WEBVTT

00:00:00.937 --> 00:00:02.112
I framtiden

00:00:02.136 --> 00:00:05.790
kommer självkörande bilar att bli
säkrare och pålitligare än människor.

00:00:05.895 --> 00:00:07.421
Men för att det ska bli möjligt,

00:00:07.421 --> 00:00:10.151
behöver vi ny teknik
som gör att bilar kan reagera

00:00:10.175 --> 00:00:11.442
snabbare än människor,

00:00:11.466 --> 00:00:15.180
vi behöver algoritmer
som kan köra bättre än människor

00:00:15.204 --> 00:00:19.307
och vi behöver kameror
som kan se mer än människor kan.

NOTE Paragraph

00:00:20.061 --> 00:00:24.791
Föreställ dig till exempel en självkörande
bil som ska göra en skymd sväng,

00:00:24.791 --> 00:00:26.173
och det kommer en mötande bil

00:00:26.173 --> 00:00:28.958
eller ett barn som är på väg
att springa ut i gatan.

00:00:29.458 --> 00:00:33.022
Lyckligtvis så har vår framtida bil
en superkraft,

00:00:33.046 --> 00:00:37.145
en kamera som kan se runt hörn
för att upptäcka eventuella faror.

NOTE Paragraph

00:00:37.876 --> 00:00:39.955
Under de senaste åren som doktorand

00:00:39.979 --> 00:00:42.256
i Stanfords Computational Imaging Lab,

00:00:42.280 --> 00:00:45.034
har jag arbetat på en kamera
som kan göra just det,

00:00:45.058 --> 00:00:48.456
en kamera som kan se saker
som är gömda runt hörn

00:00:48.480 --> 00:00:51.252
eller skymda i synfältet.

NOTE Paragraph

00:00:51.276 --> 00:00:54.728
Låt mig ge ett exempel på
vad vår kamera kan se.

00:00:54.752 --> 00:00:57.315
Detta är ett utomhusexperiment 
som vi genomförde

00:00:57.339 --> 00:01:01.149
där vårt kamerasystem scannar
sidan på byggnaden med laser,

00:01:01.173 --> 00:01:03.133
och föremålet som vi vill se

00:01:03.157 --> 00:01:06.117
är dolt runt hörnet bakom skynket.

00:01:06.141 --> 00:01:09.118
Så vårt kamerasystem
kan inte se det direkt.

00:01:09.561 --> 00:01:10.729
Ändå, på något sätt,

00:01:10.753 --> 00:01:15.301
kan kameran fånga en tredimensionell
bild av det här föremålet.

NOTE Paragraph

00:01:15.704 --> 00:01:17.104
Så hur gör vi detta?

00:01:17.498 --> 00:01:20.220
Magin händer här i kamerasystemet.

00:01:20.244 --> 00:01:23.569
Tänk på den här som en sorts 
höghastighetskamera.

00:01:23.593 --> 00:01:27.063
Inte en som tar tusen bilder per sekund,

00:01:27.087 --> 00:01:29.832
eller ens en miljon bilder per sekund,

00:01:29.856 --> 00:01:32.109
utan en biljon bilder per sekund.

00:01:33.023 --> 00:01:37.858
Så fort att den faktiskt kan fånga
ljusets hastighet.

00:01:38.652 --> 00:01:42.295
Och för att visa er ett exempel på
hur fort ljuset färdas,

00:01:42.319 --> 00:01:46.604
låt oss jämföra det med hastigheten
hos en snabbspringande seriehjälte

00:01:46.628 --> 00:01:49.376
som kan röra sig upp till 
tre gånger ljudets hastighet.

00:01:50.201 --> 00:01:54.400
Det tar en ljuspuls ungefär 
3,3 miljarddels sekund

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

00:01:56.321 --> 00:01:58.450
att färdas en meter.

00:01:58.474 --> 00:02:00.409
På den tiden

00:02:00.433 --> 00:02:04.307
har vår superhjälte färdats mindre än 
bredden på en människas hårstrå.

00:02:04.633 --> 00:02:05.900
Det är ganska snabbt.

00:02:06.306 --> 00:02:08.760
Men vi behöver faktiskt föreställa
oss ännu snabbare

00:02:08.784 --> 00:02:12.172
om vi vill fånga ljuset när det
rör sig längs subcentimeterskalan.

00:02:12.784 --> 00:02:15.281
Så vår kamera kan fånga fotoner

00:02:15.305 --> 00:02:18.821
i tidsramen femtio biljondels sekund,

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

NOTE Paragraph

00:02:21.821 --> 00:02:24.323
Vi tar den här ultra-höghastighetskameran

00:02:24.347 --> 00:02:28.021
och vi sätter ihop den med en laser
som sänder ut korta ljuspulser.

00:02:28.553 --> 00:02:31.088
Varje puls färdas
till den här synliga väggen

00:02:31.088 --> 00:02:33.363
och en del ljus studsar tillbaka
till vår kamera

00:02:33.363 --> 00:02:36.579
men vi använder också väggen till
att studsa ljus runt hörnet

00:02:36.603 --> 00:02:38.536
till det dolda föremålet och tillbaka.

00:02:39.363 --> 00:02:41.601
Vi upprepar det här momentet 
många gånger

00:02:41.625 --> 00:02:44.165
för att mäta ankomsttiderna
hos många olika fotoner

00:02:44.189 --> 00:02:46.276
från olika platser på väggen.

00:02:46.300 --> 00:02:49.156
Och efter att vi har fått
de mätvärdena kan vi skapa

00:02:49.180 --> 00:02:51.815
en video av väggen
med en biljon bilder per sekund.

NOTE Paragraph

00:02:52.371 --> 00:02:55.379
Även om den här väggen 
ser vanlig ut i våra ögon,

00:02:55.403 --> 00:02:59.878
kan vi med en biljon bilder per sekund
se något helt häpnadsväckande.

00:03:00.275 --> 00:03:04.642
Vi kan faktiskt se ljusvågor
spridas tillbaka från det dolda föremålet

00:03:04.666 --> 00:03:06.733
och studsa mot väggen.

00:03:07.063 --> 00:03:10.015
Och varje våg har med sig information

00:03:10.039 --> 00:03:12.317
om det dolda föremålet som skickade den.

00:03:12.341 --> 00:03:14.022
Så vi kan ta de här mätvärdena

00:03:14.046 --> 00:03:16.545
och mata in dem
i en rekonstruktionsalgoritm

00:03:16.569 --> 00:03:20.450
för att avslöja den tredimensionella
konstruktionen hos det dolda föremålet.

NOTE Paragraph

00:03:21.379 --> 00:03:25.189
Nu vill jag visa er ytterligare
ett exempel på en inomhusbild,

00:03:25.213 --> 00:03:28.323
den här gången
med flera olika dolda föremål.

00:03:28.347 --> 00:03:30.474
Och de här föremålen
har olika utseende,

00:03:30.498 --> 00:03:32.331
så de reflekterar ljus på olika sätt.

00:03:32.355 --> 00:03:36.109
Till exempel, den här blanka drakstatyn
reflekterar ljuset annorlunda

00:03:36.133 --> 00:03:37.910
än discokulan med speglar

00:03:37.934 --> 00:03:40.545
eller den vita statyn av en diskuskastare.

00:03:40.998 --> 00:03:44.337
Och vi kan faktiskt se skillnaderna
i det återspeglade ljuset

00:03:44.337 --> 00:03:47.306
genom att visualisera det i den här 
tredimensionella modellen,

00:03:47.306 --> 00:03:50.616
där vi bara har tagit videobilderna
och staplat dem på varandra.

00:03:50.640 --> 00:03:54.939
Och där tiden representeras
av djupdimensionen i modellen.

NOTE Paragraph

00:03:55.914 --> 00:03:59.105
De ljusa prickarna som ni ser 
är reflektioner av ljus

00:03:59.129 --> 00:04:01.675
från var och en av discokulans
spegelfasetter,

00:04:01.699 --> 00:04:03.890
som sprids mot väggen över tid.

00:04:04.422 --> 00:04:07.958
De skarpa stråken av ljus som ni ser
som kommer fram först

00:04:07.982 --> 00:04:11.942
är från den blanka drakstatyn
som står närmast väggen,

00:04:11.966 --> 00:04:15.767
och de andra stråken av ljus kommer från
reflektioner av ljus från bokhyllan

00:04:15.791 --> 00:04:17.124
och från statyn.

NOTE Paragraph

00:04:17.727 --> 00:04:21.614
Vi kan också visualisera
de här mätningarna bild för bild,

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

00:04:22.854 --> 00:04:24.736
för att kunna se det spridda ljuset.

00:04:25.461 --> 00:04:29.080
Och här ser vi igen ljusreflektionen
från draken,

00:04:29.104 --> 00:04:30.350
närmast väggen,

00:04:30.374 --> 00:04:33.763
följt av ljusa prickar från discokulan

00:04:33.787 --> 00:04:36.506
och andra reflektioner från bokhyllan.

00:04:36.530 --> 00:04:40.982
Och till sist ser vi de reflekterade 
ljusvågorna från statyn.

00:04:41.840 --> 00:04:44.633
Dessa ljusvågor lyser upp väggen

00:04:44.657 --> 00:04:49.275
precis som fyrverkerier som varar 
i en biljondels sekund.

00:04:53.649 --> 00:04:56.895
Och även om de här föremålen
reflekterar ljus på olika sätt,

00:04:56.919 --> 00:04:59.553
så kan vi ändå återskapa deras form.

00:04:59.577 --> 00:05:02.337
Och det är det som syns runt hörnet.

NOTE Paragraph

00:05:03.547 --> 00:05:06.976
Nu vill jag visa er ett exempel 
som är lite annorlunda.

00:05:07.000 --> 00:05:10.380
I den här videon ser ni mig klädd 
i en reflekterande overall

00:05:10.404 --> 00:05:14.799
och vårt kamerasystem scannar väggen
var fjärde sekund.

00:05:15.073 --> 00:05:16.387
Overallen reflekterar ljus,

00:05:16.411 --> 00:05:19.069
så att vi kan mäta tillräckligt
med fotoner

00:05:19.093 --> 00:05:22.641
för att kunna se var jag är 
och vad jag gör,

00:05:22.665 --> 00:05:25.562
utan att kameran faktiskt 
filmar mig direkt.

00:05:25.586 --> 00:05:30.125
Genom att fånga fotoner som studsar 
från väggen till min overall,

00:05:30.125 --> 00:05:32.307
tillbaks till väggen
och sedan till kameran,

00:05:32.307 --> 00:05:35.903
kan vi skapa en indirekt video i realtid.

NOTE Paragraph

00:05:36.954 --> 00:05:40.160
Och vi tror att den här typen
av bilder utanför synfältet

00:05:40.184 --> 00:05:43.910
kan bli användbara för olika program
inklusive självkörande bilar,

00:05:43.934 --> 00:05:46.029
men också för biomedicinska bilder,

00:05:46.053 --> 00:05:49.624
där vi behöver se de minsta
strukturerna i kroppen.

00:05:49.974 --> 00:05:53.475
Och kanske kan vi sätta samma 
kamerasystem på robotarna

00:05:53.499 --> 00:05:56.164
som vi skickar ut
för att utforska andra planeter.

NOTE Paragraph

00:05:56.839 --> 00:05:59.601
Ni kanske har hört om
att titta runt hörn förut,

00:05:59.625 --> 00:06:02.199
men vad jag har visat er idag 
skulle varit omöjligt

00:06:02.223 --> 00:06:03.387
för bara två år sedan.

00:06:03.411 --> 00:06:07.268
Till exempel så kan vi nu avbilda stora, 
rumsliga dolda föremål utomhus

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

00:06:09.165 --> 00:06:13.522
och vi har gjort avsevärda framsteg för 
att göra det här till verklig teknik

00:06:13.546 --> 00:06:16.189
som du faktiskt kommer
kunna hitta i en bil i framtiden.

NOTE Paragraph

00:06:16.196 --> 00:06:18.736
Men det finns förstås fortfarande 
utmaningar kvar.

00:06:18.760 --> 00:06:22.823
Kan vi till exempel avbilda
dolda föremål på långa avstånd

00:06:22.847 --> 00:06:25.990
när vi bara tar emot väldigt, 
väldigt få fotoner,

00:06:26.014 --> 00:06:29.291
med lågenergilaser som är synsäker?

00:06:29.641 --> 00:06:31.976
Eller kan vi skapa bilder från fotoner

00:06:32.000 --> 00:06:34.029
som har studsat många fler gånger

00:06:34.053 --> 00:06:36.656
än bara en gång runt hörnet?

00:06:36.680 --> 00:06:41.323
Kan vi ta vårt prototypsystem
som är stort och bökigt,

00:06:41.347 --> 00:06:43.887
och krympa det till något 
som går att använda

00:06:43.911 --> 00:06:45.110
till biomedicinska bilder

00:06:45.134 --> 00:06:48.220
eller kanske ett förbättrat system 
för säkerhet hemma,

00:06:48.244 --> 00:06:53.756
eller kan vi ta den här nya bildtekniken 
och använda den i andra program?

00:06:53.780 --> 00:06:55.669
Det är en spännande ny teknik

00:06:55.693 --> 00:06:58.621
och det kan finnas andra saker
som vi inte har tänkt på ännu

00:06:58.645 --> 00:06:59.819
att använda den till.

NOTE Paragraph

00:06:59.843 --> 00:07:02.388
Och en framtid med självkörande bilar

00:07:02.412 --> 00:07:04.578
kanske verkar avlägsen nu,

00:07:04.602 --> 00:07:06.579
men vi utvecklar redan tekniken

00:07:06.603 --> 00:07:09.150
som kan göra bilar säkrare
och intelligentare.

00:07:09.698 --> 00:07:13.000
Och med den takten på vetenskapliga
upptäckter och uppfinningar,

00:07:13.024 --> 00:07:16.071
vet man aldrig vilka nya
och spännande möjligheter

00:07:16.095 --> 00:07:18.229
som finns runt hörnet.

NOTE Paragraph

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