TEDxPenn
Vijay Kumar: The future of flying robots
Filmed:
Readability: 4.9
1,780,679 views
At his lab at the University of Pennsylvania, Vijay Kumar and his team have created autonomous aerial robots inspired by honeybees. Their latest breakthrough: Precision Farming, in which swarms of robots map, reconstruct and analyze every plant and piece of fruit in an orchard, providing vital information to farmers that can help improve yields and make water management smarter.
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.
00:13
In my lab, we build
autonomous aerial robots
autonomous aerial robots
0
1280
3656
Nel mio laboratorio costruiamo
robot aerei autonomi
robot aerei autonomi
00:16
like the one you see flying here.
1
4960
1880
come quello che vedete volare qui.
00:20
Unlike the commercially available drones
that you can buy today,
that you can buy today,
2
8720
3696
A differenza dei droni
attualmente in commercio
attualmente in commercio
00:24
this robot doesn't have any GPS on board.
3
12440
2640
questo robot non ha GPS a bordo.
00:28
So without GPS,
4
16160
1216
Quindi, senza GPS
00:29
it's hard for robots like this
to determine their position.
to determine their position.
5
17400
3280
è difficile per un robot come questo
determinare la propria posizione.
determinare la propria posizione.
00:34
This robot uses onboard sensors,
cameras and laser scanners,
cameras and laser scanners,
6
22240
4736
Questo robot monta sensori,
telecamere e scanner a laser
telecamere e scanner a laser
per analizzare l'ambiente.
00:39
to scan the environment.
7
27000
1696
00:40
It detects features from the environment,
8
28720
3056
Il robot rileva le caratteristiche
topografiche
topografiche
00:43
and it determines where it is
relative to those features,
relative to those features,
9
31800
2736
e determina di conseguenza la
sua posizione,
sua posizione,
00:46
using a method of triangulation.
10
34560
2136
utilizzando un metodo di triangolazione.
00:48
And then it can assemble
all these features into a map,
all these features into a map,
11
36720
3456
Queste caratteristiche vengono usate
per costruire una piantina
per costruire una piantina
00:52
like you see behind me.
12
40200
1736
come quella che vedete dietro di me.
00:53
And this map then allows the robot
to understand where the obstacles are
to understand where the obstacles are
13
41960
3936
La piantina consente al robot
di individuare ostacoli
di individuare ostacoli
00:57
and navigate in a collision-free manner.
14
45920
2720
e navigare senza collisioni.
01:01
What I want to show you next
15
49160
2096
Adesso vorrei mostrarvi
01:03
is a set of experiments
we did inside our laboratory,
we did inside our laboratory,
16
51280
3216
una serie di esperimenti da noi
condotti nel nostro laboratorio,
condotti nel nostro laboratorio,
01:06
where this robot was able
to go for longer distances.
to go for longer distances.
17
54520
3480
dove il robot ha potuto coprire
distanze maggiori.
distanze maggiori.
01:10
So here you'll see, on the top right,
what the robot sees with the camera.
what the robot sees with the camera.
18
58400
5016
In alto a destra, vedete le immagini
rilevate dalla telecamera del robot.
rilevate dalla telecamera del robot.
01:15
And on the main screen --
19
63440
1216
Nello schermo grande --
01:16
and of course this is sped up
by a factor of four --
by a factor of four --
20
64680
2456
velocizzato per un fattore di 4 --
01:19
on the main screen you'll see
the map that it's building.
the map that it's building.
21
67160
2667
vedete la piantina che sta elaborando.
Questa è una pianta in alta risoluzione
del corridoio che circonda il laboratorio.
del corridoio che circonda il laboratorio.
01:21
So this is a high-resolution map
of the corridor around our laboratory.
of the corridor around our laboratory.
22
69851
4285
01:26
And in a minute
you'll see it enter our lab,
you'll see it enter our lab,
23
74160
2336
Il robot sta per entrare
nel nostro laboratorio
nel nostro laboratorio
01:28
which is recognizable
by the clutter that you see.
by the clutter that you see.
24
76520
2856
riconoscibile dal macello
che vedete in giro.
che vedete in giro.
01:31
(Laughter)
25
79400
1016
(Risate)
01:32
But the main point I want to convey to you
26
80440
2007
Ma il punto più importante
01:34
is that these robots are capable
of building high-resolution maps
of building high-resolution maps
27
82472
3584
è che questi robot possono
elaborare piantine
elaborare piantine
01:38
at five centimeters resolution,
28
86080
2496
con una risoluzione di 5 centimetri
01:40
allowing somebody who is outside the lab,
or outside the building
or outside the building
29
88600
4176
consentendo a chi è fuori dal
laboratorio o dall'edificio
laboratorio o dall'edificio
01:44
to deploy these
without actually going inside,
without actually going inside,
30
92800
3216
di usare i robot,
senza entrare di persona,
senza entrare di persona,
01:48
and trying to infer
what happens inside the building.
what happens inside the building.
31
96040
3760
per cercare di capire quello che
succede all'interno dell'edificio.
succede all'interno dell'edificio.
01:52
Now there's one problem
with robots like this.
with robots like this.
32
100400
2240
Ma i robot come questo
presentano problemi.
presentano problemi.
01:55
The first problem is it's pretty big.
33
103600
2200
Il primo è che è piuttosto grosso.
01:58
Because it's big, it's heavy.
34
106120
1680
Il robot è grande e quindi pesante
02:00
And these robots consume
about 100 watts per pound.
about 100 watts per pound.
35
108640
3040
e consuma circa 100 Watt per ogni
450 grammi di peso.
450 grammi di peso.
02:04
And this makes for
a very short mission life.
a very short mission life.
36
112360
2280
Dunque la durata della missione
è molto breve.
è molto breve.
02:08
The second problem
37
116000
1456
Il secondo problema
02:09
is that these robots have onboard sensors
that end up being very expensive --
that end up being very expensive --
38
117480
3896
è che questi robot hanno sensori
di bordo molto costosi --
di bordo molto costosi --
02:13
a laser scanner, a camera
and the processors.
and the processors.
39
121400
3440
uno scanner laser, una telecamera
e i processori.
e i processori.
02:17
That drives up the cost of this robot.
40
125280
3040
Questi componenti aumentano
i costi del robot.
i costi del robot.
02:21
So we asked ourselves a question:
41
129440
2656
Quindi ci siamo posti una domanda:
02:24
what consumer product
can you buy in an electronics store
can you buy in an electronics store
42
132120
3776
quale prodotto possiamo acquistare
in un negozio di elettronica
in un negozio di elettronica
02:27
that is inexpensive, that's lightweight,
that has sensing onboard and computation?
that has sensing onboard and computation?
43
135920
6280
che costi poco, sia leggero e integri
sensori e funzioni di calcolo?
sensori e funzioni di calcolo?
02:36
And we invented the flying phone.
44
144080
2656
E abbiamo inventato
il telefono volante.
il telefono volante.
02:38
(Laughter)
45
146760
1936
(Risate)
02:40
So this robot uses a Samsung Galaxy
smartphone that you can buy off the shelf,
smartphone that you can buy off the shelf,
46
148720
6176
Questo robot utilizza uno smartphone
Samsung Galaxy acquistabile in negozio,
Samsung Galaxy acquistabile in negozio,
02:46
and all you need is an app that you
can download from our app store.
can download from our app store.
47
154920
4016
a cui basta aggiungere un'applicazione
scaricabile dal nostro app store.
scaricabile dal nostro app store.
02:50
And you can see this robot
reading the letters, "TED" in this case,
reading the letters, "TED" in this case,
48
158960
4216
Come vedete questo robot legge
delle lettere, "TED" in questo caso,
delle lettere, "TED" in questo caso,
02:55
looking at the corners
of the "T" and the "E"
of the "T" and the "E"
49
163200
2936
rilevando gli angoli
della "T" e della "E"
della "T" e della "E"
02:58
and then triangulating off of that,
flying autonomously.
flying autonomously.
50
166160
3480
ed effettuando la triangolazione
per volare in modo autonomo.
per volare in modo autonomo.
Il joystick serve solo ad assicurare che,
in caso il robot impazzisce,
in caso il robot impazzisce,
03:02
That joystick is just there
to make sure if the robot goes crazy,
to make sure if the robot goes crazy,
51
170720
3256
03:06
Giuseppe can kill it.
52
174000
1416
che Giuseppe possa intervenire.
03:07
(Laughter)
53
175440
1640
(Risate)
03:10
In addition to building
these small robots,
these small robots,
54
178920
3816
Oltre a costruire questi
piccoli robot,
piccoli robot,
03:14
we also experiment with aggressive
behaviors, like you see here.
behaviors, like you see here.
55
182760
4800
abbiamo sperimentato comportamenti
più aggressivi, come vedete qui.
più aggressivi, come vedete qui.
03:19
So this robot is now traveling
at two to three meters per second,
at two to three meters per second,
56
187920
5296
Questo robot viaggia a
due o tre metri al secondo,
due o tre metri al secondo,
03:25
pitching and rolling aggressively
as it changes direction.
as it changes direction.
57
193240
3496
cambiando direzione con
beccheggi e rollii aggressivi.
beccheggi e rollii aggressivi.
03:28
The main point is we can have
smaller robots that can go faster
smaller robots that can go faster
58
196760
4256
Il punto centrale è che possiamo
avere robot più piccoli e più veloci
avere robot più piccoli e più veloci
03:33
and then travel in these
very unstructured environments.
very unstructured environments.
59
201040
2960
in grado di muoversi in
ambienti molto intricati.
ambienti molto intricati.
03:37
And in this next video,
60
205120
2056
In questo prossimo video,
proprio come questo uccello, un'aquila
proprio come questo uccello, un'aquila
03:39
just like you see this bird, an eagle,
gracefully coordinating its wings,
gracefully coordinating its wings,
61
207200
5896
che coordina con grazia le sue ali,
i suoi occhi e le zampe
i suoi occhi e le zampe
03:45
its eyes and feet
to grab prey out of the water,
to grab prey out of the water,
62
213120
4296
per afferrare la preda in acqua,
03:49
our robot can go fishing, too.
63
217440
1896
anche il nostro robot sa pescare.
03:51
(Laughter)
64
219360
1496
(Risate)
03:52
In this case, this is a Philly cheesesteak
hoagie that it's grabbing out of thin air.
hoagie that it's grabbing out of thin air.
65
220880
4056
In questo caso un panino al formaggio
che afferra in volo.
che afferra in volo.
03:56
(Laughter)
66
224960
2400
(Risate)
03:59
So you can see this robot
going at about three meters per second,
going at about three meters per second,
67
227680
3296
Qui vedete il robot viaggiare
a circa tre metri al secondo,
a circa tre metri al secondo,
04:03
which is faster than walking speed,
coordinating its arms, its claws
coordinating its arms, its claws
68
231000
5136
più veloce rispetto al passo d'uomo,
coordinando bracci, pinza
coordinando bracci, pinza
04:08
and its flight with split-second timing
to achieve this maneuver.
to achieve this maneuver.
69
236160
4120
e volo in frazioni di secondo
per eseguire questa manovra.
per eseguire questa manovra.
04:14
In another experiment,
70
242120
1216
In un altro esperimento,
04:15
I want to show you
how the robot adapts its flight
how the robot adapts its flight
71
243360
3656
vorrei mostrarvi in che modo
il robot adatta il volo
il robot adatta il volo
04:19
to control its suspended payload,
72
247040
2376
per controllare il carico sospeso,
04:21
whose length is actually larger
than the width of the window.
than the width of the window.
73
249440
3800
di lunghezza superiore
all'altezza della finestra.
all'altezza della finestra.
04:25
So in order to accomplish this,
74
253680
1696
Per eseguire la manovra,
04:27
it actually has to pitch
and adjust the altitude
and adjust the altitude
75
255400
3696
deve eseguire un beccheggio e
aggiustare l'altitudine
aggiustare l'altitudine
04:31
and swing the payload through.
76
259120
2320
per fare passare il carico.
04:38
But of course we want
to make these even smaller,
to make these even smaller,
77
266920
2296
Naturalmente vogliamo
costruirne di più piccoli,
costruirne di più piccoli,
04:41
and we're inspired
in particular by honeybees.
in particular by honeybees.
78
269240
3016
ispirandoci soprattutto
alle api.
alle api.
04:44
So if you look at honeybees,
and this is a slowed down video,
and this is a slowed down video,
79
272280
3256
Osservate le api
in queste riprese rallentate,
in queste riprese rallentate,
04:47
they're so small,
the inertia is so lightweight --
the inertia is so lightweight --
80
275560
3720
sono tanto piccole e
l'inerzia è così bassa --
l'inerzia è così bassa --
04:51
(Laughter)
81
279960
1176
(Risate)
04:53
that they don't care --
they bounce off my hand, for example.
they bounce off my hand, for example.
82
281160
3536
che non hanno problemi - per esempio
possono rimbalzare sulla mia mano.
possono rimbalzare sulla mia mano.
Questo piccolo robot
simula il comportamento di un'ape.
simula il comportamento di un'ape.
04:56
This is a little robot
that mimics the honeybee behavior.
that mimics the honeybee behavior.
83
284720
3160
E quanto più è piccolo
meglio è
meglio è
05:00
And smaller is better,
84
288600
1216
05:01
because along with the small size
you get lower inertia.
you get lower inertia.
85
289840
3536
perché riducendo la dimensione
si riduce l'inerzia.
si riduce l'inerzia.
05:05
Along with lower inertia --
86
293400
1536
Minore l'inerzia --
05:06
(Robot buzzing, laughter)
87
294960
2856
(Robot che ronza, risate)
05:09
along with lower inertia,
you're resistant to collisions.
you're resistant to collisions.
88
297840
2816
Minore l'inerzia,
maggiore la resistenza alle collisioni
maggiore la resistenza alle collisioni
05:12
And that makes you more robust.
89
300680
1720
e questo aumenta la robustezza.
05:15
So just like these honeybees,
we build small robots.
we build small robots.
90
303800
2656
Quindi, costruiamo robot piccoli
come queste api
come queste api
05:18
And this particular one
is only 25 grams in weight.
is only 25 grams in weight.
91
306480
3376
e questo, in particolare,
pesa solo 25 grammi.
pesa solo 25 grammi.
05:21
It consumes only six watts of power.
92
309880
2160
Consuma solo 6 Watt di potenza
05:24
And it can travel
up to six meters per second.
up to six meters per second.
93
312440
2536
e può viaggiare
fino a sei metri al secondo.
fino a sei metri al secondo.
05:27
So if I normalize that to its size,
94
315000
2336
Se normalizzo questo
alla sua dimensione,
alla sua dimensione,
05:29
it's like a Boeing 787 traveling
ten times the speed of sound.
ten times the speed of sound.
95
317360
3640
è come un Boeing 787 che viaggia
10 volte più veloce del suono.
10 volte più veloce del suono.
E --
05:36
(Laughter)
96
324000
2096
(Risate)
voglio mostrarvi un esempio.
05:38
And I want to show you an example.
97
326120
1920
05:40
This is probably the first planned mid-air
collision, at one-twentieth normal speed.
collision, at one-twentieth normal speed.
98
328840
5256
Questa è probabilmente la prima
collisione aerea pianificata
collisione aerea pianificata
a 1/20 della velocità normale.
05:46
These are going at a relative speed
of two meters per second,
of two meters per second,
99
334120
2858
Questi robot hanno una velocità
relativa di 2 metri al secondo
relativa di 2 metri al secondo
05:49
and this illustrates the basic principle.
100
337002
2480
e questo dimostra
il principio fondamentale.
il principio fondamentale.
05:52
The two-gram carbon fiber cage around it
prevents the propellers from entangling,
prevents the propellers from entangling,
101
340200
4976
La gabbia di 2 grammi in fibra di carbonio
impedisce solo che le eliche si incastrino
impedisce solo che le eliche si incastrino
ma di fatto la collisione viene assorbita
e il robot risponde bene all'urto.
e il robot risponde bene all'urto.
05:57
but essentially the collision is absorbed
and the robot responds to the collisions.
and the robot responds to the collisions.
102
345200
5296
Quindi piccolo significa anche sicuro.
06:02
And so small also means safe.
103
350520
2560
06:05
In my lab, as we developed these robots,
104
353400
2016
Nel mio laboratorio, lo sviluppo dei robot
è iniziato con modelli grandi
06:07
we start off with these big robots
105
355440
1620
06:09
and then now we're down
to these small robots.
to these small robots.
106
357084
2812
per poi passare a questi
robot piccoli.
robot piccoli.
06:11
And if you plot a histogram
of the number of Band-Aids we've ordered
of the number of Band-Aids we've ordered
107
359920
3456
E se tracciate un istogramma con
il numero di cerotti che abbiamo ordinato
il numero di cerotti che abbiamo ordinato
06:15
in the past, that sort of tailed off now.
108
363400
2576
in passato, sarebbe in netto calo adesso
06:18
Because these robots are really safe.
109
366000
1960
perché questi robot sono davvero sicuri.
06:20
The small size has some disadvantages,
110
368760
2456
Le piccole dimensioni creano
qualche svantaggio,
qualche svantaggio,
06:23
and nature has found a number of ways
to compensate for these disadvantages.
to compensate for these disadvantages.
111
371240
4080
ma la natura ha trovato modi
per compensare.
per compensare.
06:27
The basic idea is they aggregate
to form large groups, or swarms.
to form large groups, or swarms.
112
375960
4000
Sostanzialmente la soluzione è
aggregare in grandi gruppi, o stormi.
aggregare in grandi gruppi, o stormi.
06:32
So, similarly, in our lab,
we try to create artificial robot swarms.
we try to create artificial robot swarms.
113
380320
3976
Dunque, nel nostro lab, cerchiamo
di creare stormi artificiali di robot.
di creare stormi artificiali di robot.
06:36
And this is quite challenging
114
384320
1381
E non è affatto semplice
06:37
because now you have to think
about networks of robots.
about networks of robots.
115
385725
3320
perché dobbiamo pensare in termini di
reti di robot.
reti di robot.
06:41
And within each robot,
116
389360
1296
E per ogni robot
06:42
you have to think about the interplay
of sensing, communication, computation --
of sensing, communication, computation --
117
390680
5616
dobbiamo risolvere l'interazione tra
rilevazione, comunicazione, calcolo --
rilevazione, comunicazione, calcolo --
06:48
and this network then becomes
quite difficult to control and manage.
quite difficult to control and manage.
118
396320
4960
e questa rete diventa pertanto
difficile da controllare e gestire.
difficile da controllare e gestire.
06:54
So from nature we take away
three organizing principles
three organizing principles
119
402160
3296
La natura ci insegna
3 principi organizzativi
3 principi organizzativi
06:57
that essentially allow us
to develop our algorithms.
to develop our algorithms.
120
405480
3160
che ci consentono essenzialmente di
sviluppare i nostri algoritmi.
sviluppare i nostri algoritmi.
07:01
The first idea is that robots
need to be aware of their neighbors.
need to be aware of their neighbors.
121
409640
4536
La prima idea è che i robot devono
captare i robot circostanti.
captare i robot circostanti.
07:06
They need to be able to sense
and communicate with their neighbors.
and communicate with their neighbors.
122
414200
3440
Devono essere in grado di rilevare e
comunicare con i robot vicini.
comunicare con i robot vicini.
07:10
So this video illustrates the basic idea.
123
418040
2656
Questo video illustra l'idea di base.
07:12
You have four robots --
124
420720
1296
Abbiamo quattro robot --
07:14
one of the robots has actually been
hijacked by a human operator, literally.
hijacked by a human operator, literally.
125
422040
4240
uno dei robot viene letteralmente
dirottato da un operatore umano.
dirottato da un operatore umano.
07:19
But because the robots
interact with each other,
interact with each other,
126
427217
2239
Ma siccome i robot
interagiscono tra loro,
interagiscono tra loro,
07:21
they sense their neighbors,
127
429480
1656
rilevano la presenza dei vicini
07:23
they essentially follow.
128
431160
1296
ed essenzialmente seguono.
07:24
And here there's a single person
able to lead this network of followers.
able to lead this network of followers.
129
432480
5360
E qui una sola persona è in grado
di controllare tutto il gruppo che segue.
di controllare tutto il gruppo che segue.
07:32
So again, it's not because all the robots
know where they're supposed to go.
know where they're supposed to go.
130
440000
5056
Anche qui, non è perché i robot
sanno dove devono andare,
sanno dove devono andare,
07:37
It's because they're just reacting
to the positions of their neighbors.
to the positions of their neighbors.
131
445080
4320
ma semplicemente perché reagiscono
alla posizione dei robot vicini.
alla posizione dei robot vicini.
07:43
(Laughter)
132
451720
4120
(Risate)
07:48
So the next experiment illustrates
the second organizing principle.
the second organizing principle.
133
456280
5240
Il prossimo esperimento illustra
il secondo principio organizzativo.
il secondo principio organizzativo.
07:54
And this principle has to do
with the principle of anonymity.
with the principle of anonymity.
134
462920
3800
E questo principio riguarda
il concetto di anonimità.
il concetto di anonimità.
07:59
Here the key idea is that
135
467400
4296
Qui l'idea chiave è che
08:03
the robots are agnostic
to the identities of their neighbors.
to the identities of their neighbors.
136
471720
4240
i robot non conoscono
l'identità dei robot vicini.
l'identità dei robot vicini.
08:08
They're asked to form a circular shape,
137
476440
2616
Gli viene chiesto di formare un cerchio,
08:11
and no matter how many robots
you introduce into the formation,
you introduce into the formation,
138
479080
3296
e indipendentemente dal numero
di robot introdotti nella formazione,
di robot introdotti nella formazione,
08:14
or how many robots you pull out,
139
482400
2576
o eliminati dalla formazione,
08:17
each robot is simply
reacting to its neighbor.
reacting to its neighbor.
140
485000
3136
ogni robot si limita a reagire rispetto
a quello accanto.
a quello accanto.
08:20
It's aware of the fact that it needs
to form the circular shape,
to form the circular shape,
141
488160
4976
Sa che deve formare un cerchio,
08:25
but collaborating with its neighbors
142
493160
1776
ma collaborando con i vicini
08:26
it forms the shape
without central coordination.
without central coordination.
143
494960
3720
forma il cerchio
senza un coordinamento centrale.
senza un coordinamento centrale.
08:31
Now if you put these ideas together,
144
499520
2416
Ora, se mettiamo insieme queste idee,
08:33
the third idea is that we
essentially give these robots
essentially give these robots
145
501960
3896
la terza idea consiste essenzialmente
nel dare a questi robot
nel dare a questi robot
08:37
mathematical descriptions
of the shape they need to execute.
of the shape they need to execute.
146
505880
4296
descrizioni matematiche
della forma da eseguire.
della forma da eseguire.
08:42
And these shapes can be varying
as a function of time,
as a function of time,
147
510200
3496
E queste forme possono variare
come funzione temporale
come funzione temporale
08:45
and you'll see these robots
start from a circular formation,
start from a circular formation,
148
513720
4496
e vedete che questi robot
iniziano a formare un cerchio
iniziano a formare un cerchio
08:50
change into a rectangular formation,
stretch into a straight line,
stretch into a straight line,
149
518240
3256
poi cambiano formando un rettangolo,
si mettono in fila
si mettono in fila
08:53
back into an ellipse.
150
521520
1375
e riformano un'ellisse.
08:54
And they do this with the same
kind of split-second coordination
kind of split-second coordination
151
522919
3617
E lo fanno con la stessa coordinazione
basata su frazioni di secondo
basata su frazioni di secondo
08:58
that you see in natural swarms, in nature.
152
526560
3280
che osserviamo in natura negli stormi.
09:03
So why work with swarms?
153
531080
2136
Ma perché lavoriamo con gli stormi?
09:05
Let me tell you about two applications
that we are very interested in.
that we are very interested in.
154
533240
4120
Consentitemi di parlarvi di due
applicazioni che ci interessano molto.
applicazioni che ci interessano molto.
09:10
The first one has to do with agriculture,
155
538160
2376
La prima riguarda l'agricoltura,
09:12
which is probably the biggest problem
that we're facing worldwide.
that we're facing worldwide.
156
540560
3360
probabilmente il problema più
pressante a livello mondiale.
pressante a livello mondiale.
09:16
As you well know,
157
544760
1256
Come ben sapete,
09:18
one in every seven persons
in this earth is malnourished.
in this earth is malnourished.
158
546040
3520
una persona su sette su questo
pianeta soffre di malnutrizione.
pianeta soffre di malnutrizione.
09:21
Most of the land that we can cultivate
has already been cultivated.
has already been cultivated.
159
549920
3480
La maggior parte della terra che
possiamo coltivare è già coltivata.
possiamo coltivare è già coltivata.
09:25
And the efficiency of most systems
in the world is improving,
in the world is improving,
160
553960
3216
L'efficienza di moltissimi
sistemi mondiali va migliorando,
sistemi mondiali va migliorando,
09:29
but our production system
efficiency is actually declining.
efficiency is actually declining.
161
557200
3520
ma quella del nostro sistema
produttivo va peggiorando
produttivo va peggiorando
09:33
And that's mostly because of water
shortage, crop diseases, climate change
shortage, crop diseases, climate change
162
561080
4216
soprattutto per carenza d'acqua, malattie
delle colture, cambiamenti climatici
delle colture, cambiamenti climatici
09:37
and a couple of other things.
163
565320
1520
e qualche altro fattore.
09:39
So what can robots do?
164
567360
1480
Cosa possono fare i robot?
09:41
Well, we adopt an approach that's
called Precision Farming in the community.
called Precision Farming in the community.
165
569200
4616
Beh, adottiamo un approccio detto
'agricoltura di precisione' nella comunità
'agricoltura di precisione' nella comunità
09:45
And the basic idea is that we fly
aerial robots through orchards,
aerial robots through orchards,
166
573840
5376
e l'idea di base è far volare
i robot sui frutteti
i robot sui frutteti
09:51
and then we build
precision models of individual plants.
precision models of individual plants.
167
579240
3120
ed elaborare modelli di precisione
di ogni pianta.
di ogni pianta.
09:54
So just like personalized medicine,
168
582829
1667
Come la medicina personalizzata,
09:56
while you might imagine wanting
to treat every patient individually,
to treat every patient individually,
169
584520
4816
che intende trattare ogni paziente
su base individuale,
su base individuale,
10:01
what we'd like to do is build
models of individual plants
models of individual plants
170
589360
3696
vogliamo costruire modelli
per ciascuna pianta
per ciascuna pianta
10:05
and then tell the farmer
what kind of inputs every plant needs --
what kind of inputs every plant needs --
171
593080
4136
e dire all'agricoltore di cosa
ha bisogno ciascuna --
ha bisogno ciascuna --
10:09
the inputs in this case being water,
fertilizer and pesticide.
fertilizer and pesticide.
172
597240
4440
in termini di acqua, fertilizzante
e pesticidi.
e pesticidi.
10:14
Here you'll see robots
traveling through an apple orchard,
traveling through an apple orchard,
173
602640
3616
Qui vedete un robot che
sorvola un meleto
sorvola un meleto
10:18
and in a minute you'll see
two of its companions
two of its companions
174
606280
2256
e tra un attimo ne vedrete
altri due
altri due
10:20
doing the same thing on the left side.
175
608560
1810
che lo affiancano sulla sinistra.
10:22
And what they're doing is essentially
building a map of the orchard.
building a map of the orchard.
176
610800
3656
Praticamente stanno elaborando
una piantina del meleto.
una piantina del meleto.
10:26
Within the map is a map
of every plant in this orchard.
of every plant in this orchard.
177
614480
2816
La piantina contiene un'immagine
precisa di ciascun albero.
precisa di ciascun albero.
10:29
(Robot buzzing)
178
617320
1656
(Ronzio del robot in volo)
10:31
Let's see what those maps look like.
179
619000
1896
Ma vediamo come sono queste piantine.
10:32
In the next video, you'll see the cameras
that are being used on this robot.
that are being used on this robot.
180
620920
4296
Nel video successivo vedrete
le telecamere usate su questo robot.
le telecamere usate su questo robot.
10:37
On the top-left is essentially
a standard color camera.
a standard color camera.
181
625240
3240
In alto a sinistra c'è una
normale telecamera a colori.
normale telecamera a colori.
10:41
On the left-center is an infrared camera.
182
629640
3296
Al centro una telecamera a infrarossi
10:44
And on the bottom-left
is a thermal camera.
is a thermal camera.
183
632960
3776
In basso a sinistra una termocamera.
10:48
And on the main panel, you're seeing
a three-dimensional reconstruction
a three-dimensional reconstruction
184
636760
3336
Nel riquadro principale vedete
una ricostruzione tridimensionale
una ricostruzione tridimensionale
10:52
of every tree in the orchard
as the sensors fly right past the trees.
as the sensors fly right past the trees.
185
640120
6120
di ogni albero del meleto
creata dai sensori che li sorvolano.
creata dai sensori che li sorvolano.
10:59
Armed with information like this,
we can do several things.
we can do several things.
186
647640
4040
Queste informazioni ci consentono
di fare varie cose.
di fare varie cose.
11:04
The first and possibly the most important
thing we can do is very simple:
thing we can do is very simple:
187
652200
4256
La prima, e forse la più importante,
è molto semplice:
è molto semplice:
11:08
count the number of fruits on every tree.
188
656480
2440
contare il numero di frutti
per ciascun albero.
per ciascun albero.
11:11
By doing this, you tell the farmer
how many fruits she has in every tree
how many fruits she has in every tree
189
659520
4536
In questo modo l'agricoltore
sa quanti frutti ha per ciascun albero
sa quanti frutti ha per ciascun albero
11:16
and allow her to estimate
the yield in the orchard,
the yield in the orchard,
190
664080
4256
e può stimare la raccolta
nel suo meleto,
nel suo meleto,
11:20
optimizing the production
chain downstream.
chain downstream.
191
668360
2840
ottimizzando le fasi successive
della catena di produzione.
della catena di produzione.
11:23
The second thing we can do
192
671640
1616
La seconda cosa che possiamo fare
11:25
is take models of plants, construct
three-dimensional reconstructions,
three-dimensional reconstructions,
193
673280
4496
è usare questi modelli
per elaborare ricostruzioni 3D
per elaborare ricostruzioni 3D
11:29
and from that estimate the canopy size,
194
677800
2536
e stimare la superficie
della copertura arborea
della copertura arborea
11:32
and then correlate the canopy size
to the amount of leaf area on every plant.
to the amount of leaf area on every plant.
195
680360
3776
e correlarla alla quantità
di fogliame per ciascun albero.
di fogliame per ciascun albero.
11:36
And this is called the leaf area index.
196
684160
2176
Questo valore si chiama
indice dell'area fogliare.
indice dell'area fogliare.
11:38
So if you know this leaf area index,
197
686360
1936
Ricavando l'indice dell'area fogliare
11:40
you essentially have a measure of how much
photosynthesis is possible in every plant,
photosynthesis is possible in every plant,
198
688320
5456
possiamo misurare il livello di
fotosintesi possibile in ciascuna pianta
fotosintesi possibile in ciascuna pianta
11:45
which again tells you
how healthy each plant is.
how healthy each plant is.
199
693800
2880
e quindi desumerne lo stato di salute.
11:49
By combining visual
and infrared information,
and infrared information,
200
697520
4216
Combinando le informazioni
ottiche e quelle a infrarossi
ottiche e quelle a infrarossi
11:53
we can also compute indices such as NDVI.
201
701760
3296
possiamo calcolare altri indici,
come l'NDVI.
come l'NDVI.
11:57
And in this particular case,
you can essentially see
you can essentially see
202
705080
2816
Nel caso specifico,
potete vedere
potete vedere
11:59
there are some crops that are
not doing as well as other crops.
not doing as well as other crops.
203
707920
3016
che alcune colture
vanno peggio di altre.
vanno peggio di altre.
12:02
This is easily discernible from imagery,
204
710960
4056
Lo si vede bene dalle immagini,
12:07
not just visual imagery but combining
205
715040
2216
non dalle sole immagini ottiche,
ma combinando
ma combinando
12:09
both visual imagery and infrared imagery.
206
717280
2776
immagini ottiche e a infrarossi.
12:12
And then lastly,
207
720080
1336
Infine,
12:13
one thing we're interested in doing is
detecting the early onset of chlorosis --
detecting the early onset of chlorosis --
208
721440
4016
quello che ci interessa fare è
rilevare i primi segnali di clorosi --
rilevare i primi segnali di clorosi --
12:17
and this is an orange tree --
209
725480
1496
questo è un arancio --
12:19
which is essentially seen
by yellowing of leaves.
by yellowing of leaves.
210
727000
2560
e qui si nota l'ingiallimento
delle foglie.
delle foglie.
12:21
But robots flying overhead
can easily spot this autonomously
can easily spot this autonomously
211
729880
3896
I robot che sorvolano il frutteto
notano questi segnali autonomamente
notano questi segnali autonomamente
12:25
and then report to the farmer
that he or she has a problem
that he or she has a problem
212
733800
2936
e informano l'agricoltore della
presenza di un problema
presenza di un problema
12:28
in this section of the orchard.
213
736760
1520
in questa sezione del frutteto.
12:30
Systems like this can really help,
214
738800
2696
Dunque questi sistemi sono molto utili,
12:33
and we're projecting yields
that can improve by about ten percent
that can improve by about ten percent
215
741520
5816
stiamo calcolando rese
incrementabili del dieci percento circa
incrementabili del dieci percento circa
12:39
and, more importantly, decrease
the amount of inputs such as water
the amount of inputs such as water
216
747360
3216
e, soprattutto, stiamo riducendo
i consumi idrici
i consumi idrici
12:42
by 25 percent by using
aerial robot swarms.
aerial robot swarms.
217
750600
3280
del 25 percento usando
stormi di robot aerei.
stormi di robot aerei.
12:47
Lastly, I want you to applaud
the people who actually create the future,
the people who actually create the future,
218
755200
5736
Vorrei concludere con un applauso
alle persone che stanno creando il futuro:
alle persone che stanno creando il futuro:
12:52
Yash Mulgaonkar, Sikang Liu
and Giuseppe Loianno,
and Giuseppe Loianno,
219
760960
4920
Yash Mulgaonkar, Sikang Liu
e Giuseppe Loianno,
e Giuseppe Loianno,
12:57
who are responsible for the three
demonstrations that you saw.
demonstrations that you saw.
220
765920
3496
responsabili delle tre dimostrazioni
che avete visto.
che avete visto.
13:01
Thank you.
221
769440
1176
Grazie.
13:02
(Applause)
222
770640
5920
(Applauso)
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