Return to Video

دوربینی که می‌تواند گوشه‌ها را ببیند

  • 0:01 - 0:02
    در آینده،
  • 0:02 - 0:06
    ماشین‌های خودران امن‌تر و نسبت به
    آدم‌ها قابل اعتمادتر خواهند بود.
  • 0:06 - 0:07
    اما برای رسیدن به آن،
  • 0:07 - 0:10
    ما به فناوری‌هایی نیاز داریم که
    به ماشین‌ها اجازه دهد تا
  • 0:10 - 0:11
    سریعتر از انسان‌ها باشند.
  • 0:11 - 0:15
    ما به الگوریتم‌هایی نیاز داریم
    که بهتر از انسان‌ها رانندگی کنند،
  • 0:15 - 0:19
    و به دوربین‌هایی نیاز داریم که
    بیش از انسان‌ها ببینند.
  • 0:20 - 0:25
    برای مثال، یک ماشین خودران را تصور کنید
    که می‌خواهد بدون دید کافی دور بزند،
  • 0:25 - 0:26
    یک ماشین هم از مقابل می‌آید
  • 0:26 - 0:29
    یا شاید یک بچه دارد
    می‌پرد وسط خیابان.
  • 0:29 - 0:33
    خوشبختانه ماشین آتی ما
    این ابرقدرت را دارد،
  • 0:33 - 0:37
    دوربینی که می‌تواند گوشه‌ها را ببیند
    تا از این خطرات بالقوه پیشگیری کند.
  • 0:38 - 0:40
    در چندسال اخیر به عنوان یک دانشجوی دکتری
  • 0:40 - 0:42
    در آزمایشگاه محاسبات
    تصویری دانشگاه استنفورد،
  • 0:42 - 0:45
    روی دوربینی کار کرده‌ام که
    که بتواند این کار را انجام دهد-
  • 0:45 - 0:48
    دوربینی که می‌تواند اشیا
    پنهان در گوشه و کنار
  • 0:48 - 0:51
    یا اشیایی که مستقیما در
    دید نیستند را تصویربرداری کند.
  • 0:51 - 0:55
    بگذارید از آنچه که دوربین ما
    می‌تواند ببیند مثالی بزنم.
  • 0:55 - 0:57
    این یک آزمایش در فضای باز
    است که ما انجام دادیم
  • 0:57 - 1:01
    که سیستم دوربین ما این قسمت از
    ساختماان را با لیزر اسکن می‌کند،
  • 1:01 - 1:03
    و این صحنه‌ای که می‌خواهیم بگیریم
  • 1:03 - 1:06
    درست پشت پرده پنهان شده است.
  • 1:06 - 1:09
    بنابراین سیستم دوربین ما در واقع
    نمی‌تواند آن را مستقیما ببیند.
  • 1:10 - 1:11
    و هنوز، تا حدودی،
  • 1:11 - 1:15
    دوربین ما فقط می‌تواند هندسه
    سه بعدی این صحنه را ضبط کند.
  • 1:16 - 1:17
    خوب چطور این کار را بکنیم؟
  • 1:17 - 1:20
    جادو دقیقا همینجا در
    سیستم دوربین اتفاق می‌افتد.
  • 1:20 - 1:24
    می‌توانید آن را یک نوع دوربین با سرعت
    تصویربرداری بسیار بالا تصور کنید
  • 1:24 - 1:27
    نه تنها ۱۰۰۰ فریم در ثانیه
  • 1:27 - 1:30
    یا حتی یک میلیون فریم در ثانیه،
  • 1:30 - 1:32
    بلکه یک تریلیون فریم در ثانیه می‌گیرد.
  • 1:33 - 1:38
    آنقدر سریع که می‌تواند
    حرکت نور را هم بگیرد.
  • 1:39 - 1:42
    یک مثال بزنم تا بدانید که نور
    چقدر سریع حرکت می‌کند،
  • 1:42 - 1:47
    بیایید آن را با سرعت ابرقهرمان
    سریع کتاب‌های مصور مقایسه کنیم
  • 1:47 - 1:49
    که می‌تواند تا سه برابر سرعت صوت حرکت کند.
  • 1:50 - 1:54
    یک پالس نور حدود ۳.۳
    میلیاردم ثانیه
  • 1:54 - 1:56
    یا ۳.۳ نانو ثانیه طول می‌کشد،
  • 1:56 - 1:58
    تا مسافت یک متری را طی کند.
  • 1:58 - 2:00
    خوب، در همین زمان،
  • 2:00 - 2:04
    ابرقهرمان ما کمتر از قطر
    موی یک انسان حرکت کرده است.
  • 2:05 - 2:06
    خیلی سریع است.
  • 2:06 - 2:09
    اما در واقع، ما باید آنرا
    خیلی سریعتر تصویر کنیم
  • 2:09 - 2:12
    اگر بخواهیم حرکت نور را
    در مقیاس کمتر از سانتیمتر ضبط کنیم.
  • 2:13 - 2:15
    بنابراین سیستم دوربین ما
    می‌تواند فوتون‌ها را ضبط کند
  • 2:15 - 2:19
    در چارچوب زمانی فقط
    ۵۰ تریلیونیم ثانیه،
  • 2:19 - 2:21
    یا ۵۰ پیکوثانیه.
  • 2:22 - 2:24
    پس ما از این دوربین
    فوق‌العاده پرسرعت استفاده می‌کنیم
  • 2:24 - 2:28
    و آن را با یک لیزر جفت می‌کنیم
    که پالس‌های کوتاهی از نور ارسال می‌کند.
  • 2:29 - 2:31
    هر پالس این دیواره مرئی را طی می‌کند
  • 2:31 - 2:33
    و بعضی از نورها به دوربین ما باز می‌گردند،
  • 2:33 - 2:37
    اما ما از دیوار برای پراکنده کردن نور
    در گوشه‌‌ و به سمت جسم پنهان
  • 2:37 - 2:39
    نیز استفاده می‌کنیم.
  • 2:39 - 2:42
    ما این اندازه گیری را بارها تکرار می‌کنیم
  • 2:42 - 2:44
    تا دفعات رسیدن فوتون‌ها را
  • 2:44 - 2:46
    از نقاط مختلف دیواراندازه‌گیری کنیم.
  • 2:46 - 2:49
    بعد از این اندازه‌گیری‌ها می‌توانیم
  • 2:49 - 2:52
    یک ویدئوی یک تریلیون فریمی
    درهر ثانیه از دیوار بگیریم.
  • 2:52 - 2:55
    در حالیکه این دیوار به چشم ما
    عادی به نظر می‌رسد،
  • 2:55 - 3:00
    با یک تریلیون فریم درهرثانیه
    می‌توانیم چیزی واقعاً باورنکردنی ببینیم.
  • 3:00 - 3:05
    در واقع می‌توانیم امواج نور پراکنده شده
    در صحنه پنهان را ببینیم
  • 3:05 - 3:07
    و آن را روی دیوار بیندازیم.
  • 3:07 - 3:10
    و هر یک از این امواج
    حاوی اطلاعاتی هستند
  • 3:10 - 3:12
    درباره شیء پنهانی که آن را فرستاده است.
  • 3:12 - 3:14
    پس می‌توانیم این
    اندازه‌ها را بگیریم
  • 3:14 - 3:17
    وبا استفاده از یک الگوریتم
    بازسازی آنها را انتقال دهیم
  • 3:17 - 3:20
    و سپس با استفاده از هندسه سه بعدی
    این صحنه پنهان را بازیابی کنیم.
  • 3:21 - 3:25
    حالا می‌خواهم مثال دیگری بزنم
    از صحنه‌ای داخل ساختمان که ضبط کردیم،
  • 3:25 - 3:28
    این بار با یک تفاوت که
    چندین شی متفاوت داریم.
  • 3:28 - 3:30
    و این اشیا ظاهر متفاوتی نیز دارند،
  • 3:30 - 3:32
    پس نور را به شکل دیگری برمی‌گردانند.
  • 3:32 - 3:36
    مثلاَ، این مجسمه اژدهای براق
    نسبت به این گوی آینه‌ای
  • 3:36 - 3:38
    یا نسبت به این مجسمه دیسک‌پران
  • 3:38 - 3:41
    نور را به صورت متفاوتی برمی‌گرداند.
  • 3:41 - 3:44
    و ما در واقع می‌توانیم تفاوت‌ها را
    در نور بازگشتی مشاهده کنیم
  • 3:44 - 3:47
    با استفاده از تصویرسازی حجم سه بعدی
  • 3:47 - 3:51
    درحالیکه فریم‌های ویدیویی را گرفته‌ایم
    و آنها را پشت هم قرار داده‌ایم.
  • 3:51 - 3:55
    و زمان در اینجا به عنوان بعد عمق این
    مکعب نشان داده شده است.
  • 3:56 - 3:59
    این نقطه‌های درخشانی که مشاهده می‌کنید
    انعکاس نور هستند
  • 3:59 - 4:02
    از بازتاب هرگوشه‌ی گوی آیینه‌ای،
  • 4:02 - 4:04
    که در طول زمان روی دیوار پخش می‌شود.
  • 4:04 - 4:08
    باریکه‌های نوری که می‌بینید زودتر می‌رسند
  • 4:08 - 4:12
    از سمت مجسمه‌ی اژدهایی است
    که نزدیک دیوار است،
  • 4:12 - 4:16
    و سایر باریکه‌های نور
    از انعکاس قفسه کتاب
  • 4:16 - 4:17
    و از این مجسمه هستند.
  • 4:18 - 4:22
    حال می‌توانیم این معیارها را
    فریم به فریم تجسم کنیم،
  • 4:22 - 4:23
    مثل یک ویدیو،
  • 4:23 - 4:25
    تا مستقیما نور پراکنده شده را ببینیم.
  • 4:25 - 4:29
    و دوباره، اینجا ابتدا، انعکاس نور
    اژدها را مشاهده می‌کنیم،
  • 4:29 - 4:30
    که نزدیک دیوار است،
  • 4:30 - 4:34
    که توسط نقاط روشن گوی آیینه‌ای
    ادامه پیدا کرده
  • 4:34 - 4:37
    و سایر انعکاس‌ها از قفسه کتاب است.
  • 4:37 - 4:41
    و در نهایت، امواج منعکس شده
    از نور این مجسمه را می‌بینیم.
  • 4:42 - 4:45
    این امواج دیوار را روشن می‌کنند
  • 4:45 - 4:49
    مانند آتش بازی‌هایی که فقط برای
    تریلیونم ثانیه ماندگار هستند.
  • 4:54 - 4:57
    و حتی اگر این اشیاء، نور را به
    صورتی متفاوت منعکس کنند،
  • 4:57 - 5:00
    ما می‌توانیم شکل آنها را بازسازی کنیم
  • 5:00 - 5:02
    و این همان چیزی است که شما
    در گوشه‌ها می‌توانید مشاهده کنید
  • 5:04 - 5:07
    حالا، می‌خواهم مثال دیگری را
    با کمی تفاوت نشان دهم.
  • 5:07 - 5:10
    در این ویدیو، من را در لباس
    بازتابنده می‌بینید
  • 5:10 - 5:15
    و دوربین ما در حال اسکن دیوار
    با سرعت چهار بار در هر ثانیه است.
  • 5:15 - 5:16
    این لباس بازتابنده است،
  • 5:16 - 5:19
    بنابراین می‌توانیم فوتون‌های
    کافی را ضبط کنیم
  • 5:19 - 5:23
    که می‌توانیم ببینیم من
    کجا هستم و چه می‌کنم،
  • 5:23 - 5:26
    بدون دوربین دقیقا تصویر من را بگیرید.
  • 5:26 - 5:30
    با استفاده از ضبط فوتون‌هایی که از لباس
    ورزشی من روی دیوار پخش می‌شوند،
  • 5:30 - 5:32
    که به دیوار برمی‌گردد و از آنجا به دوربین،
  • 5:32 - 5:36
    می‌توانیم این ویدیوی
    غیرمستقیم را در لحظه ضبط کنیم.
  • 5:37 - 5:40
    فکر می‌کنیم که این نوع از
    تصویربرداری غیرمستقیم بصری
  • 5:40 - 5:44
    می‌تواند نه تنها برای اپلیکیشن‌های داخل
    اتومبیل‌های خودران مفید باشد،
  • 5:44 - 5:46
    بلکه برای تصویربرداری پزشکی،
  • 5:46 - 5:50
    که ما نیاز داریم ساختارهای
    ریز بدن را ببینیم نیز مفید باشد.
  • 5:50 - 5:53
    شاید بتوانیم سیستم‌های دوربین
    مشابه آنرا در روبات‌ها قرار دهیم
  • 5:53 - 5:56
    تا برای کاوش به سیارات دیگر بفرستیم.
  • 5:57 - 6:00
    شاید قبلا در مورد دیدن
    ورای گوشه‌ها چیزی شنیده باشید،
  • 6:00 - 6:02
    اما چیزی که امروز نشانتان دادم دوسال پیش
  • 6:02 - 6:03
    غیرممکن به نظر می‌رسید.
  • 6:03 - 6:07
    برای مثال، امروزه می‌توانیم تصاویر
    به بزرگی اتاق را با سرعت بالا
  • 6:07 - 6:09
    در بیرون ببینیم،
  • 6:09 - 6:14
    و پیشرفت‌های مهمی به سوی کاربردی کردن
    این تکنولوژی صورت گرفته است
  • 6:14 - 6:16
    تا بتوانیم روزی آن را
    روی اتومبیل پیاده کنیم.
  • 6:16 - 6:19
    اما البته، هنوز چالش‌هایی باقی مانده است.
  • 6:19 - 6:23
    برای مثال، آیا می‌توانیم مناظر پنهان
    در مسافت‌های دور را
  • 6:23 - 6:26
    با جمع آوری فوتون‌های خیلی خیلی کم
  • 6:26 - 6:29
    به وسیله لیزرهای کم مصرف که برای
    چشم ضرری ندارند تصویربرداری کنیم.
  • 6:30 - 6:32
    یا از فوتون‌هایی که بارها
    بیشتر از یک شکست ساده
  • 6:32 - 6:34
    در اطراف پخش شده‌اند
  • 6:34 - 6:37
    تصاویری خلق کنیم؟
  • 6:37 - 6:41
    آیا می‌توانیم مدل سیستم اولیه‌مان که
    درحال حاضر بزرگ و حجیم است را
  • 6:41 - 6:44
    به چیزی که برای تصویربرداری
    پزشکی می‌تواند مفید باشد
  • 6:44 - 6:45
    یا شاید به نوعی سیستم
  • 6:45 - 6:48
    سیستم امنیت خانگی
    اصلاح شده تبدیل کنیم؟
  • 6:48 - 6:54
    یا می‌توانیم از این کیفیت تصویربرداری
    جدید در اپلیکیشن‌های دیگر استفاده کنیم؟
  • 6:54 - 6:56
    من فکر می‌کنم که این تکنولوژی جدیدی است
  • 6:56 - 6:59
    و چیزهای دیگری هم وجود دارند
    که هنوز به آنها فکر نکرده‌ایم که
  • 6:59 - 7:00
    می‌شود در آنها بکار رود.
  • 7:00 - 7:02
    خوب، آینده با ماشین‌های خودران
  • 7:02 - 7:05
    برای ما به نظر بعید می‌رسد --
  • 7:05 - 7:07
    هم اکنون در حال توسعه تکنولوژی‌هایی هستیم
  • 7:07 - 7:09
    که می‌تواند ماشین‌های ما را
    ایمن‌تر و هوشمندتر کند.
  • 7:10 - 7:13
    و با سرعت بالای ابداع و کشف علمی،
  • 7:13 - 7:16
    هیچوقت نمی‌دانید که چه امکانات جالب جدیدی
  • 7:16 - 7:18
    در راه است.
  • 7:19 - 7:22
    (تشویق)
Title:
دوربینی که می‌تواند گوشه‌ها را ببیند
Speaker:
دیوید لیندل
Description:

دیوید لیندل، مهندس مکانیک می‌گوید که برای امنیت کار، ماشین‌های خودران باید از موانع دوری کنند -- از جمله موانع خارج از دیدشان. به این منظور، ما به تکنولوژی نیاز داریم که بهتر از انسان قادر به دیدن باشد. برای دیدن یک دموی تکنیکی سریع و پیشگامانه خود را آماده کنید که دیوید لیندل آن را نیروی پتانسیل چندکاره‌ی دوربین‌های پرسرعت توصیف می‌کند که می‌توانند اشیای پنهان در گوشه‌ها را کشف کنند.

more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
07:34

Persian subtitles

Revisions