WEBVTT

00:00:00.937 --> 00:00:01.747
I fremtiden,

00:00:01.747 --> 00:00:05.401
vil selvkørende biler være sikrere
og mere pålidelige end mennesker.

00:00:05.825 --> 00:00:07.397
Men for at det kan lade sig gøre,

00:00:07.421 --> 00:00:10.151
behøver vi teknologier,
der lader biler reagere

00:00:10.175 --> 00:00:11.442
hurtigere end mennesker,

00:00:11.466 --> 00:00:15.180
vi behøver algoritmer,
der kan køre bedre end mennesker

00:00:15.204 --> 00:00:19.307
og vi behøver kameraer,
der kan se mere end mennesker kan se.

NOTE Paragraph

00:00:20.061 --> 00:00:24.791
For eksempel, forestil dig, at en selv-
kørende bil er ved at tage et blindt sving

00:00:24.815 --> 00:00:26.149
og der er en modkørende bil

00:00:26.173 --> 00:00:28.958
eller måske er der et barn,
der er ved at løbe ud på gaden.

00:00:29.458 --> 00:00:33.022
Heldigvis, vil vores fremtidsbil
have en superkraft:

00:00:33.046 --> 00:00:37.145
Et kamera der kan se omkring hjørner
for at spore disse potentielle farer.

NOTE Paragraph

00:00:37.876 --> 00:00:39.955
De sidste par år som PhD-studerende

00:00:39.979 --> 00:00:41.986
på Stanford Computational Imaging Lab,

00:00:42.000 --> 00:00:45.034
har jeg arbejdet på et kamera,
der kan gøre lige netop dét --

00:00:45.058 --> 00:00:48.456
et kamera der kan afbilde
genstande, skjult af hjørner

00:00:48.480 --> 00:00:51.252
eller blokkeret fra den direkte sigtelinje

NOTE Paragraph

00:00:51.276 --> 00:00:54.728
Så lad mig give jer et eksempel
på hvad vores kamera kan se.

00:00:54.752 --> 00:00:57.315
Det her er et udendørseksperiment,
vi foretog

00:00:57.339 --> 00:01:01.149
hvor vores kamerasystem scanner
bygningens side med en laser

00:01:01.173 --> 00:01:03.133
og den scene, vi vil fange,

00:01:03.157 --> 00:01:06.117
er skjult rundt om hjørnet
bag dette gardin.

00:01:06.141 --> 00:01:09.118
Så vores kamerasystem
kan faktisk ikke se det direkte.

00:01:09.275 --> 00:01:10.753
Og dog, på én eller anden måde,

00:01:10.753 --> 00:01:15.301
kan vores kamera stadig fange
denne scenes 3D-geometri.

NOTE Paragraph

00:01:15.704 --> 00:01:17.104
Så hvordan gør vi det?

00:01:17.498 --> 00:01:20.220
Magien sker her i dette kamerasystem.

00:01:20.244 --> 00:01:23.569
Du kan se det som
en slags højhastighedskamera.

00:01:23.593 --> 00:01:27.063
Ikke ét der tager 1.000 billeder
per sekund

00:01:27.087 --> 00:01:29.832
eller en million,

00:01:29.856 --> 00:01:32.109
men en billion billeder i sekundet.

00:01:33.023 --> 00:01:37.858
Så hurtigt at det faktisk kan fange
selv lysets bevægelse.

00:01:38.652 --> 00:01:42.295
Og for at give jer et eksempel
på præcis hvor hurtigt lys rejser

00:01:42.319 --> 00:01:46.604
lad os sammenligne det med en 
hurtigtløbende superhelts fart

00:01:46.628 --> 00:01:49.376
som kan løbe op til tre gange
lydens hastighed.

00:01:50.201 --> 00:01:54.400
Det tager en lyspuls ca.
3,3 milliardedele af et sekund

00:01:54.424 --> 00:01:56.297
eller 3,3 nanosekunder

00:01:56.321 --> 00:01:58.450
at bevæge sig en meter.

00:01:58.474 --> 00:02:00.409
På den samme tid

00:02:00.433 --> 00:02:04.307
har vores superhelt bevæget sig mindre
end bredden på et menneskehår.

00:02:04.633 --> 00:02:05.900
Det er ret hurtigt.

00:02:06.306 --> 00:02:08.760
Men egentlig, må vi tage billeder
meget hurtigere

00:02:08.784 --> 00:02:12.172
hvis vi vil fange lys' bevægelse
på skalaer i mindre end cm.

00:02:12.784 --> 00:02:15.281
Så vores kamerasystem kan fange fotoner

00:02:15.305 --> 00:02:18.821
i tidsrammer
på 50 billiondedele på et sekund,

00:02:18.845 --> 00:02:20.590
eller 50 picosekunder.

NOTE Paragraph

00:02:21.821 --> 00:02:24.323
Så vi tager dette
ultra-højhastighedskamera

00:02:24.347 --> 00:02:28.021
og vi parrer det med en laser,
der udsender korte pulser af lys.

00:02:28.553 --> 00:02:31.188
Hver puls udsendes
mod denne her synlige væg

00:02:31.212 --> 00:02:33.363
og noget lys spredes
tilbage til vores kamera,

00:02:33.363 --> 00:02:36.579
men vi bruger også væggen
til at sprede lys rundt om hjørnet

00:02:36.603 --> 00:02:38.536
til det skjulte objekt og tilbage.

00:02:39.363 --> 00:02:41.601
Vi gentager denne måling mange gange

00:02:41.625 --> 00:02:44.165
for at tage ankomsttiden af mange fotoner

00:02:44.189 --> 00:02:46.276
fra forskellige steder på væggen.

00:02:46.300 --> 00:02:49.156
Og efter vi tager disse målinger,
kan vi skabe

00:02:49.180 --> 00:02:51.815
en billion-billeder-i-sekundet-video
af væggen.

NOTE Paragraph

00:02:52.371 --> 00:02:55.379
Mens væggen ser normal ud i vores øjne,

NOTE Paragraph

00:02:55.403 --> 00:02:59.878
kan vi, med en billion billeder / sek,
se noget virkelig fantastisk.

00:03:00.275 --> 00:03:04.642
Vi kan faktisk se lysbølger,
som er sendt tilbage fra det skjulte sted

00:03:04.666 --> 00:03:06.733
og plasker imod væggen.

00:03:07.063 --> 00:03:10.015
Og hver bølge medbringer information

00:03:10.039 --> 00:03:12.317
om det skjulte objekt som sendte den.

00:03:12.341 --> 00:03:14.022
Så vi kan tage disse målinger

00:03:14.046 --> 00:03:16.545
og putte dem igennem
en genopbygningsalgoritme

00:03:16.569 --> 00:03:20.450
for dernæst at genindvinde
det skjulte steds 3D-geometri.

NOTE Paragraph

00:03:21.379 --> 00:03:25.189
Nu vil jeg vise jer et andet eksempel
på en indendørsscene, som vi fangede.

00:03:25.213 --> 00:03:28.323
Denne gang med flere forskellige
skjulte objekter.

00:03:28.347 --> 00:03:30.474
Og disse objekter
har forskellige udseender,

00:03:30.498 --> 00:03:32.331
så de reflekterer lys forskelligt.

00:03:32.355 --> 00:03:36.109
For eksempe, reflekterer denne
blanke dragestatue lys anderledes

00:03:36.133 --> 00:03:37.910
end den spejlbeklædte discokugle

00:03:37.934 --> 00:03:40.545
eller den hvide statue af en diskoskaster.

00:03:40.998 --> 00:03:44.417
Og vi kan faktisk se forskellene
i det reflekterede lys

00:03:44.441 --> 00:03:47.282
ved at vise det som denne 3D figur

00:03:47.306 --> 00:03:50.616
hvor vi har taget billederne
og lagt dem sammen.

00:03:50.640 --> 00:03:54.939
Og tiden er her repræsenteret
som dybdedimensionen i kassen.

NOTE Paragraph

00:03:55.914 --> 00:03:59.105
De lyse prikker man ser,
er reflektioner af lys

00:03:59.129 --> 00:04:01.675
fra hver af de spejlbeklædte
facetter på discokuglen,

00:04:01.699 --> 00:04:03.890
som spredes på væggen over tid.

00:04:04.422 --> 00:04:07.958
De stærke lysstriber
som I kan se ankommer først,

00:04:07.982 --> 00:04:11.942
er fra den blanke dragestatue,
som er tættest på væggen

00:04:11.966 --> 00:04:15.767
og de andre lyspletter kommer fra
reflektioner fra bogreolen

00:04:15.791 --> 00:04:17.124
og fra statuen.

NOTE Paragraph

00:04:17.727 --> 00:04:21.614
Vi kan også se målene billede for billede

00:04:21.638 --> 00:04:22.830
som en video

00:04:22.854 --> 00:04:24.736
for at se det spredte lys direkte.

00:04:25.461 --> 00:04:29.080
Og igen ser vi først reflektioner
af lys fra dragen

00:04:29.104 --> 00:04:30.350
tættest på væggen

00:04:30.374 --> 00:04:33.763
efterfulgt af klare pletter
fra discokuglen

00:04:33.787 --> 00:04:36.506
og andre reflektioner fra bogreolen.

00:04:36.530 --> 00:04:40.982
Og til sidst kan vi se de reflekterede
lysbølger fra statuen.

00:04:41.840 --> 00:04:44.633
Disse lysbølger som oplyser væggen

00:04:44.657 --> 00:04:49.275
er ligesom fyrværkeri der kun varer
billiondedele af et sekund.

00:04:53.649 --> 00:04:56.895
Og selvom objekterne
reflekterer lys forskelligt,

00:04:56.919 --> 00:04:59.553
kan vi stadig genskabe deres former.

00:04:59.577 --> 00:05:02.337
Og dette er, hvad du kan se
rundt om hjørnet.

NOTE Paragraph

00:05:03.547 --> 00:05:06.976
Jeg vil vise jer ét til eksempel,
der er en smule anderledes.

00:05:07.000 --> 00:05:10.380
I denne video kan I se mig,
klædt i en reflekterende dragt

00:05:10.404 --> 00:05:14.799
og vores kamerasystem scanner væggen
fire gange i sekundet.

00:05:15.173 --> 00:05:16.387
Dragten er refleksiv,

00:05:16.411 --> 00:05:19.069
så vi kan faktisk fange nok fotoner til,

00:05:19.093 --> 00:05:22.641
at vi kan se hvor jeg er og hvad jeg gør

00:05:22.665 --> 00:05:25.562
uden at kameraet fotograferer mig direkte.

00:05:25.586 --> 00:05:30.125
Ved at fange fotoner, der spredes
fra væggen til min træningsdragt,

00:05:30.149 --> 00:05:32.307
tilbage til væggen og så
tilbage til kameraet,

00:05:32.307 --> 00:05:35.903
kan vi fange denne indirekte
video i realtid.

NOTE Paragraph

00:05:36.954 --> 00:05:40.160
Og vi tror at denne slags
praktisk 'blindvinkel-afbildning'

00:05:40.184 --> 00:05:43.910
kan være nyttig for applikationer
inklusive selvkørende biler,

00:05:43.934 --> 00:05:46.029
men også til biomedicinsk afbildning

00:05:46.053 --> 00:05:49.624
hvor vi skal se ind i
kroppens mindste strukturer.

00:05:49.974 --> 00:05:53.475
Og måske kunne vi også sætte lignende
kamerasystemer på de robotter,

00:05:53.499 --> 00:05:56.164
som skal udforske andre planeter.

NOTE Paragraph

00:05:56.839 --> 00:05:59.601
I har måske hørt om at se om hjørner før,

00:05:59.625 --> 00:06:02.149
men dét, jeg viste jer i dag,
ville have været umuligt

00:06:02.149 --> 00:06:03.387
for bare to år siden.

00:06:03.411 --> 00:06:07.268
For eksempel kan vi nu afbilde skjulte
store udendørsscener på størrelse med rum

00:06:07.292 --> 00:06:09.141
i realtid

00:06:09.165 --> 00:06:13.522
og vi har gjort betydelige fremskridt mod
at gøre dette til en praktisk teknologi,

00:06:13.546 --> 00:06:15.839
som man faktisk vil se på en bil en dag.

NOTE Paragraph

00:06:16.156 --> 00:06:18.736
Men selvfølgelig,
er der stadig udfordringer tilbage.

00:06:18.760 --> 00:06:22.823
For eksempel; kan vi afbilde skjulte
scener på lang afstand

00:06:22.847 --> 00:06:25.990
hvor vi samler meget, meget få fotoner

00:06:26.014 --> 00:06:29.291
med lavenergilasere
der er sikre for øjnene?

00:06:29.641 --> 00:06:31.976
Eller kan vi skabe billeder fra fotoner,

00:06:32.000 --> 00:06:34.029
der er blevet spredt mange flere gange

00:06:34.053 --> 00:06:36.656
end bare et enkelt hop rundtom hjørnet?

00:06:36.680 --> 00:06:41.323
Kan vi tage vores prototypesystem,
der er, tja, stort og uhåndterbart lige nu

00:06:41.347 --> 00:06:43.739
og nedskalere det til noget
der kunne være brugbart

00:06:43.739 --> 00:06:45.110
til biomedicinsk afbildning

00:06:45.134 --> 00:06:48.220
eller måske en slags forbedret
tyverialarmsystem

00:06:48.244 --> 00:06:53.566
eller kan vi tage denne nye afbildnings-
modalitet og bruge den andre steder?

00:06:53.750 --> 00:06:55.773
Jeg synes, det er en spændende
ny teknologi

00:06:55.773 --> 00:06:58.621
og der kunne være andre ting,
vi endnu ikke er kommet på

00:06:58.645 --> 00:06:59.819
at bruge den til.

NOTE Paragraph

00:06:59.843 --> 00:07:02.388
Og således, kan en fremtid med
selvkørende biler

00:07:02.412 --> 00:07:04.308
virke fjern for os nu --

00:07:04.502 --> 00:07:06.579
vi er allerede ved
at udvikle de teknologier

00:07:06.603 --> 00:07:09.150
der kunne gøre biler sikrere
og smartere.

00:07:09.698 --> 00:07:13.000
Og med den rivende hastighed
på videnskabelig opdagelse og innovation,

00:07:13.024 --> 00:07:16.071
kan vi ikke vide hvilke nye
og spændende evner,

00:07:16.095 --> 00:07:18.229
der kunne være lige rundtom hjørnet.

NOTE Paragraph

00:07:18.810 --> 00:07:21.730
(Applaus)