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: L'auto da corsa del futuro -- 240 km/h e nessun pilota

Filmed:
806,444 views

Le auto a guida automatica si avvicinano -- e guideranno meglio di voi. Chris Gerdes rivela come lui e il suo team stiano sviluppando auto da corsa robotiche che possono guidare a 240 km/h evitando qualunque incidente. Eppure, studiando le onde cerebrali dei piloti da corsa professionisti, Gerde dice di avere ora una migliore comprensione degli istinti dei piloti professionisti. (Registrato a 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 manymolti of you have ever
0
506
1407
Quanti di voi si sono messi
00:17
gottenottenuto behinddietro a the wheelruota of a carauto
1
1913
1655
al volante di una macchina
00:19
when you really shouldn'tnon dovrebbe have been drivingguida?
2
3568
5687
quando non avrebbero dovuto guidare?
00:25
Maybe you're out on the roadstrada for a long day,
3
9255
1905
Magari eravate per strada da una giornata intera,
00:27
and you just wanted to get home.
4
11160
1490
e volevate solo tornare a casa.
00:28
You were tiredstanco, but you feltprovato you could driveguidare a fewpochi more milesmiglia.
5
12650
2647
Eravate stanchi, ma vi sentivate di poter guidare ancora qualche chilometro.
00:31
Maybe you thought,
6
15297
1199
Forse, pensavate
00:32
I've had lessDi meno to drinkbere than everybodytutti elsealtro,
7
16496
2017
di aver bevuto un po' meno degli altri,
00:34
I should be the one to go home.
8
18513
1736
e di dover essere quello che guida.
00:36
Or maybe your mindmente was just entirelyinteramente elsewherealtrove.
9
20249
4591
O forse avevate la mente altrove.
00:40
Does this soundsuono familiarfamiliare to you?
10
24840
1454
Vi suona familiare tutto questo?
00:42
Now, in those situationssituazioni, wouldn'tno it be great
11
26294
2898
In queste situazioni non sarebbe fantastico
00:45
if there was a buttonpulsante on your dashboardcruscotto
12
29192
1593
se ci fosse un bottone sul cruscotto
00:46
that you could pushspingere, and the carauto would get you home safelyin modo sicuro?
13
30785
6343
da schiacciare e la macchina vi portasse a casa sani e salvi?
00:53
Now, that's been the promisepromettere of the self-drivingSelf-Guida carauto,
14
37128
2293
Questa è stata la promessa dell'auto a guida automatica,
00:55
the autonomousautonomo vehicleveicolo, and it's been the dreamsognare
15
39421
2627
il veicolo autonomo, ed è stato il sogno
00:57
sinceda at leastmeno 1939, when GeneralGenerale MotorsMotori showcasedin Mostra
16
42048
3249
fin dal1939, quando General Motors presentò
01:01
this ideaidea at theirloro FuturamaFuturama boothcabina at the World'sMondiali FairFiera.
17
45297
3302
questa idea allo stand Futurama dell'Esposizione Universale.
01:04
Now, it's been one of those dreamssogni
18
48599
1943
È stato uno di quei sogni
01:06
that's always seemedsembrava about 20 yearsanni in the futurefuturo.
19
50542
4214
che è sempre sembrato 20 anni nel futuro.
01:10
Now, two weekssettimane agofa, that dreamsognare tookha preso a steppasso forwardinoltrare,
20
54756
2683
Due settimane fa quel sogno ha fatto un passo avanti,
01:13
when the statestato of NevadaNevada grantedconcesso Google'sDi Google self-drivingSelf-Guida carauto
21
57439
3265
quando lo stato del Nevada ha concesso alla Google's self-driving car
01:16
the very first licenselicenza for an autonomousautonomo vehicleveicolo,
22
60704
3600
la prima patente per un veicolo a guida automatica,
01:20
clearlychiaramente establishingche istituisce that it's legallegale for them
23
64304
2245
stabilendo chiaramente che è legale
01:22
to testTest it on the roadsstrade in NevadaNevada.
24
66549
1810
testarla sulle strade del Nevada.
01:24
Now, California'sDella California consideringconsiderando similarsimile legislationlegislazione,
25
68359
3727
La California sta prendendo in considerazione una legislazione simile,
01:27
and this would make sure that the autonomousautonomo carauto
26
72086
2408
e questo assicurerebbe all'auto a guida automatica
01:30
is not one of those things that has to stayrestare in VegasVegas.
27
74494
2977
di non essere una di quelle cose che devono rimanere a Las Vegas.
01:33
(LaughterRisate)
28
77471
2096
(Risate)
01:35
Now, in my lablaboratorio at StanfordStanford, we'venoi abbiamo been workinglavoro on
29
79567
3784
Nel mio laboratorio a Stanford abbiamo lavorato anche noi
01:39
autonomousautonomo carsautomobili too, but with a slightlyleggermente differentdiverso spinrotazione
30
83351
3487
ad auto a guida automatica, ma da un punto di vista un po' diverso.
01:42
on things. You see, we'venoi abbiamo been developingin via di sviluppo roboticrobotica racegara carsautomobili,
31
86838
4248
Abbiamo sviluppato gare automobilistiche robotiche,
01:46
carsautomobili that can actuallyin realtà pushspingere themselvesloro stessi to the very limitslimiti
32
91086
4120
auto che possono spingersi al limite
01:51
of physicalfisico performanceprestazione.
33
95206
2240
delle performance fisiche.
01:53
Now, why would we want to do suchcome a thing?
34
97446
2613
Perché dovremmo fare una cosa del genere?
01:55
Well, there's two really good reasonsmotivi for this.
35
100059
2100
Ci sono due buone ragioni.
01:58
First, we believe that before people turnturno over controlcontrollo
36
102159
3959
Primo, crediamo che prima che la gente lasci il controllo
02:02
to an autonomousautonomo carauto, that autonomousautonomo carauto should be
37
106118
2834
ad un'auto a guida automatica, quell'auto dovrebbe essere
02:04
at leastmeno as good as the very bestmigliore humanumano driversdriver.
38
108952
3254
valida almeno quanto il migliore degli automobilisti umani.
02:08
Now, if you're like me, and the other 70 percentper cento of the populationpopolazione
39
112206
3305
Se siete come me e l'altro 70% della popolazione
02:11
who know that we are above-averagesopra la media driversdriver,
40
115511
2193
che sa di essere un automobilista sopra la media,
02:13
you understandcapire that's a very highalto barbar.
41
117704
3175
capite che le aspettative sono molto alte.
02:16
There's anotherun altro reasonragionare as well.
42
120879
2392
C'è anche un'altra ragione.
02:19
Just like racegara carauto driversdriver can use all of the frictionattrito
43
123271
3576
Esattamente come i piloti possono usare l'attrito
02:22
betweenfra the tirepneumatico and the roadstrada,
44
126847
1280
tra le gomme e la strada,
02:24
all of the car'sautomobili capabilitiescapacità to go as fastveloce as possiblepossibile,
45
128127
3177
tutto il potenziale di velocità della macchina,
02:27
we want to use all of those capabilitiescapacità to avoidevitare
46
131304
3345
vogliamo usare questo potenziale per evitare
02:30
any accidentincidente we can.
47
134649
1588
che accadano incidenti.
02:32
Now, you maypuò pushspingere the carauto to the limitslimiti
48
136237
2050
Potete spingere la macchina al limite
02:34
not because you're drivingguida too fastveloce,
49
138287
1967
non perché guidate troppo veloce,
02:36
but because you've hitcolpire an icyghiacciate patchtoppa of roadstrada,
50
140254
2160
ma perché passate su una lastra di ghiaccio:
02:38
conditionscondizioni have changedcambiato.
51
142414
1704
le condizioni sono cambiate.
02:40
In those situationssituazioni, we want a carauto
52
144118
2761
In queste situazioni vogliamo un'auto
02:42
that is capablecapace enoughabbastanza to avoidevitare any accidentincidente
53
146879
3720
che sia in grado di evitare incidenti
02:46
that can physicallyfisicamente be avoidedevitato.
54
150599
2678
che possono fisicamente essere evitati.
02:49
I mustdovere confessconfessare, there's kindgenere of a thirdterzo motivationmotivazione as well.
55
153277
4267
Devo ammettere, c'è anche una terza motivazione.
02:53
You see, I have a passionpassione for racingda corsa.
56
157544
2256
Ho una passione per le corse.
02:55
In the pastpassato, I've been a racegara carauto ownerproprietario,
57
159800
2764
In passato possedevo un'auto da corsa,
02:58
a crewequipaggio chiefcapo and a drivingguida coachallenatore,
58
162564
2555
sono stato caposquadra ed un istruttore di guida,
03:01
althoughsebbene maybe not at the levellivello that you're currentlyattualmente expectingaspettandosi.
59
165119
3855
anche se probabilmente non del livello che vi aspettate.
03:04
One of the things that we'venoi abbiamo developedsviluppato in the lablaboratorio --
60
168974
2704
Una delle cose che abbiamo sviluppato in laboratorio --
03:07
we'venoi abbiamo developedsviluppato severalparecchi vehiclesveicoli --
61
171678
1704
abbiamo sviluppato diversi veicoli --
03:09
is what we believe is the world'sIl mondo di first
62
173382
2235
è quella che crediamo essere la prima auto al mondo
03:11
autonomouslyautonomamente driftingalla deriva carauto.
63
175617
2365
che fa drifting da sola.
03:13
It's anotherun altro one of those categoriescategorie
64
177982
2513
È un'altra di quelle categorie
03:16
where maybe there's not a lot of competitionconcorrenza.
65
180495
2423
dove non c'è molta competizione.
03:18
(LaughterRisate)
66
182918
1408
(Risate)
03:20
But this is P1. It's an entirelyinteramente student-builtstudente-costruito electricelettrico vehicleveicolo,
67
184326
3822
Ma questo è P1. È un veicolo elettrico costruito interamente da studenti,
03:24
whichquale throughattraverso usingutilizzando its rear-wheelposteriore-rotella driveguidare
68
188148
2078
che grazie allo sterzo posteriore
03:26
and front-wheelruota anteriore steer-by-wireSteer-by-wire
69
190226
1565
e allo sterzo anteriore via cavo
03:27
can driftderiva around cornersangoli.
70
191791
2067
può derapare intorno agli angoli.
03:29
It can get sidewayslateralmente like a rallyRally carauto driverautista,
71
193858
2200
Può slittare lateralmente come un pilota di rally,
03:31
always ablecapace to take the tightestpiù stretti curvecurva,
72
196058
1715
sempre in grado di prendere la curva più stretta,
03:33
even on slipperyscivoloso, changingmutevole surfacessuperfici,
73
197773
3304
anche su superfici scivolose o che cambiano,
03:36
never spinningFilatura out.
74
201077
1616
senza mai andare in testacoda.
03:38
We'veAbbiamo alsoanche workedlavorato with VolkswagenVolkswagen OracleOracle,
75
202693
2368
Abbiamo anche lavorato con Volkswagen Oracle,
03:40
on ShelleyShelley, an autonomousautonomo racegara carauto that has racedcorso
76
205061
3424
su Shelley, un'auto da corsa a guida automatica che ha gareggiato
03:44
at 150 milesmiglia an hourora throughattraverso the BonnevilleBonneville SaltSale FlatsAppartamenti,
77
208485
3070
a 250 km/h attraverso la Bonneville Salt Flats,
03:47
goneandato around ThunderhillThunderhill RacewayRaceway ParkParco in the sunsole,
78
211555
4471
ha fatto il giro della Thunderhill Raceway Park sotto il sole,
03:51
the windvento and the rainpioggia,
79
216026
2639
il vento e la pioggia,
03:54
and navigatednavigato the 153 turnsgiri and 12.4 milesmiglia
80
218665
5018
e ha percorso le 153 curve e i 20 chilometri
03:59
of the PikesLucci PeakPicco HillHill ClimbSalita routeitinerario
81
223683
1562
della Pikes Peak Hill Climb route
04:01
in ColoradoColorado with nobodynessuno at the wheelruota.
82
225245
3473
in Colorado senza nessuno al volant.
04:04
(LaughterRisate)
83
228718
1448
(Risate)
04:06
(ApplauseApplausi)
84
230166
5566
(Applausi)
04:11
I guessindovina it goesva withoutsenza sayingdetto that we'venoi abbiamo had a lot of fundivertimento
85
235732
3279
Va da sé che ci siamo divertiti un sacco
04:14
doing this.
86
239011
1304
a farlo.
04:16
But in factfatto, there's something elsealtro that we'venoi abbiamo developedsviluppato
87
240315
3657
Ma di fatto c'è un'altra cosa che abbiamo sviluppato
04:19
in the processprocesso of developingin via di sviluppo these autonomousautonomo carsautomobili.
88
243972
3055
nel processo di sviluppo di queste auto a guida automatica.
04:22
We have developedsviluppato a tremendousenorme appreciationapprezzamento
89
247027
3871
Abbiamo sviluppato una profonda comprensione
04:26
for the capabilitiescapacità of humanumano racegara carauto driversdriver.
90
250898
3817
delle capacità dei piloti da corsa.
04:30
As we'venoi abbiamo lookedguardato at the questiondomanda of how well do these carsautomobili performeseguire,
91
254715
4345
Trattando la questione di quanto valide debbano essere queste auto
04:34
we wanted to compareconfrontare them to our humanumano counterpartscontroparti.
92
259060
3279
volevamo confrontarle con le loro controparti umane.
04:38
And we discoveredscoperto theirloro humanumano counterpartscontroparti are amazingStupefacente.
93
262339
5680
E abbiamo scoperto che le controparti umane sono straordinarie.
04:43
Now, we can take a mapcarta geografica of a racegara tracktraccia,
94
268019
4023
Possiamo prendere la mappa di un circuito da corsa,
04:47
we can take a mathematicalmatematico modelmodello of a carauto,
95
272042
2370
possiamo prendere un modello matematico di auto,
04:50
and with some iterationiterazione, we can actuallyin realtà find
96
274412
2903
e con qualche iterazione possiamo trovare
04:53
the fastestpiù veloce way around that tracktraccia.
97
277315
1625
il percorso più veloce del giro di pista.
04:54
We linelinea that up with datadati that we recorddisco
98
278940
2533
Li allineiamo con i dati che registriamo
04:57
from a professionalprofessionale driverautista,
99
281473
1433
da un pilota professionista
04:58
and the resemblancesomiglianza is absolutelyassolutamente remarkablenotevole.
100
282906
4107
e la somiglianza è assolutamente straordinaria.
05:02
Yes, there are subtlesottile differencesdifferenze here,
101
287013
3212
Certo, ci sono sottili differenze,
05:06
but the humanumano racegara carauto driverautista is ablecapace to go out
102
290225
3127
ma il pilota umano è capace
05:09
and driveguidare an amazinglyincredibilmente fastveloce linelinea,
103
293352
2335
di guidare su una linea straordinariamente veloce,
05:11
withoutsenza the benefitvantaggio of an algorithmalgoritmo that comparesConfronta
104
295687
2330
senza il beneficio di un algoritmo che confronti
05:13
the trade-offTrade-off betweenfra going as fastveloce as possiblepossibile
105
298017
2608
il compromesso tra andare il più veloce possibile
05:16
in this cornerangolo, and shavingRasatura a little bitpo of time
106
300625
2037
in quest'angolo, e guadagnare un po' di tempo
05:18
off of the straightdritto over here.
107
302662
1902
su questo rettilineo.
05:20
Not only that, they're ablecapace to do it lapgiro
108
304564
3457
Non solo, sono in grado di farlo
05:23
after lapgiro after lapgiro.
109
308021
2375
giro, dopo giro, dopo giro.
05:26
They're ablecapace to go out and consistentlymodo coerente do this,
110
310396
2912
Sono capaci di farlo ripetutamente,
05:29
pushingspingendo the carauto to the limitslimiti everyogni singlesingolo time.
111
313308
4128
spingendo l'auto al limite ogni volta.
05:33
It's extraordinarystraordinario to watch.
112
317436
3169
È straordinario guardarlo.
05:36
You put them in a newnuovo carauto,
113
320605
2066
Li mettete su un'auto nuova,
05:38
and after a fewpochi lapsgiri, they'veessi hanno foundtrovato the fastestpiù veloce linelinea in that carauto,
114
322671
3902
e dopo qualche giro, hanno trovato la linea più veloce su quell'auto,
05:42
and they're off to the racesGare.
115
326573
3877
e sono pronti per gareggiare.
05:46
It really makesfa you think,
116
330450
1146
Vi fa realmente pensare
05:47
we'dsaremmo love to know what's going on insidedentro theirloro braincervello.
117
331596
4871
di voler sapere cosa succede nel loro cervello.
05:52
So as researchersricercatori, that's what we decideddeciso to find out.
118
336467
4541
In quanto ricercatori, è quello che abbiamo deciso di scoprire.
05:56
We decideddeciso to instrumentstrumento not only the carauto,
119
341008
1812
Abbiamo deciso di analizzare non solo la macchina,
05:58
but alsoanche the racegara carauto driverautista,
120
342820
2495
ma anche il pilota,
06:01
to try to get a glimpseintravedere into what was going on
121
345315
2769
per cercare di farci un'idea di quello che succede
06:03
in theirloro headcapo as they were doing this.
122
348084
2186
nella loro testa mentre fanno tutto questo.
06:06
Now, this is DrDr. LeneLene HarbottHarbott applyingl'applicazione electrodeselettrodi
123
350270
3950
Questo è il Dott. Lene Harbott che applica elettrodi
06:10
to the headcapo of JohnJohn MortonMorton.
124
354220
1232
alla testa di John Morton.
06:11
JohnJohn MortonMorton is a formerex Can-AmCan-Am and IMSAIMSA driverautista,
125
355452
2989
John Morton è un ex pilota IMSA e di Can-Am,
06:14
who'schi è alsoanche a classclasse championcampione at LeLe MansMans.
126
358441
1800
ed è anche un grande campione a Le Mans.
06:16
FantasticFantastico driverautista, and very willingdisposto to put up with graduatediplomato studentsstudenti
127
360241
3496
Un pilota fantastico e disponibile a dedicarsi agli studenti
06:19
and this sortordinare of researchricerca.
128
363737
1855
in questo tipo di ricerca.
06:21
She's puttingmettendo electrodeselettrodi on his headcapo
129
365592
2672
Gli mette elettrodi sulla testa
06:24
so that we can monitortenere sotto controllo the electricalelettrico activityattività
130
368264
2112
in modo che possiamo monitorare l'attività elettrica
06:26
in John'sDi John braincervello as he racesGare around the tracktraccia.
131
370376
2832
del cervello di John mentre gareggia in pista.
06:29
Now, clearlychiaramente we're not going to put a couplecoppia of electrodeselettrodi on his headcapo
132
373208
3195
Chiaramente non è mettendogli un paio di elettrodi sulla testa
06:32
and understandcapire exactlydi preciso what all of his thoughtspensieri are on the tracktraccia.
133
376403
3270
che potremo capire esattamente i suoi pensieri in pista.
06:35
HoweverTuttavia, neuroscientistsneuroscienziati have identifiedidentificato certaincerto patternsmodelli
134
379673
3407
Tuttavia, i neuroscienziati hanno identificato alcuni schemi
06:38
that let us teasecivettuole out some very importantimportante aspectsaspetti of this.
135
383080
3761
che ci danno indicazioni su alcuni aspetti molto importanti.
06:42
For instanceesempio, the restingriposo braincervello
136
386841
1847
Per esempio, il cervello a riposo
06:44
tendstende to generatecreare a lot of alphaalfa wavesonde.
137
388688
2155
tende a generare onde alfa.
06:46
In contrastcontrasto, thetaTeta wavesonde are associatedassociato with
138
390843
3752
Al contrario, le onde teta sono associate
06:50
a lot of cognitiveconoscitivo activityattività, like visualvisivo processinglavorazione,
139
394595
3184
ad un sacco di attività cognitiva, come l'elaborazione visiva,
06:53
things where the driverautista is thinkingpensiero quiteabbastanza a bitpo.
140
397779
3048
situazioni in cui il pilota pensa parecchio.
06:56
Now, we can measuremisurare this,
141
400827
1663
Possiamo misurare queste cose,
06:58
and we can look at the relativeparente powerenergia
142
402490
1985
e possiamo osservare la potenza relativa
07:00
betweenfra the thetaTeta wavesonde and the alphaalfa wavesonde.
143
404475
2200
tra le onde teta e le onde alfa.
07:02
This gives us a measuremisurare of mentalmentale workloadcarico di lavoro,
144
406675
2442
Questo ci dà un misura del carico di lavoro mentale,
07:05
how much the driverautista is actuallyin realtà challengedsfidato cognitivelycognitivamente
145
409117
3567
quanto il pilota venga messo alla prova cognitivamente
07:08
at any pointpunto alonglungo the tracktraccia.
146
412684
1786
in qualunque punto della pista.
07:10
Now, we wanted to see if we could actuallyin realtà recorddisco this
147
414470
2942
Volevamo vedere se si poteva registrare tutto questo
07:13
on the tracktraccia, so we headedheaded down southSud to LagunaLaguna SecaSeca.
148
417412
3038
in pista, quindi ci siamo recati a sud a Laguna Seca.
07:16
LagunaLaguna SecaSeca is a legendaryleggendario racewayRaceway
149
420450
2016
Laguna Seca è un circuito leggendario
07:18
about halfwaya metà strada betweenfra SalinasSalinas and MontereyMonterey.
150
422466
2301
a metà strada tra Salinas e Monterey.
07:20
It has a curvecurva there calledchiamato the CorkscrewCavatappi.
151
424767
2087
Ha una curva chiamata "cavatappi".
07:22
Now, the CorkscrewCavatappi is a chicaneChicane, followedseguita by a quickveloce
152
426854
2717
Il cavatappi è una chicane seguita da una curva stretta
07:25
right-handedla mano destra turnturno as the roadstrada dropsgocce threetre storiesstorie.
153
429571
2746
a destra mentre la strada scende di tre livelli.
07:28
Now, the strategystrategia for drivingguida this as explainedha spiegato to me was,
154
432317
3766
La strategia per affrontarlo, come mi è stato spiegato,
07:31
you aimscopo for the bushcespuglio in the distancedistanza,
155
436083
2022
è puntare al cespuglio in lontananza,
07:34
and as the roadstrada fallscadute away, you realizerendersi conto it was actuallyin realtà the topsuperiore of a treealbero.
156
438105
3025
e mentre la strada precipita vi rendete conto che si tratta della cima di un albero.
07:37
All right, so thanksGrazie to the RevsNumero di giri ProgramProgramma at StanfordStanford,
157
441130
3304
Perfetto, grazie al programma Revs a Stanford,
07:40
we were ablecapace to take JohnJohn there
158
444434
1473
siamo stati in grado di portare lì John
07:41
and put him behinddietro a the wheelruota
159
445907
964
e metterlo al volante
07:42
of a 1960 PorschePorsche AbarthAbarth CarreraCarrera.
160
446871
2439
di una Porsche Abarth Carrera del 1960.
07:45
Life is way too shortcorto for boringnoioso carsautomobili.
161
449310
3698
La vita è fin troppo corta per le macchine noiose.
07:48
So, here you see JohnJohn on the tracktraccia,
162
453008
1759
Qui vedete John in pista,
07:50
he's going up the hillcollina -- Oh! SomebodyQualcuno likedè piaciuto that --
163
454767
2184
sta risalendo la collina -- Oh! A qualcuno è piaciuto --
07:52
and you can see, actuallyin realtà, his mentalmentale workloadcarico di lavoro
164
456951
2465
e vedete, in realtà, il suo carico di lavoro mentale
07:55
-- measuringmisurazione here in the redrosso barbar --
165
459416
2153
-- misurato qui dalla barra rossa --
07:57
you can see his actionsAzioni as he approachesapprocci.
166
461569
2343
vedete le sue azioni mentre si avvicina.
07:59
Now watch, he has to downshiftDownshift.
167
463912
3230
Guardate, deve scalare marcia.
08:03
And then he has to turnturno left.
168
467142
761
Poi deve girare a sinistra.
08:03
Look for the treealbero, and down.
169
467903
3993
Cercare l'albero, e giù.
08:07
Not surprisinglysorprendentemente, you can see this is a prettybella challengingstimolante taskcompito.
170
471896
2838
Non c'è da meravigliarsi se questo compito lo mette alla prova.
08:10
You can see his mentalmentale workloadcarico di lavoro spikespuntone as he goesva throughattraverso this,
171
474734
2976
Vedete il picco del carico di lavoro mentale mentre lo affronta,
08:13
as you would expectaspettarsi with something that requiresrichiede
172
477710
2064
come vi potreste aspettare da una cosa che richiede
08:15
this levellivello of complexitycomplessità.
173
479774
2809
questo livello di complessità.
08:18
But what's really interestinginteressante is to look at areasle zone of the tracktraccia
174
482583
3416
Ma quello che è veramente interessante è osservare le aree della pista
08:21
where his mentalmentale workloadcarico di lavoro doesn't increaseaumentare.
175
485999
2846
dove il suo carico mentale non aumenta.
08:24
I'm going to take you around now
176
488845
1495
Vi faccio fare un giro
08:26
to the other sidelato of the tracktraccia.
177
490340
1089
dall'altra parte della pista.
08:27
TurnDisabilita threetre. And John'sDi John going to go into that cornerangolo
178
491429
2336
Curva tre. E John andrà in quell'angolo
08:29
and the rearposteriore endfine of the carauto is going to begininizio to slidediapositiva out.
179
493765
2551
e la parte posteriore dell'auto comincerà a slittare.
08:32
He's going to have to correctcorretta for that with steeringtimone.
180
496316
2017
Dovrà correggere con lo sterzo.
08:34
So watch as JohnJohn does this here.
181
498333
2231
Guardate John mentre fa questa manovra.
08:36
Watch the mentalmentale workloadcarico di lavoro, and watch the steeringtimone.
182
500564
2322
Guardate il suo carico mentale, e guardate il volante.
08:38
The carauto beginsinizia to slidediapositiva out, dramaticdrammatico maneuvermanovra to correctcorretta it,
183
502886
3672
L'auto comincia a slittare, manovra spettacolare per correggere la traiettoria,
08:42
and no changemodificare whatsoeverqualsiasi in the mentalmentale workloadcarico di lavoro.
184
506558
3523
e nessun tipo di cambiamento nel suo carico mentale.
08:45
Not a challengingstimolante taskcompito.
185
510081
2832
Un compito poco sfidante.
08:48
In factfatto, entirelyinteramente reflexiveriflessivo.
186
512913
3200
Di fatto, totalmente riflessivo.
08:52
Now, our datadati processinglavorazione on this is still preliminarypreliminare,
187
516113
3643
La nostra elaborazione dei dati è ancora in fase preliminare,
08:55
but it really seemssembra that these phenomenalfenomenale featsgesta
188
519756
2672
ma sembra veramente che queste imprese fenomenali
08:58
that the racegara carauto driversdriver are performingl'esecuzione
189
522428
1610
realizzate da questi piloti da corsa
08:59
are instinctiveistintivo.
190
524038
1910
siano istintive.
09:01
They are things that they have simplysemplicemente learnedimparato to do.
191
525948
3390
Sono semplicemente cose che hanno imparato a fare.
09:05
It requiresrichiede very little mentalmentale workloadcarico di lavoro
192
529338
2282
Realizzare queste imprese straordinarie,
09:07
for them to performeseguire these amazingStupefacente featsgesta.
193
531620
2824
richiede loro pochissimo carico mentale.
09:10
And theirloro actionsAzioni are fantasticfantastico.
194
534444
3135
E le loro azioni sono fantastiche.
09:13
This is exactlydi preciso what you want to do on the steeringtimone wheelruota
195
537579
2611
È esattamente quello che vorreste fare su un volante
09:16
to catchcatturare the carauto in this situationsituazione.
196
540190
3337
per prendere il controllo dell'auto in quella situazione.
09:19
Now, this has givendato us tremendousenorme insightintuizione
197
543527
3445
Questo ci ha dato indicazioni incredibili
09:22
and inspirationispirazione for our ownproprio autonomousautonomo vehiclesveicoli.
198
546972
3122
e lo spunto per i nostri veicoli a guida automatica.
09:25
We'veAbbiamo startediniziato to askChiedere the questiondomanda:
199
550094
1928
Ci siamo posti la domanda:
09:27
Can we make them a little lessDi meno algorithmicalgoritmico
200
552022
2253
Possiamo renderli un po' meno algoritmici
09:30
and a little more intuitiveintuitivo?
201
554275
2449
e un po' più intuitivi?
09:32
Can we take this reflexiveriflessivo actionazione
202
556724
2281
Possiamo prendere questa azione riflessiva
09:34
that we see from the very bestmigliore racegara carauto driversdriver,
203
559005
2287
che vediamo nei migliori piloti da corsa,
09:37
introduceintrodurre it to our carsautomobili,
204
561292
1649
introdurla nelle nostre auto,
09:38
and maybe even into a systemsistema that could
205
562941
1984
e magari anche in un sistema che possa
09:40
get ontosu your carauto in the futurefuturo?
206
564925
1968
essere messo nella vostra auto del futuro?
09:42
That would take us a long steppasso
207
566893
1611
Richiederebbe un grande passo in avanti
09:44
alonglungo the roadstrada to autonomousautonomo vehiclesveicoli
208
568504
2509
sul percorso verso i veicoli a guida automatica
09:46
that driveguidare as well as the bestmigliore humansgli esseri umani.
209
571013
1912
che guidano come i migliori umani.
09:48
But it's madefatto us think a little bitpo more deeplyprofondamente as well.
210
572925
3440
Ma ci ha anche fatto riflettere un pochino più a fondo.
09:52
Do we want something more from our carauto
211
576365
2968
Vogliamo qualcosa di più di un semplice autista
09:55
than to simplysemplicemente be a chauffeurnoleggio con conducente?
212
579333
1840
dalla nostra auto?
09:57
Do we want our carauto to perhapsForse be a partnercompagno, a coachallenatore,
213
581173
4235
Vogliamo che la nostra auto sia un compagno, un istruttore,
10:01
someonequalcuno that can use theirloro understandingcomprensione of the situationsituazione
214
585408
3087
qualcuno che possa usare la comprensione della situazione
10:04
to help us reachraggiungere our potentialpotenziale?
215
588495
4256
per aiutarci a realizzare il nostro potenziale?
10:08
Can, in factfatto, the technologytecnologia not simplysemplicemente replacesostituire humansgli esseri umani,
216
592751
2273
La tecnologia può, di fatto, non solo sostituire gli umani,
10:10
but allowpermettere us to reachraggiungere the levellivello of reflexriflesso and intuitionintuizione
217
595024
4575
ma aiutarci a raggiungere il livello di riflessi e intuizione
10:15
that we're all capablecapace of?
218
599599
3425
di cui siamo tutti capaci?
10:18
So, as we movemossa forwardinoltrare into this technologicaltecnologico futurefuturo,
219
603024
1923
Mentre avanziamo verso questo futuro tecnologico,
10:20
I want you to just pausepausa and think of that for a momentmomento.
220
604947
2821
voglio che vi fermiate a pensare per un attimo.
10:23
What is the idealideale balanceequilibrio of humanumano and machinemacchina?
221
607768
3775
Qual è l'equilibrio ideale tra uomo e macchina?
10:27
And as we think about that,
222
611543
1709
E mentre ci pensiamo,
10:29
let's take inspirationispirazione
223
613252
1731
prendiamo spunto
10:30
from the absolutelyassolutamente amazingStupefacente capabilitiescapacità
224
614983
3329
dalle capacità straordinarie
10:34
of the humanumano bodycorpo and the humanumano mindmente.
225
618312
2816
del corpo umano e della mente umana.
10:37
Thank you.
226
621128
1736
Grazie.
10:38
(ApplauseApplausi)
227
622864
4604
(Applausi)

▲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