TEDxStanford
Chris Gerdes: The future race car -- 150mph, and no driver
Chris Gerdes: Framtidens racerbil -- 240km/h och ingen förare
Filmed:
Readability: 4
806,444 views
Autonoma bilar kommer -- och de kommer köra bättre än du gör. Chris Gerdes avslöjar hur han och hans team utvecklar robotiska racerbilar som kan köra i 240km/h samtidigt som de undviker alla möjliga olyckor. Ändå påstår Gerdes att han, i sina studier av professionella racerförares hjärnvågor, har funnit en ny respekt för professionella förares instinkter. (Filmad på TEDxStanford.)
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. Full bio
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 many of you have ever
0
506
1407
Så, hur många av er har någonsin
00:17
gotten behind the wheel of a car
1
1913
1655
satt sig bakom ratten på en bil
00:19
when you really shouldn't have been driving?
2
3568
5687
när ni verkligen inte skulle ha kört?
00:25
Maybe you're out on the road for a long day,
3
9255
1905
Kanske hade du varit på resande fot länge,
00:27
and you just wanted to get home.
4
11160
1490
och bara ville komma hem.
00:28
You were tired, but you felt you could drive a few more miles.
5
12650
2647
Du var trött, men kände att du kunde köra ett par kilometer till.
00:31
Maybe you thought,
6
15297
1199
Du kanske tänkte:
00:32
I've had less to drink than everybody else,
7
16496
2017
"Jag har druckit mindre än alla andra,
00:34
I should be the one to go home.
8
18513
1736
jag borde vara den som kör hem."
00:36
Or maybe your mind was just entirely elsewhere.
9
20249
4591
Kanske hade du bara tankarna på helt andra saker.
00:40
Does this sound familiar to you?
10
24840
1454
Låter det bekant?
00:42
Now, in those situations, wouldn't it be great
11
26294
2898
Hade det inte varit fantastiskt om det i det läget
00:45
if there was a button on your dashboard
12
29192
1593
fanns en knapp på instrumentbrädan
00:46
that you could push, and the car would get you home safely?
13
30785
6343
som man kunde trycka på för att bilen skulle köra en hem säkert?
00:53
Now, that's been the promise of the self-driving car,
14
37128
2293
Det har varit löftet hos den självförande bilen,
00:55
the autonomous vehicle, and it's been the dream
15
39421
2627
det autonoma fordonet, och det har varit drömmen
00:57
since at least 1939, when General Motors showcased
16
42048
3249
åtminstone sedan 1939, när General Motors visade upp
01:01
this idea at their Futurama booth at the World's Fair.
17
45297
3302
idén i sitt Futurama-bås på Världsmässan.
01:04
Now, it's been one of those dreams
18
48599
1943
Det har varit en av de där drömmarna
01:06
that's always seemed about 20 years in the future.
19
50542
4214
som alltid har legat ungefär tjugo år i framtiden.
01:10
Now, two weeks ago, that dream took a step forward,
20
54756
2683
För två veckor sen tog drömmen ett steg framåt,
01:13
when the state of Nevada granted Google's self-driving car
21
57439
3265
när Nevada gav Googles självförande bil
01:16
the very first license for an autonomous vehicle,
22
60704
3600
den första licensen för ett autonomt fordon
01:20
clearly establishing that it's legal for them
23
64304
2245
och därmed tydligt markerade att det är lagligt för dem
01:22
to test it on the roads in Nevada.
24
66549
1810
att pröva den på Nevadas vägar.
01:24
Now, California's considering similar legislation,
25
68359
3727
Kalifornien funderar på liknande lagstadgning,
01:27
and this would make sure that the autonomous car
26
72086
2408
och det skulle göra att den autonoma bilen
01:30
is not one of those things that has to stay in Vegas.
27
74494
2977
inte är en av de saker som måste stanna i Vegas.
01:33
(Laughter)
28
77471
2096
(Skratt)
01:35
Now, in my lab at Stanford, we've been working on
29
79567
3784
På mitt labb i Stanford har vi också jobbat på
01:39
autonomous cars too, but with a slightly different spin
30
83351
3487
autonoma bilar, men med en annorlunda synvinkel
01:42
on things. You see, we've been developing robotic race cars,
31
86838
4248
på saker. Ni förstår, vi utvecklar robotiska racerbilar,
01:46
cars that can actually push themselves to the very limits
32
91086
4120
bilar som faktiskt kan pressa sig själva till gränsen
01:51
of physical performance.
33
95206
2240
för fysisk prestation.
01:53
Now, why would we want to do such a thing?
34
97446
2613
Varför skulle vi vilja göra något sånt?
01:55
Well, there's two really good reasons for this.
35
100059
2100
Det finns två bra anledningar för det.
01:58
First, we believe that before people turn over control
36
102159
3959
För det första tror vi att innan människor lämnar över kontrollen
02:02
to an autonomous car, that autonomous car should be
37
106118
2834
för en autonom bil måste den autonoma bilen vara
02:04
at least as good as the very best human drivers.
38
108952
3254
minst lika bra som de bästa mänskliga förarna.
02:08
Now, if you're like me, and the other 70 percent of the population
39
112206
3305
Om du är som jag, och de andra 70 procenten av befolkningen
02:11
who know that we are above-average drivers,
40
115511
2193
som vet att vi är bättre förare än genomsnittet,
02:13
you understand that's a very high bar.
41
117704
3175
så förstår du att det är en väldigt hög ribba.
02:16
There's another reason as well.
42
120879
2392
Det finns en annan anledning också.
02:19
Just like race car drivers can use all of the friction
43
123271
3576
Precis som racerförare kan använda all friktion
02:22
between the tire and the road,
44
126847
1280
mellan hjulet och vägen,
02:24
all of the car's capabilities to go as fast as possible,
45
128127
3177
all bilens kapacitet för att köra så snabbt som möjligt,
02:27
we want to use all of those capabilities to avoid
46
131304
3345
så vill vi använda den kapaciteten för att undvika
02:30
any accident we can.
47
134649
1588
alla olyckor vi kan.
02:32
Now, you may push the car to the limits
48
136237
2050
Man kan pressa bilen till gränserna
02:34
not because you're driving too fast,
49
138287
1967
inte för att man kör för snabbt,
02:36
but because you've hit an icy patch of road,
50
140254
2160
utan för att man kör på en isfläck,
02:38
conditions have changed.
51
142414
1704
förutsättningarna ändras.
02:40
In those situations, we want a car
52
144118
2761
I de situationerna vill vi ha en bil
02:42
that is capable enough to avoid any accident
53
146879
3720
som är kapabel att undvika alla olyckor
02:46
that can physically be avoided.
54
150599
2678
som fysiskt är möjliga att undvika.
02:49
I must confess, there's kind of a third motivation as well.
55
153277
4267
Jag måste erkänna att det finns en tredje motivation också.
02:53
You see, I have a passion for racing.
56
157544
2256
Ni förstår, jag har en passion för racing.
02:55
In the past, I've been a race car owner,
57
159800
2764
Förr var jag racerbilägare,
02:58
a crew chief and a driving coach,
58
162564
2555
crew-ledare och förarcoach
03:01
although maybe not at the level that you're currently expecting.
59
165119
3855
fast kanske inte på den nivå som ni just nu förväntar er.
03:04
One of the things that we've developed in the lab --
60
168974
2704
En av de saker som vi har utvecklat på labbet --
03:07
we've developed several vehicles --
61
171678
1704
vi har utvecklat flera fordon --
03:09
is what we believe is the world's first
62
173382
2235
är vad vi tror är världens första
03:11
autonomously drifting car.
63
175617
2365
autonomt sladdande bil.
03:13
It's another one of those categories
64
177982
2513
Det är ytterligare en sån där kategori
03:16
where maybe there's not a lot of competition.
65
180495
2423
där det kanske inte finns så mycket konkurrens.
03:18
(Laughter)
66
182918
1408
(Skratt)
03:20
But this is P1. It's an entirely student-built electric vehicle,
67
184326
3822
Men det här är P1. Det är ett fullständigt studentbyggt fordon
03:24
which through using its rear-wheel drive
68
188148
2078
som, genom att använda sin bakhjulsdrift
03:26
and front-wheel steer-by-wire
69
190226
1565
och steer-by-wire på framhjulen,
03:27
can drift around corners.
70
191791
2067
kan sladda runt hörn.
03:29
It can get sideways like a rally car driver,
71
193858
2200
Det kan köra i sidled som en racerförare,
03:31
always able to take the tightest curve,
72
196058
1715
alltid berett att ta den snävaste kurva,
03:33
even on slippery, changing surfaces,
73
197773
3304
till och med på hala, föränderliga ytor,
03:36
never spinning out.
74
201077
1616
utan att tappa greppet.
03:38
We've also worked with Volkswagen Oracle,
75
202693
2368
Vi har också, tillsammans med Volkswagen Oracle, arbetat
03:40
on Shelley, an autonomous race car that has raced
76
205061
3424
med Shelley, en autonom racerbil som har kört
03:44
at 150 miles an hour through the Bonneville Salt Flats,
77
208485
3070
i 240km/h genom Bonneville Salt Flats,
03:47
gone around Thunderhill Raceway Park in the sun,
78
211555
4471
kört runt Thunderhill Raceway Park i sol,
03:51
the wind and the rain,
79
216026
2639
vind och regn
03:54
and navigated the 153 turns and 12.4 miles
80
218665
5018
och navigerat de 153 svängarna och 2 milen
03:59
of the Pikes Peak Hill Climb route
81
223683
1562
som är Pikes Peak Hill Climb-rutten
04:01
in Colorado with nobody at the wheel.
82
225245
3473
i Colorado utan förare.
04:04
(Laughter)
83
228718
1448
(Skratt)
04:06
(Applause)
84
230166
5566
(Applåder)
04:11
I guess it goes without saying that we've had a lot of fun
85
235732
3279
Jag behöver väl inte nämna att vi har haft jätteroligt
04:14
doing this.
86
239011
1304
medan vi har gjort det här?
04:16
But in fact, there's something else that we've developed
87
240315
3657
Men faktum är att det finns något mer som vi har utvecklat
04:19
in the process of developing these autonomous cars.
88
243972
3055
medan vi har utvecklat dessa autonoma bilar.
04:22
We have developed a tremendous appreciation
89
247027
3871
Vi har utvecklat en enorm uppskattning
04:26
for the capabilities of human race car drivers.
90
250898
3817
för mänskliga förares förmågor.
04:30
As we've looked at the question of how well do these cars perform,
91
254715
4345
Medan vi har undersökt frågan "Hur väl klarar sig dessa bilar?"
04:34
we wanted to compare them to our human counterparts.
92
259060
3279
har vi velat jämföra dem med sina mänskliga motparter.
04:38
And we discovered their human counterparts are amazing.
93
262339
5680
Och vi upptäckte att deras mänskliga motparter är fantastiska.
04:43
Now, we can take a map of a race track,
94
268019
4023
Vi kan ta en karta av en racerbana,
04:47
we can take a mathematical model of a car,
95
272042
2370
och en matematisk modell av en bil,
04:50
and with some iteration, we can actually find
96
274412
2903
och med upprepade uträkningar kan vi hitta
04:53
the fastest way around that track.
97
277315
1625
den snabbaste vägen runt den banan.
04:54
We line that up with data that we record
98
278940
2533
Vi jämför den med data som vi spelar in
04:57
from a professional driver,
99
281473
1433
från en professionell förare,
04:58
and the resemblance is absolutely remarkable.
100
282906
4107
och likheten är fullständigt enastående.
05:02
Yes, there are subtle differences here,
101
287013
3212
Ja, det finns subtila skillnader här,
05:06
but the human race car driver is able to go out
102
290225
3127
men den mänskliga racerföraren kan gå ut
05:09
and drive an amazingly fast line,
103
293352
2335
och köra en otroligt snabb sträcka,
05:11
without the benefit of an algorithm that compares
104
295687
2330
utan fördelen av en algoritm som jämför
05:13
the trade-off between going as fast as possible
105
298017
2608
utbytet med att köra så snabbt som möjligt
05:16
in this corner, and shaving a little bit of time
106
300625
2037
runt det här hörnet, och raka av lite tid
05:18
off of the straight over here.
107
302662
1902
på raksträckan här.
05:20
Not only that, they're able to do it lap
108
304564
3457
Inte bara det, de kan göra det varv
05:23
after lap after lap.
109
308021
2375
efter varv efter varv.
05:26
They're able to go out and consistently do this,
110
310396
2912
De är kapabla att gå ut och göra det här konsekvent,
05:29
pushing the car to the limits every single time.
111
313308
4128
pressa bilen till gränsen varenda gång.
05:33
It's extraordinary to watch.
112
317436
3169
Det är fantastiskt att titta på.
05:36
You put them in a new car,
113
320605
2066
Sätt dem i en ny bil,
05:38
and after a few laps, they've found the fastest line in that car,
114
322671
3902
och efter ett par varv har de hittat den snabbaste sträckan i den bilen,
05:42
and they're off to the races.
115
326573
3877
och sen tävlar de.
05:46
It really makes you think,
116
330450
1146
Det får en verkligen att fundera,
05:47
we'd love to know what's going on inside their brain.
117
331596
4871
vi skulle vilja se vad som pågår i deras hjärna.
05:52
So as researchers, that's what we decided to find out.
118
336467
4541
Så det var det vi, som vetenskapsmän, bestämde oss för att ta reda på.
05:56
We decided to instrument not only the car,
119
341008
1812
Vi bestämde oss för att inte bara övervaka bilen,
05:58
but also the race car driver,
120
342820
2495
utan också föraren,
06:01
to try to get a glimpse into what was going on
121
345315
2769
för att få en glimt av vad som pågår
06:03
in their head as they were doing this.
122
348084
2186
i deras huvuden när de gör det här.
06:06
Now, this is Dr. Lene Harbott applying electrodes
123
350270
3950
Det här är Dr. Lene Harbott som fäster elektroder
06:10
to the head of John Morton.
124
354220
1232
vid John Mortons huvud.
06:11
John Morton is a former Can-Am and IMSA driver,
125
355452
2989
John Morton är en före detta Can-Am- och IMSA-förare,
06:14
who's also a class champion at Le Mans.
126
358441
1800
som också är klassmästare på Le Mans.
06:16
Fantastic driver, and very willing to put up with graduate students
127
360241
3496
Fantastisk förare, och väldigt tålmodig med doktorander
06:19
and this sort of research.
128
363737
1855
och den här sortens forskning.
06:21
She's putting electrodes on his head
129
365592
2672
Hon fäster elektroder vid hans huvud
06:24
so that we can monitor the electrical activity
130
368264
2112
så att vi ska kunna övervaka den elektriska aktiviteten
06:26
in John's brain as he races around the track.
131
370376
2832
i Johns hjärna medan han kör runt banan.
06:29
Now, clearly we're not going to put a couple of electrodes on his head
132
373208
3195
Uppenbarligen kan vi inte fästa ett par elektroder vid hans huvud
06:32
and understand exactly what all of his thoughts are on the track.
133
376403
3270
och förstå precis vad han tänker på banan.
06:35
However, neuroscientists have identified certain patterns
134
379673
3407
Men neurologer har identifierat speciella mönster
06:38
that let us tease out some very important aspects of this.
135
383080
3761
som låter oss få fram vissa viktiga aspekter av det här.
06:42
For instance, the resting brain
136
386841
1847
Den vilande hjärnan, till exempel,
06:44
tends to generate a lot of alpha waves.
137
388688
2155
genererar mycket alfavågor.
06:46
In contrast, theta waves are associated with
138
390843
3752
Thetavågor, å andra sidan, är kopplade till
06:50
a lot of cognitive activity, like visual processing,
139
394595
3184
mycket kognitiv aktivitet, som visuell bearbetning,
06:53
things where the driver is thinking quite a bit.
140
397779
3048
tillfällen då föraren tänker mycket.
06:56
Now, we can measure this,
141
400827
1663
Vi kan mäta det här,
06:58
and we can look at the relative power
142
402490
1985
och vi kan titta på den relativa förekomsten
07:00
between the theta waves and the alpha waves.
143
404475
2200
av theta- och alfavågor.
07:02
This gives us a measure of mental workload,
144
406675
2442
Det ger oss ett mått på mental belastning,
07:05
how much the driver is actually challenged cognitively
145
409117
3567
hur utmanad föraren blir kognitivt
07:08
at any point along the track.
146
412684
1786
vid en given punkt på banan.
07:10
Now, we wanted to see if we could actually record this
147
414470
2942
Vi ville se om vi faktiskt kunde spela in det här
07:13
on the track, so we headed down south to Laguna Seca.
148
417412
3038
på banan, så vi åkte söderut till Laguna Seca.
07:16
Laguna Seca is a legendary raceway
149
420450
2016
Laguna Seca är en legendarisk racerbana
07:18
about halfway between Salinas and Monterey.
150
422466
2301
ungefär halvvägs mellan Salinas och Monterey.
07:20
It has a curve there called the Corkscrew.
151
424767
2087
Den har en kurva kallad "Korkskruven".
07:22
Now, the Corkscrew is a chicane, followed by a quick
152
426854
2717
Korkskruven är en chikan följd av en snabb
07:25
right-handed turn as the road drops three stories.
153
429571
2746
högersväng samtidigt som vägen sjunker tre våningar.
07:28
Now, the strategy for driving this as explained to me was,
154
432317
3766
Strategin som de förklarade den för mig var
07:31
you aim for the bush in the distance,
155
436083
2022
"Sikta på busken där borta,
07:34
and as the road falls away, you realize it was actually the top of a tree.
156
438105
3025
och när vägen faller inser du att det var toppen av ett träd."
07:37
All right, so thanks to the Revs Program at Stanford,
157
441130
3304
Tack vare Revs-programmet på Stanford,
07:40
we were able to take John there
158
444434
1473
kunde vi ta John dit
07:41
and put him behind the wheel
159
445907
964
och placera honom bakom ratten
07:42
of a 1960 Porsche Abarth Carrera.
160
446871
2439
i en 1960 Porsche Abarth Carrera.
07:45
Life is way too short for boring cars.
161
449310
3698
Livet är alldeles för kort för tråkiga bilar.
07:48
So, here you see John on the track,
162
453008
1759
Här ser ni John på banan,
07:50
he's going up the hill -- Oh! Somebody liked that --
163
454767
2184
han kör upp för backen -- Oj! någon gillade det där --
07:52
and you can see, actually, his mental workload
164
456951
2465
Och ni kan faktiskt se hans mentala belastning
07:55
-- measuring here in the red bar --
165
459416
2153
-- i den röda stapeln --
07:57
you can see his actions as he approaches.
166
461569
2343
och ni kan se hans reaktion när han närmar sig.
07:59
Now watch, he has to downshift.
167
463912
3230
Titta, han måste växla ner.
08:03
And then he has to turn left.
168
467142
761
Och sen måste han svänga vänster.
08:03
Look for the tree, and down.
169
467903
3993
Leta efter trädet, och ner.
08:07
Not surprisingly, you can see this is a pretty challenging task.
170
471896
2838
Ni kan, föga överraskande, se att detta är en ganska utmanande uppgift.
08:10
You can see his mental workload spike as he goes through this,
171
474734
2976
Ni kan se hans mentala belastning gå i taket när han går igenom det här,
08:13
as you would expect with something that requires
172
477710
2064
som man skulle förvänta sig av något som kräver
08:15
this level of complexity.
173
479774
2809
den här komplicitetsnivån.
08:18
But what's really interesting is to look at areas of the track
174
482583
3416
Men vad som är riktigt intressant är att titta på områden på banan
08:21
where his mental workload doesn't increase.
175
485999
2846
när hans mentala belastning inte ökar.
08:24
I'm going to take you around now
176
488845
1495
Jag ska ta er med
08:26
to the other side of the track.
177
490340
1089
till andra sidan av banan.
08:27
Turn three. And John's going to go into that corner
178
491429
2336
Sväng tre. John kör in i det där hörnet
08:29
and the rear end of the car is going to begin to slide out.
179
493765
2551
och den bakre änden av bilen kommer börja sladda.
08:32
He's going to have to correct for that with steering.
180
496316
2017
Han måste kompensera för det genom att styra.
08:34
So watch as John does this here.
181
498333
2231
Titta när John gör det här.
08:36
Watch the mental workload, and watch the steering.
182
500564
2322
Titta på den mentala belastningen och titta på styrningen.
08:38
The car begins to slide out, dramatic maneuver to correct it,
183
502886
3672
Bilen börjar sladda, dramatisk manöver för att kompensera,
08:42
and no change whatsoever in the mental workload.
184
506558
3523
och ingen förändring i mental belastning över huvud taget.
08:45
Not a challenging task.
185
510081
2832
Inte en utmanande uppgift.
08:48
In fact, entirely reflexive.
186
512913
3200
Helt reflexiv, faktiskt.
08:52
Now, our data processing on this is still preliminary,
187
516113
3643
Vår undersökning av den här informationen är fortfarande preliminär,
08:55
but it really seems that these phenomenal feats
188
519756
2672
men det verkar som att dessa fenomenala trick
08:58
that the race car drivers are performing
189
522428
1610
som racerförarna utför
08:59
are instinctive.
190
524038
1910
är instinktiva.
09:01
They are things that they have simply learned to do.
191
525948
3390
De är saker som de helt enkelt har lärt sig göra.
09:05
It requires very little mental workload
192
529338
2282
Det kräver väldigt lite mental belastning
09:07
for them to perform these amazing feats.
193
531620
2824
för dem att utföra dessa otroliga saker.
09:10
And their actions are fantastic.
194
534444
3135
Och deras handlingar är fantastiska.
09:13
This is exactly what you want to do on the steering wheel
195
537579
2611
Det här är precis vad du ska göra med ratten
09:16
to catch the car in this situation.
196
540190
3337
för att fånga bilen i den här situationen.
09:19
Now, this has given us tremendous insight
197
543527
3445
Det här har gett oss en otrolig insikt
09:22
and inspiration for our own autonomous vehicles.
198
546972
3122
och inspiration för våra egna autonoma fordon.
09:25
We've started to ask the question:
199
550094
1928
Vi har börjat ställa frågan:
09:27
Can we make them a little less algorithmic
200
552022
2253
"Kan vi göra dem lite mindre algoritmiska
09:30
and a little more intuitive?
201
554275
2449
och lite mer intuitiva?"
09:32
Can we take this reflexive action
202
556724
2281
Kan vi ta den här reflexmässiga handlingen
09:34
that we see from the very best race car drivers,
203
559005
2287
som vi ser av de bästa racerförarna,
09:37
introduce it to our cars,
204
561292
1649
införa den i våra bilar,
09:38
and maybe even into a system that could
205
562941
1984
och kanske till och med i ett system som skulle kunna
09:40
get onto your car in the future?
206
564925
1968
ta sig in i våra bilar i framtiden?
09:42
That would take us a long step
207
566893
1611
Det skulle ta oss ett långt steg
09:44
along the road to autonomous vehicles
208
568504
2509
längs vägen till autonoma fordon
09:46
that drive as well as the best humans.
209
571013
1912
som kör lika väl som de bästa människorna.
09:48
But it's made us think a little bit more deeply as well.
210
572925
3440
Men det har fått oss att tänka lite djupare också.
09:52
Do we want something more from our car
211
576365
2968
Vill vi ha något mer av vår bil
09:55
than to simply be a chauffeur?
212
579333
1840
än bara en chaufför?
09:57
Do we want our car to perhaps be a partner, a coach,
213
581173
4235
Vill vi att vår bil ska vara en partner, en coach,
10:01
someone that can use their understanding of the situation
214
585408
3087
någon som kan använda sin förståelse av situationen
10:04
to help us reach our potential?
215
588495
4256
för att hjälpa oss nå våra potential?
10:08
Can, in fact, the technology not simply replace humans,
216
592751
2273
Kan teknologin inte bara ersätta människor,
10:10
but allow us to reach the level of reflex and intuition
217
595024
4575
utan tillåta oss att nå den nivån av reflex och intuition
10:15
that we're all capable of?
218
599599
3425
som vi alla är kapabla till?
10:18
So, as we move forward into this technological future,
219
603024
1923
Så, medan vi förflyttar oss framåt till denna teknologiska framtid,
10:20
I want you to just pause and think of that for a moment.
220
604947
2821
vill jag att ni bara tar en paus och funderar på det ett tag.
10:23
What is the ideal balance of human and machine?
221
607768
3775
Vad är den optimala balansen mellan människa och maskin?
10:27
And as we think about that,
222
611543
1709
Och medan vi tänker på det,
10:29
let's take inspiration
223
613252
1731
låt oss inspireras
10:30
from the absolutely amazing capabilities
224
614983
3329
av den absolut fantastiska kapaciteten
10:34
of the human body and the human mind.
225
618312
2816
hos den mänskliga kroppen och den mänskliga hjärnan.
10:37
Thank you.
226
621128
1736
Tack.
10:38
(Applause)
227
622864
4604
(Applåder)
ABOUT THE SPEAKER
Chris Gerdes - Mechanical engineerAn 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.
Chris Gerdes | Speaker | TED.com