TED2012
Vijay Kumar: Robots that fly ... and cooperate
فيجاي كومار: الروبوتات التي تطير ... وتتعاون
Filmed:
Readability: 4.5
5,188,706 views
في مُختبره في "بين" ,فيجاي كومار وفريقه بنوا روبوتات طائرة رُباعية الدوارات,صغيرة,خفيفة,ويمكن ان تتشكل في سرب,وتستشعر بعضها البعض , وتُشكل فِرَق للبناء ,والانقاذ من الكوارث ,والكثير.
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.
00:20
Good morning.
0
5000
2000
صباح الخير
00:22
I'm here today to talk
1
7000
2000
أنا هنا اليوم لأتحدث
00:24
about autonomous, flying beach balls.
2
9000
3000
عن كرات الطائرة الشاطئية ذاتية التحكم.
00:27
No, agile aerial robots like this one.
3
12000
4000
لا, الروبوتات الهوائية الخفيفة
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
احب ان احدثكم قليلاً عن التحديات في بناءها
00:34
and some of the terrific opportunities
5
19000
2000
وبعض الفرص الرائعه
00:36
for applying this technology.
6
21000
2000
في تطبيق هذه التكنولوجيا.
00:38
So these robots
7
23000
2000
هذه الروبوتات
00:40
are related to unmanned aerial vehicles.
8
25000
3000
مرتبطة بالمركبات الطائرة بدون طيار
00:43
However, the vehicles you see here are big.
9
28000
3000
لكن , المركبات التي تُشاهدونها هنا كبيرة.
00:46
They weigh thousands of pounds,
10
31000
2000
تزن الاف الباوندات,
00:48
are not by any means agile.
11
33000
2000
ولا تعتبر بأي حال خفيفة
00:50
They're not even autonomous.
12
35000
2000
بل وليست حتی ذاتية التحكم.
00:52
In fact, many of these vehicles
13
37000
2000
في الواقع, الكثير من هذه المركبات
00:54
are operated by flight crews
14
39000
2000
تعمل بواسطة طواقم طيران
00:56
that can include multiple pilots,
15
41000
3000
والتي من الممكن ان تشتمل على عدد من الطيارين
00:59
operators of sensors
16
44000
2000
و مشغلي أجهزة الإستشعار
01:01
and mission coordinators.
17
46000
2000
ومُنسقي المُهمة.
01:03
What we're interested in is developing robots like this --
18
48000
2000
وما نحن مُهتمين به هو تطوير روبوتات مثل هذا --
01:05
and here are two other pictures --
19
50000
2000
وهنا صورتان اخريين --
01:07
of robots that you can buy off the shelf.
20
52000
3000
من الروبوتات التي يمكن شراءها من المتجر.
01:10
So these are helicopters with four rotors
21
55000
3000
هذه مروحيات بأربعة دوارات
01:13
and they're roughly a meter or so in scale
22
58000
4000
وهي تقريبا في حدود المتر أو قريبا من ذلك
01:17
and weigh several pounds.
23
62000
2000
وتزن بضعة بوندات
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
وحدثناها بإضافة اجهزة استشعار ومُعالجات ،
01:22
and these robots can fly indoors
25
67000
2000
ويمكن لتلك الروبوتات الطيران داخل المباني
01:24
without GPS.
26
69000
2000
بدون اجهزة تحديد المواقع
01:26
The robot I'm holding in my hand
27
71000
2000
الروبوت الذي احمله في يدي
01:28
is this one,
28
73000
2000
من ذلك النوع ،
01:30
and it's been created by two students,
29
75000
3000
وتم بناءه من قبل طالبين
01:33
Alex and Daniel.
30
78000
2000
"اليكس" و "دانيال"
01:35
So this weighs a little more
31
80000
2000
وهذه وزنها أكبر بعض الشيء
01:37
than a tenth of a pound.
32
82000
2000
من عُشر الباوند.
01:39
It consumes about 15 watts of power.
33
84000
2000
و تستهلك تقريباً 15 وات من الطاقة.
01:41
And as you can see,
34
86000
2000
وكما تُشاهدون ،
01:43
it's about eight inches in diameter.
35
88000
2000
قطرها حوالي ثمانية انشات.
01:45
So let me give you just a very quick tutorial
36
90000
3000
دعوني اعطيكم شرحاً سريعاً جداً
01:48
on how these robots work.
37
93000
2000
عن كيفية عمل تلك الروبوتات.
01:50
So it has four rotors.
38
95000
2000
إن لديها اربعة دوارات.
01:52
If you spin these rotors at the same speed,
39
97000
2000
اذا أدرت تلك الدوارات بنفس السرعة ،
01:54
the robot hovers.
40
99000
2000
يحوم الروبوت.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
و إذا زدت سرعة كل من تلك الدوارات ،
01:59
then the robot flies up, it accelerates up.
42
104000
3000
فإن الروبوت يبدأ في الطيران. والتسارع.
02:02
Of course, if the robot were tilted,
43
107000
2000
و بالطبع, اذا كان الروبوت مائلاً ،
02:04
inclined to the horizontal,
44
109000
2000
يميل أفقياً،
02:06
then it would accelerate in this direction.
45
111000
3000
وبالتالي سوف يتسارع في ذلك الإتجاه.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
لذا إذا ما أردنا توجيهه, فإن هناك طريقتين لعمل ذلك.
02:12
So in this picture
47
117000
2000
في هذه الصورة
02:14
you see that rotor four is spinning faster
48
119000
2000
تُشاهدون ان الدوار الرابع يدور بسرعة اكبر
02:16
and rotor two is spinning slower.
49
121000
2000
والدوار الثاني يدور ببطء
02:18
And when that happens
50
123000
2000
وفي هذه الحالة
02:20
there's moment that causes this robot to roll.
51
125000
3000
هناك لحظة يلتف فيها الروبوت
02:23
And the other way around,
52
128000
2000
والحالة الاخرى
02:25
if you increase the speed of rotor three
53
130000
3000
اذا زدت سرعة الدوار الثالث
02:28
and decrease the speed of rotor one,
54
133000
2000
وخفضت سُرعة الدوار الاول
02:30
then the robot pitches forward.
55
135000
3000
يتحرك الروبوت الى الامام
02:33
And then finally,
56
138000
2000
وأخيراً
02:35
if you spin opposite pairs of rotors
57
140000
2000
اذا أدرت الازواج المتقابلة من الروبوت
02:37
faster than the other pair,
58
142000
2000
أسرع من الزوج الاّخر،
02:39
then the robot yaws about the vertical axis.
59
144000
2000
فإن الروبوت يرتفع باتجاه المحور العمودي.
02:41
So an on-board processor
60
146000
2000
هناك مُعالجٌ موضوعٌ بداخلها
02:43
essentially looks at what motions need to be executed
61
148000
3000
يُحدد مبدئياً ما هي الحركات المطلوب إجراؤها
02:46
and combines these motions
62
151000
2000
ويدمج تلك الحركات
02:48
and figures out what commands to send to the motors
63
153000
3000
ويحدد ما هي التعليمات التي يجب إرسالها الى الدوارات
02:51
600 times a second.
64
156000
2000
600 مرة في الثانية.
02:53
That's basically how this thing operates.
65
158000
2000
تلك هي كيفية عمل هذا الشيء ببساطة.
02:55
So one of the advantages of this design
66
160000
2000
أحد مزايا هذا التصميم
02:57
is, when you scale things down,
67
162000
2000
هو انه عندما تجعل الأشياء مصغرة ،
02:59
the robot naturally becomes agile.
68
164000
3000
يُصبح الروبوت خفيفاً.
03:02
So here R
69
167000
2000
الحرف R هنا
03:04
is the characteristic length of the robot.
70
169000
2000
هو طول الروبوت.
03:06
It's actually half the diameter.
71
171000
3000
في الواقع هو نصف القُطر.
03:09
And there are lots of physical parameters that change
72
174000
3000
وهناك الكثير من المُعاملات الفيزيائية التي تتغير
03:12
as you reduce R.
73
177000
2000
كُلما قللت من قيمة R
03:14
The one that's the most important
74
179000
2000
وأهمها
03:16
is the inertia or the resistance to motion.
75
181000
2000
القصور الذاتي او مُقاومة الحركة.
03:18
So it turns out,
76
183000
2000
لذا يتضح لنا ،
03:20
the inertia, which governs angular motion,
77
185000
3000
أن القصور الذاتي ، والذي يتحكم في الحركة الزاوية ،
03:23
scales as a fifth power of R.
78
188000
3000
يتناقص الى قوى خمسة بالنسبة ل R
03:26
So the smaller you make R,
79
191000
2000
بالتالي كُلما صغرت R ،
03:28
the more dramatically the inertia reduces.
80
193000
3000
كُلما تناقص القصور الذاتي بصورة دراماتيكية.
03:31
So as a result, the angular acceleration,
81
196000
3000
وكنتيجة لذلك ,فإن التسارع الزاوي ،
03:34
denoted by Greek letter alpha here,
82
199000
2000
والظاهر بالرمز ألفا الإغريقي ،
03:36
goes as one over R.
83
201000
2000
يساوي واحد على R
03:38
It's inversely proportional to R.
84
203000
2000
يتناسب عكسيا مع R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
كلما جعلت الروبوت أصغر كُلما استطعت الإلتفاف بسرعة.
03:43
So this should be clear in these videos.
86
208000
2000
وذلك سوف يكون واضحاً في هذه المشاهد.
03:45
At the bottom right you see a robot
87
210000
3000
في الاسفل على اليمين تُشاهدون روبوت
03:48
performing a 360 degree flip
88
213000
2000
يقوم بإنقلاب بزاوية 360 درجة
03:50
in less than half a second.
89
215000
2000
في أقل من نصف ثانية.
03:52
Multiple flips, a little more time.
90
217000
3000
عدة إنقلابات ، وقت أطول قليلاً.
03:55
So here the processes on board
91
220000
2000
هُنا المُعالجات المُدمجة
03:57
are getting feedback from accelerometers
92
222000
2000
تستقبل المعلومات من أجهزة قياس التسارع
03:59
and gyros on board
93
224000
2000
وأجهزة قياس الميلان حول المحاور
04:01
and calculating, like I said before,
94
226000
2000
وتقوم بالحساب ، كما أسلفت ،
04:03
commands at 600 times a second
95
228000
2000
ومن ثم ترسل الأوامر بسرعة 600 مرة في الثانية
04:05
to stabilize this robot.
96
230000
2000
لتجعل هذا الروبوت مُستقراً
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
على اليسار تُشاهدون دانييل يُلقي هذا الروبوت في الهواء.
04:10
And it shows you how robust the control is.
98
235000
2000
ويظهرلكم مدى قوة التحكم.
04:12
No matter how you throw it,
99
237000
2000
بغض النظر عن كيفية إلقاءه ،
04:14
the robot recovers and comes back to him.
100
239000
4000
يتغلب الروبوت على الوضع ويعود إليه مُجدداً.
04:18
So why build robots like this?
101
243000
2000
لماذا نبني روبوتاً مثل هذا؟
04:20
Well robots like this have many applications.
102
245000
3000
الروبوتات من هذا النوع لديها الكثير من التطبيقات.
04:23
You can send them inside buildings like this
103
248000
3000
تُرسلها داخل مبنى مُشابه لهذا
04:26
as first responders to look for intruders,
104
251000
3000
كأول المستجيبين للبحث عن الدُخلاء ،
04:29
maybe look for biochemical leaks,
105
254000
3000
أو البحث عن التسربات البيوكيميائية
04:32
gaseous leaks.
106
257000
2000
أو التسربات الغازية.
04:34
You can also use them
107
259000
2000
يُمكنك ايضأ استخدامها
04:36
for applications like construction.
108
261000
2000
في تطبيقات مثل الإنشاء.
04:38
So here are robots carrying beams, columns
109
263000
4000
هاهنا الروبوتات تحمل الحزم ، الأعمدة
04:42
and assembling cube-like structures.
110
267000
3000
وتُجمع بناء على شكل مُكعبات.
04:45
I'll tell you a little bit more about this.
111
270000
3000
سوف أخبركم اكثر عن هذا.
04:48
The robots can be used for transporting cargo.
112
273000
3000
الروبوتات يمكن استخدامها في نقل البضائع.
04:51
So one of the problems with these small robots
113
276000
3000
و أحد المشاكل المرتبطة بتلك الروبوتات الصغيرة
04:54
is their payload carrying capacity.
114
279000
2000
هي قدرتها على حمل الأثقال.
04:56
So you might want to have multiple robots
115
281000
2000
رُبما تحتاج إلى عدة روبوتات
04:58
carry payloads.
116
283000
2000
لنقل تلك الأحمال.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
هذه صورة لتجربة اجريناها مؤخراً --
05:02
actually not so recent anymore --
118
287000
2000
في الواقع لم تعد حديثة --
05:04
in Sendai shortly after the earthquake.
119
289000
3000
في "سينداي" بعد الزلزال بفترة قصيرة.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
مثل هذه الروبوتات يمكن ارسالها داخل المباني المنهارة
05:10
to assess the damage after natural disasters,
121
295000
2000
لتقييم الأضرار بعد الكوارث الطبيعية ،
05:12
or sent into reactor buildings
122
297000
3000
أو إرساله داخل المُفاعلات النووية
05:15
to map radiation levels.
123
300000
3000
لتحديد مستويات الإشعاع.
05:19
So one fundamental problem
124
304000
2000
لذا أحد المشاكل الأساسية
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
التي يجب حلها على الروبوتات ، لكي تكون ذاتية التحكم
05:24
is essentially figuring out
126
309000
2000
مبدأياً ، هي التحديد
05:26
how to get from point A to point B.
127
311000
2000
في كيفية الانتقال من النقطة A الى النقطة B.
05:28
So this gets a little challenging
128
313000
2000
و يُصبح هذا نوع من التحدي
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
لان ديناميكية الروبوت مُعقدة.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
في الواقع هي تعيش في فضاء مؤلف من 12 بُعداً.
05:35
So we use a little trick.
131
320000
2000
لذا نستخدم حيلةً صغيرةً.
05:37
We take this curved 12-dimensional space
132
322000
3000
نأخذ هذا الفضاء المنحني المحتوي على 12 بُعد
05:40
and transform it
133
325000
2000
ونُحوله
05:42
into a flat four-dimensional space.
134
327000
2000
الى فضاء مُسطح من أربعة أبعاد.
05:44
And that four-dimensional space
135
329000
2000
وذلك الفضاء ذو الأربعة أبعاد
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
مُكون من X,Y,Z, و ثم زاوية الإرتفاع.
05:49
And so what the robot does
137
334000
2000
وما يفعله الروبوت
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
أنه يبحث عن المسار الأقصر.
05:55
So to remind you of physics,
139
340000
2000
و لتذكيركم بالفيزياء ،
05:57
you have position, derivative, velocity,
140
342000
2000
دائماً لدينا المكان ، والإشتقاق ، والسرعة
05:59
then acceleration,
141
344000
2000
ومن ثُم التسارع ،
06:01
and then comes jerk
142
346000
2000
وثم يأتي معدل تغير التسارع
06:03
and then comes snap.
143
348000
2000
ثم معدل تغير التذبذب.
06:05
So this robot minimizes snap.
144
350000
3000
هذا الروبوت يُقلص مُعدل تغير التذبذب.
06:08
So what that effectively does
145
353000
2000
وما يفعله ذلك
06:10
is produces a smooth and graceful motion.
146
355000
2000
هو إنتاج حركة سهلة ورشيقة.
06:12
And it does that avoiding obstacles.
147
357000
3000
و هو يفعل ذلك مع تفادي العقبات.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
وهذا المسار الأقل في معدل الذبذبة على الفضاء المسطح
06:18
are then transformed back
149
363000
2000
يتم تحويله مرةً أخرى
06:20
into this complicated 12-dimensional space,
150
365000
2000
الى الفضاء المُعقد ذو ال 12 بُعداً ،
06:22
which the robot must do
151
367000
2000
الذي يجب على الروبوت أن يقوم به
06:24
for control and then execution.
152
369000
2000
للتحكُم والتنفيذ.
06:26
So let me show you some examples
153
371000
2000
دعوني أعرض عليكم بعض الأمثلة
06:28
of what these minimum snap trajectories look like.
154
373000
2000
كيف تبدوا تلك المسارات الأقل في مُعدل الذبذبة.
06:30
And in the first video,
155
375000
2000
في المشهد الأول ،
06:32
you'll see the robot going from point A to point B
156
377000
2000
سوف تُشاهدون الروبوت ينتقل من النُقطة "أ" الى النقطة "ب"
06:34
through an intermediate point.
157
379000
2000
من خلال المرور بنقطة وسطية.
06:42
So the robot is obviously capable
158
387000
2000
الروبوت قادر وبوضوح
06:44
of executing any curve trajectory.
159
389000
2000
على تنفيذ أي مسار مُنحني.
06:46
So these are circular trajectories
160
391000
2000
تلك هي مسارات دائرية
06:48
where the robot pulls about two G's.
161
393000
3000
حيث يسحب الروبوت مايعادل ضعف تسارع الجاذبية.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
هناك كاميرات لاقطة للحركة في الأعلى
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
تُخبر الروبوت عن مكانه 100 مرة في الثانية.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
وتُخبر الروبوت ايضاً أين تلك العقبات.
07:02
And the obstacles can be moving.
165
407000
2000
والعقبات قد تكون متحركة.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
وهنا سوف تشاهدون دانييل يُلقي الحلقة في الهواء ،
07:07
while the robot is calculating the position of the hoop
167
412000
2000
بينما يحسب الروبوت موقع الحلقة
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
ويحاول تحديد أفضل طريقة للمرور خلال الحلقة.
07:13
So as an academic,
169
418000
2000
لذا كأكاديمي ،
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
تدربنا على القفز خلال الحلقات لزيادة التمويل لمختبراتنا ،
07:18
and we get our robots to do that.
171
423000
3000
وجعلنا روبوتاتنا تقوم بذلك.
07:21
(Applause)
172
426000
6000
(تصفيق)
07:27
So another thing the robot can do
173
432000
2000
شيئ اّخر يمكن للربوت عمله
07:29
is it remembers pieces of trajectory
174
434000
3000
أن تتذكر أجزاء المسار
07:32
that it learns or is pre-programmed.
175
437000
2000
التي تعلمتها أو التي تم برمجتها مُسبقاً.
07:34
So here you see the robot
176
439000
2000
فتشاهدون هنا روبوت
07:36
combining a motion
177
441000
2000
يجمع بين الحركة
07:38
that builds up momentum
178
443000
2000
التي تزيد الزخم
07:40
and then changes its orientation and then recovers.
179
445000
3000
ثُم يُغير وضعيته ثُم يعود لوضعه السابق.
07:43
So it has to do this because this gap in the window
180
448000
3000
يجب عليه فعل ذلك بسبب هذه الفجوة في النافذة
07:46
is only slightly larger than the width of the robot.
181
451000
4000
أكبر قليلاً من عرض الروبوت.
07:50
So just like a diver stands on a springboard
182
455000
3000
مثلما يقف الغطّاس على منصة الوثب
07:53
and then jumps off it to gain momentum,
183
458000
2000
ثم يقفز عنها ليكتسب زخماً ،
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
ثم يقوم بهذه الرقصة ، التشقلب مرتان ونصف
07:58
and then gracefully recovers,
185
463000
2000
ومن ثم يستعيد وضعه السابق برشاقة ،
08:00
this robot is basically doing that.
186
465000
2000
يقوم هذا الروبوت بذلك.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
فهو يعرف كيف يجمع أجزاء المسارات
08:05
to do these fairly difficult tasks.
188
470000
4000
للقيام بهذه المهام الصعبة.
08:09
So I want change gears.
189
474000
2000
اريد تغيير التروس.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
وأحد عيوب تلك الروبوتات الصغيرة هي حجمها.
08:14
And I told you earlier
191
479000
2000
وأخبرتكم سابقاً
08:16
that we may want to employ lots and lots of robots
192
481000
2000
ربما نحتاج إلى توظيف الكثير والكثير من الروبوتات
08:18
to overcome the limitations of size.
193
483000
3000
لنتغلب على قيود الحجم.
08:21
So one difficulty
194
486000
2000
هناك صعوبة واحدة
08:23
is how do you coordinate lots of these robots?
195
488000
3000
كيفية التنسيق بين الكثير من هذه الروبوتات ؟
08:26
And so here we looked to nature.
196
491000
2000
لذلك نظرنا الى الطبيعة.
08:28
So I want to show you a clip
197
493000
2000
أريد أن أعرض عليكم مشهداً
08:30
of Aphaenogaster desert ants
198
495000
2000
لنمل صحراء "فينوجاستر"
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
تحملُ جسماً في مُختبر البروفوسور "ستيفين برات"
08:35
So this is actually a piece of fig.
200
500000
2000
هذه في الواقع قطعةٌ من التين.
08:37
Actually you take any object coated with fig juice
201
502000
2000
في الواقع إذا أخذت أي جسمٍ وطليته بعصير التين
08:39
and the ants will carry them back to the nest.
202
504000
3000
سوف ينقله النمل الى العش.
08:42
So these ants don't have any central coordinator.
203
507000
3000
هذه النملات لا يوجد لديها مُنسق مركزي.
08:45
They sense their neighbors.
204
510000
2000
و هي تستشعر جاراتها.
08:47
There's no explicit communication.
205
512000
2000
لا يوجد أي تواصلٍ مباشر.
08:49
But because they sense the neighbors
206
514000
2000
لكن لأنها تستشعر جاراتها
08:51
and because they sense the object,
207
516000
2000
ولأنها تستشعر الجسم ،
08:53
they have implicit coordination across the group.
208
518000
3000
هناك تنسيق ضمني ضمن المجموعة.
08:56
So this is the kind of coordination
209
521000
2000
هذا النوع من التنسيق
08:58
we want our robots to have.
210
523000
3000
نريد ان تحصل عليه روبوتاتنا.
09:01
So when we have a robot
211
526000
2000
عندما يكون لدينا روبوت
09:03
which is surrounded by neighbors --
212
528000
2000
مُحاطٌ بالجيران --
09:05
and let's look at robot I and robot J --
213
530000
2000
لنأخذ الروبوت بالحرف "I" والروبوت بالحرف "J" --
09:07
what we want the robots to do
214
532000
2000
ما نريد الروبوتات أن تفعله
09:09
is to monitor the separation between them
215
534000
3000
هو أن تراقب المسافات بينها
09:12
as they fly in formation.
216
537000
2000
حال طيرانها في تشكيل.
09:14
And then you want to make sure
217
539000
2000
وتريد أن تكون مُتأكداً
09:16
that this separation is within acceptable levels.
218
541000
2000
أن هذه المسافات سوف تكون ضمن المستويات المقبولة.
09:18
So again the robots monitor this error
219
543000
3000
مرةً أُخرى تُراقب الروبوتات نسبة الخطأ
09:21
and calculate the control commands
220
546000
2000
وتحسب أوامر التحكم بناءً على ذلك
09:23
100 times a second,
221
548000
2000
100 مرة في كل ثانية ،
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
والذي يُترجم بدوره إلى أوامر للدوار 600 مرة في الثانية.
09:28
So this also has to be done
223
553000
2000
وذلك جميعه يجب ان يتم
09:30
in a decentralized way.
224
555000
2000
بطريقة لا مركزية.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
مرة أخرى ، اذا كان لديك الكثير والكثير من الروبوتات ،
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
من المستحيل تنسيق كل هذه العمليات مركزياً
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
بالسرعة الكافية ليتمكن هذا الروبوت من تحقيق المُهمة.
09:41
Plus the robots have to base their actions
228
566000
2000
بالإضافة إلى ذلك على الروبوتات أن تعتمد في تصرفاتها
09:43
only on local information,
229
568000
2000
على المعلومات المحلية فقط ،
09:45
what they sense from their neighbors.
230
570000
2000
ما تستشعره من جيرانها ،
09:47
And then finally,
231
572000
2000
ومن ثم أخيراً ،
09:49
we insist that the robots be agnostic
232
574000
2000
ونُصر على أن لا يكون الروبوت على علمٍ
09:51
to who their neighbors are.
233
576000
2000
بهوية جاره.
09:53
So this is what we call anonymity.
234
578000
3000
وهذا ما نسميه عدم تحديد الهوية.
09:56
So what I want to show you next
235
581000
2000
ما أريد عرضه بعد ذلك
09:58
is a video
236
583000
2000
مشهد
10:00
of 20 of these little robots
237
585000
3000
من 20 من تلك الروبوتات
10:03
flying in formation.
238
588000
2000
تطير في تشكيل.
10:05
They're monitoring their neighbors' position.
239
590000
3000
إنها تُراقب مواقع جيرانها.
10:08
They're maintaining formation.
240
593000
2000
وتُحافظ على التشكيل.
10:10
The formations can change.
241
595000
2000
التشكيلُ يُمكن ان يتغير.
10:12
They can be planar formations,
242
597000
2000
يمكن ان يكون تشكيلاً مُسطحاً ،
10:14
they can be three-dimensional formations.
243
599000
2000
او تشكيلاً ثلاثي الأبعاد.
10:16
As you can see here,
244
601000
2000
كما تُشاهدون هنا ،
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
تتحول من التشكيل ثلاثي الأبعاد إلى التشكيل المُسطح.
10:21
And to fly through obstacles
246
606000
2000
وتطير من خلال عوائق
10:23
they can adapt the formations on the fly.
247
608000
4000
يمكنها تكييف التشكيل أثناء الطيران.
10:27
So again, these robots come really close together.
248
612000
3000
مرةً أُخرى ، تلك الروبوتات متقاربةٌ جداً من بعضها البعض.
10:30
As you can see in this figure-eight flight,
249
615000
2000
كما تُشاهدون في الصورة ثمانية روبوتات ،
10:32
they come within inches of each other.
250
617000
2000
تقترب على مسافة إنشاتٍ من بعضها البعض.
10:34
And despite the aerodynamic interactions
251
619000
3000
وعلى الرغم من التغييرات في الديناميكية الهوائية
10:37
of these propeller blades,
252
622000
2000
فإن شفرات المروحية ،
10:39
they're able to maintain stable flight.
253
624000
2000
في مقدورها المحافظة على طيرانٍ مُستقر.
10:41
(Applause)
254
626000
7000
(تصفيق)
10:48
So once you know how to fly in formation,
255
633000
2000
حالما تعلم كيف تطير في تشكيل ،
10:50
you can actually pick up objects cooperatively.
256
635000
2000
يُمكنك إلتقاط الأجسام بشكل تعاوني.
10:52
So this just shows
257
637000
2000
هذا يوضح فقط
10:54
that we can double, triple, quadruple
258
639000
3000
أنه يمكننا الزيادة الى ضعفين أو ثلاثة أو أربعة أضعاف
10:57
the robot strength
259
642000
2000
قوة الروبوت
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
فقط عن طريق جعلها في فريقٍ واحدٍ من المتجاورين ، كما تُشاهدون هنا.
11:01
One of the disadvantages of doing that
261
646000
3000
أحد عيوب عمل ذلك
11:04
is, as you scale things up --
262
649000
2000
أنه عندما تقوم بعمل ذلك في أشياء أكبر --
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
لو كان لديك العديد من الروبوتات تحمل نفس الشيء ،
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
هي أنك تزيد القصور الذاتي بشكلٍ كبير ،
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
وبالتالي فإنك تدفع ثمن ذلك ، فهي لن تكون بتلك الخفة.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
لكنك تكتسب قدرةً أكبر على الحمل.
11:17
Another application I want to show you --
267
662000
2000
تطبيقٌ اّخر أريد أن تُشاهدوه --
11:19
again, this is in our lab.
268
664000
2000
مرةً أُخرى ، في مُختبرنا.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
هذا العمل تم عن طريق "كوينتين لينسي" وهو طالبٌ مُتخرج.
11:23
So his algorithm essentially tells these robots
270
668000
3000
وطريقته تعتمد في جعل الروبوتات
11:26
how to autonomously build
271
671000
2000
تبني وبشكلٍ ذاتي التحكم
11:28
cubic structures
272
673000
2000
أبنيةً مُكعبةَ الشكل
11:30
from truss-like elements.
273
675000
3000
من أشياء تُشابه الحِزَم.
11:33
So his algorithm tells the robot
274
678000
2000
هذه الطريقة تُخبر الروبوت
11:35
what part to pick up,
275
680000
2000
أي قطعةٍ يجب أن يحملها ،
11:37
when and where to place it.
276
682000
2000
ومتى وأين يضعها.
11:39
So in this video you see --
277
684000
2000
ففي هذا المشهد الذي تُشاهدونه --
11:41
and it's sped up 10, 14 times --
278
686000
2000
وتم تسريعه مابين 10 إلى 14 مرة --
11:43
you see three different structures being built by these robots.
279
688000
3000
تُشاهدون ثلاثة هياكل مختلفة يتم بناءها بواسطة تلك الروبوتات.
11:46
And again, everything is autonomous,
280
691000
2000
ومرةً أخرى كل شيءٍ ذاتي التحكم ،
11:48
and all Quentin has to do
281
693000
2000
وكل ما على "كوينتين " عمله
11:50
is to get them a blueprint
282
695000
2000
أن يُعطيهم المُخطط
11:52
of the design that he wants to build.
283
697000
4000
للتصميم الذي يريدهم أن يبنوه.
11:56
So all these experiments you've seen thus far,
284
701000
3000
جميع تلك التجارب التي رأيتموها حتى الاّن ،
11:59
all these demonstrations,
285
704000
2000
جميع تلك العروض ،
12:01
have been done with the help of motion capture systems.
286
706000
3000
تم عملها بمساعدة أنظمة إلتقاط الصور السريعة.
12:04
So what happens when you leave your lab
287
709000
2000
مالذي يحدث عندما تُغادر المُختبر
12:06
and you go outside into the real world?
288
711000
3000
وتكون في الخارج في العالم الحقيقي؟
12:09
And what if there's no GPS?
289
714000
3000
وماذا لو لم يكن هناك أجهزة تحديد المواقع "جي بي اس" ؟
12:12
So this robot
290
717000
2000
هذا الروبوت
12:14
is actually equipped with a camera
291
719000
2000
مُزودٌ بكاميرا
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
و لاقط أشعة ليزر "H" ، ماسح لأشعة الليزر.
12:19
And it uses these sensors
293
724000
2000
ويستخدم أجهزة الإستشعار هذه
12:21
to build a map of the environment.
294
726000
2000
ليبني خريطةً للبيئة المحيطة.
12:23
What that map consists of are features --
295
728000
3000
ما تتألف منه هذه الخريطة هي معالم --
12:26
like doorways, windows,
296
731000
2000
مثل ممرات ، نوافذ ،
12:28
people, furniture --
297
733000
2000
أشخاص ، أثاث --
12:30
and it then figures out where its position is
298
735000
2000
ومن ثم تُحدد موقعها الحالي
12:32
with respect to the features.
299
737000
2000
بالنسبة للمعالم الظاهرة.
12:34
So there is no global coordinate system.
300
739000
2000
لا يوجد هُناك نظام إحداثياتٍ قياسي.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
نظام الإحداثيات يعتمد على الروبوت ،
12:39
where it is and what it's looking at.
302
744000
3000
أين يوجد ومالذي ينظر اليه.
12:42
And it navigates with respect to those features.
303
747000
3000
ويقوم بالتجول نسبةً الى تلك المعالم.
12:45
So I want to show you a clip
304
750000
2000
أريد أن أعرض عليكم مشهداً
12:47
of algorithms developed by Frank Shen
305
752000
2000
عن الطريقة التي طوّرها " فرانك شين"
12:49
and Professor Nathan Michael
306
754000
2000
والبروفوسور "ناثان مايكل"
12:51
that shows this robot entering a building for the very first time
307
756000
4000
والذي يُظهر روبوتاً يدخل مبنىً للمرة الأولى
12:55
and creating this map on the fly.
308
760000
3000
ويبني هذه الخريطة فوراً.
12:58
So the robot then figures out what the features are.
309
763000
3000
ومن ثم يحدد الروبوت ما هي المعالم.
13:01
It builds the map.
310
766000
2000
إنه يبني الخريطة.
13:03
It figures out where it is with respect to the features
311
768000
2000
يحدد موضعه بالنسبة للمعالم
13:05
and then estimates its position
312
770000
2000
ومن ثم يُقدر موقعه
13:07
100 times a second
313
772000
2000
100 مرة في الثانية
13:09
allowing us to use the control algorithms
314
774000
2000
مما يُمكننا من استخدام تلك الطريقة
13:11
that I described to you earlier.
315
776000
2000
التي شرحتها سابقاً.
13:13
So this robot is actually being commanded
316
778000
2000
هذا الروبوت يستقبل الأوامر
13:15
remotely by Frank.
317
780000
2000
عن بُعد بواسطة "فرانك".
13:17
But the robot can also figure out
318
782000
2000
لكن الروبوت بإمكانه أيضاً تحديد
13:19
where to go on its own.
319
784000
2000
أين يذهب من تلقاء نفسه.
13:21
So suppose I were to send this into a building
320
786000
2000
إفترضوا أنني أريد إرسال هذا الروبوت داخل مبنى
13:23
and I had no idea what this building looked like,
321
788000
2000
ولا يوجد لدي فكرة عن ما يبدو عليه هذا المبنى ،
13:25
I can ask this robot to go in,
322
790000
2000
يُمكنني الطلب من الروبوت أن يذهب إلى الداخل ،
13:27
create a map
323
792000
2000
ويُنشئ خريطة
13:29
and then come back and tell me what the building looks like.
324
794000
3000
ويعود ويخبرني ما يبدو عليه المبنى.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
الروبوت في هذه الحالة لا يحل فقط مُشكلة ،
13:35
how to go from point A to point B in this map,
326
800000
3000
كيف تذهب من النقطة A الى النقطة B على هذه الخريطة ،
13:38
but it's figuring out
327
803000
2000
لكنه أيضاً يُحدد
13:40
what the best point B is at every time.
328
805000
2000
ماهي أفضل نُقطة B في كل لحظة.
13:42
So essentially it knows where to go
329
807000
3000
يعرف أين يذهب بشكلٍ أساسي
13:45
to look for places that have the least information.
330
810000
2000
للبحث عن أماكن فيها القليل من المعلومات.
13:47
And that's how it populates this map.
331
812000
3000
وتلك هي كيفية رسم هذه الخريطة.
13:50
So I want to leave you
332
815000
2000
سوف أترككم
13:52
with one last application.
333
817000
2000
مع تطبيقٍ أخير.
13:54
And there are many applications of this technology.
334
819000
3000
ويوجد هناك الكثير من التطبيفات لهذه التكنولوجيا.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
إنني بروفيسور ، ونحن عاطفيون تجاه التعليم.
13:59
Robots like this can really change the way
336
824000
2000
الروبوتات مثل هذه يمكنها بالفعل تغيير الطريقة
14:01
we do K through 12 education.
337
826000
2000
التي نعمل بها "K" خلال التعليم في المراحل ال 12.
14:03
But we're in Southern California,
338
828000
2000
لكننا في جنوب كاليفورنيا ،
14:05
close to Los Angeles,
339
830000
2000
قريبين من لوس أنجلوس ،
14:07
so I have to conclude
340
832000
2000
لذا سوف أختم
14:09
with something focused on entertainment.
341
834000
2000
بشيء يُركز على الترفيه.
14:11
I want to conclude with a music video.
342
836000
2000
أريد أن أختم بمشهدٍ موسيقي.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
أريد أن أقدم المخترعين "دانييل" و "أليكمس" ،
14:16
who created this video.
344
841000
2000
اللذان عملا هذا المشهد.
14:18
(Applause)
345
843000
7000
(تصفيق)
14:25
So before I play this video,
346
850000
2000
ولكن قبل أن أبدأ عرض المشهد ،
14:27
I want to tell you that they created it in the last three days
347
852000
3000
أريد أن أخبركم أنهم أنجزوه في الثلاثة الأيام السابقة
14:30
after getting a call from Chris.
348
855000
2000
بعد أن تلقوا إتصالاً من "كريس".
14:32
And the robots that play the video
349
857000
2000
والروبوتات التي في المشهد
14:34
are completely autonomous.
350
859000
2000
ذاتية التحكم تماماً.
14:36
You will see nine robots play six different instruments.
351
861000
3000
سوف تُشاهدون تسعة روبوتات تعزف ستة آلاتٍ مُختلفة.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
وبالطبع تم عملها خصيصاً ل "TED 2012".
14:43
Let's watch.
353
868000
3000
دعونا نُشاهد.
15:19
(Music)
354
904000
10000
(موسيقى)
16:23
(Applause)
355
968000
17000
(تصفيق)
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