Jennifer Healey: If cars could talk, accidents might be avoidable

Jennifer Healey: Sprechende Autos könnten Unfälle vermeiden

48,736 views

2013-04-25 ・ TED


New videos

Jennifer Healey: If cars could talk, accidents might be avoidable

Jennifer Healey: Sprechende Autos könnten Unfälle vermeiden

48,736 views ・ 2013-04-25

TED


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

00:00
Translator: Joseph Geni Reviewer: Morton Bast
0
0
7000
Übersetzung: Norbert Langkau Lektorat: Patricia Calderón Koch
00:12
Let's face it:
1
12703
1914
Machen wir uns nichts vor:
00:14
Driving is dangerous.
2
14617
2445
Autofahren ist gefährlich.
00:17
It's one of the things that we don't like to think about,
3
17062
3098
Wir verdrängen das gerne, aber die Tatsache,
00:20
but the fact that religious icons and good luck charms
4
20160
3652
dass man religiöse Talismane und andere Glücksbringer
00:23
show up on dashboards around the world
5
23812
4790
auf den Armaturenbrettern in aller Welt findet,
00:28
betrays the fact that we know this to be true.
6
28602
4137
lässt erkennen, dass wir wissen, dass es wirklich so ist.
00:32
Car accidents are the leading cause of death
7
32739
3594
Autounfälle sind in den USA die Haupttodesursache
00:36
in people ages 16 to 19 in the United States --
8
36333
4170
junger Menschen im Alter zwischen 16 und 19 –
00:40
leading cause of death --
9
40503
2843
Haupttodesursache –
00:43
and 75 percent of these accidents have nothing to do
10
43346
3863
und 75 % dieser Unfälle haben nicht das Geringste
00:47
with drugs or alcohol.
11
47209
2285
mit Drogen oder Alkohol zu tun.
00:49
So what happens?
12
49494
2261
Was passiert da?
00:51
No one can say for sure, but I remember my first accident.
13
51755
4219
Niemand weiß es genau, aber ich erinnere mich noch an meinen ersten Unfall.
00:55
I was a young driver out on the highway,
14
55974
3803
Ich war jung. Ich fuhr auf der Autobahn,
00:59
and the car in front of me, I saw the brake lights go on.
15
59777
2258
als das Auto vor mir plötzlich bremste.
01:02
I'm like, "Okay, all right, this guy is slowing down,
16
62035
1800
Ich so: »Oh – wenn der bremst,
01:03
I'll slow down too."
17
63835
1282
brems ich auch mal.«
01:05
I step on the brake.
18
65117
1926
Ich tret auf die Bremse.
01:07
But no, this guy isn't slowing down.
19
67043
2254
Aber der Typ will gar nicht langsamer fahren.
01:09
This guy is stopping, dead stop, dead stop on the highway.
20
69297
3178
Er will anhalten, Vollbremsung auf dem Highway.
01:12
It was just going 65 -- to zero?
21
72475
2540
Von über 100 auf... Null?
01:15
I slammed on the brakes.
22
75015
1520
Ich steig in die Eisen.
01:16
I felt the ABS kick in, and the car is still going,
23
76535
3059
Ich spüre das ABS und wie das Auto trotzdem weiter fährt
01:19
and it's not going to stop, and I know it's not going to stop,
24
79594
2696
und immer noch nicht anhält, und ich weiß, dass es nicht anhalten wird.
01:22
and the air bag deploys, the car is totaled,
25
82290
2939
Der Airbag wird ausgelöst – das Auto ist ein Totalschaden
01:25
and fortunately, no one was hurt.
26
85229
3557
aber zum Glück wurde niemand dabei verletzt.
01:28
But I had no idea that car was stopping,
27
88786
4211
Ich hatte keine Ahnung, dass das Auto vor mir anhalten würde.
01:32
and I think we can do a lot better than that.
28
92997
3645
Ich glaube, da können wir einiges verbessern.
01:36
I think we can transform the driving experience
29
96642
4145
Ich glaube, wir können das Autofahren verändern,
01:40
by letting our cars talk to each other.
30
100787
3879
wenn wir unsere Autos miteinander reden lassen.
01:44
I just want you to think a little bit
31
104666
1424
Stellen Sie sich nur einmal kurz vor,
01:46
about what the experience of driving is like now.
32
106090
2888
wie Autofahren heute ist.
01:48
Get into your car. Close the door. You're in a glass bubble.
33
108978
4028
Einsteigen. Tür zu. Man sitzt in einer gläsernen Blase.
01:53
You can't really directly sense the world around you.
34
113006
2916
Man erfährt die Außenwelt nicht mehr direkt.
01:55
You're in this extended body.
35
115922
2181
Man befindet sich in einem erweiterten Körper.
01:58
You're tasked with navigating it down
36
118103
2163
Man soll in dieser Blechbüchse
02:00
partially-seen roadways,
37
120266
2056
übermenschlich schnell
02:02
in and amongst other metal giants, at super-human speeds.
38
122322
4424
bei eingeschränkter Sicht zwischen anderen Blechmonstern umherfahren.
02:06
Okay? And all you have to guide you are your two eyes.
39
126746
4480
Man hat nur die eigenen Augen, um da durch zu kommen.
02:11
Okay, so that's all you have,
40
131226
1762
Das ist alles, was man hat,
02:12
eyes that weren't really designed for this task,
41
132988
1735
nur die Augen, die gar nicht dafür gemacht sind.
02:14
but then people ask you to do things like,
42
134723
3751
Will man dann die Spur wechseln,
02:18
you want to make a lane change,
43
138474
1549
soll man was als erstes tun?
02:20
what's the first thing they ask you do?
44
140023
2321
Richtig.
02:22
Take your eyes off the road. That's right.
45
142344
3095
»Nimm die Augen von der Straße.
02:25
Stop looking where you're going, turn,
46
145439
2096
Schau nicht mehr, wohin du fährst. Dreh dich um.
02:27
check your blind spot,
47
147535
2018
Überprüfe den toten Winkel,
02:29
and drive down the road without looking where you're going.
48
149553
3471
und fahr auf der Straße, ohne zu schauen, wohin.«
02:33
You and everyone else. This is the safe way to drive.
49
153024
3135
Alle wissen: Das ist die sichere Art zu fahren.
02:36
Why do we do this? Because we have to,
50
156159
2241
Warum machen wir so etwas?
02:38
we have to make a choice, do I look here or do I look here?
51
158400
2579
Wir müssen entscheiden: Wo schau ich hin?
02:40
What's more important?
52
160979
1521
Was ist wichtiger?
02:42
And usually we do a fantastic job
53
162500
2711
Normalerweise sind wir sehr gut darin,
02:45
picking and choosing what we attend to on the road.
54
165211
3769
das auszuwählen, was unsere Aufmerksamkeit erfordert,
02:48
But occasionally we miss something.
55
168980
3650
aber manchmal – verpassen wir doch etwas.
02:52
Occasionally we sense something wrong or too late.
56
172630
4461
Manchmal schätzen wir etwas falsch oder zu spät ein.
02:57
In countless accidents, the driver says,
57
177091
1988
Sehr häufig sagt der Fahrer hinterher:
02:59
"I didn't see it coming."
58
179079
2308
»Ich hab das nicht kommen gesehen.«
03:01
And I believe that. I believe that.
59
181387
3281
Ich glaube ihm. Ich glaube das auch.
03:04
We can only watch so much.
60
184668
2925
Wir können nicht auf alles aufpassen.
03:07
But the technology exists now that can help us improve that.
61
187593
5144
Die Technologie, die uns helfen kann, das zu verbessern, gibt es schon.
03:12
In the future, with cars exchanging data with each other,
62
192737
4296
In Zukunft tauschen Autos Daten miteinander aus,
03:17
we will be able to see not just three cars ahead
63
197033
3928
und dann werden wir nicht mehr nur drei Autos voraus,
03:20
and three cars behind, to the right and left,
64
200961
1594
und drei hinten, rechts und links,
03:22
all at the same time, bird's eye view,
65
202555
3166
alles gleichzeitig und aus der Vogelperspektive sehen können,
03:25
we will actually be able to see into those cars.
66
205721
3128
sondern sogar in diese Autos hinein.
03:28
We will be able to see the velocity of the car in front of us,
67
208849
2371
Wir sehen die Geschwindigkeit des Autos vor uns,
03:31
to see how fast that guy's going or stopping.
68
211220
3240
wie schnell es fährt oder bremst.
03:34
If that guy's going down to zero, I'll know.
69
214460
4510
Wenn der Typ eine Vollbremsung macht, sehe ich das früh genug.
03:38
And with computation and algorithms and predictive models,
70
218970
3859
Mit Rechenleistung, Algorithmen und Vorhersagemodellen
03:42
we will be able to see the future.
71
222829
3273
werden wir die Zukunft vorhersagen können.
03:46
You may think that's impossible.
72
226102
1556
Man mag denken: »Unmöglich!
03:47
How can you predict the future? That's really hard.
73
227658
2731
Wie kann man das vorhersagen? Echt schwierig.«
03:50
Actually, no. With cars, it's not impossible.
74
230389
3619
Nein, gar nicht. Bei Autos ist es nicht unmöglich.
03:54
Cars are three-dimensional objects
75
234008
2732
Autos sind dreidimensionale Objekte
03:56
that have a fixed position and velocity.
76
236740
2332
mit gegebener Position und Geschwindigkeit.
03:59
They travel down roads.
77
239072
1631
Sie fahren auf Straßen.
04:00
Often they travel on pre-published routes.
78
240703
2412
Oft fahren sie vorher bekannte Routen.
04:03
It's really not that hard to make reasonable predictions
79
243115
3938
Es ist wirklich nicht so schwer, vernünftig vorherzusagen,
04:07
about where a car's going to be in the near future.
80
247053
2864
wohin ein Auto als nächstes hinfährt.
04:09
Even if, when you're in your car
81
249917
2002
Selbst wenn man im Auto sitzt
04:11
and some motorcyclist comes -- bshoom! --
82
251919
1994
und ein Motorrad kommt – WUSCH –
04:13
85 miles an hour down, lane-splitting --
83
253913
2296
mit 140 Sachen von hinten an –
04:16
I know you've had this experience --
84
256209
2547
das haben wir ja alle schon erlebt –
04:18
that guy didn't "just come out of nowhere."
85
258756
2603
kommt der nicht ›aus dem Nichts‹.
04:21
That guy's been on the road probably for the last half hour.
86
261359
3643
Der ist bestimmt schon eine halbe Stunde so unterwegs.
04:25
(Laughter)
87
265002
1190
(Lachen)
04:26
Right? I mean, somebody's seen him.
88
266192
3589
Ich meine damit, dass er schon gesehen wurde.
04:29
Ten, 20, 30 miles back, someone's seen that guy,
89
269781
2768
Den hat vor 20, 30 km schon jemand gesehen,
04:32
and as soon as one car sees that guy
90
272549
2384
und ab da kann man ihn auf der Karte verfolgen,
04:34
and puts him on the map, he's on the map --
91
274933
2231
›wo‹ und ›wie schnell‹ er ist,
04:37
position, velocity,
92
277164
2176
und davon ausgehen,
04:39
good estimate he'll continue going 85 miles an hour.
93
279340
2321
dass er mit 140 weiter brettert.
04:41
You'll know, because your car will know, because
94
281661
2184
Man weiß das, weil das Auto es weiß,
04:43
that other car will have whispered something in his ear,
95
283845
2275
weil ein anderes Auto ihm geflüstert hat:
04:46
like, "By the way, five minutes,
96
286120
1923
»Ach ja: fünf Minuten,
04:48
motorcyclist, watch out."
97
288043
2775
Motorrad, pass bloß auf!«
04:50
You can make reasonable predictions about how cars behave.
98
290818
2703
Man kann das Verhalten von Autos vorhersagen,
04:53
I mean, they're Newtonian objects.
99
293521
1365
wie bei jedem Newton'schen Objekt.
04:54
That's very nice about them.
100
294886
2909
Das ist das Schöne an ihnen.
04:57
So how do we get there?
101
297795
3034
Wie kommen wir dahin?
05:00
We can start with something as simple
102
300829
2266
Wir könnten mal mit etwas Leichtem anfangen,
05:03
as sharing our position data between cars,
103
303095
2870
mit dem Austausch der jeweiligen Positionen,
05:05
just sharing GPS.
104
305965
1892
einfach nur Positionsdaten.
05:07
If I have a GPS and a camera in my car,
105
307857
2444
Mit einem GPS-System und einer Kamera im Auto
05:10
I have a pretty precise idea of where I am
106
310301
2231
lässt sich ziemlich genau sagen,
05:12
and how fast I'm going.
107
312532
1732
wo und wie schnell ich fahre.
05:14
With computer vision, I can estimate where
108
314264
1657
Rechnergestützt kann ich sagen,
05:15
the cars around me are, sort of, and where they're going.
109
315921
3537
wo die Autos um mich rum sind und was sie tun.
05:19
And same with the other cars.
110
319458
970
Die anderen auch.
05:20
They can have a precise idea of where they are,
111
320428
1814
Die wissen auch, wo sie sind,
05:22
and sort of a vague idea of where the other cars are.
112
322242
2146
und wo die Autos drumherum sich in etwa befinden.
05:24
What happens if two cars share that data,
113
324388
3231
Was passiert, wenn zwei Autos miteinander reden
05:27
if they talk to each other?
114
327619
1955
und solche Daten austauschen?
05:29
I can tell you exactly what happens.
115
329574
2778
Ich kann Ihnen genau sagen, was passiert:
05:32
Both models improve.
116
332352
2339
die Modelle von beiden werden besser,
05:34
Everybody wins.
117
334691
2055
und alle gewinnen dabei.
05:36
Professor Bob Wang and his team
118
336746
2577
Professor Bob Wang und sein Team
05:39
have done computer simulations of what happens
119
339323
2738
haben simuliert, was passiert,
05:42
when fuzzy estimates combine, even in light traffic,
120
342061
3431
wenn selbst in schwachem Verkehr
05:45
when cars just share GPS data,
121
345492
2624
Autos nur ihre GPS-Positionen austauschen.
05:48
and we've moved this research out of the computer simulation
122
348116
2513
Wir haben aus der Simulation heraus
05:50
and into robot test beds that have the actual sensors
123
350629
3027
Robotertests gemacht, bei denen die Roboter die gleichen Sensoren haben,
05:53
that are in cars now on these robots:
124
353656
3133
wie sie auch jetzt an den Robotern in Autos zu finden sind:
05:56
stereo cameras, GPS,
125
356789
1838
Stereokameras, GPS-System
05:58
and the two-dimensional laser range finders
126
358627
1874
und die Laser-Entfernungsmesser
06:00
that are common in backup systems.
127
360501
2240
aus den Einparkhilfen.
06:02
We also attach a discrete short-range communication radio,
128
362741
4484
Die Roboter haben Fahrzeug-Fahrzeug- Kommunikation bekommen
06:07
and the robots talk to each other.
129
367225
1909
und sprechen jetzt miteinander.
06:09
When these robots come at each other,
130
369134
1539
Wenn die Roboter sich annähern,
06:10
they track each other's position precisely,
131
370673
2971
wissen sie genau, wo sie alle sind,
06:13
and they can avoid each other.
132
373644
2737
und können sich so aus dem Weg gehen.
06:16
We're now adding more and more robots into the mix,
133
376381
3226
Wir haben dann immer mehr Roboter eingebracht
06:19
and we encountered some problems.
134
379607
1471
und bekamen einige Probleme.
06:21
One of the problems, when you get too much chatter,
135
381078
2359
Eines ist, dass zuviel Geschwätz
06:23
it's hard to process all the packets, so you have to prioritize,
136
383437
3728
nicht verarbeitet werden kann – dann muss man abwägen
06:27
and that's where the predictive model helps you.
137
387165
2357
und da helfen die Vorhersagemodelle.
06:29
If your robot cars are all tracking the predicted trajectories,
138
389522
4372
Wenn die Roboterautos auf vorbestimmten Routen bleiben,
06:33
you don't pay as much attention to those packets.
139
393894
1767
muss man auf das Geschwätz weniger achten.
06:35
You prioritize the one guy
140
395661
1703
Man beachtet besonders den,
06:37
who seems to be going a little off course.
141
397364
1333
der aus der Reihe tanzt.
06:38
That guy could be a problem.
142
398697
2526
Der Kerl könnte zum Problem werden.
06:41
And you can predict the new trajectory.
143
401223
3002
Weil er vorhersagbar geworden ist,
06:44
So you don't only know that he's going off course, you know how.
144
404225
2763
weiß man nicht nur, dass er aus der Reihe tanzt,
06:46
And you know which drivers you need to alert to get out of the way.
145
406988
3725
sondern auch wie, und wer den Weg frei machen muss.
06:50
And we wanted to do -- how can we best alert everyone?
146
410713
2633
Wir wollten... Wie warnt man am besten?
06:53
How can these cars whisper, "You need to get out of the way?"
147
413346
3183
Wie flüstert ein Auto »Mach den Weg frei!«?
06:56
Well, it depends on two things:
148
416529
1517
Zwei bestimmende Dinge:
06:58
one, the ability of the car,
149
418046
2169
die Fähigkeiten des Autos
07:00
and second the ability of the driver.
150
420215
3217
und die Fähigkeiten des Fahrers.
07:03
If one guy has a really great car,
151
423432
1505
Selbst in einem tollen Auto reagiert jemand,
07:04
but they're on their phone or, you know, doing something,
152
424937
2925
der gerade telefoniert
07:07
they're not probably in the best position
153
427862
1930
oder etwas anderes macht,
07:09
to react in an emergency.
154
429792
2970
in Notfällen wahrscheinlich nicht richtig.
07:12
So we started a separate line of research
155
432762
1665
Dafür haben wir die Fahrer
07:14
doing driver state modeling.
156
434427
2551
gesondert modelliert und untersucht.
07:16
And now, using a series of three cameras,
157
436978
2329
Mit drei Kameras analysieren wir,
07:19
we can detect if a driver is looking forward,
158
439307
2270
ob ein Fahrer nach vorne sieht,
07:21
looking away, looking down, on the phone,
159
441577
2860
weg oder nach unten schaut,
07:24
or having a cup of coffee.
160
444437
3061
telefoniert oder sich einen Kaffee gönnt.
07:27
We can predict the accident
161
447498
2070
Wir können nicht nur den Unfall vorhersagen,
07:29
and we can predict who, which cars,
162
449568
3651
sondern auch, welche Autos am besten
07:33
are in the best position to move out of the way
163
453219
3486
den Weg frei machen, um so die sicherste Route
07:36
to calculate the safest route for everyone.
164
456705
3009
für alle Beteiligten zu berechnen.
07:39
Fundamentally, these technologies exist today.
165
459714
4635
Im Wesentlichen existieren diese Technologien schon heute.
07:44
I think the biggest problem that we face
166
464349
2824
Das größte Problem bei der ganzen Sache ist
07:47
is our own willingness to share our data.
167
467173
3013
die Bereitschaft, unsere Daten offenzulegen.
07:50
I think it's a very disconcerting notion,
168
470186
2631
Es ist eine beunruhigende Vorstellung,
07:52
this idea that our cars will be watching us,
169
472817
2386
dass unsere Autos uns beobachten
07:55
talking about us to other cars,
170
475203
3371
und mit anderen Autos über uns reden,
07:58
that we'll be going down the road in a sea of gossip.
171
478574
3427
so dass wir wie in einem Meer von Klatsch und Tratsch fahren.
08:02
But I believe it can be done in a way that protects our privacy,
172
482001
3897
Aber ich glaube, dass die Privatsphäre geschützt werden kann.
08:05
just like right now, when I look at your car from the outside,
173
485898
3741
Wenn ich mir Ihr Auto jetzt gerade, in diesem Moment, von außen ansehe,
08:09
I don't really know about you.
174
489639
2363
weiß ich nichts über Sie.
08:12
If I look at your license plate number,
175
492002
1137
Ihr Nummernschild
08:13
I don't really know who you are.
176
493139
1886
sagt nicht viel über Sie aus.
08:15
I believe our cars can talk about us behind our backs.
177
495025
4249
Unsere Autos dürfen ruhig hinter unserem Rücken über uns reden.
08:19
(Laughter)
178
499274
2975
(Lachen)
08:22
And I think it's going to be a great thing.
179
502249
3185
Ich stelle mir das ganz toll vor.
08:25
I want you to consider for a moment
180
505434
1650
Überlegen Sie mal kurz,
08:27
if you really don't want the distracted teenager behind you
181
507084
4118
ob es nicht besser wäre, dem abgelenkten Teenager hinter Ihnen
08:31
to know that you're braking,
182
511202
2120
wissen zu lassen,
08:33
that you're coming to a dead stop.
183
513322
2924
dass Sie gerade zu einer Vollbremsung ansetzen.
08:36
By sharing our data willingly,
184
516246
2741
Durch solch einen Austausch unserer Daten
08:38
we can do what's best for everyone.
185
518987
2812
können wir für alle das Beste erreichen.
08:41
So let your car gossip about you.
186
521799
3076
Sollen unsere Autos ruhig über uns tratschen –
08:44
It's going to make the roads a lot safer.
187
524875
3038
die Straße wird dadurch erheblich sicherer.
08:47
Thank you.
188
527913
1791
Vielen Dank.
08:49
(Applause)
189
529704
4985
(Beifall)
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