I framtiden kommer självkörande bilar att bli säkrare och pålitligare än människor. Men för att det ska bli möjligt, behöver vi ny teknik som gör att bilar kan reagera snabbare än människor, vi behöver algoritmer som kan köra bättre än människor och vi behöver kameror som kan se mer än människor kan. 
Föreställ dig till exempel en självkörande bil som ska göra en skymd sväng, och det kommer en mötande bil eller ett barn som är på väg att springa ut i gatan. Lyckligtvis så har vår framtida bil en superkraft, en kamera som kan se runt hörn för att upptäcka eventuella faror. 
Under de senaste åren som doktorand i Stanfords Computational Imaging Lab, har jag arbetat på en kamera som kan göra just det, en kamera som kan se saker som är gömda runt hörn eller skymda i synfältet. 
Låt mig ge ett exempel på vad vår kamera kan se. Detta är ett utomhusexperiment  som vi genomförde där vårt kamerasystem scannar sidan på byggnaden med laser, och föremålet som vi vill se är dolt runt hörnet bakom skynket. Så vårt kamerasystem kan inte se det direkt. Ändå, på något sätt, kan kameran fånga en tredimensionell bild av det här föremålet. 
Så hur gör vi detta? Magin händer här i kamerasystemet. Tänk på den här som en sorts  höghastighetskamera. Inte en som tar tusen bilder per sekund, eller ens en miljon bilder per sekund, utan en biljon bilder per sekund. Så fort att den faktiskt kan fånga ljusets hastighet. Och för att visa er ett exempel på hur fort ljuset färdas, låt oss jämföra det med hastigheten hos en snabbspringande seriehjälte som kan röra sig upp till  tre gånger ljudets hastighet. Det tar en ljuspuls ungefär  3,3 miljarddels sekund eller 3,3 nanosekunder, att färdas en meter. På den tiden har vår superhjälte färdats mindre än  bredden på en människas hårstrå. Det är ganska snabbt. Men vi behöver faktiskt föreställa oss ännu snabbare om vi vill fånga ljuset när det rör sig längs subcentimeterskalan. Så vår kamera kan fånga fotoner i tidsramen femtio biljondels sekund, eller femtio picosekunder. 
Vi tar den här ultra-höghastighetskameran och vi sätter ihop den med en laser som sänder ut korta ljuspulser. Varje puls färdas till den här synliga väggen och en del ljus studsar tillbaka till vår kamera men vi använder också väggen till att studsa ljus runt hörnet till det dolda föremålet och tillbaka. Vi upprepar det här momentet  många gånger för att mäta ankomsttiderna hos många olika fotoner från olika platser på väggen. Och efter att vi har fått de mätvärdena kan vi skapa en video av väggen med en biljon bilder per sekund. 
Även om den här väggen  ser vanlig ut i våra ögon, kan vi med en biljon bilder per sekund se något helt häpnadsväckande. Vi kan faktiskt se ljusvågor spridas tillbaka från det dolda föremålet och studsa mot väggen. Och varje våg har med sig information om det dolda föremålet som skickade den. Så vi kan ta de här mätvärdena och mata in dem i en rekonstruktionsalgoritm för att avslöja den tredimensionella konstruktionen hos det dolda föremålet. 
Nu vill jag visa er ytterligare ett exempel på en inomhusbild, den här gången med flera olika dolda föremål. Och de här föremålen har olika utseende, så de reflekterar ljus på olika sätt. Till exempel, den här blanka drakstatyn reflekterar ljuset annorlunda än discokulan med speglar eller den vita statyn av en diskuskastare. Och vi kan faktiskt se skillnaderna i det återspeglade ljuset genom att visualisera det i den här  tredimensionella modellen, där vi bara har tagit videobilderna och staplat dem på varandra. Och där tiden representeras av djupdimensionen i modellen. 
De ljusa prickarna som ni ser  är reflektioner av ljus från var och en av discokulans spegelfasetter, som sprids mot väggen över tid. De skarpa stråken av ljus som ni ser som kommer fram först är från den blanka drakstatyn som står närmast väggen, och de andra stråken av ljus kommer från reflektioner av ljus från bokhyllan och från statyn. 
Vi kan också visualisera de här mätningarna bild för bild, som en video, för att kunna se det spridda ljuset. Och här ser vi igen ljusreflektionen från draken, närmast väggen, följt av ljusa prickar från discokulan och andra reflektioner från bokhyllan. Och till sist ser vi de reflekterade  ljusvågorna från statyn. Dessa ljusvågor lyser upp väggen precis som fyrverkerier som varar  i en biljondels sekund. Och även om de här föremålen reflekterar ljus på olika sätt, så kan vi ändå återskapa deras form. Och det är det som syns runt hörnet. 
Nu vill jag visa er ett exempel  som är lite annorlunda. I den här videon ser ni mig klädd  i en reflekterande overall och vårt kamerasystem scannar väggen var fjärde sekund. Overallen reflekterar ljus, så att vi kan mäta tillräckligt med fotoner för att kunna se var jag är  och vad jag gör, utan att kameran faktiskt  filmar mig direkt. Genom att fånga fotoner som studsar  från väggen till min overall, tillbaks till väggen och sedan till kameran, kan vi skapa en indirekt video i realtid. 
Och vi tror att den här typen av bilder utanför synfältet kan bli användbara för olika program inklusive självkörande bilar, men också för biomedicinska bilder, där vi behöver se de minsta strukturerna i kroppen. Och kanske kan vi sätta samma  kamerasystem på robotarna som vi skickar ut för att utforska andra planeter. 
Ni kanske har hört om att titta runt hörn förut, men vad jag har visat er idag  skulle varit omöjligt för bara två år sedan. Till exempel så kan vi nu avbilda stora,  rumsliga dolda föremål utomhus och i realtid, och vi har gjort avsevärda framsteg för  att göra det här till verklig teknik som du faktiskt kommer kunna hitta i en bil i framtiden. 
Men det finns förstås fortfarande  utmaningar kvar. Kan vi till exempel avbilda dolda föremål på långa avstånd när vi bara tar emot väldigt,  väldigt få fotoner, med lågenergilaser som är synsäker? Eller kan vi skapa bilder från fotoner som har studsat många fler gånger än bara en gång runt hörnet? Kan vi ta vårt prototypsystem som är stort och bökigt, och krympa det till något  som går att använda till biomedicinska bilder eller kanske ett förbättrat system  för säkerhet hemma, eller kan vi ta den här nya bildtekniken  och använda den i andra program? Det är en spännande ny teknik och det kan finnas andra saker som vi inte har tänkt på ännu att använda den till. 
Och en framtid med självkörande bilar kanske verkar avlägsen nu, men vi utvecklar redan tekniken som kan göra bilar säkrare och intelligentare. Och med den takten på vetenskapliga upptäckter och uppfinningar, vet man aldrig vilka nya och spännande möjligheter som finns runt hörnet. 
(Applåder) 
