Aicha Evans: Your self-driving robotaxi is almost here | TED

40,030 views ・ 2022-02-01

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Jessica Zas Revisor: Sebastian Betti
00:04
I’m Aicha Evans,
0
4251
1334
Mi nombre es Aicha Evans y soy de Senegal, oeste de África.
00:05
I am from Senegal, West Africa,
1
5585
2086
00:07
and I fell in love with technology, science and engineering
2
7671
4713
Me enamoré de la tecnología, la ciencia y la ingeniería siendo muy pequeña.
00:12
at a very young age.
3
12384
1168
00:13
Three things happened.
4
13677
1126
Se dieron tres circunstancias.
00:15
I was studying in Paris,
5
15095
2419
Estudiaba en París, y desde los siete años
00:17
and starting at seven years old,
6
17514
2753
00:20
flying back and forth between Dakar, Senegal and Paris
7
20267
3712
empecé a volar entre Dakar, Senegal y París como menor no acompañada.
00:23
as an unaccompanied minor.
8
23979
1459
00:26
So it wasn't just about the travel.
9
26106
1710
No solo se trataba de viajar.
00:27
It was really about a portal to knowledge,
10
27816
2836
Era una ventana abierta al conocimiento, a lugares nuevos y a aprender a adaptarme.
00:30
different environments
11
30652
1084
00:31
and adapting.
12
31736
1126
00:33
Second thing that happened
13
33697
2377
En segundo lugar, cada vez que estaba en casa, en Senegal,
00:36
was every time I was at home in Senegal,
14
36074
2294
00:38
I wanted to talk to my friends in Paris.
15
38368
2377
quería hablar con mis amigos de París.
00:41
So my dad got tired of the long-distance bills,
16
41621
3963
Mi padre se cansó de pagar las facturas de las llamadas
00:45
so he put a little lock on the phone --
17
45584
2085
y puso un pequeño candado en nuestro teléfono de disco.
00:47
the rotary phone.
18
47669
1001
00:49
I said, OK, no problem,
19
49212
1418
Y pensé: “Bien, no hay problema”. Lo abrí y las facturas siguieron llegando.
00:50
hacked it,
20
50630
1126
00:51
and he kept getting the bills.
21
51756
1669
00:53
Sorry again, Dad, if you’re watching this someday.
22
53466
2586
Lo siento de nuevo, papá, si ves esto algún día.
00:56
And then, obviously, the internet was also emerging.
23
56428
3962
Por otro lado, Internet comenzaba a ser una realidad.
01:00
So what really happened was that, in terms of technology,
24
60724
3503
Así que empecé a ver la tecnología
01:04
I really saw it as something that shaped your experiences,
25
64227
3962
como algo que moldea nuestras experiencias
01:08
how you understand the world
26
68189
1669
y el modo en que vemos y encajamos en el mundo.
01:09
and wanting to be part of it.
27
69858
1460
01:11
And for me,
28
71484
1001
Para mí, el denominador común es que el transporte físico y virtual
01:12
the common thread is that physical and virtual transportation --
29
72485
4588
01:17
because that’s really what that rotary phone was for me --
30
77073
3087
--porque eso era el teléfono para mí--
01:20
are at the center of the innovation flywheel.
31
80160
2419
se encuentran en el centro del volante de innovación.
01:23
Now, fast-forward.
32
83955
1251
Pasó el tiempo, y aquí estoy.
01:26
I’m here today,
33
86124
1293
01:27
I’m part of a movement and an industry
34
87417
3170
Formo parte de un movimiento y una industria
01:30
that is working on bringing transportation and technology together.
35
90587
3628
que trabaja para aunar el transporte y la tecnología.
01:35
Huh.
36
95717
1001
01:36
It’s not just about your commutes.
37
96718
1627
No se trata solo de nuestros viajes, sino de cambiar por completo
01:38
It’s really about changing everything
38
98345
1793
01:40
in terms of how we move people, goods and services, eventually.
39
100138
3212
el transporte de personas, bienes y servicios en un futuro.
01:44
That transformation involves robotaxis.
40
104768
3670
Esa transformación incluye a los robotaxis.
01:49
Driverless cars again, really?
41
109397
2711
¿Coches autónomos otra vez? ¿En serio?
01:52
Yeah, yeah, yeah, I’ve heard it before.
42
112442
1919
Sí, lo sé, ya me han dicho esto antes.
01:54
And by the way, they are always coming the next decade,
43
114402
4213
Que si llegarán en una década,
01:58
and oh, by the way,
44
118615
1001
que si hay una retahíla de compañías trabajando en ello,
01:59
there’s an alphabet soup of companies working on it
45
119616
2878
02:02
and we can’t even remember who’s who and who’s doing what.
46
122494
2711
y no recordamos quién está haciendo una cosa u otra.
02:05
Yeah?
47
125580
1001
¿Verdad?
02:06
Audience: Yeah.
48
126581
1001
02:07
AE: Yeah, OK, well, this is not about personal, self-driving cars.
49
127582
5422
Pues bien, esto no va de coches autónomos privados,
02:13
Sorry to disappoint you.
50
133004
1543
siento decepcionarles.
02:14
This is really about a few things.
51
134881
2085
Esto trata de varias cosas.
Para empezar, los coches privados suponen un gasto excesivo,
02:17
First of all,
52
137008
1210
02:18
personally and individually owned cars are a wasteful expense,
53
138218
5380
02:23
and they contribute to, basically, a lot of pollution
54
143598
4755
y generan mucha contaminación
02:28
and also traffic in urban areas.
55
148353
2627
y congestión en el tráfico de zonas urbanas.
02:32
Second of all, there’s this notion of self-driving shuttles,
56
152232
4337
También están las lanzaderas autónomas,
02:36
but frankly, they are optimized for many.
57
156569
2628
pero prima el rendimiento económico sobre la funcionalidad.
02:39
They can’t take you specifically from point A to point B.
58
159322
3212
Se limitan a moverse de un punto a otro ya determinado.
02:42
OK, now we have --
59
162867
2670
También tenemos --cómo decir esto--
02:45
hm, how am I going to say this --
60
165537
1585
02:47
the so-called “personal, self-driving” cars of today.
61
167122
3587
los “coches autónomos” de hoy en día,
02:51
Well, the reality is that those cars still require a human behind the wheel.
62
171459
5381
pero todavía necesitan un ser humano tras el volante.
02:57
A safety driver.
63
177382
1335
Un conductor de seguridad.
02:58
Make no mistake about it.
64
178717
1501
No se confundan, yo tengo uno de esos,
03:00
I own one of those,
65
180218
1210
03:01
and when I’m in it,
66
181428
1042
y cuando conduzco, soy la conductora de seguridad.
03:02
I am a safety driver.
67
182470
1377
03:05
So the question now becomes, What do we do with this?
68
185306
4088
La pregunta es, ¿qué hacemos con esto?
03:09
Well, we think that robotaxis,
69
189436
2127
En primer lugar, los robotaxis sí pueden llevarnos al punto concreto que elijamos.
03:11
first of all, they will take you specifically from point A to point B.
70
191563
4004
03:16
Second of all, when you're not using them,
71
196317
2670
Por otro lado, cuando no los estamos usando, otra persona lo hace.
03:18
somebody else will be using them.
72
198987
2085
03:21
And they are being tested today.
73
201448
2502
A día de hoy ya se están probando.
03:24
When I say that we’re on the cusp of finally delivering that vision,
74
204784
5547
Cuando digo que estamos a punto de materializar esta idea,
03:30
there's actually reason to believe it.
75
210331
2044
tengo motivos para afirmarlo.
03:32
At the core of self-driving technology is computer vision.
76
212751
4504
La visión artificial es un factor vital en la tecnología de conducción autónoma.
03:38
Computer vision is a real-time representation,
77
218298
3920
Se trata de una representación digital a tiempo real
03:42
digital representation, of the world and the interactions within it.
78
222218
5214
del mundo y las interacciones que en él tienen lugar.
03:48
It has benefited from leaps and bounds of advancements
79
228600
4796
Esta tecnología se ha beneficiado de los grandes avances conseguidos
03:53
thanks to computer, sensors, machine learning and software innovation.
80
233396
5464
gracias a la computación, los sensores,
el aprendizaje automático y la innovación de software.
04:00
At the core of computer vision are camera systems.
81
240111
4088
La base de la visión artificial son los sistemas de cámara.
04:04
Cameras basically help you see agents such as cars,
82
244949
4797
Las cámaras identifican objetos como los coches,
04:09
their locations and their actions,
83
249746
2461
registrando su localización y movimientos,
04:12
pedestrians,
84
252207
1001
y peatones, reconociendo su localización, acciones y gestos.
04:13
their locations,
85
253208
1001
04:14
their actions and their gestures.
86
254209
1710
04:16
In addition, there's also been a lot of advancements.
87
256461
4838
Ha habido muchos otros avances.
04:21
So one example is our vehicle can see the skeleton framework
88
261591
4880
Por ejemplo, nuestro vehículo puede analizar el entorno
04:26
to show you the direction of travel;
89
266471
2294
para mostrarnos la dirección que debemos tomar
04:28
also to give you details, like, are you dealing with a construction worker
90
268765
3712
y diferenciar, por ejemplo, un trabajador en una zona de construcción
04:32
in a construction zone
91
272477
1626
04:34
or are you dealing with a pedestrian that’s probably distracted
92
274103
4046
o un peatón distraído por estar mirando el móvil.
04:38
because they are looking on their phone?
93
278149
1919
Lo cierto --y aquí viene lo interesante--
04:41
Now the reality, though --
94
281027
2002
04:43
and this is where it gets interesting --
95
283029
2377
04:45
is that the camera and the algorithms that help us really cannot yet match
96
285406
6924
es que las cámaras y algoritmos aún no son equiparables
04:52
the human brain’s ability to understand and interpret the environment.
97
292330
5464
a la habilidad del cerebro humano para entender e interpretar el entorno.
04:58
They just can’t.
98
298419
1001
Es imposible.
05:00
Even though they provide you really high-resolution imaging
99
300255
5171
Aunque pueden proveernos de imágenes de alta resolución
05:05
that really gives you continuous coverage,
100
305426
2795
y ofrecer una cobertura continua sin sufrir fatiga, indisposición
05:08
that doesn’t get fatigued, impaired
101
308221
2878
05:11
or, you know, drunk or anything like that,
102
311099
3503
o embriaguez, ya saben, todas esas cosas,
05:14
at the end of the day,
103
314602
1085
al final, hay ciertas cosas que no pueden identificar ni cuantificar.
05:15
there are still things that they can’t see and they can’t measure.
104
315687
3211
Así que si queremos que los robotaxis autónomos lleguen pronto,
05:19
So if we want autonomous-driving robotaxis soon,
105
319023
5422
05:24
we have to supplement cameras.
106
324445
2002
hemos de lograr que las cámaras se complementen.
05:26
Let me walk through some examples.
107
326865
1626
Pondré algunos ejemplos.
05:28
So radar gives you the direction of travel
108
328491
3212
El radar nos proporciona la dirección del viaje
05:31
and measures the agent’s movement within centimeters per second.
109
331703
4880
y mide el movimiento de las personas u objetos en centímetros por segundo.
05:37
Lidar gives you objects and shapes in the real world using depth perception
110
337208
6298
Un lídar muestra objetos y formas del mundo real
empleando la percepción de profundidad y larga distancia,
05:43
as well as long-range and the all-important night vision.
111
343506
4421
así como la visión nocturna, la cual es importantísima.
05:48
And let me tell you about this,
112
348386
1502
Añadiré algo importante, para mí personalmente y para personas como yo.
05:49
because this is important to me personally and people who look like me.
113
349888
4004
05:54
Then you have, also, long-wave infrared
114
354267
3920
También contamos con los infrarrojos de onda larga,
05:58
where you are able to see agents that are emitting heat,
115
358187
3504
que reconocen personas o animales que emiten calor.
06:01
such as animals and humans.
116
361691
2461
06:04
And that’s again,
117
364360
1126
Esto es crucial, especialmente durante la noche.
06:05
especially at night,
118
365486
1419
06:06
super important.
119
366905
1167
06:08
Now, every one of these sensors is very powerful by itself,
120
368615
4754
Cada uno de estos sensores es poderosísimo en sí mismo,
06:13
but when you put them together is when the magic happens.
121
373369
3420
pero cuando se reúnen, sucede la magia.
06:17
If you see with this vehicle, for example,
122
377457
2294
Este vehículo, por ejemplo, cuenta con múltiples modalidades de sensores
06:19
you have these multiple sensor modalities
123
379751
2711
06:22
at all top four corners of the vehicle
124
382462
2586
en las cuatro esquinas superiores,
06:25
that basically provide you a 360-degree field of vision,
125
385048
5714
que proveen un campo de visión de 360°
06:30
continuously,
126
390762
1209
de forma continua e ininterrumpida,
06:31
in a redundant manner,
127
391971
1293
06:33
so that we don't miss anything.
128
393264
2127
por lo que no nos perdemos ningún detalle.
06:35
And this is that same thing
129
395808
1669
Aquí podemos verlo, procesando y analizado todos los elementos.
06:37
with all of the different outputs fused together.
130
397477
3545
06:41
And looking at this, basically,
131
401356
1668
Viendo esto, y la capacidad que tenemos de procesar información
06:43
and looking at what we see and how we are able to process the data,
132
403024
3170
06:46
then learn,
133
406194
1126
y aprender para continuar mejorando la conducción,
06:47
then continue to improve our driving,
134
407320
2252
06:49
is what tells us that we have confidence,
135
409572
2503
nos confirma que estamos ante el enfoque adecuado,
06:52
this is the right approach
136
412075
1334
06:53
and this time it’s actually coming.
137
413409
2628
y que esta vez es la definitiva.
06:56
Now, this is not, by the way, a brand new concept, OK?
138
416496
3378
Pero este concepto no es nuevo.
07:00
Humans have been basically using vision systems
139
420375
3712
Llevamos usando sistemas de visión que nos ayudan desde hace mucho tiempo.
07:04
to assist them for a long time.
140
424087
1877
07:07
Let me back up the boat a little bit,
141
427382
1793
Pero voy a detenerme un momento, porque sé que se estarán preguntando:
07:09
because I know there’s a question that everybody’s asking,
142
429175
3921
07:13
which is, “Hey, how are you going to deal with all the scenarios
143
433096
3753
“¿Cómo lidiarán con todos los escenarios posibles que pueden darse en las calles?”
07:16
out there on the streets today?”
144
436849
2211
07:19
Most of us are drivers,
145
439394
1167
Muchos somos conductores y sabemos que no es fácil.
07:20
and it’s complicated out there.
146
440561
1502
07:22
Well, the truth is that there will always be edge scenarios
147
442313
5839
Lo cierto es que siempre habrá situaciones límite
07:28
that sit at the boundary of our real-world testing
148
448152
4171
que no lleguen a ser testadas, o que sean demasiado peligrosas para intentarlo.
07:32
or that are just too dangerous to test on real streets.
149
452323
3128
07:35
That is the truth,
150
455451
1961
Esa es la realidad, y así será durante mucho tiempo.
07:37
and it will be the truth for a very long time.
151
457412
3545
07:41
Human beings are pretty underrated in their abilities.
152
461165
3212
Las habilidades que poseemos como seres humanos son a menudo subestimadas.
07:44
So what we do is we use simulation.
153
464877
2878
Lo que hacemos es emplear la simulación.
07:48
And with simulation,
154
468089
1668
Así creamos millones de escenarios
07:49
we’re able to construct millions of scenarios
155
469757
3921
07:53
in a fabricated environment
156
473678
1668
en un entorno inventado para comprobar cómo reaccionaría nuestro software.
07:55
so that we can see how our software would react.
157
475346
3045
07:58
And that’s the simulation footage.
158
478725
1793
Es la secuencia de simulación.
08:00
You can see we’re building the world,
159
480518
2294
Construimos un mundo en el que creamos escenarios,
08:02
we’re putting in scenarios
160
482812
1251
añadimos y eliminamos elementos y prevemos las posibles reacciones.
08:04
and we can add things,
161
484063
1126
08:05
remove things
162
485189
1001
08:06
and see how we would react.
163
486190
1335
08:08
In addition, we have what's called a human in the loop.
164
488109
3128
Además contamos con el HITL, muy similar al empleado en sistemas de aviación.
08:11
This is very similar to aviation systems today.
165
491237
3378
08:15
We don’t want the vehicle to get stuck,
166
495074
2628
No queremos que el vehículo se atasque. A veces, aunque pocas, lo hará.
08:17
and there are rare times where it’s not going to know what to do.
167
497702
4212
08:22
So we have a team of teleguidance operators
168
502123
3003
Así que contamos con un equipo de operadores en un centro de control,
08:25
that are sitting at a control center,
169
505126
2210
08:27
and if the vehicle knows that it’s going to be stuck
170
507336
3379
y si el vehículo tiene problemas o no sabe cómo proceder en una situación,
08:30
or it doesn’t know what to do,
171
510715
1918
08:32
it asks for guidance and help
172
512633
2086
solicita ayuda de forma remota, recibe instrucciones y actúa en consecuencia.
08:34
and it receives it remotely
173
514719
2544
08:37
and then it proceeds.
174
517263
1376
08:39
Now, none of these really are new concepts,
175
519390
2628
Ninguno de estos conceptos es nuevo, como ya apunté antes.
08:42
as I alluded to earlier.
176
522018
2377
08:44
Vision systems have been assisting humans for a long time,
177
524729
3837
Los sistemas de visión llevan asistiéndonos mucho tiempo,
08:48
especially with things that are not visible to the naked eye.
178
528566
3629
especialmente para registrar aquello que el ojo humano no es capaz de percibir.
08:52
So ...
179
532945
1669
Por ejemplo,
08:54
microscopes, right?
180
534614
1168
los microscopios. Llevamos mucho tiempo estudiando los microbios o las células.
08:55
We’ve been studying microbes and cells for a long time.
181
535865
3170
08:59
Telescopes:
182
539535
1001
O los telescopios:
09:00
we’ve been studying and detecting galaxies millions of light-years away
183
540536
5089
Llevamos estudiando y detectando galaxias a millones de años luz desde hace mucho.
09:05
for a long time.
184
545625
1168
09:07
And both of these have caused us,
185
547085
2168
Ambas herramientas han posibilitado transformar diversas industrias:
09:09
for example,
186
549253
1001
09:10
to transform industries like medicine,
187
550254
2628
la medicina, la agricultura, la astrofísica y muchas más.
09:12
farming,
188
552882
1043
09:13
astrophysics
189
553925
1126
09:15
and much more.
190
555051
1001
09:16
So when we talk about computer vision,
191
556552
2711
Cuando comenzó a emplearse la visión artificial, fue un reto bastante difícil
09:19
when it started,
192
559263
1001
09:20
it was really a thought experiment
193
560264
2044
09:22
to see if we could replicate what humans see using cameras.
194
562308
5047
comprobar si seríamos capaces de replicar la visión humana empleando cámaras.
09:27
It has now graduated with sensors,
195
567772
3170
Hoy en día hemos añadido los sensores, equipos informáticos,
09:30
computers,
196
570942
1001
09:31
AI
197
571943
1001
inteligencia artificial e innovación de software,
09:32
and software innovation
198
572944
1751
09:34
to be about surpassing what humans can see and perceive.
199
574695
5548
mejorando las capacidades de visión y percepción humanas.
09:41
We’ve made a lot of progress in this field,
200
581619
3128
Hemos llevado a cabo grandes avances en este campo,
09:44
but at the end of the day,
201
584747
1251
pero aún queda mucho por hacer.
09:45
we have a lot more to do.
202
585998
1293
09:47
And with an autonomous robotaxi,
203
587750
2086
El robotaxi autónomo ha de ser seguro,
09:49
you want it to be safe,
204
589836
1584
09:51
right and reliable every single time,
205
591420
3212
funcionar correctamente y ser absolutamente fiable,
09:54
which requires rigorous testing and optimization.
206
594632
3295
lo cual requiere un testado y optimización muy rigurosos.
09:58
And when that happens
207
598511
1418
Cuando lo consigamos, nos preguntaremos
09:59
and we reach that state,
208
599929
1710
10:01
we will wonder how we ever accepted
209
601639
3754
cómo pudimos aceptar o tolerar
10:05
or tolerated
210
605393
1334
10:06
94 percent of crashes
211
606727
3129
un 94 % de accidentes debidos a errores humanos.
10:09
being caused by human [error].
212
609856
1501
10:12
So with computer vision,
213
612817
1585
Gracias a la visión artificial tenemos la posibilidad de pasar
10:14
we have the opportunity
214
614402
1168
10:15
to move from problem-solving to problem-preventing.
215
615570
4254
de buscar la solución a problemas, a evitar que estos se den en primer lugar.
10:20
And I truly, truly believe
216
620616
2795
Estoy convencida de que la próxima generación
10:23
that the next generation of scientists and technologists
217
623411
4796
de científicos y tecnólogos, no solo en Silicon Valley,
10:28
in, yes, Silicon Valley,
218
628207
2127
10:30
but in Paris,
219
630334
1544
también en París, Senegal, África Occidental, y en todo el mundo,
10:31
in Senegal, West Africa
220
631878
1584
10:33
and all over the world,
221
633462
1335
10:34
will be exposed to computer vision applied broadly.
222
634797
3837
tendrán un entorno donde la implementación de esta tecnología será generalizada.
10:39
And with that,
223
639135
1001
Todas las industrias sufrirán una gran transformación,
10:40
all industries will be transformed,
224
640136
2210
10:42
and we will experience the world in a different way.
225
642346
2920
y experimentaremos el mundo de un modo distinto.
10:45
I hope you can join me in agreeing that this is a gift
226
645766
3295
Espero que coincidan conmigo en que este es un regalo
10:49
that we almost owe our next generation that is coming,
227
649061
4713
que le debemos a la generación que viene,
10:53
because there are a lot of things that computer vision will help us solve.
228
653774
3546
y es que la visión artificial puede sernos de gran ayuda en muchos aspectos.
10:57
Thank you.
229
657695
1001
Gracias.
10:58
(Applause)
230
658696
2794
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7