TED2012
Vijay Kumar: Robots that fly ... and cooperate
Vijay Kumar : des robots qui volent .. et travaillent ensemble
Filmed:
Readability: 4.5
5,188,706 views
Dans son laboratoire à l'université de Penn, Vijay Kumar et son équipe construisent des quadrirotors : de petits robots agiles qui volent en essaim, se repèrent, et forment des équipes ad hoc -- à des fins de construction, de repérage lors de catastrophes et bien plus.
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 aujourd'hui pour parler
00:24
about autonomous, flying beach balls.
2
9000
3000
de ballons de plage volants et autonomes.
00:27
No, agile aerial robots like this one.
3
12000
4000
Non, de robots aériens agiles comme celui-ci.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Je voudrais vous parler des défis rencontrés lors de leur construction
00:34
and some of the terrific opportunities
5
19000
2000
et de quelques-unes des possibilités formidables
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 apparentés à des drones.
00:43
However, the vehicles you see here are big.
9
28000
3000
Cependant, les drones que vous voyez ici sont grands.
00:46
They weigh thousands of pounds,
10
31000
2000
Ils pèsent des tonnes,
00:48
are not by any means agile.
11
33000
2000
ne sont pas du tout 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, bon nombre de ces véhicules
00:54
are operated by flight crews
14
39000
2000
sont manoeuvrés par des équipes de pilotage
00:56
that can include multiple pilots,
15
41000
3000
qui peuvent compter des pilotes,
00:59
operators of sensors
16
44000
2000
des opérateurs de capteurs
01:01
and mission coordinators.
17
46000
2000
et plusieurs coordonnateurs de mission.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Ce qui nous intéresse, c'est le développement de robots de ce genre -
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
des robots qu'on peut acheter dans le commerce.
01:10
So these are helicopters with four rotors
21
55000
3000
Ce sont donc des hélicoptères à quatre rotors
01:13
and they're roughly a meter or so in scale
22
58000
4000
et ils font à peu près un mètre
01:17
and weigh several pounds.
23
62000
2000
et pèsent plusieurs kilos.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Nous leur ajoutons des capteurs et des processeurs,
01:22
and these robots can fly indoors
25
67000
2000
et ces robots peuvent voler 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 de ce type,
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
d'un vingtième de kilo.
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
Comme vous pouvez le voir,
01:43
it's about eight inches in diameter.
35
88000
2000
il fait environ 20 cm de diamètre.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Laissez-moi vous montrer rapidement
01:48
on how these robots work.
37
93000
2000
comment ces robots fonctionnent.
01:50
So it has four rotors.
38
95000
2000
Un robot dispose donc de 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 plane.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Si vous augmentez la vitesse de chacun de ces rotors,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
alors le robot s'envole, il s'élève en accélérant.
02:02
Of course, if the robot were tilted,
43
107000
2000
Bien sûr, si on faisait basculer le robot,
02:04
inclined to the horizontal,
44
109000
2000
si on l'inclinait 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 le faire basculer, voici l'une des deux façons de le faire.
02:12
So in this picture
47
117000
2000
Donc, 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 plus lentement.
02:18
And when that happens
50
123000
2000
Quand c'est le cas,
02:20
there's moment that causes this robot to roll.
51
125000
3000
il y a un tangage qui fait basculer le robot.
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 augmentez la vitesse du rotor n°3
02:28
and decrease the speed of rotor one,
54
133000
2000
et diminuez la vitesse du rotor n°1,
02:30
then the robot pitches forward.
55
135000
3000
alors le robot bascule en 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 des paires 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 s'oriente sur l'axe vertical.
02:41
So an on-board processor
60
146000
2000
Donc, un processeur embarqué
02:43
essentially looks at what motions need to be executed
61
148000
3000
s'intéresse essentiellement aux mouvements qui doivent être exécutés
02:46
and combines these motions
62
151000
2000
et combine ces mouvements
02:48
and figures out what commands to send to the motors
63
153000
3000
et calcule quelles commandes 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
C'est en gros comme ça que ça fonctionne.
02:55
So one of the advantages of this design
66
160000
2000
Donc, l'un des avantages de cette conception
02:57
is, when you scale things down,
67
162000
2000
c'est que quand on réduit la taille globale,
02:59
the robot naturally becomes agile.
68
164000
3000
le robot devient naturellement agile.
03:02
So here R
69
167000
2000
Donc ici R
03:04
is the characteristic length of the robot.
70
169000
2000
est la longueur caractéristique du robot.
03:06
It's actually half the diameter.
71
171000
3000
C'est la moitié du diamètre, en fait.
03:09
And there are lots of physical parameters that change
72
174000
3000
Et il y a beaucoup de paramètres physiques qui changent
03:12
as you reduce R.
73
177000
2000
quand on réduit R.
03:14
The one that's the most important
74
179000
2000
Celui qui est 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
Ainsi, il s'avère
03:20
the inertia, which governs angular motion,
77
185000
3000
que l'inertie, qui gouverne le mouvement angulaire,
03:23
scales as a fifth power of R.
78
188000
3000
se met à l'échelle 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 se réduit de façon spectaculaire.
03:31
So as a result, the angular acceleration,
81
196000
3000
Donc, l'accélération angulaire,
03:34
denoted by Greek letter alpha here,
82
199000
2000
désignée ici par la lettre grecque alpha,
03:36
goes as one over R.
83
201000
2000
devient un sur R.
03:38
It's inversely proportional to R.
84
203000
2000
Elle est inversement proportionnelle à R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Plus on la réduit, plus on peut tourner vite.
03:43
So this should be clear in these videos.
86
208000
2000
Cela devrait apparaître clairement dans ces vidéos.
03:45
At the bottom right you see a robot
87
210000
3000
En bas à droite, on peut voir un robot
03:48
performing a 360 degree flip
88
213000
2000
effectuer un tonneau de 360 degrés
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
Des tonneaux multiples, un peu plus de temps.
03:55
So here the processes on board
91
220000
2000
Donc, ici, les processus embarqués
03:57
are getting feedback from accelerometers
92
222000
2000
reçoivent les retours 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 l'ai dit avant,
04:03
commands at 600 times a second
95
228000
2000
les commandes 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, sur la gauche, vous voyez Daniel jeter ce robot en l'air.
04:10
And it shows you how robust the control is.
98
235000
2000
Et ça vous montre la robustesse du contrôle.
04:12
No matter how you throw it,
99
237000
2000
Peu importe comment on le jette,
04:14
the robot recovers and comes back to him.
100
239000
4000
le robot récupère et revient à lui.
04:18
So why build robots like this?
101
243000
2000
Alors, pourquoi construire des robots comme celui-ci?
04:20
Well robots like this have many applications.
102
245000
3000
Des robots de ce genre ont de nombreuses applications.
04:23
You can send them inside buildings like this
103
248000
3000
On peut les envoyer à l'intérieur de bâtiments comme celui-ci
04:26
as first responders to look for intruders,
104
251000
3000
comme premiers intervenants à la recherche d'intrus,
04:29
maybe look for biochemical leaks,
105
254000
3000
peut-être à la recherche de fuites biochimiques,
04:32
gaseous leaks.
106
257000
2000
de fuites de gaz.
04:34
You can also use them
107
259000
2000
On peut 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 qui transportent des poutres, des colonnes
04:42
and assembling cube-like structures.
110
267000
3000
et qui assemblent 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 à ce sujet.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Les robots peuvent être utilisés pour le transport de fret.
04:51
So one of the problems with these small robots
113
276000
3000
Donc, l'un des problèmes avec ces petits robots
04:54
is their payload carrying capacity.
114
279000
2000
est leur capacité de charge utile
04:56
So you might want to have multiple robots
115
281000
2000
Donc, il faudra peut-être avoir plusieurs robots
04:58
carry payloads.
116
283000
2000
pour transporter des charges utiles.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Ceci est une photo d'une expérience récente
05:02
actually not so recent anymore --
118
287000
2000
plus si récente que ça en fait
05:04
in Sendai shortly after the earthquake.
119
289000
3000
à Sendai peu de temps après le tremblement de terre.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Des robots comme celui-ci pourraient être envoyés dans les bâtiments écroulés
05:10
to assess the damage after natural disasters,
121
295000
2000
pour évaluer les dégâts après les catastrophes naturelles,
05:12
or sent into reactor buildings
122
297000
3000
ou envoyés dans les bâtiments réacteurs
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 veulent être autonomes
05:24
is essentially figuring out
126
309000
2000
est en gros de trouver
05:26
how to get from point A to point B.
127
311000
2000
comment aller du point A au point B.
05:28
So this gets a little challenging
128
313000
2000
Cela devient un peu difficile
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
parce que 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 à 12 dimensions.
05:35
So we use a little trick.
131
320000
2000
Alors, nous utilisons une petite astuce.
05:37
We take this curved 12-dimensional space
132
322000
3000
Nous profitons de cet espace courbe à 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 à quatre dimensions.
05:44
And that four-dimensional space
135
329000
2000
Et cet espace à quatre dimensions
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
se compose de X, Y, Z et de l'angle d'orientation.
05:49
And so what the robot does
137
334000
2000
Et alors ce robot
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
planifie ce que nous appelons une trajectoire de décrochage minimum.
05:55
So to remind you of physics,
139
340000
2000
Un rappel de 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
puis l'accélération,
06:01
and then comes jerk
142
346000
2000
puis vient la secousse
06:03
and then comes snap.
143
348000
2000
puis vient le décrochage
06:05
So this robot minimizes snap.
144
350000
3000
Donc, ce robot minimise le décrochage.
06:08
So what that effectively does
145
353000
2000
Cela produit effectivement
06:10
is produces a smooth and graceful motion.
146
355000
2000
un mouvement doux et gracieux.
06:12
And it does that avoiding obstacles.
147
357000
3000
Le tout en évitant les obstacles.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Ces trajectoires de décrochage minimum dans cet espace plat
06:18
are then transformed back
149
363000
2000
sont ensuite transformées à nouveau
06:20
into this complicated 12-dimensional space,
150
365000
2000
dans cet espace complexe à 12 dimensions,
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 l'exécution.
06:26
So let me show you some examples
153
371000
2000
Alors laissez-moi vous montrer quelques exemples
06:28
of what these minimum snap trajectories look like.
154
373000
2000
de ce à quoi ressemblent ces trajectoires de décrochage minimum.
06:30
And in the first video,
155
375000
2000
Et dans la première vidéo,
06:32
you'll see the robot going from point A to point B
156
377000
2000
vous verrez le robot aller du point A au point B
06:34
through an intermediate point.
157
379000
2000
par un point intermédiaire.
06:42
So the robot is obviously capable
158
387000
2000
Ainsi, le robot est évidemment capable
06:44
of executing any curve trajectory.
159
389000
2000
d'exécuter n'importe quelle trajectoire courbe.
06:46
So these are circular trajectories
160
391000
2000
Ce sont donc des trajectoires circulaires
06:48
where the robot pulls about two G's.
161
393000
3000
où le robot subit environ deux G.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Ici vous avez des caméras de captation de mouvement sur le dessus
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
qui disent au robot où il se trouve 100 fois par seconde.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Elles disent aussi au robot où sont ces obstacles.
07:02
And the obstacles can be moving.
165
407000
2000
Et les obstacles peuvent être en mouvement.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Et ici, vous verrez Daniel jeter ce cerceau dans l'air,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
tandis que le robot calcule la position du cerceau
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
et essaye de trouver la meilleure façon de passer à travers le cerceau.
07:13
So as an academic,
169
418000
2000
En tant qu'universitaire, on nous forme toujours
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
à réussir les épreuves de sélection afin de lever des fonds pour nos labos,
07:18
and we get our robots to do that.
171
423000
3000
et ce sont nos robots qui le font pour nous.
07:21
(Applause)
172
426000
6000
(Applaudissements)
07:27
So another thing the robot can do
173
432000
2000
Autre chose que le robot peut faire :
07:29
is it remembers pieces of trajectory
174
434000
3000
il se souvient des bouts de trajectoire
07:32
that it learns or is pre-programmed.
175
437000
2000
qu'il apprend ou qui sont pré-programmés.
07:34
So here you see the robot
176
439000
2000
Ici vous pouvez voir le robot
07:36
combining a motion
177
441000
2000
effectuer un mouvement qui exige
07:38
that builds up momentum
178
443000
2000
d'accumuler de la vitesse
07:40
and then changes its orientation and then recovers.
179
445000
3000
de modifier son orientation, puis de se redresser.
07:43
So it has to do this because this gap in the window
180
448000
3000
Donc, il doit le faire parce que cette ouverture dans la fenêtre
07:46
is only slightly larger than the width of the robot.
181
451000
4000
est à peine supérieure à la largeur du robot.
07:50
So just like a diver stands on a springboard
182
455000
3000
Alors, tout comme un plongeur sur un tremplin
07:53
and then jumps off it to gain momentum,
183
458000
2000
se jette pour gagner de la vitesse,
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
et puis fait sa pirouette, ces deux saltos et demi
07:58
and then gracefully recovers,
185
463000
2000
et puis il récupère facilement,
08:00
this robot is basically doing that.
186
465000
2000
c'est en gros ce que ce robot fait.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Il sait comment combiner de petits bouts de trajectoires
08:05
to do these fairly difficult tasks.
188
470000
4000
pour effectuer ces tâches assez difficiles.
08:09
So I want change gears.
189
474000
2000
Je veux 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
Et je vous l'ai dit plus tôt :
08:16
that we may want to employ lots and lots of robots
192
481000
2000
on peut vouloir employer des tas de robots
08:18
to overcome the limitations of size.
193
483000
3000
pour surmonter les limitations de 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 de savoir comment coordonner un bon nombre de ces robots?
08:26
And so here we looked to nature.
196
491000
2000
Et ici nous nous sommes tournés vers la nature.
08:28
So I want to show you a clip
197
493000
2000
Je tiens donc à 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
dans le laboratoire du professeur Stephen Pratt portant un objet.
08:35
So this is actually a piece of fig.
200
500000
2000
C'est en fait un morceau de figue.
08:37
Actually you take any object coated with fig juice
201
502000
2000
En fait, vous prenez un objet quelconque enduit de jus de figue
08:39
and the ants will carry them back to the nest.
202
504000
3000
et les fourmis vont le ramener au nid.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Ces fourmis n'ont pas de coordinateur central.
08:45
They sense their neighbors.
204
510000
2000
Elles repèrent leurs voisins.
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 parce qu'elles repèrent les voisins
08:51
and because they sense the object,
207
516000
2000
et parce qu'elles repèrent l'objet,
08:53
they have implicit coordination across the group.
208
518000
3000
elles ont une coordination implicite au sein du groupe.
08:56
So this is the kind of coordination
209
521000
2000
C'est le genre de coordination
08:58
we want our robots to have.
210
523000
3000
que nous voulons pour nos robots.
09:01
So when we have a robot
211
526000
2000
Lorsque nous avons un robot
09:03
which is surrounded by neighbors --
212
528000
2000
qui est entouré par des voisins -
09:05
and let's look at robot I and robot J --
213
530000
2000
et regardons le robot I et le robot J -
09:07
what we want the robots to do
214
532000
2000
ce que nous voulons que les robots fassent
09:09
is to monitor the separation between them
215
534000
3000
c'est surveiller la distance qui les sépare
09:12
as they fly in formation.
216
537000
2000
quand ils volent en formation.
09:14
And then you want to make sure
217
539000
2000
Et puis, on veut s'assurer
09:16
that this separation is within acceptable levels.
218
541000
2000
que cette distance est dans des limites acceptables.
09:18
So again the robots monitor this error
219
543000
3000
Encore une fois, les robots surveillent cette erreur
09:21
and calculate the control commands
220
546000
2000
et calculent les commandes de contrôle
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 traduit alors par des commandes motrices 600 fois par seconde.
09:28
So this also has to be done
223
553000
2000
Cela doit aussi se faire
09:30
in a decentralized way.
224
555000
2000
d'une manière décentralisée.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Encore une fois, si vous avez des tas de robots,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
il est impossible de coordonner toutes ces informations de façon centrale
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
assez vite pour que les robots accomplissent la tâche.
09:41
Plus the robots have to base their actions
228
566000
2000
En plus les robots sont amenées à fonder 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 repèrent de leurs voisins.
09:47
And then finally,
231
572000
2000
Et enfin,
09:49
we insist that the robots be agnostic
232
574000
2000
nous tenons à ce que les robots ne sachent pas
09:51
to who their neighbors are.
233
576000
2000
l'identité exacte de leurs voisins.
09:53
So this is what we call anonymity.
234
578000
3000
C'est ce que nous appelons l'anonymat.
09:56
So what I want to show you next
235
581000
2000
Je veux vous montrer maintenant
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 surveillent 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
Ces formations peuvent être planaires,
10:14
they can be three-dimensional formations.
243
599000
2000
elles peuvent être tridimensionnelles.
10:16
As you can see here,
244
601000
2000
Comme vous pouvez le voir ici,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
ils se replient d'une formation en trois dimensions dans la formation planaire.
10:21
And to fly through obstacles
246
606000
2000
Et pour voler à travers les obstacles
10:23
they can adapt the formations on the fly.
247
608000
4000
ils peuvent s'adapter aux formations à la volée.
10:27
So again, these robots come really close together.
248
612000
3000
Encore une fois, ces robots sont très rapprochés.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Comme vous pouvez le voir dans ce vol en huit,
10:32
they come within inches of each other.
250
617000
2000
ils viennent à quelques centimètres les uns des autres.
10:34
And despite the aerodynamic interactions
251
619000
3000
Et malgré les interactions aérodynamiques
10:37
of these propeller blades,
252
622000
2000
des pales de l'hélice,
10:39
they're able to maintain stable flight.
253
624000
2000
ils sont en mesure de 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 effectivement ramasser des objets en collaboration.
10:52
So this just shows
257
637000
2000
Cela montre simplement
10:54
that we can double, triple, quadruple
258
639000
3000
que nous pouvons doubler, tripler, quadrupler
10:57
the robot strength
259
642000
2000
la force des robots
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
en les amenant à s'associer avec leurs voisins, comme vous pouvez le voir ici.
11:01
One of the disadvantages of doing that
261
646000
3000
Un des inconvénients de faire ça
11:04
is, as you scale things up --
262
649000
2000
est, que comme on augmente l'échelle globale --
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
si on a beaucoup de robots qui transportent la même chose,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
en fait on augmente l'inertie,
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
et donc on subit la conséquence, ils ne sont pas aussi agiles.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Mais on y gagne en capacité de transport de charge utile.
11:17
Another application I want to show you --
267
662000
2000
Une autre application que je souhaite vous montrer -
11:19
again, this is in our lab.
268
664000
2000
une fois de plus, c'est dans notre laboratoire.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Ce travail est effectué par Quentin Lindsey qui est un étudiant de troisième cycle.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Son algorithme dit essentiellement à ces robots
11:26
how to autonomously build
271
671000
2000
comment construire de manière autonome
11:28
cubic structures
272
673000
2000
des structures cubiques
11:30
from truss-like elements.
273
675000
3000
à partir d'éléments de type treillis.
11:33
So his algorithm tells the robot
274
678000
2000
Son algorithme indique au robot
11:35
what part to pick up,
275
680000
2000
quelle partie ramasser,
11:37
when and where to place it.
276
682000
2000
quand et où la placer.
11:39
So in this video you see --
277
684000
2000
Dans 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 ces robots en train de construire trois structures différentes.
11:46
And again, everything is autonomous,
280
691000
2000
Et là encore, tout est autonome,
11:48
and all Quentin has to do
281
693000
2000
et tout ce que Quentin doit 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 ce qu'il veut construire.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Toutes ces expériences que vous avez vues jusqu'à présent,
11:59
all these demonstrations,
285
704000
2000
toutes ces manifestations,
12:01
have been done with the help of motion capture systems.
286
706000
3000
ont été réalisées avec l'aide de systèmes de captation de mouvement.
12:04
So what happens when you leave your lab
287
709000
2000
Que se passe-t-il lorsque vous quittez votre laboratoire
12:06
and you go outside into the real world?
288
711000
3000
et vous aller dehors dans le monde réel?
12:09
And what if there's no GPS?
289
714000
3000
Et si il n'y a pas de GPS ?
12:12
So this robot
290
717000
2000
Donc, 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
et d'un pointeur laser H, 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 élaborer une carte de l'environnement.
12:23
What that map consists of are features --
295
728000
3000
La carte se compose de caractéristiques --
12:26
like doorways, windows,
296
731000
2000
comme des portes, fenêtres,
12:28
people, furniture --
297
733000
2000
les gens, les meubles -
12:30
and it then figures out where its position is
298
735000
2000
et ensuite il calcule sa position
12:32
with respect to the features.
299
737000
2000
par rapport aux caractéristiques.
12:34
So there is no global coordinate system.
300
739000
2000
Il n'y a pas de système de coordonnées global.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Le système de coordonnées est défini d'après le robot,
12:39
where it is and what it's looking at.
302
744000
3000
où il se trouve et ce qu'il regarde.
12:42
And it navigates with respect to those features.
303
747000
3000
Et il navigue en fonction de ces caractéristiques.
12:45
So I want to show you a clip
304
750000
2000
Je tiens donc à vous montrer un clip
12:47
of algorithms developed by Frank Shen
305
752000
2000
des algorithmes développés par Frank Shen
12:49
and Professor Nathan Michael
306
754000
2000
et le professeur Nathan Michael
12:51
that shows this robot entering a building for the very first time
307
756000
4000
qui montre ce robot qui entre dans un bâtiment pour la première fois
12:55
and creating this map on the fly.
308
760000
3000
et crée cette carte à la volée.
12:58
So the robot then figures out what the features are.
309
763000
3000
Le robot détermine ensuite les caractéristiques.
13:01
It builds the map.
310
766000
2000
Il élabore la carte.
13:03
It figures out where it is with respect to the features
311
768000
2000
Il calcule où il se trouve en fonction des caractéristiques
13:05
and then estimates its position
312
770000
2000
et estime alors 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 décrits plus tôt.
13:13
So this robot is actually being commanded
316
778000
2000
Donc, 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 calculer
13:19
where to go on its own.
319
784000
2000
où aller tout seul.
13:21
So suppose I were to send this into a building
320
786000
2000
Supposons donc que je doive l'envoyer dans un bâtiment
13:23
and I had no idea what this building looked like,
321
788000
2000
et je n'aie aucune idée de ce à quoi ce bâtiment ressemble,
13:25
I can ask this robot to go in,
322
790000
2000
Je peux demander à ce robot d'entrer,
13:27
create a map
323
792000
2000
d'élaborer une carte
13:29
and then come back and tell me what the building looks like.
324
794000
3000
et puis de revenir et de me dire à quoi le bâtiment ressemble.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
Ici, le robot résout non seulement le problème,
13:35
how to go from point A to point B in this map,
326
800000
3000
comment aller du point A, au point B sur cette carte
13:38
but it's figuring out
327
803000
2000
mais il calcule
13:40
what the best point B is at every time.
328
805000
2000
quel est le meilleur point B à chaque fois.
13:42
So essentially it knows where to go
329
807000
3000
Donc, essentiellement, il sait où aller
13:45
to look for places that have the least information.
330
810000
2000
pour trouver les endroits qui ont le moins d'informations.
13:47
And that's how it populates this map.
331
812000
3000
Et c'est comme ça qu'il remplit cette carte.
13:50
So I want to leave you
332
815000
2000
Je vais finir
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
Et il y a de nombreuses applications de cette technologie.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Je suis professeur, et nous sommes passionnés par l'éducation.
13:59
Robots like this can really change the way
336
824000
2000
Des robots comme celui-là peuvent vraiment changer la façon dont
14:01
we do K through 12 education.
337
826000
2000
nous pratiquons l'éducation secondaire.
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
je dois donc conclure
14:09
with something focused on entertainment.
341
834000
2000
avec quelque chose d'axé sur le divertissement.
14:11
I want to conclude with a music video.
342
836000
2000
Je voudrais conclure avec un clip musical.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Je tiens à présenter les créateurs, Alex et Daniel,
14:16
who created this video.
344
841000
2000
qui ont conçu cette vidéo.
14:18
(Applause)
345
843000
7000
(Applaudissements)
14:25
So before I play this video,
346
850000
2000
Avant de jouer cette vidéo,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
je tiens à vous dire qu'ils l'ont créée au cours des trois derniers jours
14:30
after getting a call from Chris.
348
855000
2000
après avoir reçu un appel de Chris.
14:32
And the robots that play the video
349
857000
2000
Et les robots qui jouent la vidéo
14:34
are completely autonomous.
350
859000
2000
sont complètement autonomes.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Vous verrez neuf robots qui jouent six instruments différents.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Et bien sûr, le clip est une exclusivité 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