TED2012
Vijay Kumar: Robots that fly ... and cooperate
Vijay Kumar : des robots qui volent... et coopèrent
Filmed:
Readability: 4.5
5,188,706 views
Dans son laboratoire à Penn, Vijay Kumar et son équipe construisent des quadrirotors, de petits et agiles robots qui s'agglutinent, se perçoivent les uns les autres et forment des équipe ad hoc -- pour la construction, le survol de catastrophes et bien plus encore.
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
Bonjour.
00:22
I'm here today to talk
1
7000
2000
Je suis ici ce matin pour parler
00:24
about autonomous, flying beach balls.
2
9000
3000
de ballons de plages autonomes et volants.
00:27
No, agile aerial robots like this one.
3
12000
4000
Non, d'habiles robots aériens tels que celui-ci.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
J'aimerais vous parler un peu des défis dans leur construction
00:34
and some of the terrific opportunities
5
19000
2000
et de certaines des incroyables options
00:36
for applying this technology.
6
21000
2000
d'application de cette technologie.
00:38
So these robots
7
23000
2000
Donc ces robots
00:40
are related to unmanned aerial vehicles.
8
25000
3000
sont proches de véhicules aériens inhabités.
00:43
However, the vehicles you see here are big.
9
28000
3000
Cependant, les véhicules que vous voyez ici sont grands.
00:46
They weigh thousands of pounds,
10
31000
2000
Ils pèsent des milliers de livres,
00:48
are not by any means agile.
11
33000
2000
et ne sont en aucune manière agiles.
00:50
They're not even autonomous.
12
35000
2000
Ils ne sont même pas autonomes.
00:52
In fact, many of these vehicles
13
37000
2000
En fait, nombre de ces véhicules
00:54
are operated by flight crews
14
39000
2000
sont dirigés par des équipages de vol
00:56
that can include multiple pilots,
15
41000
3000
qui peuvent compter plusieurs pilotes,
00:59
operators of sensors
16
44000
2000
responsables de capteurs
01:01
and mission coordinators.
17
46000
2000
et chefs de mission.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Nous nous intéressons à développer des robots comme ceux-là --
01:05
and here are two other pictures --
19
50000
2000
et voici deux autres photos
01:07
of robots that you can buy off the shelf.
20
52000
3000
de robots que vous pouvez acheter directement sur l'étagère.
01:10
So these are helicopters with four rotors
21
55000
3000
Donc ce sont des hélicoptères avec quatre rotors,
01:13
and they're roughly a meter or so in scale
22
58000
4000
ils font environ un mètre de large
01:17
and weigh several pounds.
23
62000
2000
et pèsent plusieurs livres.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
donc nous les réduisons avec des capteurs et des processeurs
01:22
and these robots can fly indoors
25
67000
2000
et ces robots peuvent volet en intérieur.
01:24
without GPS.
26
69000
2000
sans GPS.
01:26
The robot I'm holding in my hand
27
71000
2000
Le robot que je tiens dans ma main
01:28
is this one,
28
73000
2000
est un de ceux-là
01:30
and it's been created by two students,
29
75000
3000
et il a été créé par deux étudiants,
01:33
Alex and Daniel.
30
78000
2000
Alex et Daniel.
01:35
So this weighs a little more
31
80000
2000
Il pèse un peu plus
01:37
than a tenth of a pound.
32
82000
2000
de 45 grammes.
01:39
It consumes about 15 watts of power.
33
84000
2000
Il consomme environ 15 watts d'électricité.
01:41
And as you can see,
34
86000
2000
Et ainsi que vous pouvez le voir,
01:43
it's about eight inches in diameter.
35
88000
2000
il fait à peu près 20 cm de diamètre.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Laissez-moi vous donner un cours rapide
01:48
on how these robots work.
37
93000
2000
sur comment ces robots fonctionnent.
01:50
So it has four rotors.
38
95000
2000
Il a quatre rotors.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Si vous faites tourner ces rotors à la même vitesse,
01:54
the robot hovers.
40
99000
2000
le robot lévite.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Si vous augmentez la vitesse de chacun des rotors,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
le robot s'élève, il accélère vers le haut.
02:02
Of course, if the robot were tilted,
43
107000
2000
Bien sûr, si le robot était penché,
02:04
inclined to the horizontal,
44
109000
2000
incliné à l'horizontale,
02:06
then it would accelerate in this direction.
45
111000
3000
alors il accélèrerait dans cette direction.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Donc pour l'incliner, il y a deux façons de faire.
02:12
So in this picture
47
117000
2000
Sur cette image
02:14
you see that rotor four is spinning faster
48
119000
2000
vous voyez que le rotor n°4 tourne plus vite
02:16
and rotor two is spinning slower.
49
121000
2000
et que le rotor n°2 tourne moins vite.
02:18
And when that happens
50
123000
2000
Quand cela arrive,
02:20
there's moment that causes this robot to roll.
51
125000
3000
vient le moment où le robot roule sur lui-même.
02:23
And the other way around,
52
128000
2000
Et dans l'autre sens,
02:25
if you increase the speed of rotor three
53
130000
3000
si vous accélérez le rotor n°3
02:28
and decrease the speed of rotor one,
54
133000
2000
et décélérez le rotor n°1,
02:30
then the robot pitches forward.
55
135000
3000
le robot pique vers l'avant.
02:33
And then finally,
56
138000
2000
Enfin,
02:35
if you spin opposite pairs of rotors
57
140000
2000
si vous faites tourner une paire de rotors opposés
02:37
faster than the other pair,
58
142000
2000
plus vite que l'autre paire,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
alors le robot fait une embardée verticale.
02:41
So an on-board processor
60
146000
2000
Le processeur embarqué
02:43
essentially looks at what motions need to be executed
61
148000
3000
s'intéresse donc principalement à quels mouvements doivent être exécutés,
02:46
and combines these motions
62
151000
2000
combine ces mouvements
02:48
and figures out what commands to send to the motors
63
153000
3000
et détermine quels ordres envoyer aux moteurs
02:51
600 times a second.
64
156000
2000
600 fois par seconde.
02:53
That's basically how this thing operates.
65
158000
2000
Voilà comment ceci fonctionne, en gros.
02:55
So one of the advantages of this design
66
160000
2000
L'un des avantages de ce design
02:57
is, when you scale things down,
67
162000
2000
c'est que, lorsqu'on réduit les choses,
02:59
the robot naturally becomes agile.
68
164000
3000
le robot devient naturellement plus agile.
03:02
So here R
69
167000
2000
Ici, R
03:04
is the characteristic length of the robot.
70
169000
2000
est la longueur du robot
03:06
It's actually half the diameter.
71
171000
3000
C'est en fait la moitié du diamètre.
03:09
And there are lots of physical parameters that change
72
174000
3000
Et de nombreux paramètres physiques changent
03:12
as you reduce R.
73
177000
2000
au fur et à mesure que l'on réduit R.
03:14
The one that's the most important
74
179000
2000
Le plus important
03:16
is the inertia or the resistance to motion.
75
181000
2000
est l'inertie ou la résistance au mouvement.
03:18
So it turns out,
76
183000
2000
Il apparaît
03:20
the inertia, which governs angular motion,
77
185000
3000
que l'inertie, qui gouverne le déplacement angulaire
03:23
scales as a fifth power of R.
78
188000
3000
est égale à R puissance 5.
03:26
So the smaller you make R,
79
191000
2000
Donc plus vous réduisez R,
03:28
the more dramatically the inertia reduces.
80
193000
3000
plus l'inertie diminue vite.
03:31
So as a result, the angular acceleration,
81
196000
3000
En résultat, l'accélération angulaire,
03:34
denoted by Greek letter alpha here,
82
199000
2000
représentée ici par la lettre grecque alpha,
03:36
goes as one over R.
83
201000
2000
est 1 sur R.
03:38
It's inversely proportional to R.
84
203000
2000
C'est inversement proportionnel à R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Plus R est petit, plus vite vous pouvez tourner.
03:43
So this should be clear in these videos.
86
208000
2000
Ceci devrait être clair dans ces vidéos.
03:45
At the bottom right you see a robot
87
210000
3000
En bas à droite, vous voyez un robot
03:48
performing a 360 degree flip
88
213000
2000
en train de faire un salto à 360°
03:50
in less than half a second.
89
215000
2000
en moins d'une demi-seconde.
03:52
Multiple flips, a little more time.
90
217000
3000
Plusieurs saltos, un peu plus de temps.
03:55
So here the processes on board
91
220000
2000
Les processeurs embarqués
03:57
are getting feedback from accelerometers
92
222000
2000
récupèrent des informations des accéléromètres
03:59
and gyros on board
93
224000
2000
et des gyroscopes embarqués
04:01
and calculating, like I said before,
94
226000
2000
et calculent, comme je le disais tout à l'heure,
04:03
commands at 600 times a second
95
228000
2000
des ordres 600 fois par seconde
04:05
to stabilize this robot.
96
230000
2000
pour stabiliser ce robot.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
Donc à gauche, vous voyez Daniel en train de lancer ce robot en l'air.
04:10
And it shows you how robust the control is.
98
235000
2000
Et il vous montre combien ce contrôle est fiable.
04:12
No matter how you throw it,
99
237000
2000
Peu importe comment vous le lancez,
04:14
the robot recovers and comes back to him.
100
239000
4000
le robot se rétablit et revient vers lui.
04:18
So why build robots like this?
101
243000
2000
Alors pourquoi construire de tels robots ?
04:20
Well robots like this have many applications.
102
245000
3000
Eh bien, des robots comme ceux-ci ont de nombreuses applications.
04:23
You can send them inside buildings like this
103
248000
3000
Vous pouvez les envoyer dans des bâtiments comme celui-ci
04:26
as first responders to look for intruders,
104
251000
3000
comme premiers intervenants pour chercher des intrus,
04:29
maybe look for biochemical leaks,
105
254000
3000
peut-être chercher des fuites biochimiques
04:32
gaseous leaks.
106
257000
2000
ou gazeuses.
04:34
You can also use them
107
259000
2000
Vous pouvez aussi les utiliser
04:36
for applications like construction.
108
261000
2000
pour des applications comme la construction.
04:38
So here are robots carrying beams, columns
109
263000
4000
Voici des robots portant des poutres, des colonnes
04:42
and assembling cube-like structures.
110
267000
3000
et assemblant des structures cubiques.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Je vais vous en dire un peu plus là-dessus.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Ces robots peuvent être utilisés pour du transport cargo.
04:51
So one of the problems with these small robots
113
276000
3000
Un des problèmes de ces petits robots
04:54
is their payload carrying capacity.
114
279000
2000
est leur faible capacité de transport.
04:56
So you might want to have multiple robots
115
281000
2000
Donc on pourrait vouloir plusieurs robots
04:58
carry payloads.
116
283000
2000
portant des charges.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Voici la photo d'une expérience qu'on a faite récemment --
05:02
actually not so recent anymore --
118
287000
2000
plus si récemment que ça, en fait --
05:04
in Sendai shortly after the earthquake.
119
289000
3000
à Sendai, juste après le tremblement de terre.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
De tels robots pouvaient être envoyés dans des bâtiments effondrés
05:10
to assess the damage after natural disasters,
121
295000
2000
pour estimer les dégâts après des catastrophes naturelles,
05:12
or sent into reactor buildings
122
297000
3000
ou envoyés dans des bâtiments irradiés
05:15
to map radiation levels.
123
300000
3000
pour cartographier les niveaux de radiation.
05:19
So one fundamental problem
124
304000
2000
Un problème fondamental
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
que les robots doivent résoudre s'ils doivent être autonomes
05:24
is essentially figuring out
126
309000
2000
est principalement trouver
05:26
how to get from point A to point B.
127
311000
2000
comment se rendre d'un point A à un point B.
05:28
So this gets a little challenging
128
313000
2000
Ceci devient un peu délicat
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
car la dynamique de ce robot est assez compliquée.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
En fait, ils vivent dans un espace en 12 dimensions.
05:35
So we use a little trick.
131
320000
2000
Donc nous utilisons une petite astuce.
05:37
We take this curved 12-dimensional space
132
322000
3000
Nous prenons cet espace courbe en 12 dimensions
05:40
and transform it
133
325000
2000
et le transformons
05:42
into a flat four-dimensional space.
134
327000
2000
en un espace plat en 4 dimensions.
05:44
And that four-dimensional space
135
329000
2000
Cet espace quadri-dimensionnel
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
se compose de X, Y, Z et de cet angle de lacet.
05:49
And so what the robot does
137
334000
2000
Et ce que fait le robot
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
est qu'il planifie ce que l'on appelle ...
05:55
So to remind you of physics,
139
340000
2000
Pour vous rafraîchir en physique,
05:57
you have position, derivative, velocity,
140
342000
2000
vous avez la position, la dérivée, la vitesse,
05:59
then acceleration,
141
344000
2000
ensuite l'accélération,
06:01
and then comes jerk
142
346000
2000
puis les saccades
06:03
and then comes snap.
143
348000
2000
et enfin "snap".
06:05
So this robot minimizes snap.
144
350000
3000
Ce robot minimise donc le "snap".
06:08
So what that effectively does
145
353000
2000
Ce que cela fait concrètement
06:10
is produces a smooth and graceful motion.
146
355000
2000
est que ça produit un déplacement harmonieux et gracieux.
06:12
And it does that avoiding obstacles.
147
357000
3000
Et ça le fait en évitant des obstacles.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Ces trajectoires ... dans cet espace plat
06:18
are then transformed back
149
363000
2000
sont alors retranscrites
06:20
into this complicated 12-dimensional space,
150
365000
2000
dans ce complexe espace dodéca-dimensionnel
06:22
which the robot must do
151
367000
2000
ce que le robot doit faire
06:24
for control and then execution.
152
369000
2000
pour le contrôle et aussi l'exécution.
06:26
So let me show you some examples
153
371000
2000
Laissez moi vous montrer quelques exemples
06:28
of what these minimum snap trajectories look like.
154
373000
2000
de ce à quoi ces trajectoires ... ressemblent.
06:30
And in the first video,
155
375000
2000
Dans la première vidéo,
06:32
you'll see the robot going from point A to point B
156
377000
2000
vous allez voir le robot aller d'un point A à un point B
06:34
through an intermediate point.
157
379000
2000
en passant par un point intermédiaire.
06:42
So the robot is obviously capable
158
387000
2000
Le robot est manifestement capable
06:44
of executing any curve trajectory.
159
389000
2000
d'exécuter n'importer quelle trajectoire en courbe.
06:46
So these are circular trajectories
160
391000
2000
Ceci sont des trajectoires circulaires
06:48
where the robot pulls about two G's.
161
393000
3000
dans lesquelles le robot soutient environ deux G.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Ici, il y a des caméras de capture de mouvement sur le dessus du robot
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
qui lui dit où il se trouve 100 fois par seconde.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Elles lui signalent également où se trouvent les obstacles.
07:02
And the obstacles can be moving.
165
407000
2000
Et les obstacles peuvent être mobiles.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Ici, vous voyez Daniel lancer ce cerceau en l'air,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
alors que le robot recalcule la position du cerceau
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
et décide comment au mieux passer dans le cerceau.
07:13
So as an academic,
169
418000
2000
En tant qu'universitaire,
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
nous sommes formés à sauter à travers des cerceaux pour lever des fonds pour nos laboratoires
07:18
and we get our robots to do that.
171
423000
3000
et nous faisons faire la même chose à nos robots.
07:21
(Applause)
172
426000
6000
(Applaudissements)
07:27
So another thing the robot can do
173
432000
2000
Une autre chose que le robot peut faire
07:29
is it remembers pieces of trajectory
174
434000
3000
est de se souvenir de sections de trajectoires
07:32
that it learns or is pre-programmed.
175
437000
2000
qu'il apprend ou qui sont pré-programmées.
07:34
So here you see the robot
176
439000
2000
Ici vous voyez le robot
07:36
combining a motion
177
441000
2000
combiner un mouvement
07:38
that builds up momentum
178
443000
2000
qui génère un élan
07:40
and then changes its orientation and then recovers.
179
445000
3000
et change son orientation et ensuite récupérer.
07:43
So it has to do this because this gap in the window
180
448000
3000
Il doit faire cela car le trou dans la fenêtre
07:46
is only slightly larger than the width of the robot.
181
451000
4000
n'est que légèrement plus grand que la largeur du robot.
07:50
So just like a diver stands on a springboard
182
455000
3000
Donc en fait, le plongeur saute d'un plongeoir
07:53
and then jumps off it to gain momentum,
183
458000
2000
afin de gagner de l'élan
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
avant de faire sa pirouette, ce double saut périlleux,
07:58
and then gracefully recovers,
185
463000
2000
et ensuite se rétablit gracieusement,
08:00
this robot is basically doing that.
186
465000
2000
et le robot fait la même chose.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Donc il sait comment réunir de petits bouts de trajectoires
08:05
to do these fairly difficult tasks.
188
470000
4000
pour faire ces tâches assez difficiles.
08:09
So I want change gears.
189
474000
2000
Donc il faut changer de vitesse.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
L'un des inconvénients de ces petits robots est leur taille.
08:14
And I told you earlier
191
479000
2000
Comme je vous le disais plus tôt,
08:16
that we may want to employ lots and lots of robots
192
481000
2000
on pourrait envisager d'utiliser beaucoup de robots
08:18
to overcome the limitations of size.
193
483000
3000
pour compenser les limitations de leur taille.
08:21
So one difficulty
194
486000
2000
Donc une difficulté
08:23
is how do you coordinate lots of these robots?
195
488000
3000
est dans comment coordonner ces nombreux robots ?
08:26
And so here we looked to nature.
196
491000
2000
Nous nous sommes tournés vers la nature.
08:28
So I want to show you a clip
197
493000
2000
Je voudrais vous montrer une vidéo
08:30
of Aphaenogaster desert ants
198
495000
2000
des fourmis du désert Aphaenogaster
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
portant un objet au laboratoire du Docteur Stephen Pratt.
08:35
So this is actually a piece of fig.
200
500000
2000
Il s'agit en fait d'un morceau de figue.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Si vous prenez n'importe quel objet et que vous le couvrez de jus de figue,
08:39
and the ants will carry them back to the nest.
202
504000
3000
les fourmis vont l'emporter au nid.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Ces fourmis n'ont pas de coordination centrale.
08:45
They sense their neighbors.
204
510000
2000
Elles perçoivent leurs voisines.
08:47
There's no explicit communication.
205
512000
2000
Il n'y a pas de communication explicite.
08:49
But because they sense the neighbors
206
514000
2000
Mais comme elles perçoivent leurs voisines
08:51
and because they sense the object,
207
516000
2000
ainsi que l'objet
08:53
they have implicit coordination across the group.
208
518000
3000
elles ont une coordination implicite parmi le groupe.
08:56
So this is the kind of coordination
209
521000
2000
C'est le type de coordination
08:58
we want our robots to have.
210
523000
3000
que nous souhaitons que nos robots aient.
09:01
So when we have a robot
211
526000
2000
Donc notre robot
09:03
which is surrounded by neighbors --
212
528000
2000
est entouré de ses voisins --
09:05
and let's look at robot I and robot J --
213
530000
2000
regardons les robots I et J --
09:07
what we want the robots to do
214
532000
2000
ce que nous voulons des robots
09:09
is to monitor the separation between them
215
534000
3000
c'est qu'ils gèrent l'espace entre eux
09:12
as they fly in formation.
216
537000
2000
alors qu'ils volent en formation.
09:14
And then you want to make sure
217
539000
2000
Ensuite, il faut s'assurer
09:16
that this separation is within acceptable levels.
218
541000
2000
que la taille de cet écart est acceptable.
09:18
So again the robots monitor this error
219
543000
3000
Le robot suit cet écart
09:21
and calculate the control commands
220
546000
2000
et calcule les commandes
09:23
100 times a second,
221
548000
2000
100 fois par seconde,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
ce qui se transforme en ordres aux rotors 600 fois par seconde.
09:28
So this also has to be done
223
553000
2000
Cela aussi doit être fait
09:30
in a decentralized way.
224
555000
2000
de façon décentralisée.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Encore une fois, si vous avez de très nombreux robots,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
il est impossible de coordonner cette information centralement
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
assez vite pour que les robots accomplissent leurs tâches.
09:41
Plus the robots have to base their actions
228
566000
2000
De plus, les robots doivent baser leurs actions
09:43
only on local information,
229
568000
2000
uniquement sur des informations locales,
09:45
what they sense from their neighbors.
230
570000
2000
ce qu'ils perçoivent de leurs voisins.
09:47
And then finally,
231
572000
2000
Enfin,
09:49
we insist that the robots be agnostic
232
574000
2000
nous pensons qu'il est nécessaire que les robots ignorent
09:51
to who their neighbors are.
233
576000
2000
qui leurs voisins sont.
09:53
So this is what we call anonymity.
234
578000
3000
On appelle cela anonymat.
09:56
So what I want to show you next
235
581000
2000
Je voudrais maintenant vous montrer
09:58
is a video
236
583000
2000
une vidéo
10:00
of 20 of these little robots
237
585000
3000
de 20 de ces petits robots
10:03
flying in formation.
238
588000
2000
volant en formation.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Ils suivent la position de leurs voisins.
10:08
They're maintaining formation.
240
593000
2000
Ils maintiennent la formation.
10:10
The formations can change.
241
595000
2000
Les formations peuvent changer.
10:12
They can be planar formations,
242
597000
2000
Cela peut être des formations planes
10:14
they can be three-dimensional formations.
243
599000
2000
ou en 3D.
10:16
As you can see here,
244
601000
2000
Comme vous le voyez ici,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
ils passent d'une formation en 3D à une formation en 2D.
10:21
And to fly through obstacles
246
606000
2000
Et pour voler au travers d'obstacles,
10:23
they can adapt the formations on the fly.
247
608000
4000
ils peuvent adapter la formation au cours du vol.
10:27
So again, these robots come really close together.
248
612000
3000
Une fois de plus, ces robots peuvent vraiment se rapprocher les uns des autres.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Comme vous le voyez avec ce huit de chiffre,
10:32
they come within inches of each other.
250
617000
2000
il s'approchent à quelques centimètres les uns des autres.
10:34
And despite the aerodynamic interactions
251
619000
3000
Malgré les interactions aérodynamiques
10:37
of these propeller blades,
252
622000
2000
de ces pales
10:39
they're able to maintain stable flight.
253
624000
2000
ils arrivent à maintenir un vol stable.
10:41
(Applause)
254
626000
7000
(Applaudissements)
10:48
So once you know how to fly in formation,
255
633000
2000
Une fois que vous savez comment voler en formation,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
vous pouvez en fait soulever des objets en commun.
10:52
So this just shows
257
637000
2000
Cela montre simplement
10:54
that we can double, triple, quadruple
258
639000
3000
que vous pouvez doubler, tripler, quadrupler
10:57
the robot strength
259
642000
2000
la force du robot
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
simplement en les regroupant en équipes, comme ici.
11:01
One of the disadvantages of doing that
261
646000
3000
Un des avantages de cela
11:04
is, as you scale things up --
262
649000
2000
est que, à mesure que vous augmentez les proportions --
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
si vous avez plus de robots portant la même chose,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
vous augmentez surtout l'inertie
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
et pour cela vous payez le prix : ils ne sont plus aussi agiles.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Mais vous y gagnez en termes de capacité de chargement.
11:17
Another application I want to show you --
267
662000
2000
Une autre application que je veux vous montrer --
11:19
again, this is in our lab.
268
664000
2000
à nouveau, c'est dans notre labo.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Ce travail est fait par Quentin Lindsey qui est un doctorant.
11:23
So his algorithm essentially tells these robots
270
668000
3000
En gros, son algorythme dit aux robots
11:26
how to autonomously build
271
671000
2000
comment construire en autonomie
11:28
cubic structures
272
673000
2000
des structures cubiques
11:30
from truss-like elements.
273
675000
3000
avec des éléments en forme de bottes.
11:33
So his algorithm tells the robot
274
678000
2000
L'algorythme dit au robot
11:35
what part to pick up,
275
680000
2000
quel élément prendre,
11:37
when and where to place it.
276
682000
2000
quand et où le placer.
11:39
So in this video you see --
277
684000
2000
Sur cette vidéo, vous voyez --
11:41
and it's sped up 10, 14 times --
278
686000
2000
et c'est accéléré 10, 14 fois --
11:43
you see three different structures being built by these robots.
279
688000
3000
vous voyez différentes structures construites par ces robots.
11:46
And again, everything is autonomous,
280
691000
2000
Encore une fois, tout est autonome,
11:48
and all Quentin has to do
281
693000
2000
et tout ce que Quentin a à faire
11:50
is to get them a blueprint
282
695000
2000
est de leur donner un plan
11:52
of the design that he wants to build.
283
697000
4000
de l'architecture qu'il souhaite construire.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Toutes les expériences que vous avez vues jusqu'à présent,
11:59
all these demonstrations,
285
704000
2000
toutes les démonstrations,
12:01
have been done with the help of motion capture systems.
286
706000
3000
ont été faites avec l'aide de systèmes de capture de mouvement.
12:04
So what happens when you leave your lab
287
709000
2000
Que se passe-t'il quand vous quittez votre labo
12:06
and you go outside into the real world?
288
711000
3000
et allez dans le monde extérieur ?
12:09
And what if there's no GPS?
289
714000
3000
Et que se passe-t'il s'il n'y a pas de GPS ?
12:12
So this robot
290
717000
2000
Ce robot
12:14
is actually equipped with a camera
291
719000
2000
est en fait équipé d'une caméra,
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
d'un laser télémétrique et d'un scanner laser.
12:19
And it uses these sensors
293
724000
2000
Et il utilise ces capteurs
12:21
to build a map of the environment.
294
726000
2000
pour dessiner une carte de son environnement.
12:23
What that map consists of are features --
295
728000
3000
Cette carte consiste en des élements --
12:26
like doorways, windows,
296
731000
2000
comme des portes, des fenêtres,
12:28
people, furniture --
297
733000
2000
des gens, des meubles --
12:30
and it then figures out where its position is
298
735000
2000
et ensuite, le robot détermine où il se trouve
12:32
with respect to the features.
299
737000
2000
par rapport à ces éléments.
12:34
So there is no global coordinate system.
300
739000
2000
Donc il n'y a pas de système central de coordination.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Le système de coordination est défini en fonction du robot,
12:39
where it is and what it's looking at.
302
744000
3000
où il se trouve et ce à quoi il s'intéresse.
12:42
And it navigates with respect to those features.
303
747000
3000
Et il s'oriente en fonction de ces éléments.
12:45
So I want to show you a clip
304
750000
2000
Je voudrais vous montrer une vidéo
12:47
of algorithms developed by Frank Shen
305
752000
2000
d'algorithmes développés par Frank Shen
12:49
and Professor Nathan Michael
306
754000
2000
et le Docteur Nathan Michael
12:51
that shows this robot entering a building for the very first time
307
756000
4000
qui montre ce robot entrant dans un bâtiment pour la toute première fois
12:55
and creating this map on the fly.
308
760000
3000
et créant la carte au fil de son vol.
12:58
So the robot then figures out what the features are.
309
763000
3000
Le robot détermine ce que sont les éléments.
13:01
It builds the map.
310
766000
2000
Il dessine la carte.
13:03
It figures out where it is with respect to the features
311
768000
2000
Il détermine où il se trouve par rapport aux éléments
13:05
and then estimates its position
312
770000
2000
et ensuite calcule sa position
13:07
100 times a second
313
772000
2000
100 fois par seconde
13:09
allowing us to use the control algorithms
314
774000
2000
nous permettant d'utiliser les algorithmes de contrôle
13:11
that I described to you earlier.
315
776000
2000
que je vous ai décrit plus tôt.
13:13
So this robot is actually being commanded
316
778000
2000
Ce robot est en fait commandé
13:15
remotely by Frank.
317
780000
2000
à distance par Frank.
13:17
But the robot can also figure out
318
782000
2000
Mais le robot peut aussi décider
13:19
where to go on its own.
319
784000
2000
par lui même où aller.
13:21
So suppose I were to send this into a building
320
786000
2000
Imaginons que j'envoie ceci dans ce bâtiment
13:23
and I had no idea what this building looked like,
321
788000
2000
et que je n'aie aucune idée de ce à quoi peut ressembler le bâtiment,
13:25
I can ask this robot to go in,
322
790000
2000
je peux demander au robot d'entrer,
13:27
create a map
323
792000
2000
de dessiner une carte
13:29
and then come back and tell me what the building looks like.
324
794000
3000
et ensuite de revenir me dire à quoi ressemble le bâtiment.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
Ici, le robot ne résoud pas seulement le problème
13:35
how to go from point A to point B in this map,
326
800000
3000
de comment aller d'un point A à un point B dans cette carte,
13:38
but it's figuring out
327
803000
2000
mais il détermine aussi
13:40
what the best point B is at every time.
328
805000
2000
à chaque instant quel est le meilleur point B.
13:42
So essentially it knows where to go
329
807000
3000
En bref, il sait où aller
13:45
to look for places that have the least information.
330
810000
2000
pour trouver les endroits sur lesquels il a le moins d'information.
13:47
And that's how it populates this map.
331
812000
3000
Et c'est ainsi qu'il remplit sa carte.
13:50
So I want to leave you
332
815000
2000
Je voudrais vous laisser
13:52
with one last application.
333
817000
2000
avec une dernière application.
13:54
And there are many applications of this technology.
334
819000
3000
Il y a de nombreuses applications pour cette technologie.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Je suis un universitaire, et nous sommes véhéments en ce qui concerne l'éducation.
13:59
Robots like this can really change the way
336
824000
2000
De tels robots peuvent vraiment changer
14:01
we do K through 12 education.
337
826000
2000
la façon dont nous faisons "K par 12" dans l'éducation.
14:03
But we're in Southern California,
338
828000
2000
Mais nous sommes en Californie du Sud,
14:05
close to Los Angeles,
339
830000
2000
près de Los Angeles,
14:07
so I have to conclude
340
832000
2000
donc il me faut conclure
14:09
with something focused on entertainment.
341
834000
2000
sur quelque chose de lié à l'amusement.
14:11
I want to conclude with a music video.
342
836000
2000
Je souhaite donc finir avec une vidéo de musique.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Je voudrais vous présenter les créateurs, Alex et Daniel,
14:16
who created this video.
344
841000
2000
qui ont fait cette vidéo.
14:18
(Applause)
345
843000
7000
(Applaudissements)
14:25
So before I play this video,
346
850000
2000
Avant de lancer cette vidéo,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
je voudrais vous dire qu'ils l'ont montée ces 3 derniers jours
14:30
after getting a call from Chris.
348
855000
2000
après qu'ils aient eu Chris au téléphone.
14:32
And the robots that play the video
349
857000
2000
Et les robots que vous verrez
14:34
are completely autonomous.
350
859000
2000
sont totalement autonomes.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Vous verrez 9 robots jouer de 6 instruments différents.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Et bien sûr, c'est fait exclusivement pour TED 2012.
14:43
Let's watch.
353
868000
3000
Regardons.
15:19
(Music)
354
904000
10000
(Musique)
16:23
(Applause)
355
968000
17000
(Applaudissements)
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