní endkonec of the carauto is going to beginzačít to slideskluzavka out.
179
493765
2551
a zadní část auta se začne klouzat vně.
08:32
He's going to have to correctopravit for that with steeringřízení.
180
496316
2017
Bude to muset napravit řízením.
08:34
So watch as JohnJan does this here.
181
498333
2231
Tak sledujte, jak to tady John dělá.
08:36
Watch the mentalduševní workloadpracovní vytížení, and watch the steeringřízení.
182
500564
2322
Sledujte duševní zatížení a sledujte řízení.
08:38
The carauto beginszačíná to slideskluzavka out, dramaticdramatický maneuvermanévr to correctopravit it,
183
502886
3672
Auto začíná klouzat, napínavý manévr pro nápravu
08:42
and no changezměna whatsoevervůbec in the mentalduševní workloadpracovní vytížení.
184
506558
3523
a žádná změna čehokoliv v duševním zatížení.
08:45
Not a challengingnáročný taskúkol.
185
510081
2832
Nenáročný úkol.
08:48
In factskutečnost, entirelyzcela reflexivereflexivní.
186
512913
3200
Ve skutečnosti zcela reflexivní.
08:52
Now, our datadata processingzpracovává se on this is still preliminarypředběžný,
187
516113
3643
Naše zpracování dat je v tomto ohledu stále předběžné,
08:55
but it really seemszdá se that these phenomenalfenomenální featsvýkony
188
519756
2672
ale opravdu se zdá, že tyto neobyčejné výkony,
08:58
that the racezávod carauto driversovladače are performingprovádět
189
522428
1610
které řidiči závodních aut předvádějí,
08:59
are instinctiveinstinktivní.
190
524038
1910
jsou instinktivní.
09:01
They are things that they have simplyjednoduše learnednaučil se to do.
191
525948
3390
Jsou věci, které se dají jednoduše naučit.
09:05
It requiresvyžaduje very little mentalduševní workloadpracovní vytížení
192
529338
2282
Vyžaduje to pro ně velmi málo duševního zatížení,
09:07
for them to performprovést these amazingúžasný featsvýkony.
193
531620
2824
aby předváděli tyhle úžasné výkony.
09:10
And theirjejich actionsakce are fantasticfantastický.
194
534444
3135
A jejich zákroky jsou fantastické.
09:13
This is exactlypřesně what you want to do on the steeringřízení wheelkolo
195
537579
2611
To je přesně to, co byste si přáli dělat za volantem,
09:16
to catchchytit the carauto in this situationsituace.
196
540190
3337
abyste rozuměli autu v takové situaci.
09:19
Now, this has givendané us tremendousobrovský insightvhled
197
543527
3445
Toto nám poskytlo ohromný náhled
09:22
and inspirationinspirace for our ownvlastní autonomousautonomní vehiclesvozidel.
198
546972
3122
a inspiraci pro naše vlastní nezávislá vozidla.
09:25
We'veMáme startedzačal to askdotázat se the questionotázka:
199
550094
1928
Začali jsme se ptát:
09:27
Can we make them a little lessméně algorithmicalgoritmické
200
552022
2253
Dokážeme je vyrobit o trochu méně algoritmicky
09:30
and a little more intuitiveintuitivní?
201
554275
2449
a trochu více intuitivní?
09:32
Can we take this reflexivereflexivní actionakce
202
556724
2281
Můžeme vzít tenhle reflexivní úkon,
09:34
that we see from the very bestnejlepší racezávod carauto driversovladače,
203
559005
2287
který jsme viděli u těch opravdu nejlepších závodních řidičů,
09:37
introducepředstavit it to our carsauta,
204
561292
1649
zavést ho do našich aut
09:38
and maybe even into a systemSystém that could
205
562941
1984
a možná dokonce do systému, který by se mohl
09:40
get ontona your carauto in the futurebudoucnost?
206
564925
1968
dostat v budoucnu do vašich aut?
09:42
That would take us a long stepkrok
207
566893
1611
To by nás posunulo o dlouhý krok
09:44
alongpodél the roadsilnice to autonomousautonomní vehiclesvozidel
208
568504
2509
na cestě za nezávislým vozidlem,
09:46
that driveřídit as well as the bestnejlepší humanslidem.
209
571013
1912
které řídí tak dobře jako ti nejlepší lidé.
09:48
But it's madevyrobeno us think a little bitbit more deeplyhluboce as well.
210
572925
3440
Ale přimělo nás to také se hlouběji zamyslet.
09:52
Do we want something more from our carauto
211
576365
2968
Chceme od našich aut něco víc
09:55
than to simplyjednoduše be a chauffeuršofér?
212
579333
1840
než jednoduše být řidičem?
09:57
Do we want our carauto to perhapsmožná be a partnerpartner, a coachtrenér,
213
581173
4235
Chceme, aby naše auta snad byla společníkem, trenérem,
10:01
someoneněkdo that can use theirjejich understandingporozumění of the situationsituace
214
585408
3087
někým, kdo dokaze využít svoje chápání situace,
10:04
to help us reachdosáhnout our potentialpotenciál?
215
588495
4256
aby nám pomohl přijít na náš potenciál?
10:08
Can, in factskutečnost, the technologytechnika not simplyjednoduše replacenahradit humanslidem,
216
592751
2273
Může vlastně technologie nejen jednoduše nahradit lidi,
10:10
but allowdovolit us to reachdosáhnout the levelúroveň of reflexReflex and intuitionintuice
217
595024
4575
ale i dovolit nám dosáhnout té úrovně reflexu a předvídání,
10:15
that we're all capableschopný of?
218
599599
3425
kterých jsme všichni schopni?
10:18
So, as we movehýbat se forwardvpřed into this technologicaltechnologický futurebudoucnost,
219
603024
1923
Takže, zatímco se přesuneme směrem k této technologické budoucnosti,
10:20
I want you to just pausepauza and think of that for a momentmoment.
220
604947
2821
chci, abyste se jen na chvíli zastavili a přemýšleli o tom.
10:23
What is the idealideál balanceZůstatek of humančlověk and machinestroj?
221
607768
3775
Jaká je dokonalá rovnováha mezi člověkem a strojem?
10:27
And as we think about that,
222
611543
1709
A když o tom přemýšlíme,
10:29
let's take inspirationinspirace
223
613252
1731
nechme se inspirovat
10:30
from the absolutelyabsolutně amazingúžasný capabilitiesschopností
224
614983
3329
naprosto úžasnými schopnostmi
10:34
of the humančlověk bodytělo and the humančlověk mindmysl.
225
618312
2816
lidského těla a lidské mysli.
10:37
Thank you.
226
621128
1736
Děkuji vám.
10:38
(ApplausePotlesk)
227
622864
4604
(Potlesk)
Translated by Vladimír Harašta
Reviewed by Tereza Kadrnozkova

▲Back to top

ABOUT THE SPEAKER
Chris Gerdes - Mechanical engineer
An autonomous car may seem like a thing of the distant future, but mechanical engineer Chris Gerdes is racing to make it a reality today.

Why you should listen

Imagine a car that can drive itself -- that with the push of a button can get you home safely when you’re too tired to drive or have had a night of one too many drinks. Dr. Chris Gerdes , the Director of the Center for Automotive Research at Stanford (conveniently acronymed CARS), and his team are developing a robotic race car, capable of driving at outrageous speeds while avoiding every possible accident. Gerdes’ research focuses on the development of driver assistance systems for collision avoidance, as well as on new combustion processes for engines.

Prior to teaching at Stanford, Gerdes was the project leader for vehicle dynamics at the Vehicle Systems Technology Center of Daimler-Benz Research and Technology North America. His work at Daimler focused on safety analysis.

More profile about the speaker
Chris Gerdes | Speaker | TED.com