Self-Driving Cars Of The Near Future | Raquel Urtasun | TEDxUofT

fantastico fantastico sì, è davvero un
piacere di essere qui e devo dire
che abbiamo avuto il primo ministro più figo
mai e lui è ancora più bello di te
non posso pensarci
fantastico, quindi questo è il mio piacere di essere qui
Sto andando provare a gettare un po ‘di luce in
la vita di una macchina che guida da sola, quindi prima
lasciatemi dire che sai perché noi
potenzialmente voglio avere auto superstiti
in primo luogo
sfortunatamente questo più di 1 milione
le persone all’anno sono effettivamente morte a causa di
incidenti stradali quindi immagina il
potenziale impatto che possiamo avere se tu
può ridurre in modo significativo il numero di che
la popolazione invecchia e la medicina diventa
meglio sai che stiamo avendo di più e
più problemi di mobilità per sopravvivere
auto può sicuramente aiutarci a noi molto
diminuirà il nostro inquinamento proprio nostro
il pianeta ora sta diventando più sano e cosa
Sono molto eccitato anche guidare le auto
cerco davvero di pensare a ciò che è nuovo
in che modo sono nuovi modi di fare pubblico
il trasporto che sai consentirà
noi per il pendolarismo più veloce e in un molto
modo migliore e se ci pensate voi
sapere che avere una macchina è davvero uno spreco
giusto quindi dovremmo pensarci
condividere risorse sia con materiali come
bene così come uno spazio così per quelli di
tu che possiedi una macchina così la tua macchina è annoiata
alla morte è praticamente seduto
Il 95 percento delle volte solo forse
parlando con la macchina prossimo corpo giusto e
quindi immagina di conoscere lo spazio che il
la macchina sta prendendo bene potremmo usare un corto
parti sai che potremmo usarlo
rendere le nostre città molto meglio così tu
probabilmente tutti hanno visto in qualche modo lo sai
uno di questi sistemi, ad esempio il
Google car le auto super ecc. Da qualche parte
nei media giusto e tu li conosci
i sistemi sono veramente buoni che anche le cose
come la localizzazione ma pianificando di evitare
ostacoli
tuttavia ci sono due problemi che questo
sistemi che li impediscono
ingrandendo per conoscere un caso in cui ciascuno
uno di noi può effettivamente utilizzare come guida
auto principalmente usano questa cosa sul
in alto il tipico è una rotazione è a
capo e la cosa costano questo giorno è
nostro
100.000 dollari canadesi giusto così è
molto costoso e usano
mappe pre-registrate manualmente annotate e
solo per esempio per mappare il freddo ci siamo
prenderà circa uno a dieci miliardi
dollari quindi in Maya sai di avere mappe
aggiornato ora così l’obiettivo del mio
la ricerca è stata quella di provare a creare
soluzioni che gli animali vivono in cui
contare su sensori economici okay e come
poca conoscenza preliminare possibile e
questo è effettivamente possibile rianimato
perché noi come umani possiamo effettivamente risolvere
questo compito e cosa usiamo usiamo il nostro
occhi giusti in modo che possiamo allo stesso modo che possiamo
in realtà utilizzare le telecamere per provare a
risolvere questo a questo problema ora dal
punto di vista della visione del computer giusto
che sta cercando di usare i computer per
capire il mondo tramite le fotocamere che abbiamo
per risolvere molti molti compiti diversi da fare
quindi guidando le auto dobbiamo riconoscere il
ambiente che dobbiamo essere in grado di
stima tridimensionale
rappresentazione del mondo di cui abbiamo bisogno
essere in grado di sapere come va la nostra macchina
le altre macchine abbiamo bisogno di sapere cos’è
sta succedendo di fronte a noi, giusto
capire il movimento e l’intenzione di quelli
macchine e abbiamo bisogno di farlo in tre
dimensioni e abbiamo bisogno di nuovo
capire tutto ciò che è nel
scena che vediamo ora se vogliamo fare
questo cosa dobbiamo fare prima di
tutto ciò di cui abbiamo bisogno di dati e questo potrebbe sembrare
sai qualcosa che questo è C ma
non è così facile perché hai accesso
a una di queste piattaforme già costa
mezzo milione di dollari, quindi non lo è
qualcosa che puoi semplicemente comprare nel
anche il supermercato è molto importante
pensa al ruolo dell’apprendimento automatico di noi
non può finanziare birrai artigianali che lo faranno
rappresentano tutti gli scenari possibili per a
auto dobbiamo essere in grado di imparare da
guidando con l’esempio, dobbiamo anche pensare
su modelli che sono in grado di risolvere molti
molti molti compiti che dobbiamo risolvere
per fare auto a guida autonoma e ce l’ha
per essere efficienti, questi sistemi hanno
per reagire a questo scenario devono essere
in tempo reale e sembrano implicare il lavoro
lo sai così bene che sono un computer
scienziato ma anche in soluzioni hardware
per questo così nel resto di questo
parlando di uno studio
cosa abbiamo fatto nello spettro di
fare auto auto-guida alla portata di
ognuno di noi
quindi ho menzionato i dati all’inizio
giusto così sette anni fa abbiamo iniziato tu
so provare a pensare di andar bene quando lavoro
su Vista questo Tasi di auto a guida autonoma
possiamo davvero farlo e si scopre
che non è stato possibile perché noi
non ho potuto accedere a nessun set di dati
giusto così questo lo sapevi che spendiamo il
in realtà i primi due anni e mezzo
costruire i parametri per le persone
competere per costruire il prossimo
generazione di algoritmi che lo farebbero
risolvi altri Nomos guidando così qui
vedi l’auto che usiamo per questo noi
praticamente montato con quattro telecamere questo
più tardi sta girando in alto come pure
GPS e IMU e siamo andati in giro e guidare
e in questo caso la città della sala macchine
okay, allora fammi riprodurre un video, ecco qua
l’auto nel parcheggio del ki T così
questo è in cultura Assisi questo è in
la collaborazione con uno dei laboratori su
lì e tu sai e come ho detto siamo andati
intorno sto guidando intorno a te vedi
scenari non così facili da immaginare
dove abbiamo manovre illegali a voi
conosci davvero affollato le scene e poi
utilizzare questi sensori di fantasia per creare terreno
verità per valutare quanto bene noi
può fare con le telecamere sì va bene ecco voi
vedere esempi di verità fondamentale per Delta
corrente con per come si muove il veicolo
nonché per il rilevamento e il monitoraggio
okay, quindi questo benchmark era in realtà un
enorme successo ed è ancora l’unico
punto di riferimento là fuori per auto-guida
auto nonostante sia online
ora quasi cinque anni abbiamo più di
20.000 persone stanno lavorando su questo
e più di 500 sottomissioni al
i punti di riferimento erano praticamente tutte le auto
compagnia e ogni gruppo di lavoro che conosci
su questo sta effettivamente lavorando con il nostro
dati quindi lascia che ti dica un po ‘di
quali sono i compiti che è necessario
risolvere per auto auto-guida così il primo
e quello canonico in realtà sta cercando di farlo
sì ricostruire l’ambiente senza
necessariamente capire cosa c’è dentro
Davanti a noi, quindi questo è un Tacito
come umani risolviamo tutto il tempo che abbiamo
giusto così tu sai che immagini di avere
due telecamere e vogliamo ricostruire
giusto per ogni pixel che vediamo nel nostro
guarda bene quanto lontano è da noi
giusto quindi questo è fondamentalmente lo sai il nostro
uno dei loro ultimi algoritmi
in grado di dopo 40 metri quasi come
preciso come questo laser davvero elegante
scanner mentre costa conoscere una telecamera
in questi giorni costa $ 30, va bene così allora
una volta che riconciliamo l’ambiente noi
bisogno di percepire capire cosa
significa ciò che è di fronte a noi proprio così
uno dei compiti che uno è quello di risolvere è
etichettatura dei pixel proprio così per ogni pixel
in una di quelle immagini a sinistra tu
voglio essere in grado di dire va bene c’è a
la carta là è la strada là è là
una persona così come la cosa che
devi anche capire è essere
capace di discriminare tra di voi lo sai
ognuno degli individui ognuno
delle macchine che sono là fuori così i sistemi
in questo momento utilizzando reti convoluzionali utilizzando
dip lorina di cui parlava Sonya
prima sono in grado di generalizzare veramente
bene a non visto in questo caso e da allora
ragazzi provenienti da diverse città e creare
conosci incredibili risultati in termini di
prestazioni che conosci solo usando
una singola immagine importa una volta che siamo in grado
per capire i pixel di cui abbiamo bisogno
capire tre dimensioni proprio noi
devono essere in grado di prevedere le traiettorie
di voi conoscete i partecipanti al traffico e
questo è quello che vedi qui, quindi questo
sono i nostri ultimi risultati che erano in realtà
fatto da un terzo si anno del
undergrad Y che sta praticamente mostrando a
set dei loro risultati migliori di te
Conoscere una qualsiasi di queste società di auto così quando
vedi qui è vedere traiettorie in
2d e 3d che il sistema è in grado di
stimare di nuovo in posti che la macchina
non ha mai guidato prima, quindi non è così
registra per utilizzare Maps o qualsiasi altra cosa è giusta
date le immagini è in grado di stimare
questo prossimo possiamo puoi chiudere così
dopo possiamo davvero stimare che tu sappia
tutto ciò che sta accadendo nel
scena quindi quello che vedi qui è un singolo
fotocamera montata sulla parte superiore della macchina e
base
sviluppare gli algoritmi che sono in grado di
traduci quell’immagine in video a
rappresentazione della scena in cui tu
puoi davvero fare il controllo giusto così vedi
qui in nero l’ auto Eco l’auto che
sta guidando autonomamente
hai visto la gara o il campo di
vista di ciò che vede e vede l’auto
è in grado di calcolare le mappe al volo
ed è in grado di stimare cosa ogni
il partecipante di auto singola è nella stessa
ora è codificato per colore dall’intenzione di
quelle macchine e in fondo ti hanno lasciato
può vedere lo scenario del traffico senza
guardando i semafori
quindi fondamentalmente dicendo qual’è l’ultimo set
di manovre che la nostra macchina può effettivamente
fare in modo sicuro un altro thurston di cui abbiamo bisogno
risolvere è in realtà il compito del set
localizzazione ma se vinci questo veicolo
essere in grado di guidare noi intorno a te di cui hai bisogno
per sapere in ogni momento dove si trova
è nella scena necessaria per fare clic sul
slide grazie e così il modo in cui
in genere questo è fatto nel settore è
che così una macchina guida manualmente intorno al
mondo e tutto ciò che vede è a
storia in un set di dati okay e poi uno è
guidando autonomamente si guarda nel tuo
set di dati avrà una scena un luogo che
sembra esattamente lo stesso di quello che vedo
Davanti a me va bene così è un po ‘come
ricerca web giusta così sai che funziona
abbastanza bene ma non è una soluzione scalabile
Immagina di aver bisogno di catturare
come il mondo appare come in ogni punto
in tempo in ogni stagione ogni volta di
il giorno in cui sai che c’è costruzione
tutto il tempo giusto il mondo cambia così
questo è il motivo per cui le auto a guida autonoma sono
anche molto costoso, quindi, così noi
guardare è possibile creare effettivamente
soluzioni alla localizzazione dove non lo facciamo
bisogno di conoscere l’aspetto del mondo
e come umani, possiamo farlo noi
può navigare e quindi non sappiamo mai come
una strada particolare come Laura Street
sembra così si scopre che sì, si
può davvero fare questo ed è molto
semplice da scaricare liberamente da
mappe stradali di apertura del web che sono queste
mappe che vedi in blu sullo schermo
e quello che puoi fare fondamentalmente è
stimato la traiettoria dell’auto di
l’ auto ecologica che spinge sì le telecamere e
il movimento dell’auto è abbastanza da dire
tu dove puoi potenzialmente essere nel
stesso modo, all’inizio che andremo a
avere una regione di interesse dove sappiamo
siamo più o meno lì da qualche parte e
sarà una distribuzione uniforme
giusto perché non sappiamo dove siamo
e mentre iniziamo a guidare in giro allora
stiamo per restringere la probabilità
distribuzione di possibili posizioni in cui
la macchina potrebbe potenzialmente essere a posto e
questo è dove vedrai sul
in basso a destra in un secondo si per
confronti in nero che vedrai
qual è la verità fondamentale va bene così
All’inizio è uniforme si vedono alcune modalità
ma molto rapidamente è in grado di dire che siamo
esattamente in questa posizione va bene così vedi
se qui sì, assumendo la stessa idea
giusto alcune modalità e molto rapidamente
ci sono solo due mesi e ci rivolgiamo
vivo quindi questo lo sai questo è
l’unica posizione dove potremmo
potenzialmente essere e questo si può restringere
le mappe del web sono gratis per te
non c’è bisogno di pagare nulla
Sì, monta una o due telecamere nella tua auto
quindi ecco una mamma Hatton come uno scenario
quindi vedi che in questo caso c’è
due moli della distribuzione è proprio così
molto simmetrico ma di nuovo ad un certo punto
con una manovra ce n’è solo una
possibilità mi permetta solo di ingrandire
diverse regioni mi dispiace così
quello che vedrai ora è lo stesso
cosa ma in una mappa che è il tutto
città di cultura ce ne sono 2.000
chilometri o strade potenziali che vanno bene
significa che sai che c’è molto
incertezza su dove si può potenzialmente
essere nella scena e con solo 30 secondi
di guida è in grado di localizzare molto
esattamente dove ti trovi nella scena
okay, spero che tu possa vederlo
lo schermo di nuovo a destra molto rapidamente
dice che siamo in questa autostrada qui questo è
dove siamo la mod è relativamente grande
e ad un certo punto prendiamo un’uscita e
allora le corde per te lo sanno molto precise
posizione e questo è dove siamo
Grazie così ho menzionato prima della mappatura
era molto costoso e il motivo
perché è solo il modo in cui le persone sono
effettivamente affrontando questo problema comunque
se potessi potenzialmente avere un ulteriore
peggiori evoluzioni per mappare Ian poi noi
dovrebbe essere in grado di utilizzare quelle mappe
sono aggiornati quindi perché è così
costoso quindi questo è ciò che le aziende
stanno facendo in questi giorni e tu probabilmente
hanno visto uno di questi in voi sapere in
la città quindi l’idea è che tu abbia un
auto montata con un sacco di
sensori fantasiosi e poi vai in giro
il mondo e poi catturi come il
il mondo sembra di nuovo giusto così ha
copertura molto piccola ed è davvero
costoso questo è quello che vede l’auto
giusto è una parte minuscola del
mondo giusto però sai che c’è così
molti altri modi per vedere il mondo che noi
potrebbe utilizzare al fine di migliorare il
copertura delle nostre mappe un esempio giusto
conosci il Grande Fratello giusto?
ci vede tutto il tempo di ciò che siamo
facendo bene in modo che potessimo usare droni UAV
gli aerei satelliti fanno il giro del mondo
due volte al giorno ogni singolo giorno proprio così
è molto molto aggiornato sulle immagini
ora non è così banale come stimare
mappe da vista aerea sì va bene così
spero grazie, quindi, cosa stai andando
vedi qui è un sistema che è in grado di
guida e utilizza le viste aeree
localizzare dove l’auto è in termini di
la posizione in coordinate geografiche ed è
in grado di mappare anche le mappe HT chiare di dove
le strade dove sono le corsie dove il
i posti di parcheggio sono in giallo anche qui
come in blu dove i marciapiedi vanno bene così
questo è veramente efficiente ci vogliono tre
secondi per chilometro di strada quindi tu
conoscere in un semplice cluster di computer
puoi effettivamente mappare il mondo intero e
quindi ancora una volta per mappare il problema è il
come era per le auto che guidano le celle
che di nuovo solo aziende come Nvidia
per questo hanno accesso ai dati quindi uno di
le ultime cose che sono le più recenti
cose che abbiamo fatto nel
la saga di lava è in realtà quella di creare il prossimo
grande punto di riferimento per le persone in cui competere
per creare mappe in modo conveniente
e la cosa bella è una conferenza
abbiamo scelto di conoscere l’ area di Toronto
l’area principale è proprio così come noi
creato questo ma era andando al
governo e andare alle biblioteche
e hai visto le mappe HD che hanno
già stato creato e questi sono
davvero molto ricchi hanno tutti i tipi di
metadati molto interessanti quindi abbiamo 3d
edifici dell’intera ricostruzione di Toronto
così come la posizione di ogni singolo
tre la posizione di ogni singolo polo
la forma di ogni semaforo ogni
ogni albero ogni polo della città da un
l’idea è che ora vogliamo
i partecipanti saranno in grado di stimare tutto
queste diverse cose automaticamente
e abbiamo anche generato l’ utilizzo di nuovo in profondità
learning solutions reti neurali che
sono in grado di stimare questa mappa questa mappa
quindi qui vedi i risultati correlati che hai
visto solo ho letto le notizie giusto quindi ci sono
quasi come la verità di base noi
puoi stimare che puoi stimare il
topologia delle strade medie e io
menzionato prima che tu conosci per il
localizzazione usiamo questi OpenStreetMaps
questi sono generati da persone che cliccano
nelle immagini aeree la posizione delle strade
e siamo solo l’ 1% al di sotto di quello che fanno le persone
per questo per questo compito ed è completamente
automatico in modo che si possa immaginare e siamo in grado di
fallo su una scala più ampia dell’insieme
mondo in modo da poter immaginare l’impatto di
fare cose come queste altre cose
possiamo fare è creare un centimetro preciso
mappe per Google Street View di Nia
panorami che sono disponibili là fuori
per tutto il mondo e va bene così solo
per concludere ti mostro un paio di
cose che si devono fare per
creare auto a guida autonoma per ognuno di
noi così cose come la percezione sensoriale
mappatura localizzazione il nostro mostro
la più recente priorità per te
porta Toronto alla comunità di
grande e tu sai molti
molte cose da fare nella ricerca in ordine
per risolvere davvero tutti i diversi compiti
costringe a guidare le macchine e sai che è così
uno riconosce la squadra fantastica che
è dietro ciò che ti mostro oggi e io
voglio solo finire anche con una promessa
che avremo auto a guida autonoma
Toronto davvero sir grazie
[Musica]
[Applausi]