Chris Urmson: How a driverless car sees the road

862,221 views ・ 2015-06-26

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

Translator: Behdad Khazaeli Reviewer: soheila Jafari
00:12
So in 1885, Karl Benz invented the automobile.
0
12528
3949
درسال ۱۸۸۵ کارل بنز، خودرو را اختراع کرد
00:16
Later that year, he took it out for the first public test drive,
1
16707
3762
بعدا در همون سال، این ماشین را برای آزمایش رانندگی بیرون پیش مردم برد،
00:20
and -- true story -- crashed into a wall.
2
20469
3375
و-- این کاملا واقعیه-- کوبیدش به دیوار.
00:24
For the last 130 years,
3
24184
2043
در صد و سی سال گذشته سعی کردیم،
00:26
we've been working around that least reliable part of the car, the driver.
4
26227
4319
تا غیر قابل اعتماد ترین بخش خودرو که راننده آن هست را در نظر نگیریم.
00:30
We've made the car stronger.
5
30546
1354
اتومبیل ها رو مقاوم تر کردیم.
00:32
We've added seat belts, we've added air bags,
6
32200
2548
به اون ها کمربند ایمنی و کیسه ی هوا اضافه کردیم،
00:34
and in the last decade, we've actually started trying to make the car smarter
7
34748
3971
و در دهه ی اخیر، سعی کردیم که خودرو ها رو واقعا هوشمند تر کنیم
00:38
to fix that bug, the driver.
8
38719
2938
برای حل این ایراد، یعنی راننده.
00:41
Now, today I'm going to talk to you a little bit about the difference
9
41657
3261
امروز میخواهم کمی با شما درباره
00:44
between patching around the problem with driver assistance systems
10
44918
3808
تفاوت حل موقتی مشکل با کمک سیستم های کمکی راننده
00:48
and actually having fully self-driving cars
11
48726
2564
و داشتن خودرو های کاملا «خودران» صحبت کنم
00:51
and what they can do for the world.
12
51290
1880
و اینکه برای جهان چه فایده ای دارند.
00:53
I'm also going to talk to you a little bit about our car
13
53170
2995
میخواهم کمی در مورد خودرو خودمون با شما صحبت کنم
تا ببینید که چطوربه دنیا نگاه میکنه، چطور واکنش نشون میده و چه میکنه
00:56
and allow you to see how it sees the world and how it reacts and what it does,
14
56165
3999
01:00
but first I'm going to talk a little bit about the problem.
15
60164
3187
در ابتدا کمی در مورد مشکل صحبت میکنم.
01:03
And it's a big problem:
16
63651
1648
و البته این مشکل بزرگیه:
01:05
1.2 million people are killed on the world's roads every year.
17
65299
3089
سالانه ۱/۲ میلیون نفر از مردم جهان در تصادفات جاده ای کشته میشن
01:08
In America alone, 33,000 people are killed each year.
18
68388
3784
۳۳٫۰۰۰ مورد از این تعداد تنها در آمریکا اتفاق می افته
01:12
To put that in perspective,
19
72172
2028
بگذارید جور دیگه ای بهش نگاه کنیم
01:14
that's the same as a 737 falling out of the sky every working day.
20
74200
4797
اگر در همه روزهای کاری یک بوئینگ ۷۳۷ سقوط کنه میزان تلفات به همین مقدار خواهد بود
01:19
It's kind of unbelievable.
21
79342
1786
یه جورایی باور نکردنیه
01:21
Cars are sold to us like this,
22
81548
2298
اتومبیل هایی که اینجوری به ما فروخته میشن
01:23
but really, this is what driving's like.
23
83846
2717
اما واقعیت رانندگی اینطوریه.
01:26
Right? It's not sunny, it's rainy,
24
86563
2159
مگه نه؟ هوا آفتابی نیست، بارونیه،
01:28
and you want to do anything other than drive.
25
88722
2488
و شما دوست دارین هر کاری بکنین به جز رانندگی!
01:31
And the reason why is this:
26
91210
1622
و دلیل این موضوع اینه که:
01:32
Traffic is getting worse.
27
92832
1858
وضعیت ترافیک داره بدتر میشه.
01:34
In America, between 1990 and 2010,
28
94690
3506
بین سال ۱۹۹۰ تا ۲۰۱۰ در آمریکا،
01:38
the vehicle miles traveled increased by 38 percent.
29
98196
3504
میانگین مسافتی که وسایل نقلیه طی میکنن ۳۸ درصد افزایش پیدا کرد،
01:42
We grew by six percent of roads,
30
102213
2749
ولی مقدار جاده ها شش درصد اضافه شده.
01:44
so it's not in your brains.
31
104962
1602
پس کاملا واقعیه.
01:46
Traffic really is substantially worse than it was not very long ago.
32
106564
4276
وضعیت ترافیک به شدت بدتر از چیزی شده که سال ها پیش حتی خبری ازش نبود.
01:50
And all of this has a very human cost.
33
110840
2409
و همه ی این ها هزینه هایی انسانی داره.
01:53
So if you take the average commute time in America, which is about 50 minutes,
34
113529
3948
متوسط زمان رسیدن به محل کار در آمریکا تقریبا ۵۰ دقیقه است،
01:57
you multiply that by the 120 million workers we have,
35
117477
3649
ضرب در ۱۲۰ میلیون نیروی کاری که داریم،
02:01
that turns out to be about six billion minutes
36
121126
2225
تقریبا ۶ میلیارد دقیقه میشه
02:03
wasted in commuting every day.
37
123351
2026
که هر روز در مسیر تلف میشه.
02:05
Now, that's a big number, so let's put it in perspective.
38
125377
2827
عدد بزرگیه، اجازه بدید تعریف دیگه ای کنیم.
02:08
You take that six billion minutes
39
128204
1774
۶ میلیارد دقیقه رو در نظر بگیرین
02:09
and you divide it by the average life expectancy of a person,
40
129978
3784
اون رو بر میانگین طول عمر یک شخص تقسیم کنید،
02:13
that turns out to be 162 lifetimes
41
133762
3135
نتیجه اش میشه طول عمر ۱۶۲ نفر
02:16
spent every day, wasted,
42
136897
2925
که هر روز تلف میشه،
02:19
just getting from A to B.
43
139822
2044
تنها برای رفتن از نقطه A به B.
02:21
It's unbelievable.
44
141866
1730
باور نکردنیه.
02:23
And then, there are those of us who don't have the privilege
45
143596
2844
به علاوه، بین ما آدم هایی هستند که از این مزیت محرومند
02:26
of sitting in traffic.
46
146440
1672
که در ترافیک معطل شوند.
02:28
So this is Steve.
47
148112
1578
این استیوه.
02:29
He's an incredibly capable guy,
48
149690
1765
آدم فوق العاده تواناییه
02:31
but he just happens to be blind,
49
151455
2516
اون نابینا است،
02:33
and that means instead of a 30-minute drive to work in the morning,
50
153971
3217
معنای این حرف اینه که صبح ها به جای ۳۰ دقیقه رانندگی در مسیر کار،
02:37
it's a two-hour ordeal of piecing together bits of public transit
51
157188
3979
دوساعت مصیبت جابجا شدن در وسائل نقلیه عمومی رو داره
02:41
or asking friends and family for a ride.
52
161167
2385
یا باید ازدوستان یا خانواده اش بخواهد که اونو برسونن.
02:43
He doesn't have that same freedom that you and I have to get around.
53
163552
3669
او آزادی من و شما رو در رفت و آمد نداره.
02:47
We should do something about that.
54
167221
2460
باید کاری کنیم.
02:49
Now, conventional wisdom would say
55
169891
1757
منطق عمومی اینه که
02:51
that we'll just take these driver assistance systems
56
171648
2492
ما باید سیستم های کمک راننده رو بپذیریم
02:54
and we'll kind of push them and incrementally improve them,
57
174140
3750
از اون ها بیش تر استفاده کنیم و به تدریج اون ها رو بهتر کنیم،
02:57
and over time, they'll turn into self-driving cars.
58
177890
2542
و با گذشت زمان، اون ها به اتومبیلهای خودران تبدیل میشوند.
03:00
Well, I'm here to tell you that's like me saying
59
180432
2409
این درست مثل اینه که من به شما بگم
03:02
that if I work really hard at jumping, one day I'll be able to fly.
60
182841
4057
اگر خیلی واسه پریدن تلاش کنم، روزی توان این رو خواهم داشت که پرواز کنم.
03:06
We actually need to do something a little different.
61
186898
2728
در واقع ما باید کار دیگری انجام بدیم
03:09
And so I'm going to talk to you about three different ways
62
189626
2711
میخواهم در رابطه با سه دلیلی با شما صحبت کنم که
03:12
that self-driving systems are different than driver assistance systems.
63
192337
3346
که سیستم های خودران با سیستم های کمک راننده تفاوت دارند.
03:15
And I'm going to start with some of our own experience.
64
195683
2651
میخواهم موضوع را با تجربه خودمون شروع کنم.
03:18
So back in 2013,
65
198334
2253
در سال ۲۰۱۳،
03:20
we had the first test of a self-driving car
66
200587
2663
اولین آزمایش یک خودرو خودران انجام شد
03:23
where we let regular people use it.
67
203250
2027
و اجازه دادیم مردم عادی از اون استفاده کنند.
03:25
Well, almost regular -- they were 100 Googlers,
68
205277
2202
تقریبا عادی -- خوب اون ها صد نفر از کارکنان گوگل بودند،
03:27
but they weren't working on the project.
69
207479
2003
اما نقش اجرایی در این پروژه نداشتند.
03:29
And we gave them the car and we allowed them to use it in their daily lives.
70
209482
3621
ما خودرو را به اون ها دادیم تا در زندگی روزانه شون استفاده کنن.
03:33
But unlike a real self-driving car, this one had a big asterisk with it:
71
213103
3719
اما بر خلاف ماشین خودران واقعی، این یکی تفاوتی داشت:
03:36
They had to pay attention,
72
216822
1504
اون ها باید حواسشون رو جمع میکردند،
03:38
because this was an experimental vehicle.
73
218326
2633
چون یک خودرو آزمایشی بود.
03:40
We tested it a lot, but it could still fail.
74
220959
3525
اگرچه خیلی آزمایش شده بود، ولی هنوز احتمال داشت که کار نکنه.
03:44
And so we gave them two hours of training,
75
224484
2059
ما به اون ها دو ساعت آموزش دادیم،
03:46
we put them in the car, we let them use it,
76
226543
2092
و گفتیم از اون استفاده کنن،
03:48
and what we heard back was something awesome,
77
228635
2127
پاسخی که شنیدیم عالی بود،
03:50
as someone trying to bring a product into the world.
78
230762
2524
انگارکسی داره تلاش میکنه محصولی رو به دنیا معرفی کنه.
03:53
Every one of them told us they loved it.
79
233286
1925
همه اون ها گفتن که از ماشین خوششون اومده
03:55
In fact, we had a Porsche driver who came in and told us on the first day,
80
235211
3566
راستش یه راننده پورشه داشتیم که روز اول بهمون گفت
03:58
"This is completely stupid. What are we thinking?"
81
238777
2663
"این واقعا احمقانه اس. چه فکری کردین که اینو ساختین؟"
04:01
But at the end of it, he said, "Not only should I have it,
82
241850
2840
اما آخرش گفت:" نه تنها من بلکه همه باید از این استفاده کنند،
04:04
everyone else should have it, because people are terrible drivers."
83
244690
3175
همه باید باید از این داشته باشن، چون آدم ها، راننده های افتضاحی هستند"
04:09
So this was music to our ears,
84
249135
1735
خوب خیلی خوشحال شدیم،
04:10
but then we started to look at what the people inside the car were doing,
85
250870
3803
بعد شرع به توجه به کارهایی که مردم توی ماشین میکنند کردیم،
04:14
and this was eye-opening.
86
254673
1579
و این خیلی روشن کننده بود.
04:16
Now, my favorite story is this gentleman
87
256252
2438
بهترین داستان من در مورد این آقاست
04:18
who looks down at his phone and realizes the battery is low,
88
258690
3829
که به تلفنش نگاه میکنه و میفهمه که باطریش داره خالی میشه،
04:22
so he turns around like this in the car and digs around in his backpack,
89
262519
4548
بعد داخل ماشین رو به پشت میکنه و مشغول گشتن کوله پشتی میشه،
04:27
pulls out his laptop,
90
267067
2153
لپ تاپش را در میاره،
04:29
puts it on the seat,
91
269220
1567
میذاره روی صندلی،
04:30
goes in the back again,
92
270787
1764
دوباره میره به پشت،
04:32
digs around, pulls out the charging cable for his phone,
93
272551
3367
باز هم میگرده، وکابل شارژ تلفنش رو در میاره،
04:35
futzes around, puts it into the laptop, puts it on the phone.
94
275918
3367
کلنجار میره، داخل لپ تاپ میکنه، و به تلفن وصل میکنه.
04:39
Sure enough, the phone is charging.
95
279285
2043
مطمئنا، تلفن داره شارژ میشه.
04:41
All the time he's been doing 65 miles per hour down the freeway.
96
281328
3994
در تمام این مدت با سرعت ۱۰۰ کیلومتر در ساعت توی بزرگراه در حال حرکته.
04:45
Right? Unbelievable.
97
285322
2484
درسته؟ باورنکردنیه.
04:47
So we thought about this and we said, it's kind of obvious, right?
98
287806
3121
خوب ما فکر کردیم و گفتیم، یه جورایی معلومه، درسته؟
04:50
The better the technology gets,
99
290927
2263
هرچه تکنولوژی بهتر بشه،
04:53
the less reliable the driver is going to get.
100
293190
2121
راننده کمتر قابل اطمینان خواهد شد.
04:55
So by just making the cars incrementally smarter,
101
295311
2396
پس با هوشمند تر کردن تدریجی ماشین ها،
04:57
we're probably not going to see the wins we really need.
102
297707
2902
احتمالا به نتایجی که میخواهیم نمی رسیم.
05:00
Let me talk about something a little technical for a moment here.
103
300609
3901
اجازه بدید در مورد موضوعی کمی فنی صحبت کنم.
05:04
So we're looking at this graph, and along the bottom
104
304510
2438
به این نمودار نگاه کنید، محور پایینی
05:06
is how often does the car apply the brakes when it shouldn't.
105
306948
3051
نشان دهنده تعداد ترمزهایی است که یک ماشین وقتی نباید میگیرد
05:09
You can ignore most of that axis,
106
309999
1621
خیلی به این محور توجه نکنید
05:11
because if you're driving around town, and the car starts stopping randomly,
107
311620
3719
چون اگر در محدوده شهری رانندگی میکنید، و ماشینتیان بصورت تصادفی متوقف شود،
05:15
you're never going to buy that car.
108
315339
1701
هیچوقت این ماشین را نمی خرید.
05:17
And the vertical axis is how often the car is going to apply the brakes
109
317040
3375
و محور عمودی تعداد ترمز هایی است که ماشین میگیرد
05:20
when it's supposed to to help you avoid an accident.
110
320415
3049
وقتی که میخواهد مانع یک حادثه شود.
05:23
Now, if we look at the bottom left corner here,
111
323464
2221
حالا، اگر اینجا به گوشه پائین و چپ نگاه کنید،
05:25
this is your classic car.
112
325685
1845
این خودرو کلاسیک شماست.
05:27
It doesn't apply the brakes for you, it doesn't do anything goofy,
113
327530
3133
خودش ترمز نمی گیرد، وکار احمقانه ای هم نمی کند،
05:30
but it also doesn't get you out of an accident.
114
330663
2779
ولی مانع تصادف کردن شما هم نمی شود.
05:33
Now, if we want to bring a driver assistance system into a car,
115
333442
3018
حالا اگر بخواهیم یک سیستم کمک راننده را به خودرو اضافه کنیم،
05:36
say with collision mitigation braking,
116
336460
1828
مثلا با سیستم ترمز کاهش دهنده برخورد،
05:38
we're going to put some package of technology on there,
117
338288
2612
در واقع یک مجموعه از تکنولوژی را اینجا اضافه میکنیم،
05:40
and that's this curve, and it's going to have some operating properties,
118
340900
3418
که این منحنی است، و دارای مشخصات عملیاتی است،
05:44
but it's never going to avoid all of the accidents,
119
344318
2490
اما هیچوقت مانع از همه تصادفات نمی شود،
05:46
because it doesn't have that capability.
120
346808
2059
چون این قابلیت را ندارد.
05:48
But we'll pick some place along the curve here,
121
348867
2249
اما ما نقطه ای از این منحنی را انتخاب میکنیم،
05:51
and maybe it avoids half of accidents that the human driver misses,
122
351116
3254
که ممکن است جلو نصف تصادفات راننده انسانی بگیرد،
05:54
and that's amazing, right?
123
354370
1297
شگفت انگیز است، نه؟
05:55
We just reduced accidents on our roads by a factor of two.
124
355667
2727
همینجا ما میزان تصادفات جاده ای را با ضریب دو کاهش داده ایم.
05:58
There are now 17,000 less people dying every year in America.
125
358394
3987
حالا ۱۷٫۰۰۰ نفر کمتر در آمریکا کشته میشوند،
06:02
But if we want a self-driving car,
126
362381
2020
اما اگر یک ماشین خود ران را در نظر بگیریم،
06:04
we need a technology curve that looks like this.
127
364401
2307
نیاز به منحنی داریم که شبیه به این باشد.
06:06
We're going to have to put more sensors in the vehicle,
128
366708
2599
ما باید حسگرهای بیشتری را در خودرو بگذاریم،
06:09
and we'll pick some operating point up here
129
369307
2021
و یک نقطه عملیاتی در اینجا انتخاب میکنیم
06:11
where it basically never gets into a crash.
130
371328
2019
که اساسا هیچوقت تصادف نمی کند.
06:13
They'll happen, but very low frequency.
131
373347
2443
اتفاق می افتد، اما بسیار کم.
06:15
Now you and I could look at this and we could argue
132
375790
2461
حالا من و شما به این نگاه میکنیم و میتونیم بررسی کنیم
06:18
about whether it's incremental, and I could say something like "80-20 rule,"
133
378251
3605
و ببینیم که آیا افزایشی است، و میتونم بگم که مثل «قانون ۲۰-۸۰» است.
06:21
and it's really hard to move up to that new curve.
134
381856
2568
و خیلی سخته تا به اون منحنی جدید برسیم.
06:24
But let's look at it from a different direction for a moment.
135
384424
2934
اما بزارین لحظه ای از زاویه دیگری به این نگاه کنیم.
06:27
So let's look at how often the technology has to do the right thing.
136
387358
3512
بزارین ببینیم که چه اندازه تکنولوژی باید درست عمل کند.
06:30
And so this green dot up here is a driver assistance system.
137
390870
3506
و این نقطه های سبز در بالا مربوط به سیستم کمکی راننده است.
06:34
It turns out that human drivers
138
394376
2485
معلوم شده که راننده انسانی
06:36
make mistakes that lead to traffic accidents
139
396861
2647
اشتباه هایی میکنه که موجب تصادف میشه
06:39
about once every 100,000 miles in America.
140
399508
3172
یک بار در هر ۱۶۰٫۰۰۰ کیلومتر در آمریکا.
06:42
In contrast, a self-driving system is probably making decisions
141
402680
3167
در مقابل، یک سیستم خودران احتمالا تصمیم هایی که میگیره
06:45
about 10 times per second,
142
405847
3663
تقریبا ۱۰ بار در هر ثانیه،
06:49
so order of magnitude,
143
409510
1422
پس با توجه به اندازه،
06:50
that's about 1,000 times per mile.
144
410932
2832
تقریبا معادل ۱٫۰۰۰ بار در هر کیلومتر است.
06:53
So if you compare the distance between these two,
145
413764
2485
حالا اگر فاصله بین ایندو را مقایسه کنید،
06:56
it's about 10 to the eighth, right?
146
416249
2600
تقریبا معادل ۱۰ به توان هشت است، درسته؟
06:58
Eight orders of magnitude.
147
418849
1765
هشت توان ده.
07:00
That's like comparing how fast I run
148
420614
2809
مثل مقایسه سرعت دویدن من
07:03
to the speed of light.
149
423423
2206
با سرعت نور است.
07:05
It doesn't matter how hard I train, I'm never actually going to get there.
150
425629
3785
مهم نیست که چقدر تمرین کنم، هیچوقت نمیتوانم اینکار را انجام دهم.
07:09
So there's a pretty big gap there.
151
429414
2438
پس یک فاصله بزرگ وجود دارد.
07:11
And then finally, there's how the system can handle uncertainty.
152
431852
3729
و نهایتا، به این میرسیم که چطور سیستم میتواند این عدم قطعیت را بپذیرد.
07:15
So this pedestrian here might be stepping into the road, might not be.
153
435581
3323
مثلا این عابر پیاده ممکن است داخل خیابان بیاید، و یا نیاید.
07:18
I can't tell, nor can any of our algorithms,
154
438904
3395
من نمیتونم مطمئن باشم، و یا هیچکدام از الگوریتم های ما،
07:22
but in the case of a driver assistance system,
155
442310
2284
اما در مورد سیستم های کمک راننده،
07:24
that means it can't take action, because again,
156
444594
2806
معنی آن اینه که نمی تونه کاری بکنه، چون دوباره،
07:27
if it presses the brakes unexpectedly, that's completely unacceptable.
157
447400
3339
بصورت غیر منتظره ترمز میگیره، و این کلا غیر قابل قبوله.
07:30
Whereas a self-driving system can look at that pedestrian and say,
158
450739
3133
در حالیکه سیستم خودران میتونه به عابر پیاده نگاه کنه و بگه،
07:33
I don't know what they're about to do,
159
453872
1890
مطمئن نیستم که چکار میخواهند بکنند،
07:35
slow down, take a better look, and then react appropriately after that.
160
455762
3762
سرعت را کم کن، بهتر نگاه کن، و برمبنای آن واکنش بهتری انجام بده.
07:39
So it can be much safer than a driver assistance system can ever be.
161
459524
3702
پس اون خیلی از سیستم کمک راننده، میتونه امن تر باشه.
07:43
So that's enough about the differences between the two.
162
463226
2730
فکر کنم صحبت از تفاوت ایندو دیگه کافیه.
07:45
Let's spend some time talking about how the car sees the world.
163
465956
3484
بگذارین کمی در مورد اینکه خودرو چطور دنیا رو میبینه صحبت کنیم.
07:49
So this is our vehicle.
164
469440
1252
خوب این خودرو ماست.
07:50
It starts by understanding where it is in the world,
165
470692
2438
اول با فهمیدن اینکه کجای دنیاست شروع میکنه،
07:53
by taking a map and its sensor data and aligning the two,
166
473130
2787
با مقایسه نقشه و اطلاعات حسگرها و هم سطح کردن اونها،
07:55
and then we layer on top of that what it sees in the moment.
167
475917
2948
علاوه بر اون ما یک لایه دیگر از چیزی که همون لحظه میبیند اضافه میکنیم.
07:58
So here, all the purple boxes you can see are other vehicles on the road,
168
478865
3655
حالا اینجا، این مکعب های بنفش، ماشین های دیگر در جاده هستند.
08:02
and the red thing on the side over there is a cyclist,
169
482520
2528
و چیز های قرمز در گوشه اونجا یک دوچرخه سوار است،
08:05
and up in the distance, if you look really closely,
170
485048
2402
و اون بالا کمی دورتر، اگه کمی دقیق نگاه کنید،
08:07
you can see some cones.
171
487450
1794
چند تا مخروط می بینید.
08:09
Then we know where the car is in the moment,
172
489244
2773
خوب پس میدونیم که خودرو در لحظه کجاست،
08:12
but we have to do better than that: we have to predict what's going to happen.
173
492017
3833
اما باید بهتر باشیم: باید پیش بینی کنیم که چه اتفاقی قرار است بیافتد.
08:15
So here the pickup truck in top right is about to make a left lane change
174
495850
3488
اینجا یک ماشین پیک آپ در بالا سمت راست میخواهد به لاین سمت چپ تغییر مسیر دهد
08:19
because the road in front of it is closed,
175
499338
2223
چون ادامه راه در جلو بسته است،
08:21
so it needs to get out of the way.
176
501561
1731
پس باید از سر راه کنار برود.
08:23
Knowing that one pickup truck is great,
177
503292
1863
فهمیدن اینکه اون یک خودرو پیک آپه خوبه،
08:25
but we really need to know what everybody's thinking,
178
505155
2479
اما اونچه واقعا باید بدونیم اینه که هر کسی چه فکری میکنه،
08:27
so it becomes quite a complicated problem.
179
507634
2507
این مسئله خیلی پیچیده است.
08:30
And then given that, we can figure out how the car should respond in the moment,
180
510141
4749
و با توجه به این میتونیم راهی پیدا کنیم که خودرو چطور باید در لحظه پاسخ دهد،
08:34
so what trajectory it should follow, how quickly it should slow down or speed up.
181
514890
3866
چه مسیری را باید دنبال کند، با چه سرعتی باید ترمز کند یا شتاب بگیرد.
08:38
And then that all turns into just following a path:
182
518756
3065
و بعد همه اینها تبدیل به ادامه یک مسیر میشود:
08:41
turning the steering wheel left or right, pressing the brake or gas.
183
521821
3197
چرخاندن فرمان به چپ یا راست، فشار دادن ترمز یا گاز.
08:45
It's really just two numbers at the end of the day.
184
525018
2464
و در نهایت دو عدد بیشتر نیست.
08:47
So how hard can it really be?
185
527482
2241
پس واقعا چقدر سخت است؟
08:50
Back when we started in 2009,
186
530433
1952
وقتی به سال ۲۰۰۹ که شروع کردیم برگردیم،
08:52
this is what our system looked like.
187
532385
1798
سیستم ما این شکلی بود.
08:54
So you can see our car in the middle and the other boxes on the road,
188
534183
3391
خودرو ما رو در وسط می بینید و مکعب های دیگر رو در جاده،
08:57
driving down the highway.
189
537574
1271
که در اتوبان حرکت میکنند.
08:58
The car needs to understand where it is and roughly where the other vehicles are.
190
538845
3818
خودرو باید بداند که کجاست و حدودا ماشین های دیگر کجایند.
09:02
It's really a geometric understanding of the world.
191
542663
2429
در واقع یک درک هندسی از دنیاست.
09:05
Once we started driving on neighborhood and city streets,
192
545092
2948
وقتی مه شروع به رانندگی در محله و خیابان های شهر کردیم،
09:08
the problem becomes a whole new level of difficulty.
193
548040
2445
مسئله خیلی سخت تر میشود.
09:10
You see pedestrians crossing in front of us, cars crossing in front of us,
194
550485
3494
عابرین پیاده از مقابل ما عبور میکنند، خودرو ها از مقابل ما رد میشوند،
09:13
going every which way,
195
553979
1811
به هر طرفی میروند،
09:15
the traffic lights, crosswalks.
196
555790
1527
چراغ های راهنمایی، خط عابر پیاده.
09:17
It's an incredibly complicated problem by comparison.
197
557317
2797
در مقایسه این مسئله خیلی سختی است.
09:20
And then once you have that problem solved,
198
560114
2103
اما وقتی که این مسئله را حل کردی،
09:22
the vehicle has to be able to deal with construction.
199
562217
2512
خودرو باید بتواند با تعمیرات جاده مواجه شود.
09:24
So here are the cones on the left forcing it to drive to the right,
200
564729
3151
اینجا مخروط های سمت چپ جاده است که راننده را به سمت راست میفرستد،
09:27
but not just construction in isolation, of course.
201
567880
2402
البته، این فقط خود تعمیرات جاده نیست،
09:30
It has to deal with other people moving through that construction zone as well.
202
570282
3723
باید به آدمهایی که در آن محل ساختمانی حرکت میکنند هم توجه کند.
09:34
And of course, if anyone's breaking the rules, the police are there
203
574005
3263
و البته اگر کسی هم خلاف کند، پلیس همانجاست
09:37
and the car has to understand that that flashing light on the top of the car
204
577268
3622
و خودرو باید بفهمد که چراغ گردان بالای ماشین
09:40
means that it's not just a car, it's actually a police officer.
205
580890
3105
فقط به معنی یک ماشین دیگر نیست، در واقع افسر پلیس است.
09:43
Similarly, the orange box on the side here,
206
583995
2032
شبیه به همین، جعبه نارنجی در گوشه اینجا،
09:46
it's a school bus,
207
586027
1109
یعنی اتوبوس مدرسه،
09:47
and we have to treat that differently as well.
208
587136
2520
و بگونه دیگری باید با آن برخورد کنیم.
09:50
When we're out on the road, other people have expectations:
209
590576
2793
وقتی بیرون در جاده هستیم، مردمان دیگر توقعاتی دارند:
09:53
So, when a cyclist puts up their arm,
210
593369
1780
مثلا، وقتی یک دوچرخه سوار دستش را بلند میکنه،
09:55
it means they're expecting the car to yield to them and make room for them
211
595149
3518
یعنی توقع داره تا ماشین توجه کنه و به اونها راه بده
09:58
to make a lane change.
212
598667
2053
و لاینش رو عوض کنه.
10:01
And when a police officer stood in the road,
213
601030
2173
و وقتی یک افسر پلیس در جاده می ایسته،
10:03
our vehicle should understand that this means stop,
214
603203
2740
ماشین ما باید بفهمه این به معنی توقفه،
10:05
and when they signal to go, we should continue.
215
605943
3506
و وقتی علامت رفتن را میدهند، ما باید ادامه بدهیم.
10:09
Now, the way we accomplish this is by sharing data between the vehicles.
216
609449
3761
حالا، روشی که ما این کار را انجام میدهیم، اشتراک اطلاعات بین خودرو هاست.
10:13
The first, most crude model of this
217
613210
1696
اولین، و ابتدایی ترین مدل این
10:14
is when one vehicle sees a construction zone,
218
614906
2113
وقتی است که یک خودرو محل تعمیرات در جاده را می بیند،
10:17
having another know about it so it can be in the correct lane
219
617019
3062
تا دیگری هم این را بدونه و مسیرش را تصحیح کنه
10:20
to avoid some of the difficulty.
220
620081
1570
و جلو مشکل را بگیره.
10:21
But we actually have a much deeper understanding of this.
221
621651
2664
اما در واقع ما درکی خیلی عمیق تر از این داریم.
10:24
We could take all of the data that the cars have seen over time,
222
624315
3009
ما میتوانیم اطلاعاتی را که ماشین ها در طول زمان دیده اند را بگیریم،
10:27
the hundreds of thousands of pedestrians, cyclists,
223
627324
2376
صدها هزار عابر پیاده، دوچرخه سوار،
10:29
and vehicles that have been out there
224
629700
1787
و خودرو هایی که در مسیر بوده اند
10:31
and understand what they look like
225
631487
1695
و بفهمیم چطوری بوده اند
10:33
and use that to infer what other vehicles should look like
226
633182
2831
و از اونها برای حدس زدن اینکه دیگر خودروها چطوری بودند
10:36
and other pedestrians should look like.
227
636013
1926
و دیگر عابر ها چطوری بودند استفاده می کنیم.
10:37
And then, even more importantly, we could take from that a model
228
637939
3021
و بعد شاید از آن مهمتر، میتوانیم مدلی را پیدا کنیم
10:40
of how we expect them to move through the world.
229
640960
2330
از اینکه چطور در جهان حرکت میکنند.
10:43
So here the yellow box is a pedestrian crossing in front of us.
230
643290
2963
مکعب زرد عابر پیاده ای است که از مقابل ما عبور میکند.
10:46
Here the blue box is a cyclist and we anticipate
231
646253
2250
مکعب آبی دوچرخه سواری است و انتظار داریم
10:48
that they're going to nudge out and around the car to the right.
232
648503
3312
که علامت بده در سمت راست خودرو.
10:52
Here there's a cyclist coming down the road
233
652115
2092
اینجا یک دوچرخه سوار از مقابل به سمت ما میاد
10:54
and we know they're going to continue to drive down the shape of the road.
234
654207
3486
و میدونیم که مسیرش را بر مبنای شکل جاده ادامه میده.
10:57
Here somebody makes a right turn,
235
657693
1867
اینجا یه نفر گردش به راست میکنه،
10:59
and in a moment here, somebody's going to make a U-turn in front of us,
236
659560
3360
و در یک لحظه اینجا، کسی داره در مقابل ما دور کامل میزنه،
11:02
and we can anticipate that behavior and respond safely.
237
662920
2614
و ما این کار رو پیش بینی میکنیم و بصورتی ایمن پاسخ میدهیم.
11:05
Now, that's all well and good for things that we've seen,
238
665534
2728
همه اینها خوب و مناسبه برای کارهایی که قبلا دیده ایم،
11:08
but of course, you encounter lots of things that you haven't
239
668262
2865
اما مسلما، کلی اتفاقات هم برایتان پیش می آید
11:11
seen in the world before.
240
671127
1231
که قبلا ندیده اید.
11:12
And so just a couple of months ago,
241
672358
1741
مثلا چند ماه پیش،
11:14
our vehicles were driving through Mountain View,
242
674099
2235
خودرو ما در «مانتین ویو» رانندگی میکرد،
11:16
and this is what we encountered.
243
676334
1644
و این موضوعی بود که پیش آمد.
11:17
This is a woman in an electric wheelchair
244
677978
2082
این خانمی است در یک صندلی چرخدار برقی
11:20
chasing a duck in circles on the road. (Laughter)
245
680060
2617
و دنبال یک اردک توی جاده میچرخه. (خنده)
11:22
Now it turns out, there is nowhere in the DMV handbook
246
682677
3111
مسلما در قوانین راهنمایی رانندگی
11:25
that tells you how to deal with that,
247
685788
2245
این مسئله توضیح داده نشده که چه باید انجام دهیم،
11:28
but our vehicles were able to encounter that,
248
688033
2143
اما خودرو ما توانست با آن مواجه شود،
11:30
slow down, and drive safely.
249
690176
2255
سرعت را کم کرد، و با امنیت رانندگی کرد.
11:32
Now, we don't have to deal with just ducks.
250
692431
2041
ما تنها با اردک ها مواجه نمیشویم.
11:34
Watch this bird fly across in front of us. The car reacts to that.
251
694472
3708
این پرنده را ببنید که در جلو ما پرواز میکنه و خودرو به آن عکس العمل نشون میده.
11:38
Here we're dealing with a cyclist
252
698180
1615
اینجا با یک دوچرخه سوار مواجهیم
11:39
that you would never expect to see anywhere other than Mountain View.
253
699795
3290
که امکان نداره جای دیگری غیر از «مانتین ویو» اون رو ببینید.
11:43
And of course, we have to deal with drivers,
254
703085
2068
و مسلما باید با راننده هایی مواجه بشیم،
11:45
even the very small ones.
255
705153
3715
حتی کوچولو هاشون.
11:48
Watch to the right as someone jumps out of this truck at us.
256
708868
4131
سمت راست را ببینید وقتی یه نفر از پشت ماشین به سمت ما میپره.
11:54
And now, watch the left as the car with the green box decides
257
714460
2929
حالا، سمت چپ رو ببینید وقتی ماشین مربع سبز میخواهد
11:57
he needs to make a right turn at the last possible moment.
258
717389
3325
به سمت راست بپیچه در آخرین لحظه ممکن.
12:00
Here, as we make a lane change, the car to our left decides
259
720714
2851
اینجا، وقتی که لاین رو عوض میکنیم، ماشین سمت چپ تصمیم میگیره
12:03
it wants to as well.
260
723565
3553
اون هم میخواهد همین کار رو بکنه.
12:07
And here, we watch a car blow through a red light
261
727118
2693
و اینجا، یک خودرو را میبینیم که از چراغ قرمز رد میشه
12:09
and yield to it.
262
729811
2090
مسیرش رو ادامه میده.
12:11
And similarly, here, a cyclist blowing through that light as well.
263
731901
3854
و شبیه به اون اینجا، یک دوچرخه سوار از اون چراغ با سرعت رد میشه.
12:15
And of course, the vehicle responds safely.
264
735755
2746
و قطعا، خودرو با امنیت عمل میکنه.
12:18
And of course, we have people who do I don't know what
265
738501
2601
و البته، آدمهایی هم که نمی دونم چرا
12:21
sometimes on the road, like this guy pulling out between two self-driving cars.
266
741102
3823
بعضی وقتها در جاده، مثل ایشون میان دو ماشین خودران، از ماشین بیرون میان.
12:24
You have to ask, "What are you thinking?"
267
744925
2045
باید بپرسین « یعنی چی؟»
12:26
(Laughter)
268
746970
1212
( خنده حضار)
12:28
Now, I just fire-hosed you with a lot of stuff there,
269
748182
2521
من کلی موضوع براتون گفتم،
12:30
so I'm going to break one of these down pretty quickly.
270
750703
2650
حالا میخواهم جزئیات یکی از اونها رو با سرعت براتون بگم.
12:33
So what we're looking at is the scene with the cyclist again,
271
753353
2940
چیزی که اینجا میبینیم، دوباره صحنه یک دوچرخه سواره،
12:36
and you might notice in the bottom, we can't actually see the cyclist yet,
272
756293
3491
و همونطور که ممکنه متوجه شده باشین در پایین، هنوز اون رو نمی بینیم،
12:39
but the car can: it's that little blue box up there,
273
759784
2504
ولی خودرو میتونه: این مکعب کوچک آبی این بالا،
12:42
and that comes from the laser data.
274
762288
2081
این از طریق اطلاعات لیزره.
12:44
And that's not actually really easy to understand,
275
764369
2418
و واقعا فهمیدنش ساده نیست،
12:46
so what I'm going to do is I'm going to turn that laser data and look at it,
276
766787
3584
کاری که میخواهم انجام بدم اینه که به این اطلاعات لیزر نگاهی کنم،
12:50
and if you're really good at looking at laser data, you can see
277
770371
3029
و اگر نگاه خیلی دقیقی به اطلاعات لیزر بیاندازید، می بینید که
12:53
a few dots on the curve there,
278
773400
1487
چند تا نقطه روی محنی آنجاست،
12:54
right there, and that blue box is that cyclist.
279
774887
2372
همونجا، و اون نقطه آبی یک دوچرخه سوار است.
12:57
Now as our light is red,
280
777259
1149
حالا چون چراغ قرمز است،
12:58
the cyclist's light has turned yellow already,
281
778408
2192
چراغ دوچرخه سوار الان زرد شده،
13:00
and if you squint, you can see that in the imagery.
282
780600
2438
و اگر از گوشه نگاه کنی، اون را در تصویر میبینی.
13:03
But the cyclist, we see, is going to proceed through the intersection.
283
783038
3286
اما دوچرخه سواری که می بینیم، می خواهد از تقاطع رد شود.
13:06
Our light has now turned green, his is solidly red,
284
786324
2394
حالا چراغ ما سبز میشود، و مال او کاملا قرمز
13:08
and we now anticipate that this bike is going to come all the way across.
285
788718
4292
و حالا می فهمیم که این دوچرخه می خواهد از کل مسیر رد شود.
13:13
Unfortunately the other drivers next to us were not paying as much attention.
286
793010
3742
متاسفانه راننده های دیکری که کنار ما هستند، کاملا دقت نمی کنند.
13:16
They started to pull forward, and fortunately for everyone,
287
796752
3157
و شروع به حرکت می کنند، و خوشبختانه،
13:19
this cyclists reacts, avoids,
288
799909
3011
دوچرخه سوار توجه میکنه، و دور میشه،
13:22
and makes it through the intersection.
289
802920
2191
و میتونه از تقاطع رد بشه.
13:25
And off we go.
290
805111
1568
و حالا ما عبور میکنبم.
13:26
Now, as you can see, we've made some pretty exciting progress,
291
806679
2948
همونطور که میبینید، ما پیشرفت چشمگیری کرده ایم،
13:29
and at this point we're pretty convinced
292
809627
1902
و حالا کاملا متقاعد شده ایم
13:31
this technology is going to come to market.
293
811529
2010
این تکنولوژی داره به بازار میاد.
13:33
We do three million miles of testing in our simulators every single day,
294
813539
4783
ما چهار میلیون و دویست هزار کیلومتر توسط شبیه سازها هر روز آزمایش کرده ایم،
13:38
so you can imagine the experience that our vehicles have.
295
818322
2689
پس می تونید میزان تجربه خودرو های ما رو تصور کنید.
13:41
We are looking forward to having this technology on the road,
296
821011
2864
امیدواریم که این تکنولوژی رو در جاده داشته باشیم،
13:43
and we think the right path is to go through the self-driving
297
823875
2890
و فکر می کنیم که راه صحیح استفاده از سیستم خودران
13:46
rather than driver assistance approach
298
826765
1844
در مقیسه با سیستم های کمک راننده است
13:48
because the urgency is so large.
299
828609
2621
چون وضعیت ما خیلی بحرانیه.
13:51
In the time I have given this talk today,
300
831230
2393
در زمانی که این صحبت را برایتون امروز انجام میدهم،
13:53
34 people have died on America's roads.
301
833623
3135
۳۴ نفر در جاده های آمریکا کشته شده اند.
13:56
How soon can we bring it out?
302
836758
2368
کی این سیستم آماده عرضه میشه؟
13:59
Well, it's hard to say because it's a really complicated problem,
303
839126
3832
کمی سخته تا بگیم، چون مسئله ای واقعا پیچیده است،
14:02
but these are my two boys.
304
842958
2214
اما اینها دو پسر من هستند،
14:05
My oldest son is 11, and that means in four and a half years,
305
845172
3623
پسر بزرگم ۱۱ سالشه و یعنی چهار سال و نیم دیگه،
14:08
he's going to be able to get his driver's license.
306
848795
2577
میتونه گواهینامه رانندگی بگیره.
14:11
My team and I are committed to making sure that doesn't happen.
307
851372
3204
من و همکارانم متعهدیم تا این اتفاق نیفته.
14:14
Thank you.
308
854576
1904
متشکرم.
14:16
(Laughter) (Applause)
309
856480
3667
( خنده ) ( تشویق حضار )
14:21
Chris Anderson: Chris, I've got a question for you.
310
861110
2568
کریس اندرسون: کریس، یه سوال ازت دارم.
14:23
Chris Urmson: Sure.
311
863678
2809
کریس ارمسون: حتما.
14:26
CA: So certainly, the mind of your cars is pretty mind-boggling.
312
866487
3924
کریس اندرسون: مسلما، ذهن خودروهای شما جوریه که سر آدم سوت میکشه.
14:30
On this debate between driver-assisted and fully driverless --
313
870411
4459
در رقابت بین خودروهای خودران و سیستم های کمک راننده --
14:34
I mean, there's a real debate going on out there right now.
314
874870
3041
منظورم اینه که، یک رقابت واقعی همین الان در جریانه.
14:37
So some of the companies, for example, Tesla,
315
877911
2833
بعضی از شرکت ها، مثلا «تسلا»،
14:40
are going the driver-assisted route.
316
880744
2159
به دنبال سیستم های کمک راننده میروند.
14:42
What you're saying is that that's kind of going to be a dead end
317
882903
5248
چیزی که شما میگویید اینه که این راهی بن بسته
14:48
because you can't just keep improving that route and get to fully driverless
318
888151
5456
و دلیلش اینه که نمیشه تنها با پیشرفته تر کردنش به سیستم کاملا خودران رسید
14:53
at some point, and then a driver is going to say, "This feels safe,"
319
893607
3530
چون یک وقتی راننده با خودش میگه، « دیگه کاملا ایمن هستم»
14:57
and climb into the back, and something ugly will happen.
320
897137
2647
و رو به صندلی عقب میکنه، و یک اتفاق بد میافته.
14:59
CU: Right. No, that's exactly right, and it's not to say
321
899784
2676
کریس ارمسون: درسته. نه واقعا درسته، و نباید بگیم
15:02
that the driver assistance systems aren't going to be incredibly valuable.
322
902460
3537
که سیستم های کمک راننده چیز های خیلی ارزشمندی نخواهند بود.
15:05
They can save a lot of lives in the interim,
323
905997
2058
موقتا میتونند جان آدم های زیادی رو نجات بدهند،
15:08
but to see the transformative opportunity to help someone like Steve get around,
324
908055
3833
اما با توجه به این شرایط در حال تغییر، برای کمک به کسی مثل استیو در رفت و آمد
15:11
to really get to the end case in safety,
325
911888
1969
تا واقعا امنیت رو حداکثر کنیم،
15:13
to have the opportunity to change our cities
326
913857
2479
برای اینکه از موقعیت تغییر شهرهایمون استفاده کنیم
15:16
and move parking out and get rid of these urban craters we call parking lots,
327
916336
4204
پارکینگ ها رو بیرون ببریم و از شر این پارکینگ های شهری خلاص بشیم،
15:20
it's the only way to go.
328
920540
1240
این تنها راهی است که باید رفت.
15:21
CA: We will be tracking your progress with huge interest.
329
921780
2718
کریس اندرسون: ما پیشرفت تو را با علاقه زیادی دنبال خواهیم کرد.
15:24
Thanks so much, Chris. CU: Thank you. (Applause)
330
924498
4232
خیلی ممنون کریس. کریس ارمسون: متشکرم. ( تشویق حضار)
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7