021-22889554
021-26703715
مشاوره آموزشی رایگان

021-22889554  |  021-26703715 مشاوره آموزشی رایگان

جنيفر هيلى: اگر ماشين‌‌ها مى‌‌توانستند صحبت كنند، تصادفات ممكن بود اجتناب‌‌پذير شوند

Jennifer Healey

If cars could talk, accidents might be avoidable

When we drive, we get into a glass bubble, lock the doors and press the accelerator, relying on our eyes to guide us -- even though we can only see the few cars ahead of and behind us. But what if cars could share data with each other about their position and velocity, and use predictive models to calculate the safest routes for everyone on the road? Jennifer Healey imagines a world without car accidents.


تگ های مرتبط :

Cars, Technology, Driverless Cars
بیایید اين واقعيت را بپذيريم كه رانندگی كردن خطرناك است. اين يكى از آن چيزهايى است كه دوست نداریم درباره‌اش فکر کنیم اما وجود تمثال‌‌هاى مذهبى و نمادهاى خوش‌یمنى که در سراسر جهان روی داشبوردها دیده مى‌‌شوند افشاگر اين واقعيت است که ما مى‌‌دانيم اين موضوع راست است. تصادفات رانندگى دليل اصلى مرگ و مير در آدمهاى بين ١٩-١٦ سال در آمريكاست-- دليل اصلى مرگ و مير-- و ٧٥درصد اين تصادفات هيچ ربطى به الكل يا مواد ندارند. پس چه اتفاقى مى‌‌افتد؟ هيچكس با اطمينان در اين باره صحبت نمى‌‌كند، اما من اولين تصادفم را بخاطر مى‌‌آورم.
راننده جوانى بودم كه در بزرگراه رانندگى مى‌‌كرد، و ماشينى جلويم بود، ديدم چراغهاى ترمزش روشن شد. با خودم فكر كردم،" خوب، اشكالى نداره، حتمن اين يارو مى‌‌خواد يواش كنه، پس من بايد يواش كنم." اما نه، اين يارو قرار نيست يواش كند. پا روى ترمز مى‌‌گذارم. اين يارو نگه مى‌‌داره، ایست کامل، وسط بزرگراه ایست کامل مى‌‌کنه. از 65 تاسرعتی که داشت یکهويى به صفر رسيد؟ روی ترمز زدم. لگد زدن ‌ای بی‌اس را حس کردم، ماشین همچنان داشت حرکت می‌ٰکرد، و نمی‌ایستاد، و می‌دونم که نمی‌خواست توقف کنه، و کیسه هوا باز شد، ماشین مچاله شد، و خوشبختانه كسى آسيب نديد.
اما من ايده‌‌اى نداشتم كه آن ماشين داشت توقف مى‌‌كرد، و فكر مى‌‌كنم كه ما مى‌‌تونيم عملكردى خيلى بهتر از آن را داشته باشيم. فكر مى‌‌كنم ما قادر به انتقال تجربه رانندگى باشيم از اين طريق كه بگذاريم ماشين‌‌ها با هم صحبت كنند. فقط مى‌‌خوام شما الان كمى درباره اينكه تجربه‌ رانندگى چيست، فكر كنيد. سوار ماشين‌‌تون مى‌‌شين. در را مى‌‌بنديد. توى يك حباب شيشه‌‌اى قرار داريد. واقعاً نمى‌‌تونيد بطور مستقيم جهانى كه پيرامونتون هست را حس كنيد. در اين بدنه گسترش يافته هستيد. شما وظيفه هدايت كردن آن را در مسيرهاى جاده‌‌اى داريد كه ديد نصفه و نيمه است، در ميان غولهاى فلزى ديگر، با سرعت‌‌هاى ابر انسانى.
درسته؟ و همه آنچه كه شما بايد هدايت كنيد چشماتون هستند. بسيار خوب، پس همه آن چيزى كه داريد، چشمانى هستند كه واقعاً براى اين وظيفه ساخته نشده‌‌اند اما خوب مردم از شما مى‌‌خواهند كه كارهايى مثل اين انجام دهيد، مى‌‌خواين تغيير مسير بدين، اولين چيزى كه از شما خواسته مى‌‌شه انجام بدين چيه؟ چشمهاتون رو از جاده برداريد. درست است. دست از نگاه كردن بجايى كه مى‌رويد برداشته و بپيچيد‌‌، نقطه كورتون را بررسى كنيد‌‌، و بدون نگاه كردن به جايى كه مى‌‌رويد رانندگى كنيد. براى شما و هر كس ديگرى، اين بهترين روش براى رانندگى كردن است. چرا اين كار را مى‌‌كنيم؟ چون مجبوريم، مجبوريم به انتخاب كردن، اين كه اينجا رو نگاه كنم يا اونجا رو؟
چى مهم‌‌تره؟ و معمولاً با تعيين و انتخاب اين كه حواسمون را در جاده معطوف چه چيزى كنيم، كار فوق‌‌العاده‌‌اى را انجام مى‌‌دهيم. اما گهگاه متوجه چيزى نمى‌‌شيم. گهگاه حس مى‌‌كنيم جيزى اشتباه يا غلط است. در تصادف‌‌هاى بى‌‌شمارى، راننده مى‌‌گويد، "نديدم كه داشت ميآمد." و من حرفشون را باور مى‌‌كنم. باور مى‌كنم. ما تنهامى‌‌تونيم زياد تماشا كنيم. اما فناورى موجود در حال حاضر مى‌‌‌‌تواند به ما در بهبود آن كمك كند. در آينده، با ماشين‌‌هايى كه با يكديگر داده رد و بدل مى‌‌كنند، ما نه تنها قادر به ديدن سه تا ماشين جلوتر و سه تا ماشين عقب‌‌تر و همين‌‌طور در چپ و راست خودمون
بطور هم زمان خواهيم بود و ديد چشم يك پرنده را خواهيم داشت، بلكه در واقع قادر به ديدن آن ماشين‌‌ها خواهيم شد. خواهيم توانست سرعت ماشين جلويى‌‌مون رو ببينيم‌، اين كه اون يارو با چه سرعتى حركت خواهد كرد يا متوقف خواهد شد. اگر اون يارو بخواهد سرعتش را صفر كند، من با خبر ميشم. و به كمك الگوريتم‌‌ها و محاسبات كامپيوترى و الگوهاى پيشگويانه قادر خواهيم بود آينده را ببينيم. شايد فكر كنيد، غيرممكن باشه. چطور مى‌‌تونيد آينده را پيش‌‌گويى كنيد؟ واقعاً دشواره. درواقع، اينطور نيست. با ماشين‌‌ها، كار غيرممكنى نيست. ماشين‌‌ها اشياء سه بعدى هستند كه موقعيت و سرعت ثابتى دارند.
در طول جاده‌‌ها سفر مى‌‌كنند. اغلب در مسيرهاى از قبل چاپ شده بر روى نقشه سفر مى‌‌كنند. واقعاً اونقدر سخت نيست درباره اينكه يك ماشين در آينده نزديك كجا خواهد بود، پيشگويهاى منطقى كنيم. حتى اگر، وقتى ماشين‌‌تون هستيد و يك موتور سيكلت با سرعت ٨٥ مايل در ساعت مى‌‌رسه و بين صفوف ماشين‌‌ها به حركتش ادامه مى‌‌ده-- مى‌‌دونم كه اين تجربه را داشته‌‌ايد-- اون يارو يكهو از ناكجا آباد پيدايش نشد.-- اون يارو شايد نيم ساعت گذشته رو در آن جاده بوده است. (خنده) اينطور نيست؟ منظورم اينه كه كسى او را ديده. ١٠، ٢٠، ٣٠ مايل عقب‌‌تر، كسى اين آدم را ديده است،
و به محضى اين كه ماشينى فرد دیگری را ببيند و روى نقشه بگذاردش، اطلاعاتش روى نقشه‌‌ست-- موقعيت، سرعت، با يك برآورد خوب، او با سرعت ٨٥ مايل در ساعت به رفتن ادامه خواهد داد. شما اينها رو خواهيد دانست، جون ماشين‌‌تون خواهد دانست، زيرا آن يكى ماشين چيزيى مثل اين رو توى گوش ماشين شما پچ پچ كرده،" راستى براى پنج دقيقه حواست به اون موتورسيكلت باشه. " مى‌‌تونيد پيشگويى‌‌هاى منطقى درباره نحوه رفتار ماشين‌‌ها انجام دهيد. منظورم اين است كه، اونها اشياء نيوتونى هستند. اين نكته‌ در ارتباط با اونها بسيار خوبه. خوب چطور مى‌‌تونيم به اونجا برسيم؟
با يك چيز ساده مثل به اشتراك گذاشتن داده‌‌هاى موقعيت‌يمان بين ماشين‌‌ها، تنها از طريق به اشتراك گذاشتن جى‌‌پى‌‌اس‌‌ها شروع كنيم. من يك جى‌‌پى‌‌اس و دوربين توى ماشينم دارم.‌‌ ايده تقريباً دقيقى از جايى كه درش هستم و با سرعتى كه در حال حركتم، دارم. با ديدى كامپيوترى، مى‌‌تونم برآورد كنم ماشين‌‌هاى اطرافم كجا هستند، و يك جورهايى هم بگويم كجا مى‌‌روند. و در رابطه با ساير ماشينهاى‌‌ هم همينطور است. مى‌‌تونند ايده دقيقى از جاييكه هستند، داشته باشند، همراه با اين ايده مبهم از جاييكه ساير ماشين‌‌ها قرار دارند. چطور مى‌‌شود اگر ماشين‌‌ها آن داده‌‌ها را به اشتراك بگذارند،
اگر با يكديگر حرف بزنند؟ مى‌‌تونم به شما بگم كه دقيقاً چه اتفاقى مى‌‌افتد. هر دوى الگوها اصلاح مى‌‌شوند. همه برنده‌‌اند. پروفسور باب ونگ و تيم‌‌اش به شبيه‌‌سازيهاى كامپيوترى اتفاقاتى پرداخته‌اند كه با استنتاج به برآورد فازى حتى در ترافيك سبك رخ مى‌‌دهند، وقت كه ماشين‌‌ها فقط داده‌‌هاى جى‌‌پى‌‌اس را به اشتراك مى‌‌گذارند، و ما اين تحقيق را به بيرون از شبيه ساز كامپيوترى منتقل كرده‌‌ايم و در بسترهاى روباتى آزمايشى قرار داده‌‌ايم كه حسگرهاى واقعى دارند و هم اكنون روى اين روباتها توى ماشين‌‌ها هستند: دوربين‌‌هاى استريو، جى‌‌پى‌‌اس،
و يابنده‌‌هايى دو بعدى با برُد ليزرى كه در سيستم‌‌هاى پشتيبانى مرسوم هستند. ما همچنين يك راديو ارتباطى را وصل مى‌‌كنيم كه بُرد كوتاه مشخصى دارد، و روباتها با هم صحبت مى‌‌كنند. وقتى اين روباتها به همديگر مى‌‌رسند، موقعيت يكديگر را با دقت رديابى مى‌‌كنند، و مى‌‌توانند از يگديگر اجتناب كنند. ما اكنون مشغول افزودن روباتهاى بيشتر و بيشترى به اين تركيب هستيم، با برخى مشكلاتى مواجه مى‌‌شويم. زمانى كه پچ‌‌پچ زياده از حد مى‌‌شوند، مشكلى كه داريد اين است كه پردازش كردن كليه بسته‌‌هاى اطلاعاتى دشوارست، پس بايد اونها رو الويت بندى كنيد، و آنجايست كه الگوى پيشگويانه كمك مى‌كند.
اگر روبات ماشينهاى شما مدام مشغول رديابى گذرگاههاى پيش‌‌گويى شده باشند، توجه چندانى به آن بسته‌‌هاى اطلاعاتى نخواهيد كرد. شما ياروى را الويت بندى مى‌‌كنيد كه به نظر كمى خارج از مسير حركت مى‌‌كند. آن يارو مى‌‌تونه مشكل‌‌ساز بشه. و شما مى‌‌‌‌توانيد گذرگاه تازه‌‌اى را پيش بينى كنيد. پس نه فقط با خبر مى‌‌شين از اينكه او خارج از مسير حركت مى‌‌كنه، همچنين مى‌‌فهميد كه چطورى. و شما مى‌‌دونيد به كدام راننده‌‌ها بايد هشدار بدين كه از سر راه خارج شن. و ما خواستيم اين كار رو انجام بديم-- چطور مى‌‌تونيم به بهترين نحو به يكديگر هشدار دهيم؟ چطور ماشين‌‌ها مى‌‌تونند پچ پچ كنند كه:" بايد از سر راه خارج شى؟" خوب، به دو چيز بستگى داره:
يك، توانايى ماشين، و دوم توانايى راننده. اگر طرف ماشین خیلی خوبی داشته باشه، اما با تلفنش مشغول باشه یا بدونید که کار دیگری انجام می‌ده، و احتمالا در بهترین وضعیت قرار نداره تا در مواقع اضطراری واکنش نشان بده. پس خط جدیدی از تحقیقات را شروع کردیم که حالت راننده را طرح ریزی می‌کرد. و حالا، با استفاده کردن از سه سری دوربین، اگر بتونیم کشف کنیم آیا راننده جلویش را نگاه می‌کنه بغلش را نگاه می‌کنه، پایین را می‌بینه، با تلفن صحبت می‌کنه، یا اینکه یک فنجون قهوه میخوره. ما قادر به پیش‌بینی کردن تصادف هستیم
و می‌توانیم پیش‌بینی کنیم چه کسی، کدام ماشین‌ها در بهترین وضعیت برای خارج شدن از مسیر قرار دارند تا ایمن‌ترین راه برای همه محاسبه شود. اساساً، این فناوریها امروزه وجود دارند. فکر می‌کنم بزرگترین مشکلى که ما با آن روبرویم تمایل ما در به اشتراک گذاشتن داده‌هایمان باشه فکر می‌کنم اين كار تصوری بسیار مشوش باشه، این ایده که ماشین‌هامون ما رو تماشا می‌کنند، درباره ما با سایر ماشین‌ها صحبت می‌کنند، این که ما در دریایی از غیبت غرق خواهیم شد. اما به اعتقاد من این کار می‌تونه به طریقی انجام شود که حریم خصوصی‌مان را حفظ کنه، درست مثل همین حالا، وقتی به ماشین شما از بیرون نگاه می‌کنم،
واقعاً چیزی درباره شما نمی‌دونم. اگر به شماره پلاکتون نگاه کنم، واقعا نمی‌دونم شما کی هستید. معتقدم ماشین‌هامون می‌توانند درباره ما پشت سرمون حرف بزنند. (خنده) و فکر می‌کنم چیز فوق‌العاده‌ای بشه. می‌خوام برای یک لحظه تصور کنید آیا واقعاً نمی‌خواین نوجوان حواس‌‌پرت پشت سری‌تون بدونه که دارین ترمز می‌گیرین، که می‌خواين ایست کامل کنید. با به اشتراك گذاشتن خود خواسته داده‌‌هايمان مى‌‌توانيم كارى را انجام دهيم كه براى همه بهترين است. پس بذارين ماشين‌‌تون درباره شما غيبت كند.
باعث خواهد شد كه جاده‌‌ها خيلى امن‌‌تر بشن. متشکرم (تشويق)
Let's face it: Driving is dangerous. It's one of the things that we don't like to think about, but the fact that religious icons and good luck charms show up on dashboards around the world betrays the fact that we know this to be true. Car accidents are the leading cause of death in people ages 16 to 19 in the United States -- leading cause of death -- and 75 percent of these accidents have nothing to do with drugs or alcohol. So what happens? No one can say for sure, but I remember my first accident.
I was a young driver out on the highway, and the car in front of me, I saw the brake lights go on. I'm like, "Okay, all right, this guy is slowing down, I'll slow down too." I step on the brake. But no, this guy isn't slowing down. This guy is stopping, dead stop, dead stop on the highway. It was just going 65 -- to zero? I slammed on the brakes. I felt the ABS kick in, and the car is still going, and it's not going to stop, and I know it's not going to stop, and the air bag deploys, the car is totaled, and fortunately, no one was hurt.
But I had no idea that car was stopping, and I think we can do a lot better than that. I think we can transform the driving experience by letting our cars talk to each other. I just want you to think a little bit about what the experience of driving is like now. Get into your car. Close the door. You're in a glass bubble. You can't really directly sense the world around you. You're in this extended body. You're tasked with navigating it down partially-seen roadways, in and amongst other metal giants, at super-human speeds. Okay? And all you have to guide you are your two eyes.
Okay, so that's all you have, eyes that weren't really designed for this task, but then people ask you to do things like, you want to make a lane change, what's the first thing they ask you do? Take your eyes off the road. That's right. Stop looking where you're going, turn, check your blind spot, and drive down the road without looking where you're going. You and everyone else. This is the safe way to drive. Why do we do this? Because we have to, we have to make a choice, do I look here or do I look here? What's more important?
And usually we do a fantastic job picking and choosing what we attend to on the road. But occasionally we miss something. Occasionally we sense something wrong or too late. In countless accidents, the driver says, "I didn't see it coming." And I believe that. I believe that. We can only watch so much. But the technology exists now that can help us improve that. In the future, with cars exchanging data with each other, we will be able to see not just three cars ahead and three cars behind, to the right and left, all at the same time, bird's eye view,
we will actually be able to see into those cars. We will be able to see the velocity of the car in front of us, to see how fast that guy's going or stopping. If that guy's going down to zero, I'll know. And with computation and algorithms and predictive models, we will be able to see the future. You may think that's impossible. How can you predict the future? That's really hard. Actually, no. With cars, it's not impossible. Cars are three-dimensional objects that have a fixed position and velocity. They travel down roads.
Often they travel on pre-published routes. It's really not that hard to make reasonable predictions about where a car's going to be in the near future. Even if, when you're in your car and some motorcyclist comes -- bshoom! -- 85 miles an hour down, lane-splitting -- I know you've had this experience -- that guy didn't "just come out of nowhere." That guy's been on the road probably for the last half hour. (Laughter) Right? I mean, somebody's seen him. Ten, 20, 30 miles back, someone's seen that guy, and as soon as one car sees that guy
and puts him on the map, he's on the map -- position, velocity, good estimate he'll continue going 85 miles an hour. You'll know, because your car will know, because that other car will have whispered something in his ear, like, "By the way, five minutes, motorcyclist, watch out." You can make reasonable predictions about how cars behave. I mean, they're Newtonian objects. That's very nice about them. So how do we get there? We can start with something as simple as sharing our position data between cars,
just sharing GPS. If I have a GPS and a camera in my car, I have a pretty precise idea of where I am and how fast I'm going. With computer vision, I can estimate where the cars around me are, sort of, and where they're going. And same with the other cars. They can have a precise idea of where they are, and sort of a vague idea of where the other cars are. What happens if two cars share that data, if they talk to each other? I can tell you exactly what happens. Both models improve.
Everybody wins. Professor Bob Wang and his team have done computer simulations of what happens when fuzzy estimates combine, even in light traffic, when cars just share GPS data, and we've moved this research out of the computer simulation and into robot test beds that have the actual sensors that are in cars now on these robots: stereo cameras, GPS, and the two-dimensional laser range finders that are common in backup systems. We also attach a discrete short-range communication radio, and the robots talk to each other.
When these robots come at each other, they track each other's position precisely, and they can avoid each other. We're now adding more and more robots into the mix, and we encountered some problems. One of the problems, when you get too much chatter, it's hard to process all the packets, so you have to prioritize, and that's where the predictive model helps you. If your robot cars are all tracking the predicted trajectories, you don't pay as much attention to those packets. You prioritize the one guy who seems to be going a little off course.
That guy could be a problem. And you can predict the new trajectory. So you don't only know that he's going off course, you know how. And you know which drivers you need to alert to get out of the way. And we wanted to do -- how can we best alert everyone? How can these cars whisper, "You need to get out of the way?" Well, it depends on two things: one, the ability of the car, and second the ability of the driver. If one guy has a really great car, but they're on their phone or, you know, doing something, they're not probably in the best position
to react in an emergency. So we started a separate line of research doing driver state modeling. And now, using a series of three cameras, we can detect if a driver is looking forward, looking away, looking down, on the phone, or having a cup of coffee. We can predict the accident and we can predict who, which cars, are in the best position to move out of the way to calculate the safest route for everyone. Fundamentally, these technologies exist today. I think the biggest problem that we face
is our own willingness to share our data. I think it's a very disconcerting notion, this idea that our cars will be watching us, talking about us to other cars, that we'll be going down the road in a sea of gossip. But I believe it can be done in a way that protects our privacy, just like right now, when I look at your car from the outside, I don't really know about you. If I look at your license plate number, I don't really know who you are. I believe our cars can talk about us behind our backs. (Laughter) And I think it's going to be a great thing.
I want you to consider for a moment if you really don't want the distracted teenager behind you to know that you're braking, that you're coming to a dead stop. By sharing our data willingly, we can do what's best for everyone. So let your car gossip about you. It's going to make the roads a lot safer. Thank you. (Applause)