ABOUT THE SPEAKER
Vijay Kumar - Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations.

Why you should listen

At the General Robotics, Automation, Sensing and Perception (GRASP) Lab at the University of Pennsylvania, flying quadrotor robots move together in eerie formation, tightening themselves into perfect battalions, even filling in the gap when one of their own drops out. You might have seen viral videos of the quads zipping around the netting-draped GRASP Lab (they juggle! they fly through a hula hoop!). Vijay Kumar headed this lab from 1998-2004. He's now the dean of the School of Engineering and Applied Science at the University of Pennsylvania in Philadelphia, where he continues his work in robotics, blending computer science and mechanical engineering to create the next generation of robotic wonders.

More profile about the speaker
Vijay Kumar | Speaker | TED.com
TEDxPenn

Vijay Kumar: The future of flying robots

Vijay Kumar: El futuro de los robots voladores

Filmed:
1,780,679 views

En su laboratorio en la Universidad de Pennsylvania, Vijay Kumar y su equipo han creado robots aéreos autónomos inspirados en las abejas. Su último avance: agricultura de precisión, en la que los enjambres de robots mapean, reconstruyan y analizan cada planta y fruta en un huerto, proporcionando información vital para los agricultores que puede ayudar a mejorar el rendimiento y hacer más inteligente la gestión del agua.
- Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations. Full bio

Double-click the English transcript below to play the video.

00:13
In my lablaboratorio, we buildconstruir
autonomousautónomo aerialaéreo robotsrobots
0
1280
3656
En mi laboratorio,
construimos robots aéreos autónomos
00:16
like the one you see flyingvolador here.
1
4960
1880
como el que ven volar aquí.
00:20
Unlikediferente a the commerciallycomercialmente availabledisponible dronesdrones
that you can buycomprar todayhoy,
2
8720
3696
A diferencia de los drones que
se pueden comprar hoy en el mercado,
00:24
this robotrobot doesn't have any GPSGPS on boardtablero.
3
12440
2640
este robot no tiene ningún GPS a bordo.
00:28
So withoutsin GPSGPS,
4
16160
1216
Así que sin GPS,
00:29
it's harddifícil for robotsrobots like this
to determinedeterminar theirsu positionposición.
5
17400
3280
es difícil para los robots como este
determinar su posición.
00:34
This robotrobot usesusos onboarda bordo sensorssensores,
camerascámaras and laserláser scannersescáneres,
6
22240
4736
Este robot utiliza sensores a bordo,
cámaras y escáneres láser,
00:39
to scanescanear the environmentambiente.
7
27000
1696
para escanear el medio ambiente.
00:40
It detectsdetecta featurescaracteristicas from the environmentambiente,
8
28720
3056
Detecta las características del entorno,
y determina dónde está
en relación con esas características,
00:43
and it determinesdetermina where it is
relativerelativo to those featurescaracteristicas,
9
31800
2736
00:46
usingutilizando a methodmétodo of triangulationtriangulación.
10
34560
2136
utilizando un método de triangulación.
00:48
And then it can assemblearmar
all these featurescaracteristicas into a mapmapa,
11
36720
3456
Entonces puede reunir todas
estas características en un mapa,
00:52
like you see behinddetrás me.
12
40200
1736
como se ve detrás de mí.
00:53
And this mapmapa then allowspermite the robotrobot
to understandentender where the obstaclesobstáculos are
13
41960
3936
Este mapa permite que el robot
comprenda dónde están los obstáculos
00:57
and navigatenavegar in a collision-freelibre de colisiones mannermanera.
14
45920
2720
y navegar libre de colisiones.
01:01
What I want to showespectáculo you nextsiguiente
15
49160
2096
Lo que quiero mostrarles a continuación
01:03
is a setconjunto of experimentsexperimentos
we did insidedentro our laboratorylaboratorio,
16
51280
3216
es un conjunto de experimentos
que hicimos en nuestro laboratorio,
01:06
where this robotrobot was ablepoder
to go for longermás distancesdistancias.
17
54520
3480
en los que este robot fue capaz de ir
a distancias más largas.
01:10
So here you'lltu vas a see, on the topparte superior right,
what the robotrobot seesve with the cameracámara.
18
58400
5016
Verán, en la parte superior derecha,
lo que el robot ve con la cámara.
01:15
And on the mainprincipal screenpantalla --
19
63440
1216
En la pantalla principal
01:16
and of coursecurso this is spedacelerado up
by a factorfactor of fourlas cuatro --
20
64680
2456
--por supuesto acelerado
por un factor de cuatro--
01:19
on the mainprincipal screenpantalla you'lltu vas a see
the mapmapa that it's buildingedificio.
21
67160
2667
verán el mapa que está construyendo.
01:21
So this is a high-resolutionalta resolución mapmapa
of the corridorcorredor around our laboratorylaboratorio.
22
69851
4285
Este es un mapa de alta resolución del
corredor de nuestro laboratorio.
01:26
And in a minuteminuto
you'lltu vas a see it enterentrar our lablaboratorio,
23
74160
2336
En un minuto verán que entra
en nuestro laboratorio,
01:28
whichcual is recognizablereconocible
by the clutterdesorden that you see.
24
76520
2856
que es reconocible
por el desorden que se ve.
01:31
(LaughterRisa)
25
79400
1016
(Risas)
01:32
But the mainprincipal pointpunto I want to conveytransmitir to you
26
80440
2007
Pero el punto que quiero transmitirles
01:34
is that these robotsrobots are capablecapaz
of buildingedificio high-resolutionalta resolución mapsmapas
27
82472
3584
es que estos robots son capaces
de construir mapas de alta resolución
01:38
at fivecinco centimeterscentímetros resolutionresolución,
28
86080
2496
a resoluciones de 5 cm,
01:40
allowingpermitir somebodyalguien who is outsidefuera de the lablaboratorio,
or outsidefuera de the buildingedificio
29
88600
4176
permitiendo a alguien que esté fuera
del laboratorio, o fuera del edificio
01:44
to deploydesplegar these
withoutsin actuallyactualmente going insidedentro,
30
92800
3216
realizarlos sin tener que entrar,
01:48
and tryingmolesto to inferinferir
what happenssucede insidedentro the buildingedificio.
31
96040
3760
y tratar de inferir lo que sucede
en el interior del edificio.
01:52
Now there's one problemproblema
with robotsrobots like this.
32
100400
2240
Hay un problema con los robots como éste.
01:55
The first problemproblema is it's prettybonita biggrande.
33
103600
2200
El primer problema
es que es bastante grande.
01:58
Because it's biggrande, it's heavypesado.
34
106120
1680
Como es grande, es pesado.
02:00
And these robotsrobots consumeconsumir
about 100 wattsvatios perpor poundlibra.
35
108640
3040
Y estos robots consumen
alrededor de 220 vatios por kilo,
02:04
And this makeshace for
a very shortcorto missionmisión life.
36
112360
2280
que hace su tiempo
de misión muy corto.
02:08
The secondsegundo problemproblema
37
116000
1456
El segundo problema
02:09
is that these robotsrobots have onboarda bordo sensorssensores
that endfin up beingsiendo very expensivecostoso --
38
117480
3896
es que estos robots tienen sensores
a bordo que terminan siendo muy caros:
02:13
a laserláser scannerescáner, a cameracámara
and the processorsprocesadores.
39
121400
3440
un escáner láser, una cámara
y los procesadores.
02:17
That drivesunidades up the costcosto of this robotrobot.
40
125280
3040
Eso aumenta el costo de este robot.
02:21
So we askedpreguntó ourselvesNosotros mismos a questionpregunta:
41
129440
2656
Así que nos hicimos una pregunta:
02:24
what consumerconsumidor productproducto
can you buycomprar in an electronicselectrónica storealmacenar
42
132120
3776
¿qué productos de consumo se pueden
comprar en una tienda de electrónica
02:27
that is inexpensivebarato, that's lightweightligero,
that has sensingdetección onboarda bordo and computationcálculo?
43
135920
6280
que sean de bajo costo, ligeros, que
hagan detección a bordo y computación?
02:36
And we inventedinventado the flyingvolador phoneteléfono.
44
144080
2656
E inventamos el teléfono volador.
02:38
(LaughterRisa)
45
146760
1936
(Risas)
02:40
So this robotrobot usesusos a SamsungSamsung GalaxyGalaxia
smartphoneteléfono inteligente that you can buycomprar off the shelfestante,
46
148720
6176
Este robot utiliza un Samsung Galaxy
que se puede comprar comercialmente,
02:46
and all you need is an appaplicación that you
can downloaddescargar from our appaplicación storealmacenar.
47
154920
4016
y todo lo que se necesita es una
aplicación descargable en nuestra tienda.
02:50
And you can see this robotrobot
readingleyendo the lettersletras, "TEDTED" in this casecaso,
48
158960
4216
Se puede ver a este robot leyendo
las letras, "TED" en este caso,
02:55
looking at the cornersesquinas
of the "T" and the "E"
49
163200
2936
mirando las esquinas de la "T" y la "E"
02:58
and then triangulatingtriangular off of that,
flyingvolador autonomouslyde forma autónoma.
50
166160
3480
y luego triangulando eso,
volando de forma autónoma.
03:02
That joystickpalanca de mando is just there
to make sure if the robotrobot goesva crazyloca,
51
170720
3256
Esa palanca está ahí para asegurar
que si el robot se vuelve loco,
03:06
GiuseppeGiuseppe can killmatar it.
52
174000
1416
Giuseppe puede matarlo.
03:07
(LaughterRisa)
53
175440
1640
(Risas)
03:10
In additionadición to buildingedificio
these smallpequeña robotsrobots,
54
178920
3816
Además de la construcción
de estos pequeños robots,
03:14
we alsoademás experimentexperimentar with aggressiveagresivo
behaviorscomportamientos, like you see here.
55
182760
4800
también experimentamos con
comportamientos agresivos, como ven aquí.
03:19
So this robotrobot is now travelingde viaje
at two to threeTres metersmetros perpor secondsegundo,
56
187920
5296
Este robot está ahora viajando
a dos o tres m por segundo,
03:25
pitchingcabeceo and rollinglaminación aggressivelyagresivamente
as it changescambios directiondirección.
57
193240
3496
con cabeceo y balanceo agresivo,
ya que cambia de dirección.
03:28
The mainprincipal pointpunto is we can have
smallermenor robotsrobots that can go fasterMás rápido
58
196760
4256
El punto principal es que podemos tener
robots más pequeños que vayan más rápido
03:33
and then travelviajar in these
very unstructureddesestructurado environmentsambientes.
59
201040
2960
y luego viajar en estos ambientes
muy desestructurados.
03:37
And in this nextsiguiente videovídeo,
60
205120
2056
En el siguiente video,
03:39
just like you see this birdpájaro, an eagleáguila,
gracefullygraciosamente coordinatingcoordinando its wingsalas,
61
207200
5896
igual que vemos esta ave, un águila,
coordinando con gracia sus alas,
03:45
its eyesojos and feetpies
to grabagarrar preypresa out of the wateragua,
62
213120
4296
sus ojos y pies para agarrar
presas fuera del agua,
03:49
our robotrobot can go fishingpescar, too.
63
217440
1896
nuestro robot puede ir a pescar, también.
03:51
(LaughterRisa)
64
219360
1496
(Risas)
03:52
In this casecaso, this is a PhillyFiladelfia cheesesteakfilete de queso
hoagiehoagie that it's grabbingagarrando out of thinDelgado airaire.
65
220880
4056
En este caso, un embutido
que está agarrado de la nada.
03:56
(LaughterRisa)
66
224960
2400
(Risas)
03:59
So you can see this robotrobot
going at about threeTres metersmetros perpor secondsegundo,
67
227680
3296
Pueden ver este robot que va a
unos 3 m por segundo,
04:03
whichcual is fasterMás rápido than walkingpara caminar speedvelocidad,
coordinatingcoordinando its armsbrazos, its clawsgarras
68
231000
5136
más rápido que la velocidad al caminar,
coordinando sus brazos, sus garras
04:08
and its flightvuelo with split-secondfracción de segundo timingsincronización
to achievelograr this maneuvermaniobra.
69
236160
4120
y su vuelo en fracciones de segundo
para lograr esta maniobra.
04:14
In anotherotro experimentexperimentar,
70
242120
1216
En otro experimento,
04:15
I want to showespectáculo you
how the robotrobot adaptsse adapta its flightvuelo
71
243360
3656
Quiero mostrar cómo
el robot adapta su vuelo
04:19
to controlcontrolar its suspendedsuspendido payloadcarga útil,
72
247040
2376
para controlar su carga suspendida,
04:21
whosecuyo lengthlongitud is actuallyactualmente largermás grande
than the widthanchura of the windowventana.
73
249440
3800
cuya longitud es en realidad mayor
que la anchura de la ventana.
04:25
So in orderorden to accomplishrealizar this,
74
253680
1696
Para lograr esto,
04:27
it actuallyactualmente has to pitchtono
and adjustajustar the altitudealtitud
75
255400
3696
en realidad tiene que lanzar
y ajustar la altitud
04:31
and swingoscilación the payloadcarga útil throughmediante.
76
259120
2320
y oscilar la carga.
04:38
But of coursecurso we want
to make these even smallermenor,
77
266920
2296
Por supuesto, queremos
hacer esto aún menor,
04:41
and we're inspiredinspirado
in particularespecial by honeybeesabejas.
78
269240
3016
y estamos inspirados
en particular por las abejas.
04:44
So if you look at honeybeesabejas,
and this is a slowedralentizado down videovídeo,
79
272280
3256
Si nos fijamos en las abejas,
y este es un vídeo ralentizado,
04:47
they're so smallpequeña,
the inertiainercia is so lightweightligero --
80
275560
3720
son tan pequeñas, la inercia es tan ligera
04:51
(LaughterRisa)
81
279960
1176
(Risas)
04:53
that they don't carecuidado --
they bouncerebotar off my handmano, for exampleejemplo.
82
281160
3536
que no les importa,
rebotan en mi mano, por ejemplo.
04:56
This is a little robotrobot
that mimicsimitadores the honeybeeabeja behaviorcomportamiento.
83
284720
3160
Este es un pequeño robot
que imita a las abejas.
05:00
And smallermenor is better,
84
288600
1216
Y más pequeño es mejor,
05:01
because alonga lo largo with the smallpequeña sizetamaño
you get lowerinferior inertiainercia.
85
289840
3536
porque junto con el pequeño tamaño
se obtiene más baja inercia.
05:05
AlongA lo largo with lowerinferior inertiainercia --
86
293400
1536
Junto con menor inercia
05:06
(RobotRobot buzzingzumbido, laughterrisa)
87
294960
2856
(Robot zumbando, risas)
05:09
alonga lo largo with lowerinferior inertiainercia,
you're resistantresistente to collisionscolisiones.
88
297840
2816
junto con una menor inercia,
se es resistente a colisiones.
05:12
And that makeshace you more robustrobusto.
89
300680
1720
Y eso te hace más fuerte.
05:15
So just like these honeybeesabejas,
we buildconstruir smallpequeña robotsrobots.
90
303800
2656
Así como estas abejas,
construimos pequeños robots.
05:18
And this particularespecial one
is only 25 gramsgramos in weightpeso.
91
306480
3376
Este en particular es de solo
25 gr peso.
05:21
It consumesconsume only sixseis wattsvatios of powerpoder.
92
309880
2160
Consume solo 6 vatios de potencia.
05:24
And it can travelviajar
up to sixseis metersmetros perpor secondsegundo.
93
312440
2536
Y puede viajar hasta
a 6 m por segundo.
05:27
So if I normalizenormalizar that to its sizetamaño,
94
315000
2336
Si lo normalizo a su tamaño,
05:29
it's like a BoeingBoeing 787 travelingde viaje
tendiez timesveces the speedvelocidad of soundsonar.
95
317360
3640
es como un Boeing 787 viajando
a 10 veces la velocidad del sonido.
05:36
(LaughterRisa)
96
324000
2096
(Risas)
05:38
And I want to showespectáculo you an exampleejemplo.
97
326120
1920
Quiero mostrarles un ejemplo.
05:40
This is probablyprobablemente the first plannedplanificado mid-airaire
collisioncolisión, at one-twentiethuna vigésima normalnormal speedvelocidad.
98
328840
5256
Esta es probablemente la primera colisión en vuelo planeado, a una vigésima de la velocidad normal.
05:46
These are going at a relativerelativo speedvelocidad
of two metersmetros perpor secondsegundo,
99
334120
2858
Estos van a una velocidad relativa
de 2 m por segundo,
05:49
and this illustratesilustra the basicBASIC principleprincipio.
100
337002
2480
y esto ilustra el principio básico.
05:52
The two-gramdos gramos carboncarbón fiberfibra cagejaula around it
preventspreviene the propellershélices from entanglingenredo,
101
340200
4976
La jaula de fibra de carbono de 2 gr
impide que las hélices se enreden,
05:57
but essentiallyesencialmente the collisioncolisión is absorbedabsorbido
and the robotrobot respondsresponde to the collisionscolisiones.
102
345200
5296
pero en esencia la colisión es absorbida
y el robot responde a las colisiones.
06:02
And so smallpequeña alsoademás meansmedio safeseguro.
103
350520
2560
Y muy pequeño también significa seguro.
06:05
In my lablaboratorio, as we developeddesarrollado these robotsrobots,
104
353400
2016
En mi laboratorio, al
desarrollar estos robots,
06:07
we startcomienzo off with these biggrande robotsrobots
105
355440
1620
comenzamos con estos grandes robots
06:09
and then now we're down
to these smallpequeña robotsrobots.
106
357084
2812
y luego ahora bajamos
a estos pequeños robots.
06:11
And if you plottrama a histogramhistograma
of the numbernúmero of Band-AidsCuritas we'venosotros tenemos orderedordenado
107
359920
3456
Si se traza un histograma
del número de banditas que pedimos
06:15
in the pastpasado, that sortordenar of tailedatado off now.
108
363400
2576
en el pasado, mostraría
un cola disminuyendo. (Risas)
06:18
Because these robotsrobots are really safeseguro.
109
366000
1960
Porque estos robots
son muy seguros.
06:20
The smallpequeña sizetamaño has some disadvantagesdesventajas,
110
368760
2456
El tamaño pequeño
tiene algunas desventajas,
06:23
and naturenaturaleza has foundencontró a numbernúmero of waysformas
to compensatecompensar for these disadvantagesdesventajas.
111
371240
4080
y la naturaleza ha encontrado formas
de compensar estas desventajas.
06:27
The basicBASIC ideaidea is they aggregateagregar
to formformar largegrande groupsgrupos, or swarmsenjambres.
112
375960
4000
La idea básica es que ellas se unen para
formar grandes grupos o enjambres.
06:32
So, similarlysimilar, in our lablaboratorio,
we try to createcrear artificialartificial robotrobot swarmsenjambres.
113
380320
3976
Del mismo modo, en nuestro laboratorio,
tratamos de crear enjambres de robots.
06:36
And this is quitebastante challengingdesafiante
114
384320
1381
Y esto es todo un reto
06:37
because now you have to think
about networksredes of robotsrobots.
115
385725
3320
porque ahora tienes que pensar
en redes de robots.
06:41
And withindentro eachcada robotrobot,
116
389360
1296
Y dentro de cada robot,
06:42
you have to think about the interplayinteracción
of sensingdetección, communicationcomunicación, computationcálculo --
117
390680
5616
tienes que pensar en la interacción de
detección, comunicación, computación,
06:48
and this networkred then becomesse convierte
quitebastante difficultdifícil to controlcontrolar and managegestionar.
118
396320
4960
y esta red se vuelve muy difícil
de controlar y gestionar.
06:54
So from naturenaturaleza we take away
threeTres organizingorganizar principlesprincipios
119
402160
3296
Así que de la naturaleza nos llevamos
3 principios organizativos
06:57
that essentiallyesencialmente allowpermitir us
to developdesarrollar our algorithmsAlgoritmos.
120
405480
3160
que, básicamente, nos permiten
desarrollar nuestros algoritmos.
07:01
The first ideaidea is that robotsrobots
need to be awareconsciente of theirsu neighborsvecinos.
121
409640
4536
La primera idea es que los robots tienen
que ser conscientes de sus vecinos.
07:06
They need to be ablepoder to sensesentido
and communicatecomunicar with theirsu neighborsvecinos.
122
414200
3440
Tienen que ser capaces de sentir
y comunicarse con sus vecinos.
07:10
So this videovídeo illustratesilustra the basicBASIC ideaidea.
123
418040
2656
Así que este video ilustra la idea básica.
07:12
You have fourlas cuatro robotsrobots --
124
420720
1296
Tienes cuatro robots,
07:14
one of the robotsrobots has actuallyactualmente been
hijackedsecuestrado by a humanhumano operatoroperador, literallyliteralmente.
125
422040
4240
uno ha sido secuestrado por
un operador humano, literalmente.
07:19
But because the robotsrobots
interactinteractuar with eachcada other,
126
427217
2239
Pero debido a que los robots
interactúan entre sí,
07:21
they sensesentido theirsu neighborsvecinos,
127
429480
1656
sienten a sus vecinos,
07:23
they essentiallyesencialmente followseguir.
128
431160
1296
que en esencia siguen.
07:24
And here there's a singlesoltero personpersona
ablepoder to leaddirigir this networkred of followersseguidores.
129
432480
5360
Y aquí hay una sola persona capaz
de liderar esta red de seguidores.
07:32
So again, it's not because all the robotsrobots
know where they're supposedsupuesto to go.
130
440000
5056
Así que de nuevo, no es porque todos los
robots saben dónde se supone que deben ir.
07:37
It's because they're just reactingreaccionando
to the positionsposiciones of theirsu neighborsvecinos.
131
445080
4320
Es porque sólo están reaccionando
a las posiciones de sus vecinos.
07:43
(LaughterRisa)
132
451720
4120
(Risas)
07:48
So the nextsiguiente experimentexperimentar illustratesilustra
the secondsegundo organizingorganizar principleprincipio.
133
456280
5240
El siguiente experimento ilustra
el segundo principio de organización.
07:54
And this principleprincipio has to do
with the principleprincipio of anonymityanonimato.
134
462920
3800
Y este principio tiene que ver con
el principio de anonimato.
07:59
Here the keyllave ideaidea is that
135
467400
4296
Aquí la idea clave es que
08:03
the robotsrobots are agnosticagnóstico
to the identitiesidentidades of theirsu neighborsvecinos.
136
471720
4240
los robots son agnósticos
a la identidad de sus vecinos.
08:08
They're askedpreguntó to formformar a circularcircular shapeforma,
137
476440
2616
Se les pide que hagan
una forma circular,
08:11
and no matterimportar how manymuchos robotsrobots
you introduceintroducir into the formationformación,
138
479080
3296
y no importa cuántos robots
se introducen dentro de la formación,
08:14
or how manymuchos robotsrobots you pullHalar out,
139
482400
2576
o cuántos robots se sacan,
08:17
eachcada robotrobot is simplysimplemente
reactingreaccionando to its neighborVecino.
140
485000
3136
cada robot está simplemente
reaccionando a su vecino.
08:20
It's awareconsciente of the facthecho that it needsnecesariamente
to formformar the circularcircular shapeforma,
141
488160
4976
Es consciente del hecho de que
se necesita para hacer la forma circular,
08:25
but collaboratingcolaborando with its neighborsvecinos
142
493160
1776
pero colaborando con sus vecinos
08:26
it formsformularios the shapeforma
withoutsin centralcentral coordinationcoordinación.
143
494960
3720
hace esta forma sin coordinación central.
08:31
Now if you put these ideasideas togetherjuntos,
144
499520
2416
Ahora bien,
si uno pone estas ideas juntas,
08:33
the thirdtercero ideaidea is that we
essentiallyesencialmente give these robotsrobots
145
501960
3896
la tercera idea es que esencialmente
damos a estos robots
08:37
mathematicalmatemático descriptionsdescripciones
of the shapeforma they need to executeejecutar.
146
505880
4296
descripciones matemáticas de la forma
que necesitan ejecutar.
08:42
And these shapesformas can be varyingvariar
as a functionfunción of time,
147
510200
3496
Y estas formas pueden ser variables
en función del tiempo,
08:45
and you'lltu vas a see these robotsrobots
startcomienzo from a circularcircular formationformación,
148
513720
4496
y verán a estos robots comenzar
a partir de una formación circular,
08:50
changecambio into a rectangularrectangular formationformación,
stretchtramo into a straightDerecho linelínea,
149
518240
3256
cambiar a una formación rectangular,
estirada a una línea recta,
08:53
back into an ellipseelipse.
150
521520
1375
de nuevo a una elipse.
08:54
And they do this with the samemismo
kindtipo of split-secondfracción de segundo coordinationcoordinación
151
522919
3617
Y lo hacen con el mismo tipo de
coordinación de fracción de segundo
08:58
that you see in naturalnatural swarmsenjambres, in naturenaturaleza.
152
526560
3280
que se ve en los enjambres naturales,
en la naturaleza.
09:03
So why work with swarmsenjambres?
153
531080
2136
¿Por qué trabajar con enjambres?
09:05
Let me tell you about two applicationsaplicaciones
that we are very interestedinteresado in.
154
533240
4120
Déjenme decirles de 2 aplicaciones
en las que estamos muy interesados.
09:10
The first one has to do with agricultureagricultura,
155
538160
2376
La primera tiene que ver
con la agricultura,
09:12
whichcual is probablyprobablemente the biggestmás grande problemproblema
that we're facingfrente a worldwideen todo el mundo.
156
540560
3360
que es probablemente el mayor problema
que enfrentando en el mundo.
09:16
As you well know,
157
544760
1256
Como bien saben,
09:18
one in everycada sevensiete personspersonas
in this earthtierra is malnourisheddesnutrido.
158
546040
3520
1 de cada 7 personas
en la Tierra está desnutrida.
09:21
MostMás of the landtierra that we can cultivatecultivar
has alreadyya been cultivatedcultivado.
159
549920
3480
La mayor parte de la tierra que
podemos cultivar ya ha sido cultivada.
09:25
And the efficiencyeficiencia of mostmás systemssistemas
in the worldmundo is improvingmejorando,
160
553960
3216
La eficiencia de la mayoría de
sistemas en el mundo está mejorando,
09:29
but our productionproducción systemsistema
efficiencyeficiencia is actuallyactualmente decliningdeclinante.
161
557200
3520
pero nuestra eficiencia del sistema
de producción está disminuyendo,
09:33
And that's mostlyprincipalmente because of wateragua
shortageescasez, cropcultivo diseasesenfermedades, climateclima changecambio
162
561080
4216
debido a falta de agua, enfermedades
de los cultivos, cambio climático
09:37
and a couplePareja of other things.
163
565320
1520
y un par de otras cosas.
09:39
So what can robotsrobots do?
164
567360
1480
¿Qué pueden hacer los robots?
09:41
Well, we adoptadoptar an approachenfoque that's
calledllamado PrecisionPrecisión FarmingAgricultura in the communitycomunidad.
165
569200
4616
Bueno, adoptamos un enfoque que se llama
agricultura de precisión en la comunidad.
09:45
And the basicBASIC ideaidea is that we flymosca
aerialaéreo robotsrobots throughmediante orchardshuertos,
166
573840
5376
Y la idea básica es que volamos
robots a través de los huertos,
09:51
and then we buildconstruir
precisionprecisión modelsmodelos of individualindividual plantsplantas.
167
579240
3120
y luego construimos modelos
de precisión de las plantas individuales.
09:54
So just like personalizedpersonalizado medicinemedicina,
168
582829
1667
Así como la medicina personalizada,
09:56
while you mightpodría imagineimagina wantingfalto
to treattratar everycada patientpaciente individuallyindividualmente,
169
584520
4816
mientras que uno puede imaginar tratar
a cada paciente de forma individual,
10:01
what we'dmie like to do is buildconstruir
modelsmodelos of individualindividual plantsplantas
170
589360
3696
lo que nos gustaría hacer es construir
modelos de plantas individuales
10:05
and then tell the farmeragricultor
what kindtipo of inputsentradas everycada plantplanta needsnecesariamente --
171
593080
4136
y luego decirle al agricultor qué tipo
de insumos necesita cada planta;
10:09
the inputsentradas in this casecaso beingsiendo wateragua,
fertilizerfertilizante and pesticidepesticida.
172
597240
4440
las entradas en este caso son
el agua, fertilizantes y pesticidas.
10:14
Here you'lltu vas a see robotsrobots
travelingde viaje throughmediante an applemanzana orchardhuerta,
173
602640
3616
Aquí podrán ver los robots viajar
a través de un huerto de manzanas,
10:18
and in a minuteminuto you'lltu vas a see
two of its companionscompañeros
174
606280
2256
y en un minuto verán
2 de sus compañeros
10:20
doing the samemismo thing on the left sidelado.
175
608560
1810
haciendo lo mismo a la izquierda.
10:22
And what they're doing is essentiallyesencialmente
buildingedificio a mapmapa of the orchardhuerta.
176
610800
3656
Y lo que están construyendo
esencialmente es un mapa de la huerta.
10:26
WithinDentro the mapmapa is a mapmapa
of everycada plantplanta in this orchardhuerta.
177
614480
2816
Dentro del mapa hay uno de
las plantas en este huerto.
10:29
(RobotRobot buzzingzumbido)
178
617320
1656
(Zumbido de robot)
10:31
Let's see what those mapsmapas look like.
179
619000
1896
Veamos cómo se ven esos mapas parecen.
10:32
In the nextsiguiente videovídeo, you'lltu vas a see the camerascámaras
that are beingsiendo used on this robotrobot.
180
620920
4296
En el siguiente video, verán las cámaras
que está utilizando este robot.
10:37
On the top-leftarriba a la izquierda is essentiallyesencialmente
a standardestándar colorcolor cameracámara.
181
625240
3240
Arriba a la izquierda esencialmente
una cámara de color destacada.
10:41
On the left-centercentro izquierdo is an infraredinfrarrojo cameracámara.
182
629640
3296
A la izquierda en el centro
una cámara infrarroja.
10:44
And on the bottom-leftabajo a la izquierda
is a thermaltérmico cameracámara.
183
632960
3776
Y en la parte inferior izquierda
una cámara térmica.
10:48
And on the mainprincipal panelpanel, you're seeingviendo
a three-dimensionaltridimensional reconstructionreconstrucción
184
636760
3336
Y en el panel principal, se ve
una reconstrucción tridimensional
10:52
of everycada treeárbol in the orchardhuerta
as the sensorssensores flymosca right pastpasado the treesárboles.
185
640120
6120
de todo árbol del huerto al pasar los
sensores sobre los árboles.
10:59
ArmedArmado with informationinformación like this,
we can do severalvarios things.
186
647640
4040
Armados con información de este tipo,
podemos hacer varias cosas.
11:04
The first and possiblyposiblemente the mostmás importantimportante
thing we can do is very simplesencillo:
187
652200
4256
Primero y posiblemente
lo más importante es muy simple:
11:08
countcontar the numbernúmero of fruitsfrutas on everycada treeárbol.
188
656480
2440
contar el número de frutas en cada árbol.
11:11
By doing this, you tell the farmeragricultor
how manymuchos fruitsfrutas she has in everycada treeárbol
189
659520
4536
Hacer esto, le dice al agricultor
cuántas frutas que tiene en cada árbol
11:16
and allowpermitir her to estimateestimar
the yieldrendimiento in the orchardhuerta,
190
664080
4256
y le permitirá estimar
el rendimiento del huerto,
11:20
optimizingoptimizando the productionproducción
chaincadena downstreamrío abajo.
191
668360
2840
optimizar la cadena
de producción aguas abajo.
11:23
The secondsegundo thing we can do
192
671640
1616
La segunda cosa que podemos hacer
11:25
is take modelsmodelos of plantsplantas, constructconstruir
three-dimensionaltridimensional reconstructionsreconstrucciones,
193
673280
4496
es tomar los modelos de las plantas,
la reconstrucción tridimensional,
11:29
and from that estimateestimar the canopypabellón sizetamaño,
194
677800
2536
y de allí estimar el tamaño del manto,
11:32
and then correlatecorrelación the canopypabellón sizetamaño
to the amountcantidad of leafhoja areazona on everycada plantplanta.
195
680360
3776
y luego correlacionar el manto con
la cantidad de área foliar en cada planta.
11:36
And this is calledllamado the leafhoja areazona indexíndice.
196
684160
2176
Esto se llama el índice de área foliar.
11:38
So if you know this leafhoja areazona indexíndice,
197
686360
1936
Si uno sabe este índice de área foliar,
11:40
you essentiallyesencialmente have a measuremedida of how much
photosynthesisfotosíntesis is possibleposible in everycada plantplanta,
198
688320
5456
esencialmente hace medición de qué
tanta fotosíntesis hace cada planta,
11:45
whichcual again tellsdice you
how healthysaludable eachcada plantplanta is.
199
693800
2880
que a su vez dice qué tan saludable
es cada planta.
11:49
By combiningcombinatorio visualvisual
and infraredinfrarrojo informationinformación,
200
697520
4216
Mediante la combinación
de información visual y de infrarrojos,
11:53
we can alsoademás computecalcular indicesíndices suchtal as NDVINDVI.
201
701760
3296
también podemos
calcular índices como el NDVI.
11:57
And in this particularespecial casecaso,
you can essentiallyesencialmente see
202
705080
2816
Y en este caso en particular,
en esencia se puede ver que
11:59
there are some cropscosechas that are
not doing as well as other cropscosechas.
203
707920
3016
algunos cultivos no lo están
haciendo tan bien como otros.
12:02
This is easilyfácilmente discerniblediscernible from imageryimágenes,
204
710960
4056
Esto es fácilmente perceptible
a partir de imágenes,
12:07
not just visualvisual imageryimágenes but combiningcombinatorio
205
715040
2216
no solo las imágenes visuales,
sino combinadas
12:09
bothambos visualvisual imageryimágenes and infraredinfrarrojo imageryimágenes.
206
717280
2776
tanto imágenes visuales
como de infrarrojos.
12:12
And then lastlyFinalmente,
207
720080
1336
Y por último,
12:13
one thing we're interestedinteresado in doing is
detectingdetector the earlytemprano onsetcomienzo of chlorosisclorosis --
208
721440
4016
algo que nos interesa hacer es detectar
la aparición temprana de la clorosis
12:17
and this is an orangenaranja treeárbol --
209
725480
1496
--esto es un árbol de naranja--
12:19
whichcual is essentiallyesencialmente seenvisto
by yellowingamarillear of leaveshojas.
210
727000
2560
que se ve esencialmente por
el amarillamiento de las hojas.
12:21
But robotsrobots flyingvolador overheadgastos generales
can easilyfácilmente spotlugar this autonomouslyde forma autónoma
211
729880
3896
Pero los robots pueden detectar
fácilmente esto de manera autónoma
12:25
and then reportinforme to the farmeragricultor
that he or she has a problemproblema
212
733800
2936
y luego informar al agricultor
que él o ella tiene un problema
12:28
in this sectionsección of the orchardhuerta.
213
736760
1520
en esta parte de la huerta.
12:30
SystemsSistemas like this can really help,
214
738800
2696
Sistemas como estos
realmente pueden ayudar,
12:33
and we're projectingsaliente yieldsrendimientos
that can improvemejorar by about tendiez percentpor ciento
215
741520
5816
y estamos proyectando rendimientos
mejores en alrededor de un 10 %
12:39
and, more importantlyen tono rimbombante, decreasedisminución
the amountcantidad of inputsentradas suchtal as wateragua
216
747360
3216
y, sobre todo, disminuir
la cantidad de insumos como el agua
12:42
by 25 percentpor ciento by usingutilizando
aerialaéreo robotrobot swarmsenjambres.
217
750600
3280
un 25 % mediante el uso
de enjambres de robots aéreos.
12:47
LastlyFinalmente, I want you to applaudaplaudir
the people who actuallyactualmente createcrear the futurefuturo,
218
755200
5736
Por último, quiero aplaudir a la gente
que realmente crea el futuro,
12:52
YashYash MulgaonkarMulgaonkar, SikangSikang LiuLiu
and GiuseppeGiuseppe LoiannoLoianno,
219
760960
4920
Yash Mulgaonkar, Sikang Liu
y Giuseppe Loianno,
12:57
who are responsibleresponsable for the threeTres
demonstrationsdemostraciones that you saw.
220
765920
3496
quienes son responsables de las 3
demostraciones que vieron.
13:01
Thank you.
221
769440
1176
Gracias.
13:02
(ApplauseAplausos)
222
770640
5920
(Aplausos)
Translated by Ciro Gomez
Reviewed by Lidia Cámara de la Fuente

▲Back to top

ABOUT THE SPEAKER
Vijay Kumar - Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations.

Why you should listen

At the General Robotics, Automation, Sensing and Perception (GRASP) Lab at the University of Pennsylvania, flying quadrotor robots move together in eerie formation, tightening themselves into perfect battalions, even filling in the gap when one of their own drops out. You might have seen viral videos of the quads zipping around the netting-draped GRASP Lab (they juggle! they fly through a hula hoop!). Vijay Kumar headed this lab from 1998-2004. He's now the dean of the School of Engineering and Applied Science at the University of Pennsylvania in Philadelphia, where he continues his work in robotics, blending computer science and mechanical engineering to create the next generation of robotic wonders.

More profile about the speaker
Vijay Kumar | Speaker | TED.com