TED2012
Vijay Kumar: Robots that fly ... and cooperate
ויג'יי קומאר: רובוטים שטסים.... ומשתפים פעולה זה עם זה
Filmed:
Readability: 4.5
5,188,706 views
במעבדה שלו בפנסילוויניה, ויג'יי קומאר וצוותו בונים כלי-טיס בעלי 4 רוטורים -- רובוטים קטנים וקלי-תנועה הנעים יחד בקבוצה, הקולטים אחד את השני, ויוצרים קבוצות מאולתרות ויעודיות לשם בניה, עריכת תסקירי אסונות ועוד דברים רבים אחרים.
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
בוקר טוב.
00:22
I'm here today to talk
1
7000
2000
אני כאן כדי לדבר
00:24
about autonomous, flying beach balls.
2
9000
3000
על כדורי-מים הטסים עצמאית.
00:27
No, agile aerial robots like this one.
3
12000
4000
לא, אלא על רובוטים קלי-תנועה שטסים כמו זה כאן.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
אספר לכם מעט על האתגרים בבנייתם
00:34
and some of the terrific opportunities
5
19000
2000
ועל כמה מהאפשרויות הנפלאות
00:36
for applying this technology.
6
21000
2000
לשימוש בטכנולוגיה זו.
00:38
So these robots
7
23000
2000
רובוטים הללו
00:40
are related to unmanned aerial vehicles.
8
25000
3000
קשורים בכלי-טיס בלתי מאויישים.
00:43
However, the vehicles you see here are big.
9
28000
3000
אבל הכלים שרואים כאן הם גדולים.
00:46
They weigh thousands of pounds,
10
31000
2000
משקלם אלפי קילוגרמים,
00:48
are not by any means agile.
11
33000
2000
והם כלל אינם קלי-תנועה.
00:50
They're not even autonomous.
12
35000
2000
הם אפילו לא עצמאיים.
00:52
In fact, many of these vehicles
13
37000
2000
למעשה, רבים מהם
00:54
are operated by flight crews
14
39000
2000
מופעלים על-ידי צוותי הטסה
00:56
that can include multiple pilots,
15
41000
3000
העשויים לכלול מספר טייסים,
00:59
operators of sensors
16
44000
2000
מפעילי חיישנים
01:01
and mission coordinators.
17
46000
2000
ומנהלי משימות.
01:03
What we're interested in is developing robots like this --
18
48000
2000
אנו מעוניינים לפתח רובוטים כמו אלה --
01:05
and here are two other pictures --
19
50000
2000
אלו שתי תמונות נוספות --
01:07
of robots that you can buy off the shelf.
20
52000
3000
של רובוטים שאפשר לרכוש מהמדף.
01:10
So these are helicopters with four rotors
21
55000
3000
ובכן, אלה הם מסוקים בעלי 4 רוטורים
01:13
and they're roughly a meter or so in scale
22
58000
4000
גודלם כמטר
01:17
and weigh several pounds.
23
62000
2000
ומשקלם קילוגרמים אחדים.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
מתקינים עליהם חיישנים ומעבדים,
01:22
and these robots can fly indoors
25
67000
2000
ורובוטים הללו יכולים לטוס
01:24
without GPS.
26
69000
2000
במבנה סגור ללא GPS (ניווט לווייני).
01:26
The robot I'm holding in my hand
27
71000
2000
הרובוט שאני מחזיק בידי
01:28
is this one,
28
73000
2000
הוא זה,
01:30
and it's been created by two students,
29
75000
3000
והוא נבנה על-ידי 2 סטודנטים,
01:33
Alex and Daniel.
30
78000
2000
אלכס ודניאל.
01:35
So this weighs a little more
31
80000
2000
הוא שוקל
01:37
than a tenth of a pound.
32
82000
2000
כ-50 גרם.
01:39
It consumes about 15 watts of power.
33
84000
2000
הוא צורך כ-15 ואט אנרגיה.
01:41
And as you can see,
34
86000
2000
וכפי שניתן לראות,
01:43
it's about eight inches in diameter.
35
88000
2000
קוטרו כ-20 ס"מ.
01:45
So let me give you just a very quick tutorial
36
90000
3000
אז תנו לי לתאר בקצרה כיצד
01:48
on how these robots work.
37
93000
2000
הרובוטים הללו פועלים.
01:50
So it has four rotors.
38
95000
2000
כאמור יש לו 4 רוטורים.
01:52
If you spin these rotors at the same speed,
39
97000
2000
אם מסובבים אותם במהירות זהה,
01:54
the robot hovers.
40
99000
2000
הרובוט מרחף.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
אם מגבירים מהירות של כל אחד מהרוטורים,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
הרובוט טס למעלה, הוא מאיץ כלפי מעלה.
02:02
Of course, if the robot were tilted,
43
107000
2000
ברור שאם מטים אותו,
02:04
inclined to the horizontal,
44
109000
2000
למצב אופקי,
02:06
then it would accelerate in this direction.
45
111000
3000
הוא יטוס לכיוון הזה.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
כדי להטות אותו, יש שתי דרכים.
02:12
So in this picture
47
117000
2000
בתמונה זו
02:14
you see that rotor four is spinning faster
48
119000
2000
רואים שרוטור 4 מסתובב יותר מהר
02:16
and rotor two is spinning slower.
49
121000
2000
ורוטור 2 מסתובב יותר לאט.
02:18
And when that happens
50
123000
2000
וכאשר זה קורה
02:20
there's moment that causes this robot to roll.
51
125000
3000
נוצר מומנט הגורם לרובוט להתגלגל.
02:23
And the other way around,
52
128000
2000
ולצד השני,
02:25
if you increase the speed of rotor three
53
130000
3000
אם מגבירים את המהירות של רוטור 3
02:28
and decrease the speed of rotor one,
54
133000
2000
ומורידים את המהירות של רוטור 1,
02:30
then the robot pitches forward.
55
135000
3000
אז הרובוט מתקדם.
02:33
And then finally,
56
138000
2000
ולבסוף,
02:35
if you spin opposite pairs of rotors
57
140000
2000
אם מסובבים זוג רוטורים מנוגדים
02:37
faster than the other pair,
58
142000
2000
יותר מהר מהזוג האחר,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
הרובוט חג סביב הציר האנכי.
02:41
So an on-board processor
60
146000
2000
מעבד בכלי-הטיס עוקב
02:43
essentially looks at what motions need to be executed
61
148000
3000
אחר התנועות שדרוש להוציאן לפועל
02:46
and combines these motions
62
151000
2000
ומחשב אלו פקודות
02:48
and figures out what commands to send to the motors
63
153000
3000
לשגר למנועים כדי לשלב את התנועות,
02:51
600 times a second.
64
156000
2000
600 פעם בשניה.
02:53
That's basically how this thing operates.
65
158000
2000
כך בעיקרון דבר זה עובד.
02:55
So one of the advantages of this design
66
160000
2000
אחד היתרונות של הצורה הזו
02:57
is, when you scale things down,
67
162000
2000
הוא שכאשר מקטינים את הגודל,
02:59
the robot naturally becomes agile.
68
164000
3000
הרובוט הופך להיות קל-תנועה.
03:02
So here R
69
167000
2000
R הוא אורך
03:04
is the characteristic length of the robot.
70
169000
2000
אופייני של הרובוט.
03:06
It's actually half the diameter.
71
171000
3000
בעצם זה מחצית מהקוטר.
03:09
And there are lots of physical parameters that change
72
174000
3000
ישנם המון פרמטרים פיזיקליים שמשתנים
03:12
as you reduce R.
73
177000
2000
ככל שמורידים את R.
03:14
The one that's the most important
74
179000
2000
אחד שהוא החשוב ביותר
03:16
is the inertia or the resistance to motion.
75
181000
2000
הוא האינרציה או ההתנגדות לתנועה.
03:18
So it turns out,
76
183000
2000
מתברר שהאינרציה,
03:20
the inertia, which governs angular motion,
77
185000
3000
אשר שולטת בתנועה זויתית,
03:23
scales as a fifth power of R.
78
188000
3000
מושפעת מ-R במעלה החמישית.
03:26
So the smaller you make R,
79
191000
2000
לכן ככל שמקטינים את R,
03:28
the more dramatically the inertia reduces.
80
193000
3000
האינרציה יורדת באופן דרמטי.
03:31
So as a result, the angular acceleration,
81
196000
3000
כתוצאה מזה, התאוצה הזויתית,
03:34
denoted by Greek letter alpha here,
82
199000
2000
המצויינת כאן באמצעות האות אלפא,
03:36
goes as one over R.
83
201000
2000
היא אחד חלקי R.
03:38
It's inversely proportional to R.
84
203000
2000
היא ביחס הפוך ל-R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
ככל שמקטינים את R, כך ניתן להסתובב יותר מהר.
03:43
So this should be clear in these videos.
86
208000
2000
זה ברור מתוך הסרטונים האלה.
03:45
At the bottom right you see a robot
87
210000
3000
בתחתית מימין רואים רובוט המבצע
03:48
performing a 360 degree flip
88
213000
2000
סלטה של 360 מעלות
03:50
in less than half a second.
89
215000
2000
תוך פחות מחצי שניה.
03:52
Multiple flips, a little more time.
90
217000
3000
וסלטות מרובות בקצת יותר זמן.
03:55
So here the processes on board
91
220000
2000
כאן המעבדים שברובוט הטס
03:57
are getting feedback from accelerometers
92
222000
2000
מקבלים משוב ממדי-התאוצה
03:59
and gyros on board
93
224000
2000
ומג'איירואים שבכלי
04:01
and calculating, like I said before,
94
226000
2000
ומבצעים חישובים של פקודות,
04:03
commands at 600 times a second
95
228000
2000
כאמור, 600 פעם בשניה
04:05
to stabilize this robot.
96
230000
2000
כדי לייצב את הרובוט.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
משמאל רואים את דניאל זורק את הרובוט לאויר.
04:10
And it shows you how robust the control is.
98
235000
2000
וזה מראה לכם את עוצמת השליטה.
04:12
No matter how you throw it,
99
237000
2000
לא משנה כיצד זורקים אותו,
04:14
the robot recovers and comes back to him.
100
239000
4000
הרובוט מתאושש וחוזר אליו.
04:18
So why build robots like this?
101
243000
2000
אז מדוע לבנות רובוטים כאלה?
04:20
Well robots like this have many applications.
102
245000
3000
לרובוטים כאלה יש הרבה שימושים.
04:23
You can send them inside buildings like this
103
248000
3000
ניתן לשגרם לתוך בניינים כמו זה
04:26
as first responders to look for intruders,
104
251000
3000
כמענה ראשון כדי לחפש פורצים,
04:29
maybe look for biochemical leaks,
105
254000
3000
אולי כדי לחפש דליפות ביוכימיות,
04:32
gaseous leaks.
106
257000
2000
דליפות גז.
04:34
You can also use them
107
259000
2000
ניתן גם להשתמש בהם
04:36
for applications like construction.
108
261000
2000
למטרות כמו בניה.
04:38
So here are robots carrying beams, columns
109
263000
4000
הנה רובוטים נושאים קורות, עמודים
04:42
and assembling cube-like structures.
110
267000
3000
ומרכיבים מבנים דמויי-קוביות.
04:45
I'll tell you a little bit more about this.
111
270000
3000
אספר לכם על כך קצת יותר.
04:48
The robots can be used for transporting cargo.
112
273000
3000
ניתן להשתמש ברובוטים להעברת מטען.
04:51
So one of the problems with these small robots
113
276000
3000
לכן אחד הקשיים עם רובוטים קטנים כאלה
04:54
is their payload carrying capacity.
114
279000
2000
היא יכולתם לשאת מטען.
04:56
So you might want to have multiple robots
115
281000
2000
לכן ייתכן ונרצה רובוטים מרובים
04:58
carry payloads.
116
283000
2000
כדי לשאת מטען.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
זו תמונה של ניסוי שביצענו לאחרונה --
05:02
actually not so recent anymore --
118
287000
2000
בעצם לא כל-כך לאחרונה --
05:04
in Sendai shortly after the earthquake.
119
289000
3000
בסנדאי, זמן קצר לאחר רעידת האדמה.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
רובוטים כאלה נשלחו לבניינים שהתמוטטו
05:10
to assess the damage after natural disasters,
121
295000
2000
כדי לאמוד את הנזק לאחר אסונות טבע,
05:12
or sent into reactor buildings
122
297000
3000
או לבניינים רדיואקטיביים
05:15
to map radiation levels.
123
300000
3000
כדי למפות רמות קרינה.
05:19
So one fundamental problem
124
304000
2000
קושי מהותי אחד
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
שעל הרובוטים להתגבר עליו כדי לפעול עצמאית
05:24
is essentially figuring out
126
309000
2000
הוא למצוא
05:26
how to get from point A to point B.
127
311000
2000
כיצד להגיע מנקודה A לנקודה B.
05:28
So this gets a little challenging
128
313000
2000
זה הופך את העניין למאתגר במידת מה
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
מכיוון שעיקרון התנועה של הרובוט הוא די מורכב.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
למעשה, הם מתנהלים במרחב 12-מימדי.
05:35
So we use a little trick.
131
320000
2000
לכן אנו עושים תכסיס קטן.
05:37
We take this curved 12-dimensional space
132
322000
3000
אנו נוטלים את המרחב ה-12-מימדי
05:40
and transform it
133
325000
2000
והופכים אותו
05:42
into a flat four-dimensional space.
134
327000
2000
למרחב שטוח 4-מימדי.
05:44
And that four-dimensional space
135
329000
2000
ואותו מרחב 4-מימדי
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
מורכב מ-X, Y, Z ומזוית הסטייה.
05:49
And so what the robot does
137
334000
2000
וכך מה שהרובוט עושה
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
זה לתכנן את מה שנקרא מסלול עם מינימום פניות.
05:55
So to remind you of physics,
139
340000
2000
אזכיר שבפיזיקה,
05:57
you have position, derivative, velocity,
140
342000
2000
יש מיקום, הנגזרת (שלו) מהירות,
05:59
then acceleration,
141
344000
2000
אחר-כך תאוצה,
06:01
and then comes jerk
142
346000
2000
ואז בא הטילטול
06:03
and then comes snap.
143
348000
2000
ובסוף מגיעה הפניה.
06:05
So this robot minimizes snap.
144
350000
3000
רובוט זה ממזער פניות.
06:08
So what that effectively does
145
353000
2000
מה שזה בסוף יוצר
06:10
is produces a smooth and graceful motion.
146
355000
2000
זו תנועה חלקה ומלאת חן.
06:12
And it does that avoiding obstacles.
147
357000
3000
והוא מבצע זאת תוך התחמקות ממכשולים.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
מסלולים הללו של פניות מינימליות במרחב שטוח זה
06:18
are then transformed back
149
363000
2000
מועברים בחזרה לצורה
06:20
into this complicated 12-dimensional space,
150
365000
2000
המורכבת הזו של 12-מימדים,
06:22
which the robot must do
151
367000
2000
שהרובוטים חייבים לבצע
06:24
for control and then execution.
152
369000
2000
לשם שליטה וביצוע פעולות.
06:26
So let me show you some examples
153
371000
2000
אראה לכם כמה דוגמאות
06:28
of what these minimum snap trajectories look like.
154
373000
2000
כיצד נראים מסלולי המינימום פניות.
06:30
And in the first video,
155
375000
2000
בסרטון הראשון, תראו את הרובוט
06:32
you'll see the robot going from point A to point B
156
377000
2000
עובר מנקודה A לנקודה B
06:34
through an intermediate point.
157
379000
2000
דרך נקודת ביניים.
06:42
So the robot is obviously capable
158
387000
2000
הרובוט מסוגל בבירור
06:44
of executing any curve trajectory.
159
389000
2000
לבצע כל מסלול מעוקל.
06:46
So these are circular trajectories
160
391000
2000
אלה מסלולים מעגליים
06:48
where the robot pulls about two G's.
161
393000
3000
בהם הרובוט מושך עד 2 ג'י.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
כאן יש ממעל מצלמות תנועה המעדכנות את הרובוט
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
בנוגע למיקומו 100 פעם בשניה.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
הן גם מעדכנות אותו היכן נמצאים המכשולים.
07:02
And the obstacles can be moving.
165
407000
2000
המכשולים יכולים גם לנוע.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
כאן רואים את דניאל זורק חישוק לאויר,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
בעוד הרובוט מחשב את מיקום החישוק
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
ומנסה למצוא כיצד לעבור דרכו באופן המיטבי.
07:13
So as an academic,
169
418000
2000
הרי בתור אקדמאים,
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
אנו כבר מורגלים לעשות שמיניות באויר כדי לזכות במימון
07:18
and we get our robots to do that.
171
423000
3000
לניסויים ועכשיו אנו מלמדים את הרובוטים לעשות זאת.
07:21
(Applause)
172
426000
6000
(מחיאות כפיים)
07:27
So another thing the robot can do
173
432000
2000
דבר נוסף שהרובוט יכול לבצע
07:29
is it remembers pieces of trajectory
174
434000
3000
הוא לזכור קטעי מסלולים שהוא לומד
07:32
that it learns or is pre-programmed.
175
437000
2000
או שהוא מתוכנת מראש לבצע.
07:34
So here you see the robot
176
439000
2000
כאן רואים את הרובוט
07:36
combining a motion
177
441000
2000
משלב תנועה
07:38
that builds up momentum
178
443000
2000
הצוברת מומנטום,
07:40
and then changes its orientation and then recovers.
179
445000
3000
משנה את תנוחתו ואז חוזר למצבו ההתחלתי.
07:43
So it has to do this because this gap in the window
180
448000
3000
עליו לבצע זאת בגלל שהמרווח בחלון
07:46
is only slightly larger than the width of the robot.
181
451000
4000
רחב רק מעט יותר מרוחב הרובוט.
07:50
So just like a diver stands on a springboard
182
455000
3000
בדיוק כמו צוללן שעומד על מקפצה
07:53
and then jumps off it to gain momentum,
183
458000
2000
וקופץ עליה כדי לצבור מומנטום,
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
ואז עושה סלטה, סלטה של שניים וחצי סיבובים
07:58
and then gracefully recovers,
185
463000
2000
ואז חוזר בנונשלנטיות למצבו ההתחלתי,
08:00
this robot is basically doing that.
186
465000
2000
הרובוט הזה בעיקרון עושה זאת.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
הוא יודע כיצד לשלב ביחד פיסות קטנות
08:05
to do these fairly difficult tasks.
188
470000
4000
של מסלולים כדי לבצע משימות די מורכבות כאלו.
08:09
So I want change gears.
189
474000
2000
אני רוצה לעבור שלב.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
אחד החסרונות של הרובוטים הללו הוא גודלם.
08:14
And I told you earlier
191
479000
2000
סיפרתי לכם קודם
08:16
that we may want to employ lots and lots of robots
192
481000
2000
שאולי נשתמש במספרים מאוד
08:18
to overcome the limitations of size.
193
483000
3000
גדולים של רובוטים כדי להתגבר על מיגבלות הגודל.
08:21
So one difficulty
194
486000
2000
קושי אחד כזה הוא
08:23
is how do you coordinate lots of these robots?
195
488000
3000
כיצד לתאם בין רובוטים רבים כל-כך?
08:26
And so here we looked to nature.
196
491000
2000
בשלב זה פנינו לטבע.
08:28
So I want to show you a clip
197
493000
2000
אראה לכם קטע וידאו
08:30
of Aphaenogaster desert ants
198
495000
2000
של נמלי מדבר,
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
במעבדתו של פרופ' סטפן פראט, הנושאות עצם.
08:35
So this is actually a piece of fig.
200
500000
2000
זוהי למעשה חתיכת תאנה.
08:37
Actually you take any object coated with fig juice
201
502000
2000
למעשה נוטלים עצם כלשהו
08:39
and the ants will carry them back to the nest.
202
504000
3000
המצופה במיץ תאנה כדי שהנמלים ישאו אותו לקן שלהן.
08:42
So these ants don't have any central coordinator.
203
507000
3000
לנמלים אלו אין איזה גורם מרכזי שמתאם ביניהן.
08:45
They sense their neighbors.
204
510000
2000
הן קולטות את שכניהן.
08:47
There's no explicit communication.
205
512000
2000
אין תקשורת חדה וברורה.
08:49
But because they sense the neighbors
206
514000
2000
אבל מאחר והן קולטות את השכנים
08:51
and because they sense the object,
207
516000
2000
והן חשות את העצם,
08:53
they have implicit coordination across the group.
208
518000
3000
נוצר תיאום ספונטני בין חלקי הקבוצה.
08:56
So this is the kind of coordination
209
521000
2000
ומין סוג כזה של תיאום
08:58
we want our robots to have.
210
523000
3000
אנו רוצים שיהיה בין הרובוטים.
09:01
So when we have a robot
211
526000
2000
אז כאשר יש לנו רובוט
09:03
which is surrounded by neighbors --
212
528000
2000
המוקף בשכנים --
09:05
and let's look at robot I and robot J --
213
530000
2000
הבה נביט ברובוט I ורובוט J --
09:07
what we want the robots to do
214
532000
2000
מה שאנו רוצים שהרובוטים הללו יעשו
09:09
is to monitor the separation between them
215
534000
3000
זה לנטר את המרווח ביניהם
09:12
as they fly in formation.
216
537000
2000
בעודם טסים במבנה.
09:14
And then you want to make sure
217
539000
2000
ואז ברצוננו לוודא
09:16
that this separation is within acceptable levels.
218
541000
2000
שהמרווח הזה הוא במיגבלות המותר.
09:18
So again the robots monitor this error
219
543000
3000
הרובוטים עוקבים אחר השגיאה
09:21
and calculate the control commands
220
546000
2000
ומחשבים את פקודות הבקרה
09:23
100 times a second,
221
548000
2000
100 פעם בשניה,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
המתורגמות לפקודות למנוע 600 פעם בשניה.
09:28
So this also has to be done
223
553000
2000
כל זה צריך להתבצע
09:30
in a decentralized way.
224
555000
2000
באופן מבוזר.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
כאמור, אם יש מספר גדול של רובוטים,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
זה בלתי אפשרי לסנכרן את כל המידע מהר מספיק ממקום אחד מרכזי
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
באופן כזה שהרובוטים יוכלו לבצע את משימתם.
09:41
Plus the robots have to base their actions
228
566000
2000
בנוסף על הרובוטים לבסס את פעילותם
09:43
only on local information,
229
568000
2000
אך ורק על מידע מקומי,
09:45
what they sense from their neighbors.
230
570000
2000
על מה שהם קולטים משכניהם.
09:47
And then finally,
231
572000
2000
ולבסוף,
09:49
we insist that the robots be agnostic
232
574000
2000
אנו מקפידים שהרובוטים
09:51
to who their neighbors are.
233
576000
2000
יהיו אדישים לזהות שכניהם.
09:53
So this is what we call anonymity.
234
578000
3000
לזה אנו קוראים אלמוניות.
09:56
So what I want to show you next
235
581000
2000
מה שאני רוצה להראות לכם כעת
09:58
is a video
236
583000
2000
זה סרטון
10:00
of 20 of these little robots
237
585000
3000
המציג 20 רובוטים קטנים כאלה
10:03
flying in formation.
238
588000
2000
הטסים במבנה.
10:05
They're monitoring their neighbors' position.
239
590000
3000
הם מנטרים את מיקום שכניהם.
10:08
They're maintaining formation.
240
593000
2000
הם שומרים על המבנה.
10:10
The formations can change.
241
595000
2000
המבנים יכולים להשתנות.
10:12
They can be planar formations,
242
597000
2000
המבנים יכולים להיות מישוריים,
10:14
they can be three-dimensional formations.
243
599000
2000
יכולים להיות תלת-מימדיים.
10:16
As you can see here,
244
601000
2000
כפי שניתן לראות כאן,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
הם עוברים ממבנה תלת-מימדי למבנה מישורי.
10:21
And to fly through obstacles
246
606000
2000
וכדי לטוס דרך מכשולים,
10:23
they can adapt the formations on the fly.
247
608000
4000
הם יכולים לטוות את המבנים תוך כדי טיסה.
10:27
So again, these robots come really close together.
248
612000
3000
כאמור, הרובוטים האלה יכולים ממש להתקרב זה לזה.
10:30
As you can see in this figure-eight flight,
249
615000
2000
כפי שרואים בטיסת סיפרה-8 זו,
10:32
they come within inches of each other.
250
617000
2000
הם מתקרבים עד כדי סנטימטרים זה לזה.
10:34
And despite the aerodynamic interactions
251
619000
3000
ועל אף השפעות אווירודינמיות הדדיות
10:37
of these propeller blades,
252
622000
2000
של להבי המדחפים,
10:39
they're able to maintain stable flight.
253
624000
2000
הם מצליחים לשמור על טיסה יציבה.
10:41
(Applause)
254
626000
7000
(מחיאות כפיים)
10:48
So once you know how to fly in formation,
255
633000
2000
כך שברגע שיודעים כיצד לטוס במבנה,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
ניתן להרים חפצים במשותף.
10:52
So this just shows
257
637000
2000
זה רק מראה
10:54
that we can double, triple, quadruple
258
639000
3000
שאנו יכולים להכפיל, להשליש, להכפיל פי-4
10:57
the robot strength
259
642000
2000
את יכולת הרובוט פשוט על-ידי
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
הציוות שלהם עם שכניהם, כפי שרואים.
11:01
One of the disadvantages of doing that
261
646000
3000
אחד החסרונות של זה
11:04
is, as you scale things up --
262
649000
2000
הוא שככל שהמספרים עולים --
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
ככל שיש יותר רובוטים הנושאים
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
דבר אחד מסויים, בהכרח גם מעלים את האינרציה,
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
ולכן משלמים מחיר; הם כבר לא קלי-תנועה.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
אבל מרויחים יכולת נשיאת מטען.
11:17
Another application I want to show you --
267
662000
2000
שימוש נוסף שברצוני להראות --
11:19
again, this is in our lab.
268
664000
2000
שוב, זה במעבדה שלנו.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
זו עבודה שנעשתה על-ידי קווינטין לינדסיי שהוא סטודנט למחקר.
11:23
So his algorithm essentially tells these robots
270
668000
3000
האלגוריתם שלו אומר בעיקרון לרובוטים
11:26
how to autonomously build
271
671000
2000
כיצד לבנות עצמאית
11:28
cubic structures
272
673000
2000
מבנים קובייתיים
11:30
from truss-like elements.
273
675000
3000
מעצמים כמו קורות, סמוכות וכדומה.
11:33
So his algorithm tells the robot
274
678000
2000
האלגוריתם שלו אומר לרובוטים
11:35
what part to pick up,
275
680000
2000
איזה חלק להרים,
11:37
when and where to place it.
276
682000
2000
מתי והיכן להניחו.
11:39
So in this video you see --
277
684000
2000
כך שבסרטון זה רואים --
11:41
and it's sped up 10, 14 times --
278
686000
2000
והוא מואץ פי 10, 14 --
11:43
you see three different structures being built by these robots.
279
688000
3000
רואים שלושה מבנים שונים המוקמים על-ידי הרובוטים.
11:46
And again, everything is autonomous,
280
691000
2000
ושוב כאמור, הכל באופן עצמאי,
11:48
and all Quentin has to do
281
693000
2000
וכל מה שקווינטין צריך לעשות
11:50
is to get them a blueprint
282
695000
2000
זה לספק להם שרטוט
11:52
of the design that he wants to build.
283
697000
4000
של המבנה שרוצים לבנות.
11:56
So all these experiments you've seen thus far,
284
701000
3000
כל הניסויים שראיתם עד עכשיו,
11:59
all these demonstrations,
285
704000
2000
כל התצוגות,
12:01
have been done with the help of motion capture systems.
286
706000
3000
נעשו בעזרת מערכות ללכידת תנועה.
12:04
So what happens when you leave your lab
287
709000
2000
אבל מה קורה כאשר
12:06
and you go outside into the real world?
288
711000
3000
יוצאים מהמעבדה לעולם האמיתי בחוץ?
12:09
And what if there's no GPS?
289
714000
3000
ומה אם אין GPS?
12:12
So this robot
290
717000
2000
לכן רובוט זה
12:14
is actually equipped with a camera
291
719000
2000
מצוייד במצלמה
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
ובלייזר המודד טווח, סורק לייזר.
12:19
And it uses these sensors
293
724000
2000
הוא משתמש בחיישנים אלה
12:21
to build a map of the environment.
294
726000
2000
ליצירת מפה של הסביבה.
12:23
What that map consists of are features --
295
728000
3000
מה שהמפה מכילה זה המאפיינים --
12:26
like doorways, windows,
296
731000
2000
כגון פתחים, חלונות,
12:28
people, furniture --
297
733000
2000
אנשים, רהיטים --
12:30
and it then figures out where its position is
298
735000
2000
ואז הוא מחשב את מיקומו
12:32
with respect to the features.
299
737000
2000
ביחס למאפיינים אלה.
12:34
So there is no global coordinate system.
300
739000
2000
כלומר, אין מערכת תיאום מרכזית אחת.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
מערכת הקואורדינטות מוגדרת בהתבסס על הרובוט עצמו,
12:39
where it is and what it's looking at.
302
744000
3000
על מיקומו ועל מה שהוא מביט עליו.
12:42
And it navigates with respect to those features.
303
747000
3000
והוא מנווט ביחס למאפיינים אלה.
12:45
So I want to show you a clip
304
750000
2000
כעת אראה לכם קטע וידאו
12:47
of algorithms developed by Frank Shen
305
752000
2000
של אלגוריתמים שפותחו על-ידי פרנק שן
12:49
and Professor Nathan Michael
306
754000
2000
ופרופ' נתן מייקל,
12:51
that shows this robot entering a building for the very first time
307
756000
4000
המראה את הרובוט הזה נכנס לבניין ממש בפעם הראשונה
12:55
and creating this map on the fly.
308
760000
3000
ויוצר מפה זו תוך כדי טיסה.
12:58
So the robot then figures out what the features are.
309
763000
3000
אחר-כך הרובוט מחשב מהם המאפיינים האלה.
13:01
It builds the map.
310
766000
2000
הוא בונה את המפה.
13:03
It figures out where it is with respect to the features
311
768000
2000
הוא מחשב היכן הוא נמצא ביחס למאפיינים הללו
13:05
and then estimates its position
312
770000
2000
ואז אומד את מיקומו
13:07
100 times a second
313
772000
2000
100 פעם בשניה וכך מאפשר לנו
13:09
allowing us to use the control algorithms
314
774000
2000
להשתמש באלגוריתמי השליטה
13:11
that I described to you earlier.
315
776000
2000
שדיברתי עליהם קודם.
13:13
So this robot is actually being commanded
316
778000
2000
רובוט זה נשלט מרחוק
13:15
remotely by Frank.
317
780000
2000
על-ידי פרנק.
13:17
But the robot can also figure out
318
782000
2000
אבל הרובוט יכול גם לחשב
13:19
where to go on its own.
319
784000
2000
באופן עצמאי לאן לנוע.
13:21
So suppose I were to send this into a building
320
786000
2000
נניח שנתבקשתי להיכנס לבניין
13:23
and I had no idea what this building looked like,
321
788000
2000
ואין לי מושג כיצד הבניין נראה מבפנים,
13:25
I can ask this robot to go in,
322
790000
2000
אז אני יכול לבקש מהרובוט להיכנס,
13:27
create a map
323
792000
2000
ליצור מפה
13:29
and then come back and tell me what the building looks like.
324
794000
3000
ואז לחזור אליי ולספר לי כיצד הבניין נראה מבפנים.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
אז הנה, לא רק שהרובוט פותר את הבעיה
13:35
how to go from point A to point B in this map,
326
800000
3000
של כיצד לעבור מנקודה A לנקודה B במפה זו,
13:38
but it's figuring out
327
803000
2000
אלא הוא גם מחשב
13:40
what the best point B is at every time.
328
805000
2000
מהי נקודת ה-B המיטבית בכל רגע.
13:42
So essentially it knows where to go
329
807000
3000
בעיקרון הוא יודע לאן לנוע כדי לחפש
13:45
to look for places that have the least information.
330
810000
2000
מקומות שיש עליהם מידע מינימלי.
13:47
And that's how it populates this map.
331
812000
3000
וכך הוא מאכלס את המפה.
13:50
So I want to leave you
332
815000
2000
ברצוני להשאירכם
13:52
with one last application.
333
817000
2000
עם שימוש אחד אחרון.
13:54
And there are many applications of this technology.
334
819000
3000
ישנם הרבה שימושים לטכנולוגיה זו.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
אני פרופ' והחינוך חשוב מאוד עבורנו הפרופסורים.
13:59
Robots like this can really change the way
336
824000
2000
רובוטים כאלה יכולים באמת לשנות את הדרך
14:01
we do K through 12 education.
337
826000
2000
בה אנו מלמדים מהגן עד לבגרות.
14:03
But we're in Southern California,
338
828000
2000
אבל אנו נמצאים בדרום-קליפורניה,
14:05
close to Los Angeles,
339
830000
2000
קרוב ללוס-אנג'לס,
14:07
so I have to conclude
340
832000
2000
לכן עליי לסיים
14:09
with something focused on entertainment.
341
834000
2000
עם משהו הקשור לבידור.
14:11
I want to conclude with a music video.
342
836000
2000
ברצוני לסיים עם סרטון מוזיקה.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
אני רוצה להציג את היוצרים, אלכס ודניאל,
14:16
who created this video.
344
841000
2000
אשר יצרו וידאו זה.
14:18
(Applause)
345
843000
7000
(מחיאות כפיים)
14:25
So before I play this video,
346
850000
2000
לפני שאריץ את הוידאו,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
אספר לכם שהם יצרו אותו בשלושת הימים האחרונים
14:30
after getting a call from Chris.
348
855000
2000
לאחר שקיבלו טלפון מכריס.
14:32
And the robots that play the video
349
857000
2000
והרובוטים שמנגנים בוידאו
14:34
are completely autonomous.
350
859000
2000
הם עצמאיים לחלוטין.
14:36
You will see nine robots play six different instruments.
351
861000
3000
אתם תראו 9 רובוטים המנגנים 6 כלים שונים.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
וכמובן, זה נעשה במיוחד לרגל TED 2012.
14:43
Let's watch.
353
868000
3000
הבה נצפה.
15:19
(Music)
354
904000
10000
(מוזיקה)
16:23
(Applause)
355
968000
17000
(מחיאות כפיים)
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