TEDxPenn
Vijay Kumar: The future of flying robots
Vijay Kumar: O futuro dos robôs voadores
Filmed:
Readability: 4.9
1,780,679 views
Em seu laboratório na Universidade da Pensilvânia, Vijay Kumar e sua equipe criaram robôs aéreos autônomos inspirados em abelhas. Sua mais nova conquista é utilizá-los na Agricultura de Precisão, fazendo com que enxames de robôs mapeiem, reconstruam e analisem cada planta e cada fruta de uma plantação, dando aos fazendeiros informações vitais que possam ajudar a melhorar a produção e fazer uma gestão das águas mais inteligente.
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. Full bio
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 lab, we build
autonomous aerial robots
autonomous aerial robots
0
1280
3656
Em meu laboratório, construímos
robôs aéreos autônomos,
robôs aéreos autônomos,
00:16
like the one you see flying here.
1
4960
1880
como este que está voando aqui.
00:20
Unlike the commercially available drones
that you can buy today,
that you can buy today,
2
8720
3696
Diferentemente dos drones atualmente
disponíveis para venda no mercado,
disponíveis para venda no mercado,
00:24
this robot doesn't have any GPS on board.
3
12440
2640
este robô não possui nenhum GPS integrado.
00:28
So without GPS,
4
16160
1216
Assim, sem GPS,
00:29
it's hard for robots like this
to determine their position.
to determine their position.
5
17400
3280
é difícil para robôs como este
determinarem sua posição.
determinarem sua posição.
00:34
This robot uses onboard sensors,
cameras and laser scanners,
cameras and laser scanners,
6
22240
4736
Este robô usa sensores integrados,
câmeras e escâneres a laser
câmeras e escâneres a laser
00:39
to scan the environment.
7
27000
1696
para escanear o ambiente.
00:40
It detects features from the environment,
8
28720
3056
Ele detecta características do ambiente
00:43
and it determines where it is
relative to those features,
relative to those features,
9
31800
2736
e determina onde está em relação
a essas características,
a essas características,
00:46
using a method of triangulation.
10
34560
2136
usando um método de triangulação.
00:48
And then it can assemble
all these features into a map,
all these features into a map,
11
36720
3456
E aí ele consegue reunir todas
essas características num mapa,
essas características num mapa,
00:52
like you see behind me.
12
40200
1736
como este aqui atrás de mim.
00:53
And this map then allows the robot
to understand where the obstacles are
to understand where the obstacles are
13
41960
3936
E esse mapa, então, permite que o robô
entenda onde estão os obstáculos
entenda onde estão os obstáculos
00:57
and navigate in a collision-free manner.
14
45920
2720
e navegue num modo livre de colisões.
Quero lhes mostrar a seguir
01:01
What I want to show you next
15
49160
2096
01:03
is a set of experiments
we did inside our laboratory,
we did inside our laboratory,
16
51280
3216
uma série de experimentos
que fizemos em nosso laboratório,
que fizemos em nosso laboratório,
01:06
where this robot was able
to go for longer distances.
to go for longer distances.
17
54520
3480
onde um robô foi capaz
de ir a distâncias mais longas.
de ir a distâncias mais longas.
Aqui podem ver, no alto à direita,
o que o robô vê com a câmera.
o que o robô vê com a câmera.
01:10
So here you'll see, on the top right,
what the robot sees with the camera.
what the robot sees with the camera.
18
58400
5016
E, na tela principal,
01:15
And on the main screen --
19
63440
1216
01:16
and of course this is sped up
by a factor of four --
by a factor of four --
20
64680
2456
acelerando quatro vezes
a velocidade do vídeo,
a velocidade do vídeo,
01:19
on the main screen you'll see
the map that it's building.
the map that it's building.
21
67160
2667
podem ver o mapa
que ele está construindo.
que ele está construindo.
01:21
So this is a high-resolution map
of the corridor around our laboratory.
of the corridor around our laboratory.
22
69851
4285
Assim, este é um mapa de alta resolução
do corredor contíguo ao nosso laboratório.
do corredor contíguo ao nosso laboratório.
01:26
And in a minute
you'll see it enter our lab,
you'll see it enter our lab,
23
74160
2336
E logo vão vê-lo entrar
em nosso laboratório,
em nosso laboratório,
01:28
which is recognizable
by the clutter that you see.
by the clutter that you see.
24
76520
2856
que é possível reconhecer pela
bagunça que estão vendo.
bagunça que estão vendo.
01:31
(Laughter)
25
79400
1016
(Risos)
01:32
But the main point I want to convey to you
26
80440
2007
Mas o mais importante aqui
01:34
is that these robots are capable
of building high-resolution maps
of building high-resolution maps
27
82472
3584
é que esses robôs são capazes
de construir mapas de alta resolução
de construir mapas de alta resolução
01:38
at five centimeters resolution,
28
86080
2496
de 5 cm de resolução,
01:40
allowing somebody who is outside the lab,
or outside the building
or outside the building
29
88600
4176
permitindo a alguém que esteja fora
do laboratório, ou fora do prédio,
do laboratório, ou fora do prédio,
01:44
to deploy these
without actually going inside,
without actually going inside,
30
92800
3216
utilizá-los e, sem precisar entrar lá,
01:48
and trying to infer
what happens inside the building.
what happens inside the building.
31
96040
3760
tentar inferir o que acontece
dentro do prédio.
dentro do prédio.
01:52
Now there's one problem
with robots like this.
with robots like this.
32
100400
2240
Mas robôs assim têm alguns problemas.
01:55
The first problem is it's pretty big.
33
103600
2200
O primeiro deles é o tamanho.
01:58
Because it's big, it's heavy.
34
106120
1680
Por ser grande, é pesado.
02:00
And these robots consume
about 100 watts per pound.
about 100 watts per pound.
35
108640
3040
E esses robôs consomem
cerca de 200 W por kg,
cerca de 200 W por kg,
02:04
And this makes for
a very short mission life.
a very short mission life.
36
112360
2280
o que só lhes permite
uma missão bem curta.
uma missão bem curta.
02:08
The second problem
37
116000
1456
O segundo problema
02:09
is that these robots have onboard sensors
that end up being very expensive --
that end up being very expensive --
38
117480
3896
é que esses robôs têm sensores
integrados que acabam saindo muito caro,
integrados que acabam saindo muito caro,
02:13
a laser scanner, a camera
and the processors.
and the processors.
39
121400
3440
um escâner a laser, uma câmera
e os processadores.
e os processadores.
02:17
That drives up the cost of this robot.
40
125280
3040
Isso aumenta o custo desse robô.
02:21
So we asked ourselves a question:
41
129440
2656
Daí, a gente se perguntou:
02:24
what consumer product
can you buy in an electronics store
can you buy in an electronics store
42
132120
3776
qual o produto que podemos
comprar numa loja de eletrônicos
comprar numa loja de eletrônicos
02:27
that is inexpensive, that's lightweight,
that has sensing onboard and computation?
that has sensing onboard and computation?
43
135920
6280
que seja barato, leve e tenha
sensor a bordo e computação?
sensor a bordo e computação?
02:36
And we invented the flying phone.
44
144080
2656
E inventamos o telefone voador.
02:38
(Laughter)
45
146760
1936
(Risos)
02:40
So this robot uses a Samsung Galaxy
smartphone that you can buy off the shelf,
smartphone that you can buy off the shelf,
46
148720
6176
Assim, este robô usa um smartphone
Samsung Galaxy comprado numa loja,
Samsung Galaxy comprado numa loja,
02:46
and all you need is an app that you
can download from our app store.
can download from our app store.
47
154920
4016
e tudo que precisamos é de um aplicativo
baixado de uma loja de aplicativos.
baixado de uma loja de aplicativos.
02:50
And you can see this robot
reading the letters, "TED" in this case,
reading the letters, "TED" in this case,
48
158960
4216
Aqui, no caso, vocês podem ver
o robô lendo as letras "TED",
o robô lendo as letras "TED",
02:55
looking at the corners
of the "T" and the "E"
of the "T" and the "E"
49
163200
2936
olhando para os cantos do "T" e do "E"
02:58
and then triangulating off of that,
flying autonomously.
flying autonomously.
50
166160
3480
e então triangulando isso,
voando de forma autônoma.
voando de forma autônoma.
03:02
That joystick is just there
to make sure if the robot goes crazy,
to make sure if the robot goes crazy,
51
170720
3256
Aquele joystick está ali só para garantir
que, caso o robô enlouqueça,
que, caso o robô enlouqueça,
03:06
Giuseppe can kill it.
52
174000
1416
Giuseppe consiga matá-lo.
03:07
(Laughter)
53
175440
1640
(Risos)
03:10
In addition to building
these small robots,
these small robots,
54
178920
3816
Além de construir esses pequenos robôs,
03:14
we also experiment with aggressive
behaviors, like you see here.
behaviors, like you see here.
55
182760
4800
também fazemos, como aqui, experimentos
com comportamentos agressivos.
com comportamentos agressivos.
03:19
So this robot is now traveling
at two to three meters per second,
at two to three meters per second,
56
187920
5296
Este robô está viajando a 2 m/s ou 3 m/s.
03:25
pitching and rolling aggressively
as it changes direction.
as it changes direction.
57
193240
3496
inclinando e rodopiando agressivamente
enquanto muda de direção.
enquanto muda de direção.
03:28
The main point is we can have
smaller robots that can go faster
smaller robots that can go faster
58
196760
4256
O importante aqui é que podemos
ter robôs menores e mais rápidos
ter robôs menores e mais rápidos
03:33
and then travel in these
very unstructured environments.
very unstructured environments.
59
201040
2960
viajando em ambientes
muito desestruturados.
muito desestruturados.
03:37
And in this next video,
60
205120
2056
No próximo vídeo,
03:39
just like you see this bird, an eagle,
gracefully coordinating its wings,
gracefully coordinating its wings,
61
207200
5896
assim como esta ave, uma águia,
que graciosamente coordena as asas,
que graciosamente coordena as asas,
03:45
its eyes and feet
to grab prey out of the water,
to grab prey out of the water,
62
213120
4296
os olhos e os pés para agarrar
a presa para fora da água,
a presa para fora da água,
03:49
our robot can go fishing, too.
63
217440
1896
nosso robô também consegue pescar.
03:51
(Laughter)
64
219360
1496
(Risos)
03:52
In this case, this is a Philly cheesesteak
hoagie that it's grabbing out of thin air.
hoagie that it's grabbing out of thin air.
65
220880
4056
No caso, trata-se de um sanduíche de filé
com queijo que ele agarrou do nada.
com queijo que ele agarrou do nada.
03:56
(Laughter)
66
224960
2400
(Risos)
03:59
So you can see this robot
going at about three meters per second,
going at about three meters per second,
67
227680
3296
Assim, podemos ver o robô voando
a cerca de 3 m/s.
a cerca de 3 m/s.
04:03
which is faster than walking speed,
coordinating its arms, its claws
coordinating its arms, its claws
68
231000
5136
que é mais rápido que andar,
coordenando braços, garras
coordenando braços, garras
04:08
and its flight with split-second timing
to achieve this maneuver.
to achieve this maneuver.
69
236160
4120
e o voo em frações de segundos
para conseguir fazer essa manobra.
para conseguir fazer essa manobra.
Em outro experimento,
04:14
In another experiment,
70
242120
1216
04:15
I want to show you
how the robot adapts its flight
how the robot adapts its flight
71
243360
3656
quero lhes mostrar como
os robôs adaptam seu voo
os robôs adaptam seu voo
04:19
to control its suspended payload,
72
247040
2376
para controlar o peso da carga suspensa,
04:21
whose length is actually larger
than the width of the window.
than the width of the window.
73
249440
3800
cujo comprimento é na verdade
maior que a largura da janela.
maior que a largura da janela.
Assim, para conseguir isso,
04:25
So in order to accomplish this,
74
253680
1696
04:27
it actually has to pitch
and adjust the altitude
and adjust the altitude
75
255400
3696
ele precisa, na realidade,
se inclinar, ajustar a altitude
se inclinar, ajustar a altitude
04:31
and swing the payload through.
76
259120
2320
e equilibrar a carga ao atravessar.
04:38
But of course we want
to make these even smaller,
to make these even smaller,
77
266920
2296
Mas, é claro, queremos
fazê-los menores ainda
fazê-los menores ainda
04:41
and we're inspired
in particular by honeybees.
in particular by honeybees.
78
269240
3016
e fomos buscar nossa inspiração
especialmente nas abelhas.
especialmente nas abelhas.
04:44
So if you look at honeybees,
and this is a slowed down video,
and this is a slowed down video,
79
272280
3256
Assim, se observarem as abelhas,
e este é um vídeo em câmera lenta,
e este é um vídeo em câmera lenta,
04:47
they're so small,
the inertia is so lightweight --
the inertia is so lightweight --
80
275560
3720
elas são tão pequenas,
a inércia é tão leve
a inércia é tão leve
04:51
(Laughter)
81
279960
1176
(Risos)
que elas nem ligam, ricocheteiam
na minha mão, por exemplo.
na minha mão, por exemplo.
04:53
that they don't care --
they bounce off my hand, for example.
they bounce off my hand, for example.
82
281160
3536
04:56
This is a little robot
that mimics the honeybee behavior.
that mimics the honeybee behavior.
83
284720
3160
Este é um pequeno robô que imita
o comportamento da abelha.
o comportamento da abelha.
E, quanto menor, melhor,
05:00
And smaller is better,
84
288600
1216
05:01
because along with the small size
you get lower inertia.
you get lower inertia.
85
289840
3536
pois, com o tamanho menor,
conseguimos menor inércia.
conseguimos menor inércia.
05:05
Along with lower inertia --
86
293400
1536
E, com menor inércia,
05:06
(Robot buzzing, laughter)
87
294960
2856
(Robô zumbindo. Risos)
05:09
along with lower inertia,
you're resistant to collisions.
you're resistant to collisions.
88
297840
2816
com a inércia menor,
resiste-se melhor às colisões.
resiste-se melhor às colisões.
05:12
And that makes you more robust.
89
300680
1720
E faz com que ele seja mais robusto.
05:15
So just like these honeybees,
we build small robots.
we build small robots.
90
303800
2656
Assim, construímos robôs
pequenos como essas abelhas.
pequenos como essas abelhas.
05:18
And this particular one
is only 25 grams in weight.
is only 25 grams in weight.
91
306480
3376
E este aqui, em particular,
pesa apenas 25 g.
pesa apenas 25 g.
05:21
It consumes only six watts of power.
92
309880
2160
Ele consume apenas 6 W de potência
05:24
And it can travel
up to six meters per second.
up to six meters per second.
93
312440
2536
e pode viajar até 6 m/s.
05:27
So if I normalize that to its size,
94
315000
2336
Assim, guardadas as devidas proporções,
05:29
it's like a Boeing 787 traveling
ten times the speed of sound.
ten times the speed of sound.
95
317360
3640
é como um Boeing 787 viajando
a dez vezes a velocidade do som.
a dez vezes a velocidade do som.
05:36
(Laughter)
96
324000
2096
(Risos)
05:38
And I want to show you an example.
97
326120
1920
E quero lhes mostrar um exemplo.
05:40
This is probably the first planned mid-air
collision, at one-twentieth normal speed.
collision, at one-twentieth normal speed.
98
328840
5256
Esta provavelmente é a primeira
colisão planejada no ar,
colisão planejada no ar,
a um vigésimo da velocidade normal.
05:46
These are going at a relative speed
of two meters per second,
of two meters per second,
99
334120
2858
Estão a uma velocidade relativa de 2 m/s.
05:49
and this illustrates the basic principle.
100
337002
2480
e isso ilustra o princípio básico.
05:52
The two-gram carbon fiber cage around it
prevents the propellers from entangling,
prevents the propellers from entangling,
101
340200
4976
A gaiola de fibra de carbono de 2 g
evita que as hélices se embolem,
evita que as hélices se embolem,
05:57
but essentially the collision is absorbed
and the robot responds to the collisions.
and the robot responds to the collisions.
102
345200
5296
mas basicamente a colisão é absorvida,
e o robô reage às colisões.
e o robô reage às colisões.
06:02
And so small also means safe.
103
350520
2560
E pequeno assim também é mais seguro.
06:05
In my lab, as we developed these robots,
104
353400
2016
Ao desenvolver robôs no laboratório,
começamos com robôs grandes
começamos com robôs grandes
06:07
we start off with these big robots
105
355440
1620
e acabamos trabalhando com robôs pequenos.
06:09
and then now we're down
to these small robots.
to these small robots.
106
357084
2812
06:11
And if you plot a histogram
of the number of Band-Aids we've ordered
of the number of Band-Aids we've ordered
107
359920
3456
E, ao olharmos um histograma da quantidade
de Band-Aids que comprávamos no passado,
de Band-Aids que comprávamos no passado,
06:15
in the past, that sort of tailed off now.
108
363400
2576
vemos que agora diminuiu.
06:18
Because these robots are really safe.
109
366000
1960
Porque esses robôs são realmente seguros.
06:20
The small size has some disadvantages,
110
368760
2456
Ser pequeno tem desvantagens,
06:23
and nature has found a number of ways
to compensate for these disadvantages.
to compensate for these disadvantages.
111
371240
4080
e a natureza encontrou muitas formas
de compensar essas desvantagens.
de compensar essas desvantagens.
06:27
The basic idea is they aggregate
to form large groups, or swarms.
to form large groups, or swarms.
112
375960
4000
A ideia básica é que eles se juntem
para formar grandes grupos, ou enxames.
para formar grandes grupos, ou enxames.
Da mesma forma, no laboratório, tentamos
criar enxames artificiais de robôs.
criar enxames artificiais de robôs.
06:32
So, similarly, in our lab,
we try to create artificial robot swarms.
we try to create artificial robot swarms.
113
380320
3976
E isso é bem desafiador,
06:36
And this is quite challenging
114
384320
1381
06:37
because now you have to think
about networks of robots.
about networks of robots.
115
385725
3320
pois tivemos de pensar em redes de robôs
06:41
And within each robot,
116
389360
1296
e, dentro de cada robô,
06:42
you have to think about the interplay
of sensing, communication, computation --
of sensing, communication, computation --
117
390680
5616
pensar na interação entre o sensor,
a comunicação e a computação,
a comunicação e a computação,
06:48
and this network then becomes
quite difficult to control and manage.
quite difficult to control and manage.
118
396320
4960
e é bem difícil controlar
e gerenciar essa rede.
e gerenciar essa rede.
06:54
So from nature we take away
three organizing principles
three organizing principles
119
402160
3296
Assim, tiramos da natureza
esses três princípios organizacionais,
esses três princípios organizacionais,
06:57
that essentially allow us
to develop our algorithms.
to develop our algorithms.
120
405480
3160
que essencialmente nos permitem
desenvolver nossos algoritmos.
desenvolver nossos algoritmos.
07:01
The first idea is that robots
need to be aware of their neighbors.
need to be aware of their neighbors.
121
409640
4536
A primeira ideia é que os robôs
precisam estar cientes de seus vizinhos.
precisam estar cientes de seus vizinhos.
07:06
They need to be able to sense
and communicate with their neighbors.
and communicate with their neighbors.
122
414200
3440
Precisam ser capazes de detectar
e se comunicar com seus vizinhos.
e se comunicar com seus vizinhos.
Assim, este vídeo ilustra a ideia básica.
07:10
So this video illustrates the basic idea.
123
418040
2656
07:12
You have four robots --
124
420720
1296
Temos quatro robôs,
07:14
one of the robots has actually been
hijacked by a human operator, literally.
hijacked by a human operator, literally.
125
422040
4240
um deles na verdade foi literalmente
sequestrado por um operador humano.
sequestrado por um operador humano.
07:19
But because the robots
interact with each other,
interact with each other,
126
427217
2239
Mas, como os robôs interagem entre si,
07:21
they sense their neighbors,
127
429480
1656
eles percebem seus vizinhos,
07:23
they essentially follow.
128
431160
1296
basicamente seguem o líder
07:24
And here there's a single person
able to lead this network of followers.
able to lead this network of followers.
129
432480
5360
e, aqui, uma pessoa sozinha é capaz
de controlar essa rede de seguidores.
de controlar essa rede de seguidores.
07:32
So again, it's not because all the robots
know where they're supposed to go.
know where they're supposed to go.
130
440000
5056
Repetindo, não é porque todos
os robôs sabem aonde devem ir.
os robôs sabem aonde devem ir.
07:37
It's because they're just reacting
to the positions of their neighbors.
to the positions of their neighbors.
131
445080
4320
É porque eles simplesmente reagem
à posição dos seus vizinhos.
à posição dos seus vizinhos.
07:43
(Laughter)
132
451720
4120
(Risos)
07:48
So the next experiment illustrates
the second organizing principle.
the second organizing principle.
133
456280
5240
O próximo experimento ilustra
o segundo princípio organizacional.
o segundo princípio organizacional.
07:54
And this principle has to do
with the principle of anonymity.
with the principle of anonymity.
134
462920
3800
Que tem a ver com
o princípio da anonimidade.
o princípio da anonimidade.
07:59
Here the key idea is that
135
467400
4296
A ideia chave é
que os robôs possuem uma identidade
independente da do vizinho.
independente da do vizinho.
08:03
the robots are agnostic
to the identities of their neighbors.
to the identities of their neighbors.
136
471720
4240
08:08
They're asked to form a circular shape,
137
476440
2616
Pede-se a eles que formem um círculo
08:11
and no matter how many robots
you introduce into the formation,
you introduce into the formation,
138
479080
3296
e, não importa quantos robôs
sejam introduzidos na formação,
sejam introduzidos na formação,
08:14
or how many robots you pull out,
139
482400
2576
ou quantos robôs sejam retirados,
08:17
each robot is simply
reacting to its neighbor.
reacting to its neighbor.
140
485000
3136
cada robô meramente reage ao seu vizinho.
08:20
It's aware of the fact that it needs
to form the circular shape,
to form the circular shape,
141
488160
4976
Ele está ciente do fato
de que precisa formar um círculo,
de que precisa formar um círculo,
08:25
but collaborating with its neighbors
142
493160
1776
mas, ao colaborar com os vizinhos,
08:26
it forms the shape
without central coordination.
without central coordination.
143
494960
3720
ele faz isso sem nenhuma
coordenação central.
coordenação central.
08:31
Now if you put these ideas together,
144
499520
2416
Agora, juntando essas duas ideias,
08:33
the third idea is that we
essentially give these robots
essentially give these robots
145
501960
3896
a terceira é basicamente
darmos a esses robôs
darmos a esses robôs
08:37
mathematical descriptions
of the shape they need to execute.
of the shape they need to execute.
146
505880
4296
descrições matemáticas
da forma a ser executada.
da forma a ser executada.
08:42
And these shapes can be varying
as a function of time,
as a function of time,
147
510200
3496
E essas formas podem variar
em função do tempo.
em função do tempo.
08:45
and you'll see these robots
start from a circular formation,
start from a circular formation,
148
513720
4496
Vocês vão ver os robôs começarem
com uma formação circular,
com uma formação circular,
08:50
change into a rectangular formation,
stretch into a straight line,
stretch into a straight line,
149
518240
3256
mudarem para a retangular,
esticarem-se numa linha reta,
esticarem-se numa linha reta,
08:53
back into an ellipse.
150
521520
1375
e de volta para uma elipse.
08:54
And they do this with the same
kind of split-second coordination
kind of split-second coordination
151
522919
3617
E eles coordenam tudo isso
em frações de segundo,
em frações de segundo,
08:58
that you see in natural swarms, in nature.
152
526560
3280
como vemos nos enxames na natureza.
09:03
So why work with swarms?
153
531080
2136
Mas por que trabalhar com enxames?
09:05
Let me tell you about two applications
that we are very interested in.
that we are very interested in.
154
533240
4120
Quero lhes contar sobre duas aplicações
nas quais estamos muito interessados.
nas quais estamos muito interessados.
09:10
The first one has to do with agriculture,
155
538160
2376
A primeira é na agricultura,
09:12
which is probably the biggest problem
that we're facing worldwide.
that we're facing worldwide.
156
540560
3360
que provavelmente é o maior problema
que enfrentamos no mundo.
que enfrentamos no mundo.
Como vocês bem sabem,
09:16
As you well know,
157
544760
1256
09:18
one in every seven persons
in this earth is malnourished.
in this earth is malnourished.
158
546040
3520
uma em sete pessoas
no planeta é subnutrida.
no planeta é subnutrida.
09:21
Most of the land that we can cultivate
has already been cultivated.
has already been cultivated.
159
549920
3480
A maioria das terras disponível
para cultivo já foi cultivada.
para cultivo já foi cultivada.
09:25
And the efficiency of most systems
in the world is improving,
in the world is improving,
160
553960
3216
E a eficiência da maioria dos sistemas
no mundo está melhorando,
no mundo está melhorando,
09:29
but our production system
efficiency is actually declining.
efficiency is actually declining.
161
557200
3520
mas a eficiência do nosso sistema
de produção na verdade está diminuindo
de produção na verdade está diminuindo
devido à restrição da água, a doenças
nas plantações e à mudança climática,
nas plantações e à mudança climática,
09:33
And that's mostly because of water
shortage, crop diseases, climate change
shortage, crop diseases, climate change
162
561080
4216
09:37
and a couple of other things.
163
565320
1520
entre outras coisas.
Então, o que os robôs fazem?
09:39
So what can robots do?
164
567360
1480
09:41
Well, we adopt an approach that's
called Precision Farming in the community.
called Precision Farming in the community.
165
569200
4616
Bem, adotamos uma abordagem chamada
"Agricultura de Precisão" na comunidade.
"Agricultura de Precisão" na comunidade.
09:45
And the basic idea is that we fly
aerial robots through orchards,
aerial robots through orchards,
166
573840
5376
A ideia básica é fazer os robôs
aéreos voarem no meio das plantações,
aéreos voarem no meio das plantações,
09:51
and then we build
precision models of individual plants.
precision models of individual plants.
167
579240
3120
para construirmos os modelos
de precisão das plantas individuais.
de precisão das plantas individuais.
09:54
So just like personalized medicine,
168
582829
1667
Assim como a medicina personalizada,
09:56
while you might imagine wanting
to treat every patient individually,
to treat every patient individually,
169
584520
4816
em que se buscar tratar cada paciente
de forma individual,
de forma individual,
10:01
what we'd like to do is build
models of individual plants
models of individual plants
170
589360
3696
gostaríamos de construir
modelos individuais das plantas,
modelos individuais das plantas,
10:05
and then tell the farmer
what kind of inputs every plant needs --
what kind of inputs every plant needs --
171
593080
4136
para podermos dizer ao fazendeiro
que tipo de insumos cada planta precisa,
que tipo de insumos cada planta precisa,
10:09
the inputs in this case being water,
fertilizer and pesticide.
fertilizer and pesticide.
172
597240
4440
e os insumos, no caso, são a água,
o fertilizante e o pesticida.
o fertilizante e o pesticida.
10:14
Here you'll see robots
traveling through an apple orchard,
traveling through an apple orchard,
173
602640
3616
Aqui vocês veem robôs viajando
sobre uma plantação de maçãs,
sobre uma plantação de maçãs,
10:18
and in a minute you'll see
two of its companions
two of its companions
174
606280
2256
e logo mais dois de seus companheiros
10:20
doing the same thing on the left side.
175
608560
1810
fazendo a mesma coisa no lado esquerdo.
10:22
And what they're doing is essentially
building a map of the orchard.
building a map of the orchard.
176
610800
3656
Basicamente, eles estão construindo
um mapa da plantação.
um mapa da plantação.
10:26
Within the map is a map
of every plant in this orchard.
of every plant in this orchard.
177
614480
2816
Dentro do mapa há um mapa
de cada planta dessa plantação.
de cada planta dessa plantação.
10:29
(Robot buzzing)
178
617320
1656
(Robô zunindo)
10:31
Let's see what those maps look like.
179
619000
1896
Vamos ver como são esses mapas.
10:32
In the next video, you'll see the cameras
that are being used on this robot.
that are being used on this robot.
180
620920
4296
No próximo vídeo, vamos ver
as câmeras usadas neste robô.
as câmeras usadas neste robô.
10:37
On the top-left is essentially
a standard color camera.
a standard color camera.
181
625240
3240
No alto à esquerda, temos basicamente
uma câmera colorida padrão.
uma câmera colorida padrão.
10:41
On the left-center is an infrared camera.
182
629640
3296
À esquerda, no centro, temos
uma câmera de infravermelho.
uma câmera de infravermelho.
10:44
And on the bottom-left
is a thermal camera.
is a thermal camera.
183
632960
3776
E, embaixo à esquerda, uma câmera
com sensor de temperatura.
com sensor de temperatura.
10:48
And on the main panel, you're seeing
a three-dimensional reconstruction
a three-dimensional reconstruction
184
636760
3336
E, no painel principal, pode-se ver
uma reconstrução tridimensional
uma reconstrução tridimensional
10:52
of every tree in the orchard
as the sensors fly right past the trees.
as the sensors fly right past the trees.
185
640120
6120
de cada árvore da plantação enquanto
os sensores passam pelas árvores.
os sensores passam pelas árvores.
10:59
Armed with information like this,
we can do several things.
we can do several things.
186
647640
4040
Munidos de informações como estas,
podemos fazer diversas coisas.
podemos fazer diversas coisas.
A primeira coisa e, provavelmente
a mais importante, é bem simples:
a mais importante, é bem simples:
11:04
The first and possibly the most important
thing we can do is very simple:
thing we can do is very simple:
187
652200
4256
11:08
count the number of fruits on every tree.
188
656480
2440
contar o número de frutas de cada árvore.
11:11
By doing this, you tell the farmer
how many fruits she has in every tree
how many fruits she has in every tree
189
659520
4536
Fazendo assim, dizemos à fazendeira
quantas frutas ela tem em cada árvore,
quantas frutas ela tem em cada árvore,
11:16
and allow her to estimate
the yield in the orchard,
the yield in the orchard,
190
664080
4256
o que lhe permite fazer
uma estimativa da colheita,
uma estimativa da colheita,
11:20
optimizing the production
chain downstream.
chain downstream.
191
668360
2840
otimizando os passos seguintes
da cadeia de produção.
da cadeia de produção.
A segunda coisa que podemos fazer
11:23
The second thing we can do
192
671640
1616
11:25
is take models of plants, construct
three-dimensional reconstructions,
three-dimensional reconstructions,
193
673280
4496
é pegar modelos de plantas,
fazer reconstruções tridimensionais,
fazer reconstruções tridimensionais,
calcular o tamanho da copa das árvores
e correlacionar o tamanho da copa
e correlacionar o tamanho da copa
11:29
and from that estimate the canopy size,
194
677800
2536
11:32
and then correlate the canopy size
to the amount of leaf area on every plant.
to the amount of leaf area on every plant.
195
680360
3776
com o tamanho da área
foliar de cada planta.
foliar de cada planta.
11:36
And this is called the leaf area index.
196
684160
2176
E isso se chama Índice de Área Foliar.
11:38
So if you know this leaf area index,
197
686360
1936
Assim, se conhecermos esse indicador,
11:40
you essentially have a measure of how much
photosynthesis is possible in every plant,
photosynthesis is possible in every plant,
198
688320
5456
podemos ter a medida de quanta
fotossíntese é possível em cada planta,
fotossíntese é possível em cada planta,
11:45
which again tells you
how healthy each plant is.
how healthy each plant is.
199
693800
2880
o que novamente nos diz
quão saudável cada planta é.
quão saudável cada planta é.
11:49
By combining visual
and infrared information,
and infrared information,
200
697520
4216
Ao combinar informação
visual e infravermelha,
visual e infravermelha,
11:53
we can also compute indices such as NDVI.
201
701760
3296
podemos calcular também
índices como o NDVI.
índices como o NDVI.
11:57
And in this particular case,
you can essentially see
you can essentially see
202
705080
2816
E, neste caso em particular, podemos ver
11:59
there are some crops that are
not doing as well as other crops.
not doing as well as other crops.
203
707920
3016
que algumas colheitas não estão
indo tão bem quanto outras.
indo tão bem quanto outras.
Isso é facilmente perceptível
com as imagens,
com as imagens,
12:02
This is easily discernible from imagery,
204
710960
4056
12:07
not just visual imagery but combining
205
715040
2216
não somente com as visuais,
mas com a combinação de ambas,
as visuais e as infravermelhas.
as visuais e as infravermelhas.
12:09
both visual imagery and infrared imagery.
206
717280
2776
E, por último,
12:12
And then lastly,
207
720080
1336
12:13
one thing we're interested in doing is
detecting the early onset of chlorosis --
detecting the early onset of chlorosis --
208
721440
4016
estamos interessados em determinar
o surgimento precoce da clorose.
o surgimento precoce da clorose.
12:17
and this is an orange tree --
209
725480
1496
Eis aqui um pé de laranja
12:19
which is essentially seen
by yellowing of leaves.
by yellowing of leaves.
210
727000
2560
que se destaca pelo amarelado das folhas.
12:21
But robots flying overhead
can easily spot this autonomously
can easily spot this autonomously
211
729880
3896
Mas os robôs voadores podem
ver isso facilmente de forma autônoma
ver isso facilmente de forma autônoma
12:25
and then report to the farmer
that he or she has a problem
that he or she has a problem
212
733800
2936
e depois informar ao fazendeiro
que ele está com um problema
que ele está com um problema
12:28
in this section of the orchard.
213
736760
1520
nessa parte da plantação.
Sistemas assim podem realmente ajudar,
12:30
Systems like this can really help,
214
738800
2696
12:33
and we're projecting yields
that can improve by about ten percent
that can improve by about ten percent
215
741520
5816
e estamos projetando colheitas
que podem produzir cerca de 10% a mais
que podem produzir cerca de 10% a mais
12:39
and, more importantly, decrease
the amount of inputs such as water
the amount of inputs such as water
216
747360
3216
e, mais importante, diminuir a quantidade
de insumos, como a água, em 25%,
de insumos, como a água, em 25%,
12:42
by 25 percent by using
aerial robot swarms.
aerial robot swarms.
217
750600
3280
ao usar enxames de robôs aéreos.
12:47
Lastly, I want you to applaud
the people who actually create the future,
the people who actually create the future,
218
755200
5736
Concluindo, gostaria que aplaudissem as
pessoas que, na verdade, criam o futuro:
pessoas que, na verdade, criam o futuro:
12:52
Yash Mulgaonkar, Sikang Liu
and Giuseppe Loianno,
and Giuseppe Loianno,
219
760960
4920
Yash Mulgaonkar, Sikang Liu
e Giuseppe Loianno,
e Giuseppe Loianno,
12:57
who are responsible for the three
demonstrations that you saw.
demonstrations that you saw.
220
765920
3496
que foram os responsáveis pelas três
demonstrações a que assistiram hoje.
demonstrações a que assistiram hoje.
13:01
Thank you.
221
769440
1176
Obrigado.
13:02
(Applause)
222
770640
5920
(Aplausos)
ABOUT THE SPEAKER
Vijay Kumar - RoboticistAs 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.
Vijay Kumar | Speaker | TED.com