Stephen Lawler: Look! Up in the sky! It's Virtual Earth!

Stephen Lawler bereist Mircosoft Virtual Earth

19,189 views

2007-06-21 ・ TED


New videos

Stephen Lawler: Look! Up in the sky! It's Virtual Earth!

Stephen Lawler bereist Mircosoft Virtual Earth

19,189 views ・ 2007-06-21

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Anna M Lektorat: Wolf Ruschke
00:25
What I want to talk to you about today is
0
25000
3000
Heute möchte ich mit Ihnen über
00:28
virtual worlds, digital globes, the 3-D Web, the Metaverse.
1
28000
9000
virtuelle Welten, digitale Globen, das 3-D-Web und das Metaversum reden.
00:37
What does this all mean for us?
2
37000
2000
Was bedeutet all dies für uns?
00:39
What it means is the Web is going to become an exciting place again.
3
39000
5000
Es bedeutet, dass das Web wieder ein aufregender Platz werden wird.
00:44
It's going to become super exciting as we transform
4
44000
3000
Besonders spannend wird die Wandlung
00:47
to this highly immersive and interactive world.
5
47000
4000
zu einer umfassenden und interaktiven Welt,
00:51
With graphics, computing power, low latencies,
6
51000
3000
mit Grafiken, Rechenleistung und geringen Latenzen.
00:54
these types of applications and possibilities
7
54000
3000
All diese Anwendungsformen und Möglichkeiten
00:57
are going to stream rich data into your lives.
8
57000
5000
werden wahre Datenströme in unsere Leben fließen lassen.
01:02
So the Virtual Earth initiative, and other types of these initiatives,
9
62000
5000
Die Virtual-Earth-Initiative und andere ähnliche Initiativen versuchen nämlich,
01:07
are all about extending our current search metaphor.
10
67000
6000
unsere momentanen Suchvorgänge zu erweitern.
01:13
When you think about it, we're so constrained by browsing the Web,
11
73000
3000
Kritisch betrachtet, sind wir doch beim Surfen im Internet sehr eingeschänkt:
01:16
remembering URLs, saving favorites.
12
76000
3000
Wir merken uns Web-Adressen, setzen uns Lesezeichen.
01:19
As we move to search, we rely on the relevance rankings,
13
79000
3000
Wenn wir auf Suche gehen, müssen wir den Rangfolgen der Relevanzen vertrauen,
01:22
the Web matching, the index crawling.
14
82000
3000
dem Web-Abgleich, dem Index Crawling.
01:25
But we want to use our brain!
15
85000
2000
Doch wir möchten unser eigenes Hirn benutzen!
01:27
We want to navigate, explore, discover information.
16
87000
3000
Wir wollen selbst Informationen steuern, erkunden und erforschen.
01:30
In order to do that, we have to put you as a user back in the driver's seat.
17
90000
5000
Um Ihnen dies zu ermöglichen, müssen wir Sie zurück auf den Fahrersitz setzen.
01:35
We need cooperation between you and the computing network and the computer.
18
95000
4000
Wir benötigen dafür eine Zusammenarbeit zwischen Ihnen, dem Netzwerk und dem Computer.
01:39
So what better way to put you back in the driver's seat
19
99000
4000
Welch besseren Weg, Sie zurück auf den Fahrersitz zu bringen, gibt es,
01:43
than to put you in the real world that you interact in every day?
20
103000
3000
als Sie in die reale Welt zu setzen, mit der Sie tagtäglich interagieren?
01:46
Why not leverage the learnings that you've been learning your entire life?
21
106000
4000
Warum nicht das als Hebel nutzen, was Sie bereits Ihr Leben lang gelernt haben?
01:50
So Virtual Earth is about starting off
22
110000
3000
Virtual Earth ist erst der Anfang und liefert uns
01:53
creating the first digital representation, comprehensive, of the entire world.
23
113000
5000
die erste digitale Darstellung, die die gesamte Welt umfasst.
01:58
What we want to do is mix in all types of data.
24
118000
3000
Dafür wollen wir alle möglichen Daten aufnehmen,
02:01
Tag it. Attribute it. Metadata. Get the community to add local depth,
25
121000
5000
mit Stichwörtern versehen, sie zuordnen, Metadaten, und die Gemeinschaft regionale Eigenarten hinzufügen lassen -
02:06
global perspective, local knowledge.
26
126000
3000
eine globale Perpektive mit regionalem Wissen.
02:09
So when you think about this problem,
27
129000
2000
Wenn man über das Problem nachdenkt -
02:11
what an enormous undertaking. Where do you begin?
28
131000
4000
welch riesiges Unterfangen! Wo soll man da beginnen?
02:15
Well, we collect data from satellites, from airplanes,
29
135000
4000
Nun, wir sammeln Daten: aufgenommen von Satelliten, von Flugzeugen,
02:19
from ground vehicles, from people.
30
139000
3000
von Fahrzeugen, von Menschen.
02:22
This process is an engineering problem,
31
142000
5000
Dieser Prozess ist sowohl ein technisches als auch ein
02:27
a mechanical problem, a logistical problem, an operational problem.
32
147000
4000
mechanisches, logistisches und operatives Problem.
02:31
Here is an example of our aerial camera.
33
151000
2000
Hier ein Beispiel unserer Luftkamera:
02:33
This is panchromatic. It's actually four color cones.
34
153000
3000
Sie ist farbempfindlich, genau genommen für vier Farben.
02:36
In addition, it's multi-spectral.
35
156000
2000
Zusätzlich ist sie multispektral.
02:38
We collect four gigabits per second of data,
36
158000
4000
Wir sammeln damit 4 Gigabite Daten pro Sekunde,
02:42
if you can imagine that kind of data stream coming down.
37
162000
2000
wenn man sich überhaupt diesen Datenstrom vorstellen kann.
02:44
That's equivalent to a constellation of 12 satellites at highest res capacity.
38
164000
6000
Dies entspricht 12 Satelliten mit höchster Auflösungs-Kapazität.
02:50
We fly these airplanes at 5,000 feet in the air.
39
170000
4000
Wir fliegen mit diesen Flugzeugen in 2700 Meter Höhe.
02:54
You can see the camera on the front. We collect multiple viewpoints,
40
174000
3000
Sie können die Kamera vorne sehen. Wir sammeln mehrere Blickwinkel,
02:57
vantage points, angles, textures. We bring all that data back in.
41
177000
6000
Aussichtspunkte, Winkel, Texturen. Wir bringen all diese Daten zusammen.
03:03
We sit here -- you know, think about the ground vehicles, the human scale --
42
183000
4000
Wir sitzen hier - Sie wissen um die Bodenfahrzeuge, um den menschlichen Maßstab -
03:07
what do you see in person? We need to capture that up close
43
187000
2000
was sehen Sie persönlich? Wir müssen es per Nahaufnahme erfassen,
03:09
to establish that what it's like-type experience.
44
189000
4000
um ein authentisches Erlebnis zu schaffen.
03:13
I bet many of you have seen the Apple commercials,
45
193000
4000
Ich wette, dass viele von Ihnen Werbespots von Apple gesehen haben,
03:17
kind of poking at the PC for their brilliance and simplicity.
46
197000
6000
die mit ihrer Brillianz und Einfachheit jeden PC verblüffen.
03:23
So a little unknown secret is --
47
203000
2000
Ein kleines unbekanntes Geheimnis:
03:25
did you see the one with the guy, he's got the Web cam?
48
205000
4000
Haben Sie den einen gesehen mit den Typen, der die Webcam hat?
03:29
The poor PC guy. They're duct taping his head. They're just wrapping it on him.
49
209000
4000
Der arme PC-Typ, sie verkleben und umwickeln ihm den Kopf.
03:33
Well, a little unknown secret is his brother actually works on the Virtual Earth team.
50
213000
4000
Und das kleine unbekannte Geheimnis ist, dass sein Bruder im Virtual-Earth-Team arbeitet.
03:37
(Laughter). So they've got a little bit of a sibling rivalry thing going on here.
51
217000
5000
(Gelächter). Da geht es also um eine kleine Rivalität unter Geschwistern.
03:42
But let me tell you -- it doesn't affect his day job.
52
222000
2000
Aber ich versichere Ihnen - es hat keine Auswirkungen auf seine Arbeit.
03:44
We think a lot of good can come from this technology.
53
224000
3000
Wir denken, dass diese Technologie viel Gutes bewirken kann.
03:47
This was after Katrina. We were the first commercial fleet of airplanes
54
227000
4000
Es war nach Katrina. Wir waren die erste privatwirtschaftliche Flugzeugflotte,
03:51
to be cleared into the disaster impact zone.
55
231000
3000
die in die Katastrophenzone fliegen durfte.
03:54
We flew the area. We imaged it. We sent in people. We took pictures of interiors,
56
234000
5000
Wir beflogen das Gebiet, wir photographierten es, wir schickten Leute hinein, wir photographierten die Gebäude von innen,
03:59
disaster areas. We helped with the first responders, the search and rescue.
57
239000
4000
die Katastrophengebiete. Wir halfen bei den ersten Einsätzen, bei der Suche und der Rettung.
04:03
Often the first time anyone saw what happened to their house was on Virtual Earth.
58
243000
5000
Oft war es so, dass jemand das, was mit seinem Haus geschehen war, erstmalig bei Virtual Earth sah.
04:08
We made it all freely available on the Web, just to --
59
248000
2000
Wir stellten alles frei im Netz zur Verfügung, einfach um ...
04:10
it was obviously our chance of helping out with the cause.
60
250000
4000
es war einfach unsere Möglichkeit, bei dem Problem zu helfen.
04:14
When we think about how all this comes together,
61
254000
3000
Betrachtet man, wie all dies entsteht, so geht es
04:17
it's all about software, algorithms and math.
62
257000
4000
vor allem um Software, Algorithmen und Mathematik.
04:21
You know, we capture this imagery but to build the 3-D models
63
261000
3000
Wir erfassen diese Bilder, aber um ein 3-D-Modell zu erstellen,
04:24
we need to do geo-positioning. We need to do geo-registering of the images.
64
264000
5000
brauchen wir Geo-Postionsdaten. Wir brauchen zu den Bildern eine Geo-Registierung.
04:29
We have to bundle adjust them. Find tie points.
65
269000
2000
Wir müssen diese gebündelt anpassen, müssen Querverbindungen finden,
04:31
Extract geometry from the images.
66
271000
3000
entnehmen den Bildern Geometrien.
04:34
This process is a very calculated process.
67
274000
4000
Dieser Prozess ist ein sehr berechenbarer Prozess
04:38
In fact, it was always done manual.
68
278000
1000
und wurde bisher immer manuell durchgeführt.
04:39
Hollywood would spend millions of dollars to do a small urban corridor
69
279000
4000
Hollywood hat Millionen von Dollars investiert, um einen schmalen städtischen Korridor
04:43
for a movie because they'd have to do it manually.
70
283000
3000
für einen Film darzustellen, weil sie es manuell tun mussten.
04:46
They'd drive the streets with lasers called LIDAR.
71
286000
2000
Sie mussten die Straßen mit Lasern, genannt LIDAR, abfahren.
04:48
They'd collected information with photos. They'd manually build each building.
72
288000
4000
Sie sammelten alle Informationen mit Photos; sie mussten jedes Gebäude per Hand bauen.
04:52
We do this all through software, algorithms and math --
73
292000
2000
Wir machen dies alles mit Software, Algorithmen und Mathematik,
04:54
a highly automated pipeline creating these cities.
74
294000
3000
mit einem hoch automatisierten Ablauf, der solche Städte entstehen lässt.
04:57
We took a decimal point off what it cost to build these cities,
75
297000
3000
Wir brauchten ein Zehntel von dem, was es kosten würde, diese Städte zu bauen,
05:00
and that's how we're going to be able to scale this out and make this reality a dream.
76
300000
4000
and so war es uns möglich, es rentabel und die Wirklichkeit zu einem Traum zu machen.
05:04
We think about the user interface.
77
304000
2000
Wir denken auch an die Benutzeroberfläche.
05:06
What does it mean to look at it from multiple perspectives?
78
306000
3000
Was bedeutet es, etwas aus vielerlei Perspektiven zu betrachten?
05:09
An ortho-view, a nadir-view. How do you keep the precision of the fidelity of the imagery
79
309000
5000
Eine Ortho-Ansicht, eine Nadir-Ansicht. Wie behält man aber die Präzision der Bildgenauigkeit bei,
05:14
while maintaining the fluidity of the model?
80
314000
4000
während man das Modell im Fluss hält?
05:18
I'll wrap up by showing you the --
81
318000
2000
Als Zusammenfassung möchte ich Ihnen folgendes zeigen:
05:20
this is a brand-new peek I haven't really shown into the lab area of Virtual Earth.
82
320000
4000
Dies ist ein kurzer Blick auf etwas, was ich noch nicht so richtig im Vorführbereich von Virtual Earth gezeigt habe.
05:24
What we're doing is -- people like this a lot,
83
324000
3000
Was wir hier machen, ist etwas, was die Leute besonders mögen, nämlich
05:27
this bird's eye imagery we work with. It's this high resolution data.
84
327000
3000
mit Vogelperspektiv-Bildern zu arbeiten. Es sind sehr hochauflösende Daten.
05:30
But what we've found is they like the fluidity of the 3-D model.
85
330000
4000
Wir fanden heraus, dass sie die fließende Bewegung dieses 3-D-Modells mögen.
05:34
A child can navigate with an Xbox controller or a game controller.
86
334000
4000
Jedes Kind kann bereits einen Xbox Controller oder einen Spiele-Controller bedienen.
05:38
So here what we're trying to do is we bring the picture and project it into the 3-D model space.
87
338000
5000
Wir versuchen die Bilder und das Projekt in ein 3-D-Modell zu bringen.
05:43
You can see all types of resolution. From here, I can slowly pan the image over.
88
343000
6000
Sie können hier alle möglichen Arten von Auflösung sehen. Von hier aus kann ich langsam über das Bild schwenken.
05:49
I can get the next image. I can blend and transition.
89
349000
3000
Ich kann das nächste Bild sehen. Ich kann es durch Überblenden wechseln.
05:52
By doing this I don't lose the original detail. In fact, I might be recording history.
90
352000
5000
Wenn ich dies tue, verliere ich nicht die ursprünglichen Einzelheiten. Im Gegenteil, ich könnte hier Geschichte schreiben.
05:57
The freshness, the capacity. I can turn this image.
91
357000
3000
Die Frische, das Fassungsvermögen. Ich kann dieses Bild drehen.
06:00
I can look at it from multiple viewpoints and angles.
92
360000
3000
Ich kann es aus verschiedenen Blickwinkeln ansehen.
06:03
What we're trying to do is build a virtual world.
93
363000
3000
Wir versuchen eine virtuelle Welt zu bauen.
06:06
We hope that we can make computing a user model you're familiar with,
94
366000
5000
Wir hoffen, dass wir die EDV zu einem Nutzermodell machen können, mit dem Sie vertraut sind,
06:11
and really derive insights from you, from all different directions.
95
371000
4000
und von Ihnen tatsächlich Einblicke aus allen möglichen Richtungen ableiten können.
06:15
I thank you very much for your time.
96
375000
2000
Vielen Dank für Ihre Zeit.
06:17
(Applause)
97
377000
1000
(Applaus)
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7