TED2002
Robert Full: Robots inspired by cockroach ingenuity
Robert Full: A csótány zsenialitása által megihletett robotok
Filmed:
Readability: 3.6
1,087,679 views
A rovarok és más állatok az evolúció során elképesztő képességeket fejlesztettek ki, de ahogy Robert Full utal rá, sok állat műszakilag túl bonyolult. A megoldás: csak a szükségeset másoljuk le. Robert megmutatja, hogy a mérnökök hogyan tanulják el az állatok trükkjeit.
Robert Full - Biologist
Robert Full studies cockroach legs and gecko feet. His research is helping build tomorrow's robots, based on evolution's ancient engineering. Full bio
Robert Full studies cockroach legs and gecko feet. His research is helping build tomorrow's robots, based on evolution's ancient engineering. Full bio
Double-click the English transcript below to play the video.
00:19
Welcome. If I could have the first slide, please?
0
1000
5000
Jó napot, kérem szépen az első diát.
Mérnöki számítások dacára
00:33
Contrary to calculations made by some engineers, bees can fly,
1
15000
5000
a méh tud repülni, a delfin tud úszni
és a gekkó föl tud mászni
és a gekkó föl tud mászni
00:38
dolphins can swim, and geckos can even climb
2
20000
7000
00:45
up the smoothest surfaces. Now, what I want to do, in the short time I have,
3
27000
6000
még a legsimább függőleges felületen is.
A rendelkezésemre álló rövid idő alatt
megkísérlem megtapasztaltatni önökkel
megkísérlem megtapasztaltatni önökkel
00:51
is to try to allow each of you to experience
4
33000
4000
a természet alkotásának
fölfedezésével járó borzongást.
fölfedezésével járó borzongást.
00:55
the thrill of revealing nature's design.
5
37000
6000
01:01
I get to do this all the time, and it's just incredible.
6
43000
2000
Mindig ezzel foglalkozom, s csak ámulok.
01:03
I want to try to share just a little bit of that with you in this presentation.
7
45000
6000
Előadásomban egy párat bemutatok közülük.
Nehéz megfigyelni a természet megoldásait.
01:09
The challenge of looking at nature's designs --
8
51000
2000
01:11
and I'll tell you the way that we perceive it, and the way we've used it.
9
53000
4000
Elmondom, hogyan érzékeljük
és használtuk föl őket.
és használtuk föl őket.
01:15
The challenge, of course, is to answer this question:
10
57000
2000
A válaszra váró kérdés az alábbi:
01:17
what permits this extraordinary performance of animals
11
59000
3000
mi teszi lehetővé az állatok
különleges képességét,
különleges képességét,
01:20
that allows them basically to go anywhere?
12
62000
3000
hogy tetszőlegesen mozogjanak?
01:23
And if we could figure that out, how can we implement those designs?
13
65000
7000
Ha sikerül erre rájönnünk,
hogyan használhatjuk föl e módszereket?
hogyan használhatjuk föl e módszereket?
01:30
Well, many biologists will tell engineers, and others,
14
72000
3000
A biológusok válasza a mérnököknek,
hogy az organizmusoknak
hogy az organizmusoknak
01:33
organisms have millions of years to get it right;
15
75000
3000
évmilliók alatt kellett
kitalálniuk a módszert;
kitalálniuk a módszert;
01:36
they're spectacular; they can do everything wonderfully well.
16
78000
3000
látványosak, mindent csodásan csinálnak.
01:39
So, the answer is bio-mimicry: just copy nature directly.
17
81000
4000
A válasz a bio-mimikri:
utánozzuk le a természetet!
utánozzuk le a természetet!
01:43
We know from working on animals that the truth is
18
85000
5000
Az állatokkal végzett munkából ismeretes,
hogy pont ez kerülendő,
01:48
that's exactly what you don't want to do -- because evolution works
19
90000
4000
mert az evolúció az "így elég jó"
elven s nem a tökéletesség elvén alapszik.
elven s nem a tökéletesség elvén alapszik.
01:52
on the just-good-enough principle, not on a perfecting principle.
20
94000
3000
01:55
And the constraints in building any organism, when you look at it,
21
97000
4000
Bármely szervezet létrehozásának
korlátai elég szigorúak.
korlátai elég szigorúak.
01:59
are really severe. Natural technologies have incredible constraints.
22
101000
5000
A természeti technológiák
elképesztően korlátosak.
elképesztően korlátosak.
02:04
Think about it. If you were an engineer and I told you
23
106000
3000
Képzeljék el, hogy önöknek
mint mérnököknek az a feladatuk,
mint mérnököknek az a feladatuk,
02:07
that you had to build an automobile, but it had to start off to be this big,
24
109000
5000
hogy autót tervezzenek,
először ilyen kicsi legyen,
először ilyen kicsi legyen,
02:12
then it had to grow to be full size and had to work every step along the way.
25
114000
4000
aztán teljes méretűre fejlődjön,
de mindig hibátlanul működjön.
de mindig hibátlanul működjön.
02:16
Or think about the fact that if you build an automobile, I'll tell you that you also -- inside it --
26
118000
4000
Most azt képzeljék el, hogy miközben
építik az autót, még azt is mondom,
építik az autót, még azt is mondom,
02:20
have to put a factory that allows you to make another automobile.
27
122000
4000
hogy tegyenek bele egy gyárat is,
amely egy másik autót csinál.
amely egy másik autót csinál.
02:24
(Laughter)
28
126000
2000
(Nevetés)
02:26
And you can absolutely never, absolutely never, because of history
29
128000
4000
Az előtörténet és az öröklött tervek miatt
02:30
and the inherited plan, start with a clean slate.
30
132000
4000
soha, de soha nem
kezdhetünk tiszta lappal.
kezdhetünk tiszta lappal.
02:34
So, organisms have this important history.
31
136000
3000
A szervezeteknek megvan
e fontos előtörténetük.
e fontos előtörténetük.
02:37
Really evolution works more like a tinkerer than an engineer.
32
139000
5000
A valódi evolúció úgy működik,
mint egy fuser, semmint egy mérnök.
mint egy fuser, semmint egy mérnök.
02:42
And this is really important when you begin to look at animals.
33
144000
3000
Amikor állatokat vizsgálunk,
ez nagyon fontos körülmény.
ez nagyon fontos körülmény.
02:45
Instead, we believe you need to be inspired by biology.
34
147000
7000
De a biológiától kell ihletet kapnunk.
02:52
You need to discover the general principles of nature,
35
154000
4000
Föl kell tárnunk a természet alapelveit,
02:56
and then use these analogies when they're advantageous.
36
158000
3000
aztán ha előnyösek,
az analógiájukat alkalmaznunk kell.
az analógiájukat alkalmaznunk kell.
03:02
This is a real challenge to do this, because animals,
37
164000
3000
Ez igazán kemény dió,
mert amikor bele akarunk látni
az állatok működésébe,
az állatok működésébe,
03:05
when you start to really look inside them -- how they work --
38
167000
3000
03:08
appear hopelessly complex. There's no detailed history
39
170000
4000
kiderül, hogy az borzasztó bonyolult.
Nincsenek kéznél korábbi tervek,
sehol sem leljük föl őket.
sehol sem leljük föl őket.
03:12
of the design plans, you can't go look it up anywhere.
40
174000
3000
03:15
They have way too many motions for their joints, too many muscles.
41
177000
4000
Az izületek túl sok mozgásra képesek,
túl sok az izom.
túl sok az izom.
03:19
Even the simplest animal we think of, something like an insect,
42
181000
3000
Még a legegyszerűbb élőlényeknek,
pl. a rovaroknak is több idegsejtjük
és kapcsolódásuk van, mint képzelnénk.
és kapcsolódásuk van, mint képzelnénk.
03:22
and they have more neurons and connections than you can imagine.
43
184000
3000
03:25
How can you make sense of this? Well, we believed --
44
187000
5000
Hogy értsük ezt?
Azt hittük, és erre hipotézist építettünk,
hogy az állatok úgy mozognak,
hogy az állatok úgy mozognak,
03:30
and we hypothesized -- that one way animals could work simply,
45
192000
5000
03:35
is if the control of their movements
46
197000
3000
hogy mozgásszabályozásuk
03:38
tended to be built into their bodies themselves.
47
200000
6000
a testükbe épül be.
Fölfedeztük, hogy a két-, négy-,
hat- és nyolclábú állatok
hat- és nyolclábú állatok
03:44
What we discovered was that two-, four-, six- and eight-legged animals
48
206000
7000
03:51
all produce the same forces on the ground when they move.
49
213000
3000
mozgáskor ugyanakkora
erőt fejtenek ki a talajra.
erőt fejtenek ki a talajra.
03:54
They all work like this kangaroo, they bounce.
50
216000
4000
Úgy mozognak, mint a kenguru: ugrálnak.
03:58
And they can be modeled by a spring-mass system that we call the spring mass system
51
220000
4000
Mozgásuk tömeg-rugó-
rendszerrel modellezhető.
rendszerrel modellezhető.
A biomechanikusok így nevezik;
ez tulajdonképpen gólyaláb.
ez tulajdonképpen gólyaláb.
04:02
because we're biomechanists. It's actually a pogo stick.
52
224000
3000
04:05
They all produce the pattern of a pogo stick. How is that true?
53
227000
4000
Mintha gólyalábon járnának.
Hogy lehet ez?
04:09
Well, a human, one of your legs works like two legs of a trotting dog,
54
231000
6000
Az ember egyik lába úgy működik,
mint az ügető kutya két lába,
mint az ügető kutya két lába,
04:15
or works like three legs, together as one, of a trotting insect,
55
237000
4000
vagy mint a futó rovar három lába,
vagy mint a futó rák négy lába.
04:19
or four legs as one of a trotting crab.
56
241000
2000
Bár előrehaladás közben váltogatják
a lábaikat, a séma ugyanaz.
a lábaikat, a séma ugyanaz.
04:21
And then they alternate in their propulsion,
57
243000
4000
04:25
but the patterns are all the same. Almost every organism we've looked at this way
58
247000
5000
Majdnem minden vizsgált állat így tesz;
04:30
-- you'll see next week, I'll give you a hint,
59
252000
2000
elárulom, a jövő héten lesz egy cikk,
04:32
there'll be an article coming out that says that really big things
60
254000
3000
amelyben meglepő dolgot találnak:
04:35
like T. rex probably couldn't do this, but you'll see that next week.
61
257000
4000
a T. rex bizonyára nem így mozgott,
de ezt hagyjuk a jövő hétre.
de ezt hagyjuk a jövő hétre.
Érdekes, hogy az állatok
04:39
Now, what's interesting is the animals, then -- we said -- bounce along
62
261000
2000
így ugrálnak függőlegesen,
és a Pixarral megvitattuk
és a Pixarral megvitattuk
04:41
the vertical plane this way, and in our collaborations with Pixar,
63
263000
3000
04:44
in "A Bug's Life," we discussed the
64
266000
2000
az Egy bogár élete c. film kapcsán
04:46
bipedal nature of the characters of the ants.
65
268000
3000
a hangyák két lábon járását.
04:49
And we told them, of course, they move in another plane as well.
66
271000
2000
Mondtuk, hogy a hangyák
más síkban is mozognak.
más síkban is mozognak.
04:51
And they asked us this question. They say, "Why model
67
273000
3000
Erre azt kérdezték:
"Akkor miért modelleztek
"Akkor miért modelleztek
csak függőleges síkban,
04:54
just in the sagittal plane or the vertical plane,
68
276000
2000
miközben azt mondjátok,
hogy az állatok vízszintesen mozognak?"
hogy az állatok vízszintesen mozognak?"
04:56
when you're telling us these animals are moving
69
278000
2000
04:58
in the horizontal plane?" This is a good question.
70
280000
3000
Jó kérdés.
05:01
Nobody in biology ever modeled it this way.
71
283000
3000
A biológiában még
senki sem modellezett így.
senki sem modellezett így.
05:04
We took their advice and we modeled the animals moving
72
286000
4000
Megfogadtuk a tanácsukat,
és vízszintesen is modelleztünk.
és vízszintesen is modelleztünk.
05:08
in the horizontal plane as well. We took their three legs,
73
290000
3000
Az állatok három lábából
05:11
we collapsed them down as one.
74
293000
1000
egyet csináltunk.
05:12
We got some of the best mathematicians in the world
75
294000
3000
A világ legjobb matematikusai
a Princetonról nekünk dolgoztak,
a Princetonról nekünk dolgoztak,
05:15
from Princeton to work on this problem.
76
297000
2000
ezzel foglalkoztak.
05:17
And we were able to create a model
77
299000
3000
Sikerült létrehozni egy modellt,
amelyben az állatok nemcsak le-föl,
05:20
where animals are not only bouncing up and down,
78
302000
1000
05:21
but they're also bouncing side to side at the same time.
79
303000
4000
hanem egyúttal oldalra is ugrálnak.
05:25
And many organisms fit this kind of pattern.
80
307000
2000
Sok organizmus így tesz.
05:27
Now, why is this important to have this model?
81
309000
2000
Miért olyan fontos nekünk e modell?
05:29
Because it's very interesting. When you take this model
82
311000
3000
Mert érdekes, hogy ennél a modellnél
05:32
and you perturb it, you give it a push,
83
314000
3000
amikor elkezdődik a mozgás, és meglökjük,
05:35
as it bumps into something, it self-stabilizes, with no brain
84
317000
4000
egy akadályba ütközve stabilizálja
magát, miközben nincs agya,
magát, miközben nincs agya,
05:39
or no reflexes, just by the structure alone.
85
321000
4000
nincsenek reflexei; kizárólag
a szerkezetének köszönhetően.
a szerkezetének köszönhetően.
05:43
It's a beautiful model. Let's look at the mathematics.
86
325000
5000
Csodás modell.
Nézzük a gyönyörű matekját!
05:48
(Laughter)
87
330000
2000
(Nevetés)
05:50
That's enough!
88
332000
1000
Elég már!
05:51
(Laughter)
89
333000
4000
(Nevetés)
Az állatok futás közben
05:55
The animals, when you look at them running,
90
337000
2000
05:57
appear to be self-stabilizing like this,
91
339000
3000
így stabilizálják magukat,
06:00
using basically springy legs. That is, the legs can do
92
342000
3000
ehhez rugólábat használva.
A lábak maguk kalkulálnak; úgy értve,
hogy a szabályozási algoritmusok
hogy a szabályozási algoritmusok
06:03
computations on their own; the control algorithms, in a sense,
93
345000
3000
06:06
are embedded in the form of the animal itself.
94
348000
3000
be vannak építve az állat alakjába.
06:09
Why haven't we been more inspired by nature and these kinds of discoveries?
95
351000
7000
Miért nem ad nagyobb ihletet
a természet és az efféle fölfedezések?
a természet és az efféle fölfedezések?
06:16
Well, I would argue that human technologies are really different from
96
358000
4000
Az emberi technológiák mások,
mint a természet technológiái;
mint a természet technológiái;
06:20
natural technologies, at least they have been so far.
97
362000
3000
eddig legalábbis ez volt a helyzet.
06:23
Think about the typical kind of robot that you see.
98
365000
5000
Képzeljék csak el a szokásos robotot!
Az emberek hajlamosak nagy, sík,
szögletes, merev fémrobot tervezni.
szögletes, merev fémrobot tervezni.
06:28
Human technologies have tended to be large, flat,
99
370000
3000
06:31
with right angles, stiff, made of metal. They have rolling devices
100
373000
5000
Legyenek benne forgó részek és tengelyek.
06:36
and axles. There are very few motors, very few sensors.
101
378000
3000
Kevés motor és kevés érzékelő.
06:39
Whereas nature tends to be small, and curved,
102
381000
5000
De a természet inkább a kicsit,
az áramvonalasat szereti,
az áramvonalasat szereti,
06:44
and it bends and twists, and has legs instead, and appendages,
103
386000
3000
minden hajlik, csavarodik,
lába és nyúlványa van,
lába és nyúlványa van,
06:47
and has many muscles and many, many sensors.
104
389000
3000
sok izma és rengeteg érzékelője.
06:50
So it's a very different design. However, what's changing,
105
392000
4000
Annyira más.
De az elképesztő – rögtön meg
is mutatom –,
is mutatom –,
06:54
what's really exciting -- and I'll show you some of that next --
106
396000
2000
hogy amikor az emberi technológia
a természet több jellemzőjét veszi át,
a természet több jellemzőjét veszi át,
06:56
is that as human technology takes on more of the characteristics
107
398000
3000
06:59
of nature, then nature really can become a much more useful teacher.
108
401000
6000
akkor a természet
nagyon hasznos oktatóvá válik.
nagyon hasznos oktatóvá válik.
07:05
And here's one example that's really exciting.
109
407000
2000
Íme egy ragyogó példa
a Stanforddal való együttműködésünkből.
07:07
This is a collaboration we have with Stanford.
110
409000
2000
07:09
And they developed this new technique, called Shape Deposition Manufacturing.
111
411000
4000
Kifejlesztették a Shape Deposition
Manufacturing technológiát,
Manufacturing technológiát,
07:13
It's a technique where they can mix materials together and mold any shape
112
415000
4000
amellyel különböző anyagok keverékéből
más-más tetszőleges formát lehet önteni.
más-más tetszőleges formát lehet önteni.
07:17
that they like, and put in the material properties.
113
419000
4000
Az anyag különböző tulajdonságú lehet.
Magába a formába érzékelők
s működtető szerkezetek építhetők be.
s működtető szerkezetek építhetők be.
07:21
They can embed sensors and actuators right in the form itself.
114
423000
3000
07:24
For example, here's a leg: the clear part is stiff,
115
426000
5000
Ez pl. egy láb; az átlátszó része merev,
a fehér része hajlékony; nem kell
hozzájuk sem tengely, sem más.
hozzájuk sem tengely, sem más.
07:29
the white part is compliant, and you don't need any axles there or anything.
116
431000
3000
07:32
It just bends by itself beautifully.
117
434000
3000
Nagyon szépen hajlik.
E tulajdonságok beépíthetők.
07:35
So, you can put those properties in. It inspired them to show off
118
437000
3000
Ettől megihletve legyártották
a Sprawl nevű kúszó robotot.
a Sprawl nevű kúszó robotot.
07:38
this design by producing a little robot they named Sprawl.
119
440000
6000
07:44
Our work has also inspired another robot, a biologically inspired bouncing robot,
120
446000
4000
Munkánk egy másik robotot is ihletett:
egy biológiai ihletésű ugráló robotot,
egy biológiai ihletésű ugráló robotot,
07:48
from the University of Michigan and McGill
121
450000
2000
amely a michigani s a McGill egyetem műve.
07:50
named RHex, for robot hexapod, and this one's autonomous.
122
452000
8000
A neve RHex, mert hatlábú,
és önállóan működik.
és önállóan működik.
07:58
Let's go to the video, and let me show you some of these animals moving
123
460000
3000
A videón megmutatok egy pár mozgó állatot,
08:01
and then some of the simple robots
124
463000
2000
aztán egy pár egyszerű robotot,
08:03
that have been inspired by our discoveries.
125
465000
3000
amelyek fölfedezéseink
keltette ihletből születtek.
keltette ihletből születtek.
08:06
Here's what some of you did this morning, although you did it outside,
126
468000
4000
Egy páran így futhattak reggel,
bár a szabadban,
bár a szabadban,
08:10
not on a treadmill.
127
472000
2000
nem futópadon.
08:12
Here's what we do.
128
474000
3000
Ezt meg mi csináljuk.
08:15
(Laughter)
129
477000
2000
(Nevetés)
08:17
This is a death's head cockroach. This is an American cockroach
130
479000
5000
E halálfejes csótány Amerikában honos,
08:22
you think you don't have in your kitchen.
131
484000
1000
konyhájukban nem található.
08:23
This is an eight-legged scorpion, six-legged ant, forty-four-legged centipede.
132
485000
7000
Ez a nyolclábú skorpió, hatlábú hangya,
negyvennégylábú százlábú.
negyvennégylábú százlábú.
08:30
Now, I said all these animals are sort of working like pogo sticks --
133
492000
3000
Már mondtam, hogy az effélék
a gólyalábhoz hasonlóan működnek,
a gólyalábhoz hasonlóan működnek,
08:33
they're bouncing along as they move. And you can see that
134
495000
4000
Ugrálva mozognak.
A Panamában és Észak-Karolinában élő
szellemráknál ez látható.
szellemráknál ez látható.
08:37
in this ghost crab, from the beaches of Panama and North Carolina.
135
499000
3000
08:40
It goes up to four meters per second when it runs.
136
502000
3000
Maximum 4 m/sec sebességre
képes futás közben.
képes futás közben.
08:43
It actually leaps into the air, and has aerial phases
137
505000
3000
Fölugrik a levegőbe, van egy légi fázisa,
08:46
when it does it, like a horse, and you'll see it's bouncing here.
138
508000
4000
nézzék, úgy ugrik, mint a ló.
08:50
What we discovered is whether you look at the leg of a human
139
512000
3000
Fölfedeztük, hogy akár az emberi lábat,
08:53
like Richard, or a cockroach, or a crab, or a kangaroo,
140
515000
6000
akár a csótányét vagy a rákét
vagy a kenguruét figyeljük,
vagy a kenguruét figyeljük,
a lábak relatív merevsége egyforma.
08:59
the relative leg stiffness of that spring is the same for everything we've seen so far.
141
521000
5000
09:04
Now, what good are springy legs then? What can they do?
142
526000
2000
Mire jók a rugólábak? Mire alkalmasak?
09:06
Well, we wanted to see if they allowed the animals
143
528000
2000
Vajon nagyobb stabilitást
s fokozott manőverező készséget
nyújtanak-e az állatoknak?
nyújtanak-e az állatoknak?
09:08
to have greater stability and maneuverability.
144
530000
3000
Építettünk egy pályát, amelyre akadályokat
tettünk; háromszor olyan magasak voltak,
tettünk; háromszor olyan magasak voltak,
09:11
So, we built a terrain that had obstacles three times the hip height
145
533000
4000
mint a vizsgált állatok.
09:15
of the animals that we're looking at.
146
537000
1000
09:16
And we were certain they couldn't do this. And here's what they did.
147
538000
4000
Biztosra vettük, hogy elakadnak.
Nézzék, az állat átfut rajtuk,
és még csak le sem lassít!
és még csak le sem lassít!
09:20
The animal ran over it and it didn't even slow down!
148
542000
3000
09:23
It didn't decrease its preferred speed at all.
149
545000
2000
Egyáltalán nem csökkenti a sebességét!
09:25
We couldn't believe that it could do this. It said to us
150
547000
3000
Nem hittünk a szemünknek.
Azt mondtuk: ha ilyen egyszerű,
rugólábú robotot tudnánk építeni,
rugólábú robotot tudnánk építeni,
09:28
that if you could build a robot with very simple, springy legs,
151
550000
5000
úgy tudna manőverezni,
mint még soha semmilyen robot.
mint még soha semmilyen robot.
09:33
you could make it as maneuverable as any that's ever been built.
152
555000
6000
Ez az első mintapéldány, a stanfordi
09:39
Here's the first example of that. This is the Stanford
153
561000
2000
Shape Deposition Manufactured
robot; a neve Sprawl – Kúszó.
robot; a neve Sprawl – Kúszó.
09:41
Shape Deposition Manufactured robot, named Sprawl.
154
563000
3000
09:44
It has six legs -- there are the tuned, springy legs.
155
566000
6000
Hatlábú, beszabályozott rugólábú.
09:50
It moves in a gait that an insect uses, and here it is
156
572000
3000
Olyan a járása, mint egy rovaré;
itt épp a futópadon mozog.
itt épp a futópadon mozog.
09:53
going on the treadmill. Now, what's important about this robot,
157
575000
7000
E robot különlegessége a többihez képest,
10:00
compared to other robots, is that it can't see anything,
158
582000
3000
hogy semmit sem lát,
10:03
it can't feel anything, it doesn't have a brain, yet it can maneuver
159
585000
6000
semmit sem érez, nincs agya,
mégis képes átevickélni
az akadályokon gond nélkül.
az akadályokon gond nélkül.
10:09
over these obstacles without any difficulty whatsoever.
160
591000
6000
10:15
It's this technique of building the properties into the form.
161
597000
4000
E technikával építhetjük be
a tulajdonságokat a formába.
a tulajdonságokat a formába.
E végzős diák éppen
a diplomamunkáját püföli.
a diplomamunkáját püföli.
10:19
This is a graduate student. This is what he's doing to his thesis project --
162
601000
3000
10:22
very robust, if a graduate student
163
604000
2000
Nagyon masszív,
ha a diák nem sajnálja.
10:24
does that to his thesis project.
164
606000
2000
(Nevetés)
10:26
(Laughter)
165
608000
1000
10:27
This is from McGill and University of Michigan. This is the RHex,
166
609000
4000
Ez a McGill és a michigani
egyetemről való: a HRex;
egyetemről való: a HRex;
10:31
making its first outing in a demo.
167
613000
3000
az első jelenése bemutatón.
10:34
(Laughter)
168
616000
4000
(Nevetés)
10:38
Same principle: it only has six moving parts,
169
620000
5000
Az elv ugyanaz:
csak 6 mozgó alkatrésze van: 6 motor,
csak 6 mozgó alkatrésze van: 6 motor,
10:43
six motors, but it has springy, tuned legs. It moves in the gait of the insect.
170
625000
6000
de behangolt rugólábai vannak;
a járása, akár a rovaroké.
a járása, akár a rovaroké.
A középső lába együtt mozog az elülsővel
10:49
It has the middle leg moving in synchrony with the front,
171
631000
4000
10:53
and the hind leg on the other side. Sort of an alternating tripod,
172
635000
4000
és a túloldali hátulsóval.
Egy ide-oda mozgó háromlábú;
leküzdi az akadályokat, mint az állat.
leküzdi az akadályokat, mint az állat.
10:57
and they can negotiate obstacles just like the animal.
173
639000
4000
11:01
(Laughter)
174
643000
6000
(Nevetés)
Hang: Te jó isten!
11:07
(Voice: Oh my God.)
175
649000
1000
11:08
(Applause)
176
650000
5000
(Taps)
11:13
Robert Full: It'll go on different surfaces -- here's sand --
177
655000
2000
RF: Különféle felületeken jár; ez homok,
11:15
although we haven't perfected the feet yet, but I'll talk about that later.
178
657000
5000
bár még nem tökéletesítettük
a lábait; de erről majd később.
a lábait; de erről majd később.
11:20
Here's RHex entering the woods.
179
662000
3000
Itt RHex fölkeresi az erdőt.
11:23
(Laughter)
180
665000
2000
(Nevetés)
11:38
Again, this robot can't see anything, it can't feel anything,
181
680000
4000
Ez a robot sem lát semmit,
nem érez semmit, nincs agya,
nem érez semmit, nincs agya,
11:42
it has no brain. It's just working with a tuned mechanical system,
182
684000
6000
csak nagyon egyszerű alkatrészekből álló
behangolt mechanikai rendszer működteti,
11:48
with very simple parts, but inspired from the fundamental dynamics of the animal.
183
690000
10000
amelyet az állati biodinamika ihletett.
11:58
(Voice: Ah, I love him, Bob.) RF: Here's it going down a pathway.
184
700000
8000
Hang: Ó, Bob, csípem ezt a robotot.
RF: Megy az ösvényen.
12:06
I presented this to the jet propulsion lab at NASA, and they said
185
708000
3000
Elvittem a robotot a NASA laborjába.
12:09
that they had no ability to go down craters to look for ice,
186
711000
4000
Közölték, hogy a Marson
nem tudnak lemenni kráterekbe
nem tudnak lemenni kráterekbe
jég és végül is élet után kutatva,
12:13
and life, ultimately, on Mars. And he said --
187
715000
4000
lábas robotokkal pláne nem,
mert túl bonyolultak.
mert túl bonyolultak.
12:17
especially with legged-robots, because they're way too complicated.
188
719000
2000
12:19
Nothing can do that. And I talk next. I showed them this video
189
721000
5000
Ekkor jöttem én, bemutattam a videót
12:24
with the simple design of RHex here. And just to convince them
190
726000
3000
az egyszerű HRexszel;
s hogy meggyőzzem őket:
s hogy meggyőzzem őket:
12:27
we should go to Mars in 2011, I tinted the video orange
191
729000
4000
2011-ben a Marsra kell mennünk,
narancsszínűre festettem a videót,
narancsszínűre festettem a videót,
12:31
just to give them the sense of being on Mars.
192
733000
3000
hogy úgy érezzék: a Marson járunk.
(Nevetés)
12:34
(Laughter)
193
736000
1000
12:35
(Applause)
194
737000
6000
(Taps)
12:43
Another reason why animals have extraordinary performance,
195
745000
3000
A másik ok, amiért az állatok
kiválóan közlekednek,
kiválóan közlekednek,
12:46
and can go anywhere, is because they have an effective interaction
196
748000
3000
s bárhova eljutnak, mert jól meg
tudnak kapaszkodni a felületen.
tudnak kapaszkodni a felületen.
12:49
with the environment. The animal I'm going to show you,
197
751000
3000
Ezt a gekkón tanulmányoztuk.
12:52
that we studied to look at this, is the gecko.
198
754000
4000
Rögtön megmutatom.
12:56
We have one here and notice its position. It's holding on.
199
758000
7000
Itt egy gekkó, és figyeljük meg
a helyzetét: kapaszkodik.
a helyzetét: kapaszkodik.
13:03
Now I'm going to challenge you. I'm going show you a video.
200
765000
3000
Kapnak egy feladatot.
Egy videót mutatok.
Egy videót mutatok.
13:06
One of the animals is going to be running on the level,
201
768000
2000
Az egyik gekkó vízszintesen fut,
13:08
and the other one's going to be running up a wall. Which one's which?
202
770000
4000
a másik felfut a falon. De melyik?
13:12
They're going at a meter a second. How many think the one on the left
203
774000
5000
Sebességük 1 m/sec.
Ki mondja, hogy a bal oldali fut a falra?
13:17
is running up the wall?
204
779000
2000
13:19
(Applause)
205
781000
4000
(Taps)
13:23
Okay. The point is it's really hard to tell, isn't it? It's incredible,
206
785000
5000
Nehéz megmondani! Hihetetlen!
13:28
we looked at students do this and they couldn't tell.
207
790000
2000
Diákok sem tudták megmondani.
13:30
They can run up a wall at a meter a second, 15 steps per second,
208
792000
3000
A gekkók 1 m/sec sebességgel
futnak a falon; ez 15 lépés/sec.
futnak a falon; ez 15 lépés/sec.
13:33
and they look like they're running on the level. How do they do this?
209
795000
4000
Mintha vízszintes felületen futnának.
Hogy csinálják?
Hogy csinálják?
13:37
It's just phenomenal. The one on the right was going up the hill.
210
799000
6000
Egyszerűen tüneményes.
A jobb oldali futott fölfelé a falon.
13:43
How do they do this? They have bizarre toes. They have toes
211
805000
4000
Fura lábujjaik vannak.
Kunkorodnak, mint a szilveszteri
ördögnyelv, ha belefújunk.
ördögnyelv, ha belefújunk.
13:47
that uncurl like party favors when you blow them out,
212
809000
4000
13:51
and then peel off the surface, like tape.
213
813000
3000
Aztán leválnak a felületről, mint a fólia.
13:54
Like if we had a piece of tape now, we'd peel it this way.
214
816000
2000
Mintha egy darab fóliát hámoznánk le.
13:56
They do this with their toes. It's bizarre! This peeling inspired
215
818000
7000
Ők ezt a lábujjaikkal csinálják.
Ez ihlette munkánkat az iRobot céggel;
mechanikus gekkót csinálunk.
mechanikus gekkót csinálunk.
14:03
iRobot -- that we work with -- to build Mecho-Geckos.
216
825000
3000
14:06
Here's a legged version and a tractor version, or a bulldozer version.
217
828000
7000
Ez a lábas változat, a traktorváltozat
és a buldózerváltozat.
és a buldózerváltozat.
14:13
Let's see some of the geckos move with some video,
218
835000
2000
Nézzük meg videón a gekkók mozgását,
14:15
and then I'll show you a little bit of a clip of the robots.
219
837000
3000
aztán megmutatom a robotok mozgását.
14:18
Here's the gecko running up a vertical surface. There it goes,
220
840000
3000
Itt a gekkó fölfut a függőleges felületen.
14:21
in real time. There it goes again. Obviously, we have to slow this down a little bit.
221
843000
7000
Egy kissé le kellett
lassítanunk a mozgását.
lassítanunk a mozgását.
14:28
You can't use regular cameras.
222
850000
2000
Ehhez különleges kamera kell,
14:30
You have to take 1,000 pictures per second to see this.
223
852000
3000
amely 1 000 kép/sec-re képes, hogy lássuk.
14:33
And here's some video at 1,000 frames per second.
224
855000
3000
E videó 1 000 kép/sec sebességű.
Figyeljék az állat hátát!
14:36
Now, I want you to look at the animal's back.
225
858000
2000
14:38
Do you see how much it's bending like that? We can't figure that out --
226
860000
3000
Látják, hogy vonaglik?
Ez máig rejtély, nem tudjuk, miért teszi.
14:41
that's an unsolved mystery. We don't know how it works.
227
863000
3000
14:44
If you have a son or a daughter that wants to come to Berkeley,
228
866000
3000
Ha gyermekük a Berkeleybe vágyik,
14:47
come to my lab and we'll figure this out. Okay, send them to Berkeley
229
869000
4000
jöjjön a laboromba,
együtt kitaláljuk az okát.
együtt kitaláljuk az okát.
Küldjék csak, mert most ez van soron.
14:51
because that's the next thing I want to do. Here's the gecko mill.
230
873000
3000
Ez a gekkó-futópad.
14:54
(Laughter)
231
876000
1000
(Nevetés)
14:55
It's a see-through treadmill with a see-through treadmill belt,
232
877000
3000
Ezen az átlátszó futópadon
a heveder is átlátszó,
a heveder is átlátszó,
hogy az állat lábát megfigyelhessük
s lefilmezhessük a hevederen át,
s lefilmezhessük a hevederen át,
14:58
so we can watch the animal's feet, and videotape them
233
880000
3000
15:01
through the treadmill belt, to see how they move.
234
883000
3000
s így kiderítsük a mozgását.
15:04
Here's the animal that we have here, running on a vertical surface.
235
886000
4000
Az állat szalad a függőleges futópadon.
15:08
Pick a foot and try to watch a toe, and see if you can see what the animal's doing.
236
890000
6000
Nézzék a lábát, a lábujjait,
figyeljék meg, mit csinál az állat.
figyeljék meg, mit csinál az állat.
Kitekeri, aztán lehámozza a lábujjait.
15:14
See it uncurl and then peel these toes.
237
896000
2000
15:16
It can do this in 14 milliseconds. It's unbelievable.
238
898000
7000
14 ezredmásodperc alatt. Elképesztő!
15:23
Here are the robots that they inspire, the Mecho-Geckos from iRobot.
239
905000
4000
Ez a gekkó ihlette mechanikus gekkó,
amelyet az iRobot készített.
amelyet az iRobot készített.
15:27
First we'll see the animals toes peeling -- look at that.
240
909000
5000
Ezek a gekkó lehámozódó lábujjai.
15:32
And here's the peeling action of the Mecho-Gecko.
241
914000
4000
Ez meg a mechanikus gekkó
lehámozó mozgása.
lehámozó mozgása.
15:36
It uses a pressure-sensitive adhesive to do it.
242
918000
3000
Nyomásra érzékeny tapadóanyagot használ.
Lehámozás a gekkónál.
15:39
Peeling in the animal. Peeling in the Mecho-Gecko --
243
921000
3000
Ugyanaz a mechanikus gekkónál,
hogy magától vízszintesen kússzon,
hogy magától vízszintesen kússzon,
15:42
that allows them climb autonomously. Can go on the flat surface,
244
924000
3000
15:45
transition to a wall, and then go onto a ceiling.
245
927000
3000
majd fölmásszon sima falfelületre,
aztán a mennyezetre.
aztán a mennyezetre.
15:48
There's the bulldozer version. Now, it doesn't use pressure-sensitive glue.
246
930000
6000
Ez a buldózer-változat.
Nem használ nyomásra érzékeny ragasztót.
15:54
The animal does not use that.
247
936000
2000
Az állat sem használ.
Egyelőre idáig jutottunk.
15:56
But that's what we're limited to, at the moment.
248
938000
2000
15:58
What does the animal do? The animal has weird toes.
249
940000
5000
Mit szokott tenni az állat?
Furcsa lábujjai vannak.
Lemezszerű kis képződmények vannak rajtuk,
16:03
And if you look at the toes, they have these little leaves there,
250
945000
4000
és kinagyítva látható,
16:07
and if you blow them up and zoom in, you'll see
251
949000
2000
16:09
that's there's little striations in these leaves.
252
951000
3000
hogy kis barázdák is vannak rajtuk.
16:12
And if you zoom in 270 times, you'll see it looks like a rug.
253
954000
7000
270-szeres nagyításban szőnyegre hasonlít.
16:19
And if you blow that up, and zoom in 900 times,
254
961000
3000
900-szoros nagyításban
16:22
you see there are hairs there, tiny hairs. And if you look carefully,
255
964000
5000
pirinyó sörték láthatók.
Jobban megnézve, a sörték is barázdáltak.
16:27
those tiny hairs have striations. And if you zoom in on those 30,000 times,
256
969000
6000
30 000-szeres nagyításban
látható a sörték hasított vége.
látható a sörték hasított vége.
16:33
you'll see each hair has split ends.
257
975000
3000
16:36
And if you blow those up, they have these little structures on the end.
258
978000
5000
Tovább nagyítva
ilyen pici struktúrát látunk.
ilyen pici struktúrát látunk.
16:41
The smallest branch of the hairs looks like spatulae,
259
983000
2000
A sörték vége úgy néz ki, mint a spatula.
16:43
and an animal like that has one billion of these nano-size split ends,
260
985000
7000
Az állatnak egymilliárd nanoméretű
hasított sörtevége van,
hasított sörtevége van,
16:50
to get very close to the surface. In fact, there's the diameter of your hair --
261
992000
5000
hogy közelebb jusson a felülethez.
Ez a hajszálunk átmérője.
16:55
a gecko has two million of these, and each hair has 100 to 1,000 split ends.
262
997000
6000
A gekkónak 2 millió sörtéje van,
minden sörtén 100-1 000 hasíték.
minden sörtén 100-1 000 hasíték.
17:01
Think of the contact of that that's possible.
263
1003000
3000
Gondoljuk el, micsoda tapadás!
17:04
We were fortunate to work with another group
264
1006000
2000
Más csoporttal is dolgozunk Stanfordon,
17:06
at Stanford that built us a special manned sensor,
265
1008000
2000
amely vezérelhető érzékelőt
épített nekünk,
épített nekünk,
17:08
that we were able to measure the force of an individual hair.
266
1010000
3000
vele megmérhettük egy sörte szilárdságát.
17:11
Here's an individual hair with a little split end there.
267
1013000
5000
Ez itt a hasított végű sörte.
17:16
When we measured the forces, they were enormous.
268
1018000
2000
A mért szilárdság óriási volt.
17:18
They were so large that a patch of hairs about this size --
269
1020000
3000
Ilyen méretű sörtecsomó,
17:21
the gecko's foot could support the weight of a small child,
270
1023000
4000
a gekkó lába könnyűszerrel
megtart egy húszkilós kisgyereket.
megtart egy húszkilós kisgyereket.
17:25
about 40 pounds, easily. Now, how do they do it?
271
1027000
4000
Hogy sikerül?
Nemrég rájöttünk.
17:29
We've recently discovered this. Do they do it by friction?
272
1031000
4000
Súrlódás? Nem, túl gyenge.
Elektrosztatikus erő?
Elektrosztatikus erő?
17:33
No, force is too low. Do they do it by electrostatics?
273
1035000
3000
Nem, változik a töltés, úgyis megtartja.
17:36
No, you can change the charge -- they still hold on.
274
1038000
2000
17:38
Do they do it by interlocking? That's kind of a like a Velcro-like thing.
275
1040000
3000
Valami tépőzárhatás?
17:41
No, you can put them on molecular smooth surfaces -- they don't do it.
276
1043000
3000
Nem, az állat a molekulárisan
sima felületen is futkos.
sima felületen is futkos.
17:44
How about suction? They stick on in a vacuum.
277
1046000
4000
Esetleg szívás?
Nem, vákuumban is tapadnak.
Nem, vákuumban is tapadnak.
17:48
How about wet adhesion? Or capillary adhesion?
278
1050000
3000
Hidrosztatika? Kapilláris tapadás?
17:51
They don't have any glue, and they even stick under water just fine.
279
1053000
3000
Nincs ragasztójuk, és víz alatt
is pompásan tapadnak.
is pompásan tapadnak.
17:54
If you put their foot under water, they grab on.
280
1056000
2000
Ha vízbe merítjük a lábát, kimászik.
17:56
How do they do it then? Believe it or not, they grab on
281
1058000
4000
Hogyan csinálják?
Hiszik vagy sem, a magyarázat
a molekulák közötti Van der Waals erők.
a molekulák közötti Van der Waals erők.
18:00
by intermolecular forces, by Van der Waals forces.
282
1062000
4000
Valaha tanultak róla kémiaórán.
18:04
You know, you probably had this a long time ago in chemistry,
283
1066000
2000
18:06
where you had these two atoms, they're close together,
284
1068000
2000
Van egymáshoz közeli két atom,
az elektronok köröttük keringenek.
az elektronok köröttük keringenek.
18:08
and the electrons are moving around. That tiny force is sufficient
285
1070000
3000
Ez a gyenge erő elég,
hogy megtartsa a gekkót,
hogy megtartsa a gekkót,
18:11
to allow them to do that because it's added up so many times
286
1073000
3000
hiszen a sok kis erő összeadódik
18:14
with these small structures.
287
1076000
3000
a sörték végén lévő mikrostruktúrákról.
18:17
What we're doing is, we're taking that inspiration of the hairs,
288
1079000
5000
A sörtéktől megihletve
egy berkeleyi munkatársammal együtt
egy berkeleyi munkatársammal együtt
18:22
and with another colleague at Berkeley, we're manufacturing them.
289
1084000
5000
megpróbáltuk lemásolni.
18:27
And just recently we've made a breakthrough, where we now believe
290
1089000
3000
Nemrég áttörést értünk el,
nemsokára megalkotjuk
nemsokára megalkotjuk
18:30
we're going to be able to create the first synthetic, self-cleaning,
291
1092000
5000
az első szintetikus, öntisztító
száraz tapadóanyagot.
száraz tapadóanyagot.
18:35
dry adhesive. Many companies are interested in this.
292
1097000
5000
Sok cég érdeklődik iránta.
18:40
(Laughter)
293
1102000
3000
(Nevetés)
18:43
We also presented to Nike even.
294
1105000
2000
Még a Nike-nak is bemutattuk.
18:45
(Laughter)
295
1107000
3000
(Nevetés)
18:48
(Applause)
296
1110000
6000
(Taps)
18:54
We'll see where this goes. We were so excited about this
297
1116000
3000
Meglátjuk, mire jutunk,
de föllelkesít a fölfedezésünk.
de föllelkesít a fölfedezésünk.
18:57
that we realized that that small-size scale --
298
1119000
3000
Megértettük, hogy a mikrovilágban,
ahol minden tapadóssá válik,
ahol minden tapadóssá válik,
19:00
and where everything gets sticky, and gravity doesn't matter anymore --
299
1122000
3000
és a gravitáció már nem számít,
foglalkoznunk kell
a hangyákkal és a lábukkal,
a hangyákkal és a lábukkal,
19:03
we needed to look at ants and their feet, because
300
1125000
3000
mert a Berkeleyn munkatársam
6-milliméteres szilíciumhangyát épített,
6-milliméteres szilíciumhangyát épített,
19:06
one of my other colleagues at Berkeley has built a six-millimeter silicone
301
1128000
5000
19:11
robot with legs. But it gets stuck. It doesn't move very well.
302
1133000
3000
amelynek lába van.
De a robot elakad, nem jól működik.
19:14
But the ants do, and we'll figure out why, so that ultimately
303
1136000
3000
De a hangyák járnak, és rá fogunk
jönni, miért, és megcsináljuk.
jönni, miért, és megcsináljuk.
19:17
we'll make this move. And imagine: you're going to be able
304
1139000
3000
Képzeljék el,
lesz egy bolynyi 6-milliméteres robotunk,
amelyek köröttünk teszik a dolgukat.
amelyek köröttünk teszik a dolgukat.
19:20
to have swarms of these six-millimeter robots available to run around.
305
1142000
5000
19:25
Where's this going? I think you can see it already.
306
1147000
3000
Hová vezet ez?
Gondolom, el tudják képzelni.
19:28
Clearly, the Internet is already having eyes and ears,
307
1150000
4000
Az internetnek már van szeme és füle,
vannak webkameráink stb.,
19:32
you have web cams and so forth. But it's going to also have legs and hands.
308
1154000
4000
de lesz lába és keze is.
19:36
You're going to be able to do programmable
309
1158000
2000
Képesek leszünk robotokon keresztül
19:38
work through these kinds of robots, so that you can run,
310
1160000
4000
programozott munkát végezni,
hogy bárhová futhassunk,
hogy bárhová futhassunk,
repülhessünk és úszhassunk.
19:42
fly and swim anywhere. We saw David Kelly is at the beginning of that with his fish.
311
1164000
9000
Már láttuk David Kellyt a halával.
Végezetül: a következtetés világos.
19:51
So, in conclusion, I think the message is clear.
312
1173000
2000
19:53
If you need a message, if nature's not enough, if you care about
313
1175000
4000
Ha a természet üzenete nem elég,
ha a robotokat kutatásra, mentésre,
ha a robotokat kutatásra, mentésre,
19:57
search and rescue, or mine clearance, or medicine,
314
1179000
2000
aknaszedésre, gyógyászatra használjuk,
19:59
or the various things we're working on, we must preserve
315
1181000
4000
meg kell óvnunk a természet alkotásait,
20:03
nature's designs, otherwise these secrets will be lost forever.
316
1185000
4000
különben e titkok örökre elvesznek.
Köszönöm.
20:07
Thank you.
317
1189000
1000
(Taps)
20:08
(Applause)
318
1190000
9000
ABOUT THE SPEAKER
Robert Full - BiologistRobert Full studies cockroach legs and gecko feet. His research is helping build tomorrow's robots, based on evolution's ancient engineering.
Why you should listen
UC Berkeley biologist Robert Full is fascinated by the motion of creatures like cockroaches, crabs and geckos having many legs, unusual feet or talented tails. He has led an effort to demonstrate the value of learning from Nature by the creating interdisciplinary collaborations of biologists, engineers, mathematicians and computer scientists from academia and industry. He founded CiBER, the Center for interdisciplinary Bio-inspiration in Education and Research, and the Poly-PEDAL Laboratory, which studies the Performance, Energetics and Dynamics of Animal Locomotion (PEDAL) in many-footed creatures (Poly).
His research shows how studying a diversity of animals leads to the discovery of general principles which inspire the design of novel circuits, artificial muscles, exoskeletons, versatile scampering legged search-and-rescue robots and synthetic self-cleaning dry adhesives based on gecko feet. He is passionate about discovery-based education leading to innovation -- and he even helped Pixar’s insect animations in the film A Bug's Life.
Robert Full | Speaker | TED.com