TED2012
Vijay Kumar: Robots that fly ... and cooperate
ڤیجەی کیومار : ئەو ڕۆبۆتانەی دەفڕن.. و هاوکاری دەکەن
Filmed:
Readability: 4.5
5,188,706 views
لە تاقیگەی خۆیدا لە (پێن)، ڤیجەی کیومارو تیمەکەی ئامێرێکیان درووست کرد کە چوار باڵیان هەیە و توانای فڕینیان هەیە، بچکۆلە و هەستیارن و هەست بە یەکتری دەکەن، هەروەها تیمێکی پسپۆڕی ئامادە کرد بۆ درووستکردنیان و پاراستنیان لە کارەساتەکان
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
بەیانیتان باش
00:22
I'm here today to talk
1
7000
2000
من ئه‌مڕۆ لێره‌م تابدوێم له‌باره‌ی
00:24
about autonomous, flying beach balls.
2
9000
3000
له‌باره‌ی سه‌ربه‌خۆیی، تۆپی باله‌ی که‌نار ده‌ریاکان
00:27
No, agile aerial robots like this one.
3
12000
4000
نه‌خێر، ڕۆبۆته ئاسمانییه گرجوگۆڵه‌کان وه‌ک ئه‌مه
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
ده‌مه‌وێت هه‌ندێ له‌و به‌ره‌نگاربوونه‌وانه له‌بنیاتنانی ئه‌مه‌دا
00:34
and some of the terrific opportunities
5
19000
2000
وه هه‌ندێکیش له هه‌له جوانه‌کان
00:36
for applying this technology.
6
21000
2000
له‌جێ به‌جێکردنی ئه‌م ته‌کنه‌لۆژیایه‌دا
00:38
So these robots
7
23000
2000
که‌وابێت ئه‌م ڕۆبۆتانه
00:40
are related to unmanned aerial vehicles.
8
25000
3000
سه‌ر به فڕۆکه بێ فڕۆکه‌وانه‌کانن
00:43
However, the vehicles you see here are big.
9
28000
3000
هه‌رچه‌نده، ئه‌وفڕۆکانه ی لێره‌دا ده‌یانبینن گه‌وره‌ن
00:46
They weigh thousands of pounds,
10
31000
2000
هه‌زاران پاوه‌ن کێشیانه
00:48
are not by any means agile.
11
33000
2000
هیچ شێوه‌یه‌کی گرجوگۆڵییان تێدا نیە
00:50
They're not even autonomous.
12
35000
2000
ته‌نانه‌ت کۆنتڕۆڵی خۆشیان ناکه‌ن
00:52
In fact, many of these vehicles
13
37000
2000
له‌ڕاستیدا زۆرێک له‌م فڕۆکانه
00:54
are operated by flight crews
14
39000
2000
کاریان پێده‌کرێ له‌لایه‌ن گروپی فڕۆکه‌وانه‌کانه‌وه
00:56
that can include multiple pilots,
15
41000
3000
که‌ده‌توانرێ به‌چه‌ند فڕۆکه‌وانێ به‌ڕێوه ببرێت
00:59
operators of sensors
16
44000
2000
خستنه‌گه‌ڕی هه‌سته‌وه‌ره‌کان
01:01
and mission coordinators.
17
46000
2000
وه ڕێکخه‌ری ئه‌رکه‌کان
01:03
What we're interested in is developing robots like this --
18
48000
2000
ئه‌وه‌ی ئێمه گرنگی پێ ده‌ده‌ین به‌ره‌و پێشبردنی ڕۆبۆتی له‌م جۆره‌یه
01:05
and here are two other pictures --
19
50000
2000
دوو وێنه‌ی تریش هه‌ن
01:07
of robots that you can buy off the shelf.
20
52000
3000
له‌و ڕۆبۆتانه‌ی که ناتوانیت بیکڕیت له‌بازاڕدا نین
01:10
So these are helicopters with four rotors
21
55000
3000
که‌واته ئه‌مانه هێلی کۆپته‌رن به چوار په‌روانه‌وه
01:13
and they're roughly a meter or so in scale
22
58000
4000
وه ئه‌وانه زۆر هاوسه‌نگن و هاوتان
01:17
and weigh several pounds.
23
62000
2000
ته‌نها چه‌ند پاوه‌ندێک کێشیانه
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
ئێمه‌ش چاکسازیمان بۆ ئه‌مه کردووه به‌هه‌سته‌وه‌ر و پڕۆسێسه‌ره‌کان
01:22
and these robots can fly indoors
25
67000
2000
وه ئه‌م ڕۆبۆتانه ده‌توانن له‌ژووره‌وه‌ش بفڕن
01:24
without GPS.
26
69000
2000
به‌بێ هه‌بوونی جی پی ئێس
01:26
The robot I'm holding in my hand
27
71000
2000
ئه‌و ڕۆبۆتانه‌ی که‌له‌ده‌ستی مندایه
01:28
is this one,
28
73000
2000
ئه‌و جۆره‌یه
01:30
and it's been created by two students,
29
75000
3000
له‌لایه‌ن دوو قوتابییه‌وه دروست کراوه
01:33
Alex and Daniel.
30
78000
2000
ئه‌لێکسس و دانیال
01:35
So this weighs a little more
31
80000
2000
ئه‌مه کێشی که‌مێک که‌متره
01:37
than a tenth of a pound.
32
82000
2000
له‌یه‌ک له‌سه‌ر ده‌ی پاوه‌نێک
01:39
It consumes about 15 watts of power.
33
84000
2000
ته‌نها (١٥) وات وزه‌ی ده‌وێت
01:41
And as you can see,
34
86000
2000
هه‌روه‌ک ده‌یبینن
01:43
it's about eight inches in diameter.
35
88000
2000
بارستایی هه‌شت ئینج
01:45
So let me give you just a very quick tutorial
36
90000
3000
ڕێگه‌م بده‌ن با زۆر به‌خێرایی کورته‌یه‌کی فێرکاریتان بده‌مێ
01:48
on how these robots work.
37
93000
2000
له‌سه‌ر چۆنێتی کارکردنی ئه‌م ڕۆبۆتانه
01:50
So it has four rotors.
38
95000
2000
که‌وابێت چوار په‌روانه‌ی هه‌یه
01:52
If you spin these rotors at the same speed,
39
97000
2000
ئه‌گه‌ر هه‌رچوار په‌روانه‌که له‌هه‌مان کاتدا بخولێنێته‌وه
01:54
the robot hovers.
40
99000
2000
ڕۆبۆته‌که ده فڕێت
01:56
If you increase the speed of each of these rotors,
41
101000
3000
ئه‌گه‌ر خێرایی هه‌ر یه‌کێ له‌م په‌روانانه زیاد بکه‌یت
01:59
then the robot flies up, it accelerates up.
42
104000
3000
ئه‌و کاته ڕۆبۆته‌که ده‌فڕێ و خێرایی به‌رز ده‌بێته‌وه
02:02
Of course, if the robot were tilted,
43
107000
2000
بێگومان، ئه‌گه‌ر ڕۆبۆته‌که لار بۆوه
02:04
inclined to the horizontal,
44
109000
2000
هه‌ڵکشایه‌وه و ژووری شاوڵی
02:06
then it would accelerate in this direction.
45
111000
3000
که‌وابێت به‌رز ده‌بێته‌وه به‌م ئاڕاسته‌یه
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
بۆئه‌وه‌ی وای لێبکه‌ین لاربێت یه‌کێک له‌م دوڕێگایه به‌کار ده‌هێنین
02:12
So in this picture
47
117000
2000
که‌وابێ له‌م وێنه‌یه دا
02:14
you see that rotor four is spinning faster
48
119000
2000
په‌روانه‌ی چواره‌م، خێراتر ده‌خولێته‌وه
02:16
and rotor two is spinning slower.
49
121000
2000
وه په‌روانه‌ی دوه‌میش هێواش تره
02:18
And when that happens
50
123000
2000
وه‌پاشان ئه‌وه ڕووده‌دات
02:20
there's moment that causes this robot to roll.
51
125000
3000
ساته‌وه‌ختێک هه‌یه که واله‌م ڕۆبۆته ده‌کات بخولێته‌وه
02:23
And the other way around,
52
128000
2000
وه‌به پێچه‌وانه‌شه‌وه
02:25
if you increase the speed of rotor three
53
130000
3000
ئه‌گه‌ر خێرایی په‌روانه‌ی سێیه‌مت زیاد کرد
02:28
and decrease the speed of rotor one,
54
133000
2000
وه په‌روانه‌ی یه‌که‌میشت که‌م کرده‌وه
02:30
then the robot pitches forward.
55
135000
3000
ئه‌وه ڕۆبۆته‌که به‌ره‌و پێش ده‌که‌وێته‌ڕێ
02:33
And then finally,
56
138000
2000
پاشان له کۆتایدا
02:35
if you spin opposite pairs of rotors
57
140000
2000
ئه‌گه‌ر دوو جووتی دژیه‌ک بسوڕێته‌وه له‌په‌روانه‌کان
02:37
faster than the other pair,
58
142000
2000
خێراتر له‌جوته‌که‌ی تر
02:39
then the robot yaws about the vertical axis.
59
144000
2000
پاشان ڕۆبۆته‌که ده‌سوڕێ و ڕاست به‌رزده‌بێته‌وه
02:41
So an on-board processor
60
146000
2000
پڕۆسێسه‌رێک له‌ڕووه‌که‌ی دانراوه
02:43
essentially looks at what motions need to be executed
61
148000
3000
لە بنەمادا هه‌ڵی ده‌سه‌نگێنێت کام جوڵه‌یه جێ به‌جێ بکرێ
02:46
and combines these motions
62
151000
2000
ئه‌م جوڵانه‌ش له یه‌ک ده‌دات
02:48
and figures out what commands to send to the motors
63
153000
3000
وه ده‌شزانێت چ فه‌رمانێک بنێردرێ بۆ ئه‌نجام دانی ئه‌وجوڵانه
02:51
600 times a second.
64
156000
2000
٦٠٠ جار له چرکه‌یه‌کدا
02:53
That's basically how this thing operates.
65
158000
2000
ئه‌وه‌ش به‌شێوه‌یه‌کی بنه‌مایی ئه‌وه‌یه که‌چۆن ئه‌م شته کارده‌کات
02:55
So one of the advantages of this design
66
160000
2000
که‌واته، یه‌کێک له‌لایه‌نە باشه‌کانی ئه‌م دیزاینه
02:57
is, when you scale things down,
67
162000
2000
ئه‌وه‌یه، که کاتێک تۆ شته‌کان بچووک ده‌که‌یته‌وه
02:59
the robot naturally becomes agile.
68
164000
3000
ڕۆبۆته‌که گرجوگۆڵ ده‌بێت
03:02
So here R
69
167000
2000
ئه‌م (ئاڕه )ه
03:04
is the characteristic length of the robot.
70
169000
2000
درێژی ناسراوی ئه‌م ڕۆبۆته‌یه
03:06
It's actually half the diameter.
71
171000
3000
له‌ڕاستیدا نیوه تیره‌یه‌که
03:09
And there are lots of physical parameters that change
72
174000
3000
وه زۆر ڕاده هه یه که‌ده‌گۆڕێ
03:12
as you reduce R.
73
177000
2000
ئه‌گه‌ر ئه‌و(ئاڕه )ه که‌م بکه‌یته‌وه
03:14
The one that's the most important
74
179000
2000
وه ئه‌و دانه‌یه‌شیان که‌له هه‌مووی گرنگترە
03:16
is the inertia or the resistance to motion.
75
181000
2000
گوژم یان توانای به‌رگه‌گرتنه بۆ جوڵه
03:18
So it turns out,
76
183000
2000
که‌واته ئه‌م گوژمه ده‌گه‌ڕێته‌وه
03:20
the inertia, which governs angular motion,
77
185000
3000
ئه‌م گوژمه، که‌سه‌رپه‌رشتی جوڵه‌ی گۆشه‌یی ده‌کات
03:23
scales as a fifth power of R.
78
188000
3000
پێوانه‌ده‌کرێ وه‌ک هێزی پێنجه‌می ئاڕ
03:26
So the smaller you make R,
79
191000
2000
بۆیه تا (ئاڕ) که‌متربکه‌یته‌وه
03:28
the more dramatically the inertia reduces.
80
193000
3000
ئه‌وا ئه‌وه‌نده ڕاسته‌وخۆت رگوژمی یه‌که‌م ده‌بڕێته‌وه
03:31
So as a result, the angular acceleration,
81
196000
3000
وه‌ک ئه‌نجامێک، گۆشه‌ی جوڵه
03:34
denoted by Greek letter alpha here,
82
199000
2000
که‌لێره‌دا به پیتی یۆنانی ئاماژه‌ی بۆ کراوه
03:36
goes as one over R.
83
201000
2000
جارێک به‌رزده‌بێته‌وه به سه‌ر ئاڕدا
03:38
It's inversely proportional to R.
84
203000
2000
ئه‌وه‌ش ڕێژه‌ی پێچه‌وانه‌ییه بۆ ئاڕ
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
هه‌تا که‌متری بکه‌یته‌وه خێراتر ده‌توانیت بیسوڕێنیته‌وه
03:43
So this should be clear in these videos.
86
208000
2000
ئه‌وه ده‌بێت ڕوون بێ له‌م ڤیدیۆیه‌دا
03:45
At the bottom right you see a robot
87
210000
3000
وه له‌لای خواره‌وه ڕۆبۆتێک ده‌بینی
03:48
performing a 360 degree flip
88
213000
2000
هه‌ڵگه‌ڕانه‌وه‌ی٣٦٠ پله‌یی جێبه‌جێ ده‌کات
03:50
in less than half a second.
89
215000
2000
له‌که‌متر له نیو چرکه‌دا
03:52
Multiple flips, a little more time.
90
217000
3000
هه‌ڵگه‌ڕانه‌وه‌ی چه‌ند جاره که‌مێک زیاتر له‌جارێک
03:55
So here the processes on board
91
220000
2000
پڕۆسێسه‌ری سه‌ر ڕووی ڕۆبۆته‌که
03:57
are getting feedback from accelerometers
92
222000
2000
ئاماژه وه‌رده‌گرێت له‌پێوه‌ری خێراییه‌که
03:59
and gyros on board
93
224000
2000
هه‌روه‌ها قیبله‌نماکه‌ش له‌سه‌ر ڕووه‌که‌یه‌تی
04:01
and calculating, like I said before,
94
226000
2000
لێکی ده‌داته‌وه، هه‌روه‌ک پێشتر ووتم
04:03
commands at 600 times a second
95
228000
2000
وه‌فه‌رمان ده‌دات٦٠٠جار له‌چرکه‌یه‌کدا
04:05
to stabilize this robot.
96
230000
2000
بۆ جێگیرکردنی ئه‌م ڕۆبۆتانه
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
وه له‌لای چه‌په‌وه، دانیاڵ ده‌بینی که ئه‌م ڕۆبۆته هه‌ڵده‌دات بۆسه‌ره‌وه
04:10
And it shows you how robust the control is.
98
235000
2000
ئه‌وه نیشان ده‌دات کۆنتڕۆڵی چه‌ند به‌هێزه
04:12
No matter how you throw it,
99
237000
2000
کێشه نییه چۆن هه‌ڵی ده‌ده‌یت
04:14
the robot recovers and comes back to him.
100
239000
4000
ڕۆبۆته‌که ده‌گه‌ڕێته‌وه بۆلای
04:18
So why build robots like this?
101
243000
2000
که‌واتە، ڕۆبۆتی وا بۆدروست ده‌کرێت؟
04:20
Well robots like this have many applications.
102
245000
3000
ڕۆبۆتی هاوشێوه‌ی ئه‌مه زۆرفرمان به‌جێ ده‌هێنێت
04:23
You can send them inside buildings like this
103
248000
3000
ده‌توانی بیان نێریته ناو بینایه‌که‌وه وه‌ک ئه‌مه
04:26
as first responders to look for intruders,
104
251000
3000
وه‌ک یه‌که‌م پشکنه‌ر بۆ گه‌ڕان به‌دوای که‌سانی بێگانه‌دا
04:29
maybe look for biochemical leaks,
105
254000
3000
یان بۆ گه‌ڕان به‌دوای لێچونێکی کیمیایی ئه‌ندامی
04:32
gaseous leaks.
106
257000
2000
یان لێچونێکی گازی
04:34
You can also use them
107
259000
2000
وه‌هه‌روه‌ها ده‌توانی به‌کاریان بێنی
04:36
for applications like construction.
108
261000
2000
بۆکاری وه‌ک بنیاتنان
04:38
So here are robots carrying beams, columns
109
263000
4000
که‌وابێت لێره‌دا ڕۆبۆتمان هه یه که بار، کۆڵەکە هه‌ڵده‌گرێ
04:42
and assembling cube-like structures.
110
267000
3000
هه‌روه‌ها پارچه‌ی لوله‌کی پێکه‌وه ده‌به‌ستێته‌وه
04:45
I'll tell you a little bit more about this.
111
270000
3000
زیاتر شتتان له‌وباره‌یه‌وه بۆ باس ده‌که‌م
04:48
The robots can be used for transporting cargo.
112
273000
3000
ڕۆبۆته‌کان ده‌شێ بۆگواستنه‌وه‌ی بار به‌کاربێت
04:51
So one of the problems with these small robots
113
276000
3000
یه‌کێک له‌کێشه‌کانی ئه‌م ڕۆبۆته بچکۆلانه
04:54
is their payload carrying capacity.
114
279000
2000
توانای بار هه‌ڵگرتنیانه
04:56
So you might want to have multiple robots
115
281000
2000
له‌وانه‌یه بته‌وێت چه‌ند ڕۆبۆتێک به‌کاربێنی
04:58
carry payloads.
116
283000
2000
بۆهه‌ڵگرتنی بار
05:00
This is a picture of a recent experiment we did --
117
285000
2000
ئه‌مه وێته‌ی تاقی کردنه‌وه‌یه‌کی تازه‌یه که ئه‌نجاممان داوه
05:02
actually not so recent anymore --
118
287000
2000
له‌ڕاستیدا هی زۆر به‌م دواییانه نیه
05:04
in Sendai shortly after the earthquake.
119
289000
3000
له ساندی ماوه‌یه‌ک پێش بومه‌له‌رزه‌که
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
ڕۆبۆتی له‌م شێوه‌یه ده‌شێ بنێردرێته ناو بینا ڕوخاوه‌کانه‌وه
05:10
to assess the damage after natural disasters,
121
295000
2000
بۆهه‌ڵسانگاندنه‌کان پاش ڕوداوه سروشتیه‌کان
05:12
or sent into reactor buildings
122
297000
3000
یاخود بنێردرێته ناو وێستگه کانی وزه‌ی ئه‌تۆم
05:15
to map radiation levels.
123
300000
3000
بۆ نه‌خشه‌کێشانی ڕاده‌یی تیشک دانه‌وه‌کان
05:19
So one fundamental problem
124
304000
2000
بۆیه کێشه‌یه‌کی سه‌ره‌کی
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
ئه‌وه‌یه که‌ده‌بێ ڕۆبۆته‌کان لێکدانه‌وه بکه‌ن ئه‌گه‌رکرا سه‌ربه‌خۆبن
05:24
is essentially figuring out
126
309000
2000
به‌شێوه‌یه‌کی بنه‌ڕه‌تی هه‌تا بزانن
05:26
how to get from point A to point B.
127
311000
2000
که‌چۆن له‌خاڵی ئه‌ی بچن بۆ بی
05:28
So this gets a little challenging
128
313000
2000
که‌واته ئه‌مانه توشی که‌مێک ململانێ ده‌بن
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
چونکه جوڵه‌ی ئه‌م ڕۆبۆتانه زۆر ئاڵۆزه
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
له‌ڕاستیدا، ئه‌وان له‌بۆشاییه‌کی ١٢ دووریدان
05:35
So we use a little trick.
131
320000
2000
بۆیه فێڵی بچوکی لێده‌که‌ین
05:37
We take this curved 12-dimensional space
132
322000
3000
ئه‌م بۆشاییه ١٢ دوورییه چه ماوه‌یه‌وه ده‌رده‌که‌ین
05:40
and transform it
133
325000
2000
و ده‌یگۆڕین
05:42
into a flat four-dimensional space.
134
327000
2000
بۆ ڕوویه‌کی بۆشایی ته‌ختی ٤ دووری
05:44
And that four-dimensional space
135
329000
2000
وه ئه‌و بۆشاییه ٤ دوورییه
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
پێک دێت له ئیکس.وای.زیت. وه پاشان گۆشه‌یه‌کی نیمچه داخراو
05:49
And so what the robot does
137
334000
2000
که‌واتە ڕۆبۆته‌که چی ده‌کات
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
نه‌خشه‌ی ئه‌وه ده‌کێشێ که‌ئێمه پێیده‌ڵێین نزمترین خاڵ له بڕی سه‌رئاڕاسته
05:55
So to remind you of physics,
139
340000
2000
ئەوە فیزیاتان بیر دەخاتەوە
05:57
you have position, derivative, velocity,
140
342000
2000
ئێوه پێگه‌تان هه‌یه، پێکهاته، گوژم
05:59
then acceleration,
141
344000
2000
وه‌پاشان خێرایی
06:01
and then comes jerk
142
346000
2000
وه‌پاشان له‌رزین دێت
06:03
and then comes snap.
143
348000
2000
وە دواتر ده‌رچون دێت
06:05
So this robot minimizes snap.
144
350000
3000
ئه‌م ڕۆبۆته خێرایی ده‌رچون که‌م ده‌کاته‌وه
06:08
So what that effectively does
145
353000
2000
وه‌ئه‌وه‌ش که به‌شێوه‌یه‌کی کاریگه‌ر ئه‌نجامی ده‌دات
06:10
is produces a smooth and graceful motion.
146
355000
2000
ئه‌نجام دانی جوڵه‌یه‌کی نه‌رم و گورجوگۆڵانه‌یه
06:12
And it does that avoiding obstacles.
147
357000
3000
ئه‌وه ئه‌نجام ده‌دات بۆ خۆپاراستن له به‌ربه‌سته‌کان
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
ئه‌مه نزمترین خاڵی ده‌رچونه له‌سه‌ر ئه‌م ڕوهته‌خته
06:18
are then transformed back
149
363000
2000
پاشان گێڕدرایه‌وه
06:20
into this complicated 12-dimensional space,
150
365000
2000
بۆئه‌م بۆشاییه ئاڵوزه ١٢ دوورییه
06:22
which the robot must do
151
367000
2000
که ده‌بێت ڕۆبۆته‌که ئه‌نجامی بدات
06:24
for control and then execution.
152
369000
2000
بۆ کۆنتڕۆڵ کردن و جێبه‌جێ کردن
06:26
So let me show you some examples
153
371000
2000
ڕێم بده‌ن هه‌ندێ نمونه‌تان نیشان بده‌م
06:28
of what these minimum snap trajectories look like.
154
373000
2000
که‌ئه‌مه نزمترین خاڵی ده‌رچونه کە شێوەکەی ئاوایە
06:30
And in the first video,
155
375000
2000
وه له ڤیدیۆی یه‌که‌مدا
06:32
you'll see the robot going from point A to point B
156
377000
2000
ڕۆبۆته‌که ده‌بینین که‌له خاڵی ئه‌ی ده‌چێت بۆ خاڵی بی
06:34
through an intermediate point.
157
379000
2000
به خاڵێکی ناوه‌ندیدا
06:42
So the robot is obviously capable
158
387000
2000
بۆیه به‌شێوه‌یه‌کی ڕوون ڕۆبۆته‌که توانای هه‌یه
06:44
of executing any curve trajectory.
159
389000
2000
بۆ جێبه‌جێکردنی هه‌رجوڵه‌یه‌کی چه‌ماوه
06:46
So these are circular trajectories
160
391000
2000
ئه‌مانه جوڵه‌ی بازنه‌یین
06:48
where the robot pulls about two G's.
161
393000
3000
که‌ڕۆبۆته‌که نزیکه‌ی ٢ گێگا به‌کارده‌هێنێت
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
لێره‌دا به‌به‌رزییه‌وه کامێرای جوڵه‌مان هه‌یه له‌سه‌ره‌وه
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
که‌به‌ڕۆبۆته‌که ده‌ڵێ که به‌ربه‌سته‌کان له‌کوێدان
06:59
It also tells the robot where these obstacles are.
164
404000
3000
که‌به ڕۆبۆته‌که ده‌ڵێ له کوێدایه ١٠٠ جار له‌چرکه‌یه‌کدا
07:02
And the obstacles can be moving.
165
407000
2000
وه‌به‌ربه‌سته‌کان ده‌شێت جوڵاوبن
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
لێره‌دا دانیاڵ ده‌بینین که چێوه‌یه‌کی بازنه‌یی هه‌ڵده‌داته هه‌وا
07:07
while the robot is calculating the position of the hoop
167
412000
2000
له‌کاتێکدا که ڕۆبۆته‌که پێگه‌ی چێوه بازنه‌که ده‌ژمێرێت
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
وه هه‌وڵ ده‌ده‌ن که‌چۆن به‌باشترین شێوه به‌ناو چێوه بازنه‌کاندا تێپه‌ڕن
07:13
So as an academic,
169
418000
2000
بۆیه وه‌ک ئه‌کادیمیایه‌ک
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
هه‌میشه وه‌ها ڕاهێنراون که‌بتوانن به‌ناوچێوه‌ی بازنه‌یدا بازبده‌ن بۆ به‌رزکردنه‌وه‌ی توانای دارایی تاقیگه‌کانمان
07:18
and we get our robots to do that.
171
423000
3000
وه‌ئێمه‌ش وه‌ها له‌ڕۆبۆته‌کانمان ده‌که‌ین
07:21
(Applause)
172
426000
6000
چه‌پڵه لێدان
07:27
So another thing the robot can do
173
432000
2000
شتێکی تریش که ڕۆبۆت ده‌توانێت بیکات
07:29
is it remembers pieces of trajectory
174
434000
3000
بیرهاتنه‌وه‌ی پارچه‌کانی سه‌ر ڕێگاکه‌یه‌تی
07:32
that it learns or is pre-programmed.
175
437000
2000
که فێر بووه یان پێشتر به‌رنامه‌ڕێژکراوه
07:34
So here you see the robot
176
439000
2000
لێره‌دا ڕۆبۆتێک ده‌بینی
07:36
combining a motion
177
441000
2000
که ده‌یبه‌ستێته‌وه ئه‌و جوڵه‌یه‌ی
07:38
that builds up momentum
178
443000
2000
که گوژمی زیاترده‌کات
07:40
and then changes its orientation and then recovers.
179
445000
3000
وه‌پاشان ئاڕاسته‌که‌ی ده‌گۆڕێ و ڕێک ده‌بێته‌وه
07:43
So it has to do this because this gap in the window
180
448000
3000
پێویسته وابکات چونکه ئه‌و بۆشاییه‌ی که‌له‌په‌نجه‌ره‌که‌دایه
07:46
is only slightly larger than the width of the robot.
181
451000
4000
به‌رزی زۆرتره وه‌ک له‌پانی ڕۆبۆته‌که
07:50
So just like a diver stands on a springboard
182
455000
3000
وه‌ک مه‌له‌وانێک که له‌سه‌ر ته‌خته‌ی بازدانێکی مه‌له‌وانگه وه‌ستابێ
07:53
and then jumps off it to gain momentum,
183
458000
2000
وه بازده‌دات له‌سه‌ری بۆ زیادکردنی گوژمه‌که‌ی
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
پاشان ئه‌وخولانه‌وه‌یه ئه‌نجام ده‌دا، ئه‌م دوو بازنه و نیوه ئه‌نجام ده‌دات
07:58
and then gracefully recovers,
185
463000
2000
به‌گورجوگۆڵی ڕێک ده‌بێته‌وه
08:00
this robot is basically doing that.
186
465000
2000
ئه‌م ڕۆبۆته به‌شێوه‌یه‌کی بنه‌ڕه‌تی ئه‌وه ئه‌نجام ده‌دات
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
که‌واتە ئه‌وه ده‌زانێ که‌چۆن پارچه‌ی بچوک پێکه‌وه ببه‌ستێته‌وه له‌گه‌ڵ پارچه‌کانی سه‌ر ڕێگه‌که‌ی دا
08:05
to do these fairly difficult tasks.
188
470000
4000
بۆئه‌نجامدانی ئه‌م فرمانه ئاڵۆزانه
08:09
So I want change gears.
189
474000
2000
ده‌مه‌وێت بچمه سه‌ر لایه‌نێکی تر
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
یه‌کێک له‌لایه‌نه خراپه‌کانی ئه‌م ڕۆبۆته بچوکانه قه‌باره‌که‌یانه
08:14
And I told you earlier
191
479000
2000
وه پێشتریش پێم وتن
08:16
that we may want to employ lots and lots of robots
192
481000
2000
که‌ده‌شێت ژماره‌یه‌کی زۆر ڕۆبۆت بخه‌ینه سه‌رکار
08:18
to overcome the limitations of size.
193
483000
3000
بۆزاڵ بوون به‌سه‌ر دیاری کراوی قه‌باره‌دا
08:21
So one difficulty
194
486000
2000
یه‌کێک له‌ئه‌سته‌مه‌کان
08:23
is how do you coordinate lots of these robots?
195
488000
3000
چۆن ئه‌م هه‌موو ڕۆبۆته ڕێکده‌خه‌یت؟
08:26
And so here we looked to nature.
196
491000
2000
وه‌هه‌روه‌ها لێره‌دا ئێمه سه‌یرێکی سروشتمان کرد
08:28
So I want to show you a clip
197
493000
2000
ده‌مه‌وێت کلیپێکتان نیشان بده‌م
08:30
of Aphaenogaster desert ants
198
495000
2000
له‌سه‌ر مێرووله‌ی ئه‌فه ینۆگاسته‌ری بیابانی
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
له‌تاقیگه‌ی پڕۆفیسۆر ستیفن پڕاتدان شتێکیان هه‌ڵگرتووه
08:35
So this is actually a piece of fig.
200
500000
2000
که‌واتە له‌ڕاستیدا ئه‌مه پارچه‌یه‌ک هه‌نجیره
08:37
Actually you take any object coated with fig juice
201
502000
2000
له‌ڕاستیدا هه‌رشتێک ئاوی هه‌نجیره‌که‌ی پێوه‌بێت ده‌یبه‌یت
08:39
and the ants will carry them back to the nest.
202
504000
3000
وه‌مێرووله‌کان ده‌یان به‌نه‌وه بۆ ناو ڵانه‌کانیان
08:42
So these ants don't have any central coordinator.
203
507000
3000
ئه‌م مێروولانه ڕێکخه‌رێکی ناوه‌ندییان نییه
08:45
They sense their neighbors.
204
510000
2000
ئه‌وان هه‌ست به‌دراوسێکانیان ده‌که‌ن
08:47
There's no explicit communication.
205
512000
2000
هیچ په‌یوه‌ندیه‌کی ڕاسته‌وخۆیان نیه
08:49
But because they sense the neighbors
206
514000
2000
به‌ڵام به‌هۆی هه‌ستکردنیان به‌دراوسێکانیان
08:51
and because they sense the object,
207
516000
2000
وه به‌هۆی هه‌ستکردنیشیان به‌شت
08:53
they have implicit coordination across the group.
208
518000
3000
ڕێک خستنێکی ناوه‌ندیان هه‌یه له‌ناو گروپه‌کاندا
08:56
So this is the kind of coordination
209
521000
2000
ئه‌مه جۆرێکه له‌ڕێک خستن
08:58
we want our robots to have.
210
523000
3000
که‌ده‌مانه‌وێت له‌ڕۆبۆته‌کانماندا هه‌بێت
09:01
So when we have a robot
211
526000
2000
بۆیه کاتێک ڕۆبۆتێکمان هه‌یه
09:03
which is surrounded by neighbors --
212
528000
2000
که به‌دراوسێکانیان ده‌وره‌دراون
09:05
and let's look at robot I and robot J --
213
530000
2000
وه با سه‌یرێکی ڕۆبۆت ئای وه ڕۆبۆت جه‌ی بکه‌ین
09:07
what we want the robots to do
214
532000
2000
که‌چیمان ده‌وێ تا ڕۆبۆته‌کان ئه‌نجامی بده‌ن
09:09
is to monitor the separation between them
215
534000
3000
بۆ چاودێری کردنی بۆشایی جیاکه‌ره‌وه‌ی نێوانیان
09:12
as they fly in formation.
216
537000
2000
وه پاشان ئه‌وان زانیارییه‌کانیان بنێرن
09:14
And then you want to make sure
217
539000
2000
پاشان ده‌ته‌وێت دڵنابیته‌وه
09:16
that this separation is within acceptable levels.
218
541000
2000
ئه‌م دووریه جیاکه‌ره‌وه‌یه له‌سنورێکی قبوڵ کراودا ده‌بێت
09:18
So again the robots monitor this error
219
543000
3000
بۆیه جارێکی تر ڕۆبۆته‌کان چاودێری ئه‌م که‌موو کورتیانه ده‌که‌ن
09:21
and calculate the control commands
220
546000
2000
وه فه‌رمانه‌کانی کۆنتڕۆڵ ده‌ژمێرن
09:23
100 times a second,
221
548000
2000
١٠٠ جار له‌چرکه‌یه‌کدا
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
که له‌پاشاندا ده‌گوازرێته‌وه بۆ فه‌رمانه بزوێنه‌ره‌کان ٦٠٠ جار له‌چرکه‌یه‌کدا
09:28
So this also has to be done
223
553000
2000
وه‌ئه‌مه‌ش ده‌بێت ئه‌نجام درابێت
09:30
in a decentralized way.
224
555000
2000
به‌شێوه‌یه‌کی ناوه‌ندی
09:32
Again, if you have lots and lots of robots,
225
557000
2000
جارێکی تر، ئه‌گه‌ر ژمارەیەکی زۆر ڕۆبۆتت هه‌بێت
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
ئه‌وه ئاسته‌مه که‌هه‌موو ئه‌م زانیاریانه به‌شێوه‌یه‌کی ناوه‌ندی ڕێک بخه‌ین
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
به‌شی پێویست خێرایی بۆ ڕۆبۆته‌کان هه‌تاوه‌کو فه‌رمانه‌که جێبه‌جێ بکات
09:41
Plus the robots have to base their actions
228
566000
2000
وه‌هه‌روه‌ها ده‌بێت ڕۆبۆته‌کان کرداره‌کانیان بکه‌ن به‌ناوه‌ندی
09:43
only on local information,
229
568000
2000
ته‌نها له‌باره‌ی زانیاری ناوچه‌ییه‌وه
09:45
what they sense from their neighbors.
230
570000
2000
که‌هه‌ستی پێده‌که‌ن له‌لایان دراوسێکانیانه‌وه
09:47
And then finally,
231
572000
2000
له‌کۆتایدا
09:49
we insist that the robots be agnostic
232
574000
2000
ئێمه سورین له‌سه‌ر ئه‌وه‌ی ڕۆبۆته‌کان ده‌بێ نه‌زان بن
09:51
to who their neighbors are.
233
576000
2000
که کێ دراوسێکه‌یه‌تی
09:53
So this is what we call anonymity.
234
578000
3000
وه ئه‌مه‌ش پێیده‌ڵێن بێئاگایی
09:56
So what I want to show you next
235
581000
2000
ئه‌وه‌ی ده‌مانه‌وێت دوای ئه‌مه نیشانتان بده‌م
09:58
is a video
236
583000
2000
ڤیدیۆیه‌که
10:00
of 20 of these little robots
237
585000
3000
له ٢٠ دانه له‌م ڕۆبۆته بچوکانه
10:03
flying in formation.
238
588000
2000
که‌له‌ڕیزبه‌ندیدا ده‌فڕن
10:05
They're monitoring their neighbors' position.
239
590000
3000
ئه‌وان پێگه‌ی دراوسێکانیان ده‌پشکنن
10:08
They're maintaining formation.
240
593000
2000
ئه‌وان ڕیزبه‌ندییه‌که تێک ناده‌ن
10:10
The formations can change.
241
595000
2000
ڕیزبه‌ندییه‌که ده‌شێت بگۆڕێ
10:12
They can be planar formations,
242
597000
2000
ده‌کرێ ئه‌وان ڕیزبه‌ندیه‌که‌یان ڕێک بێت
10:14
they can be three-dimensional formations.
243
599000
2000
ده‌کرێت ڕیزبه‌ندییه‌کی پێکهاته سێ دووری بێت
10:16
As you can see here,
244
601000
2000
وه‌ک ئه‌وه‌ی ده‌یبینن لێره‌دا
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
ئه‌وان هه‌ڵده‌وه‌شێنه‌وه له‌ڕیزبه‌ندی سێ دووریدا بۆ شێوه‌یه‌کی ڕێک
10:21
And to fly through obstacles
246
606000
2000
وه هه‌روه‌ها بفڕن به ناو به‌ربه‌سته‌کاندا
10:23
they can adapt the formations on the fly.
247
608000
4000
ئه‌وان ده‌توانن شێوه‌یه‌ک بنوێنن له‌کاتی فڕیندا
10:27
So again, these robots come really close together.
248
612000
3000
جارێکی تر، ئه‌م ڕۆبۆتانه ده‌شێ زۆر نزیک ببنه‌وه له‌یه‌که‌وه
10:30
As you can see in this figure-eight flight,
249
615000
2000
وه‌ک له‌م شێوه فڕینه هه‌شتیه‌دا ده‌یبینن
10:32
they come within inches of each other.
250
617000
2000
هێنده‌ی چه‌ند ئینجێک نێوانیان ده‌بێت
10:34
And despite the aerodynamic interactions
251
619000
3000
له‌گه‌ڵ کارلێک کردنه هه‌واییه‌کانیان
10:37
of these propeller blades,
252
622000
2000
بۆباڵی په‌روانه‌کانییان
10:39
they're able to maintain stable flight.
253
624000
2000
ئه‌وان ده‌توانن شێوه‌ی فڕینی جێگیر به‌رجه‌سته بکه‌ن
10:41
(Applause)
254
626000
7000
چەپڵە لێدان
10:48
So once you know how to fly in formation,
255
633000
2000
هه‌ر جارێک فێربیت له‌ڕیزبه‌ندیدا بفڕی
10:50
you can actually pick up objects cooperatively.
256
635000
2000
ئه‌وه ده‌توانی به‌هاوکاری شتومه‌ک هه‌ڵبگری
10:52
So this just shows
257
637000
2000
وه‌ئه‌مه‌ی ئێستا نیشانی ده‌دات
10:54
that we can double, triple, quadruple
258
639000
3000
که‌ده‌توانێت دوو هێنده، سێ هێنده،چوار هێنده‌ی بکه‌ین
10:57
the robot strength
259
642000
2000
هێزی ڕۆبۆته‌کان
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
ته‌نها بۆ کۆکردنه‌وه‌یه‌ک وه‌ک تیمێک له‌دراوسێکان ، ، وه‌ک ئه‌وه‌ی ده‌یبینی لێره‌دا
11:01
One of the disadvantages of doing that
261
646000
3000
یه‌کێک له‌لایه‌نه خراپه‌کانی ئه‌نجامدانی ئه‌مه
11:04
is, as you scale things up --
262
649000
2000
ئه‌وه‌یه، هه‌ر که‌شته‌کانت نیشانه‌کرد
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
ئه‌گه‌ر کۆمه‌ڵێ رۆبۆتت هه‌بوو هه‌مان شتیان له‌کاتێکداهه‌ڵگرت
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
ئه‌وه تۆ به‌شێوه‌یه‌کی کاریگه‌ر و بنه‌مایی ته‌مه‌ڵی زیاد ده‌که‌یت
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
بۆیه تۆ نرخه‌که‌ی ده‌ده‌یت. ئه‌وان زۆر گورجوگۆڵ نین
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
به‌ڵام تۆ توانای هه‌ڵگرتنی باریان زیاتر ده‌که‌یت
11:17
Another application I want to show you --
267
662000
2000
وه‌کردارێکی تر ده‌مه‌وێت نیشانتانی بده‌م
11:19
again, this is in our lab.
268
664000
2000
جارێکی تر، ئه‌مه له‌ناو تاقیگه‌که‌ماندایه
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
ئه‌م کاره له‌لایه‌ن کوانتین لیندسی ئه‌نجام دراوه که‌قوتابیه‌کی ده‌رچووه
11:23
So his algorithm essentially tells these robots
270
668000
3000
ئه‌م سیسته‌مه بیرکارییه به‌شێوه‌یه‌کی سه‌ره‌کی به‌م ڕۆبۆته ده‌ڵێت
11:26
how to autonomously build
271
671000
2000
که‌چۆن به‌شێوه‌یه‌کی سه‌ربه‌خۆ
11:28
cubic structures
272
673000
2000
شێوه‌خشته‌کی بنیاد بنێت
11:30
from truss-like elements.
273
675000
3000
له‌پێکهاته‌یی شێوه دنگه‌یی
11:33
So his algorithm tells the robot
274
678000
2000
بۆسیسته‌می ژمێریاریه‌که به‌ڕۆبۆته‌که ده‌ڵێت
11:35
what part to pick up,
275
680000
2000
که چی به‌شێک هه‌ڵبگرێ
11:37
when and where to place it.
276
682000
2000
که‌ی و له‌کوێدا ده‌یبینێ
11:39
So in this video you see --
277
684000
2000
بۆیه له‌م ڤیدیۆییه‌دا ده‌یبینی
11:41
and it's sped up 10, 14 times --
278
686000
2000
که ١٠ بۆ ١٤ جار خێراکراوه
11:43
you see three different structures being built by these robots.
279
688000
3000
سێ پێکهاته‌ی جیاواز ده‌بینی له‌لایه‌ن ئه‌م ڕۆبۆتانه‌وه بنیات نراوه
11:46
And again, everything is autonomous,
280
691000
2000
دووباره، هه‌مووشتێ سه‌ربه‌خۆیه
11:48
and all Quentin has to do
281
693000
2000
هه‌موو ئه‌وه‌ی که‌ده‌بێت کوینتین بیکات
11:50
is to get them a blueprint
282
695000
2000
ئه‌وه‌یه که نه‌خشه‌یه‌کیان پێبدات
11:52
of the design that he wants to build.
283
697000
4000
له‌باره‌ی ئه‌و دیزاینه‌ی که‌ده‌یه‌وێ بنیاتی بنێت
11:56
So all these experiments you've seen thus far,
284
701000
3000
بۆیه هه‌مووئه‌و شاره‌زایانه‌ی که‌بینیت
11:59
all these demonstrations,
285
704000
2000
وه هه‌موو ئه‌م سه‌لماندنانه
12:01
have been done with the help of motion capture systems.
286
706000
3000
یارمه‌تی سیسته‌می تۆمارکردنی جوڵه‌ی خێرا ئه‌نجام ده‌دات
12:04
So what happens when you leave your lab
287
709000
2000
چی ڕووده‌دات کاتێ که‌تۆ تاقیگه‌که‌ت به‌جێده‌هێڵی
12:06
and you go outside into the real world?
288
711000
3000
ده‌چیته ده‌ره‌وه بۆ جیهانی ڕاسته‌قینه
12:09
And what if there's no GPS?
289
714000
3000
له‌کاتێکدا که هیچ جی پی ئێس نییه
12:12
So this robot
290
717000
2000
ئه‌م ڕۆبۆته
12:14
is actually equipped with a camera
291
719000
2000
به‌کامێره‌یه‌که‌وه دروست کراوه
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
وه‌تیشکی لێزه‌ری ئاڕاسته دیاریکه‌ر وه‌پشکنه‌رێکی لێزه‌ر
12:19
And it uses these sensors
293
724000
2000
ئه‌م هه‌سته‌وه‌رانه بەکارده‌هێنێت
12:21
to build a map of the environment.
294
726000
2000
بۆبنیات نانی نه‌خشه‌یه‌کی ژینگه‌ی ده‌وروبه‌ری
12:23
What that map consists of are features --
295
728000
3000
ئه‌وه‌ی که ئه‌و نه‌خشیه‌یه پێک ده‌هێنێ تایبه‌ت مه‌ندیەکانن
12:26
like doorways, windows,
296
731000
2000
وه‌کو ده‌رگای چونه ژووره‌وه، په‌نجه‌ره‌کان
12:28
people, furniture --
297
733000
2000
خه‌ڵکه‌کان، که‌لوپه‌لی ناو ماڵه‌کان
12:30
and it then figures out where its position is
298
735000
2000
وه‌پاشان ئه‌وجێگه‌یه دیاری ده‌کات که له‌کوێدایه
12:32
with respect to the features.
299
737000
2000
له‌گه‌ڵ ڕێزگرتنی ئه‌و خه‌سڵه‌تانه
12:34
So there is no global coordinate system.
300
739000
2000
بۆسیسته‌مێکی جیهان گیری ڕێکخستن
12:36
The coordinate system is defined based on the robot,
301
741000
3000
سیسته‌می ڕێکخستنه‌که ناسێنراوه له‌ناو ڕۆبۆته‌کاندا
12:39
where it is and what it's looking at.
302
744000
3000
له‌کوێیه‌و بۆچی ده‌گه‌ڕێت
12:42
And it navigates with respect to those features.
303
747000
3000
وه ده‌جوڵێته‌وه له‌گه‌ڵ ڕێز بۆ ئه‌و خه‌سڵه‌تانه
12:45
So I want to show you a clip
304
750000
2000
ده‌مه‌وێت کلیپێکتان نیشان بده‌م
12:47
of algorithms developed by Frank Shen
305
752000
2000
له‌باره‌ی پێش که‌وتنێکی ژمێریاریانه له‌لایەن فرانک شین
12:49
and Professor Nathan Michael
306
754000
2000
وه پڕۆفیسۆر ناثان مایکڵ
12:51
that shows this robot entering a building for the very first time
307
756000
4000
که‌نیشانی ده‌دات ڕۆبۆتێک ده‌چێته ناو بینایه‌که‌وه بۆ یه‌که‌م جار
12:55
and creating this map on the fly.
308
760000
3000
وه‌ئه‌م نه‌خشه‌یه دروست ده‌کات به‌ده‌م فڕینه‌وه
12:58
So the robot then figures out what the features are.
309
763000
3000
وه‌ڕۆبۆته‌که دوایی بۆی ده‌رکه‌وت که‌خه‌سڵه‌ته‌کان چین
13:01
It builds the map.
310
766000
2000
ئه‌و نه‌خشه دروست ده‌کات
13:03
It figures out where it is with respect to the features
311
768000
2000
وه‌بۆی ده‌رده‌که‌وێت که‌له‌کوێدایه له‌گه‌ڵ ڕێزگرتنی خه‌سڵه‌ته‌کان
13:05
and then estimates its position
312
770000
2000
وه‌پێگه‌که‌ی خۆی هه‌ڵده‌سه‌نگێنێ
13:07
100 times a second
313
772000
2000
١٠٠ جار له‌چرکه‌یه‌کدا
13:09
allowing us to use the control algorithms
314
774000
2000
که‌ڕێگه‌مان پێده‌دات ژمێریاریه‌که‌ی ئه‌و کۆنتڕۆڵ بکه‌ین
13:11
that I described to you earlier.
315
776000
2000
که‌پێشتر بۆم باسکردن
13:13
So this robot is actually being commanded
316
778000
2000
ئه‌م ڕۆبۆته له‌ڕاستیدا فه‌رمانی پێکراوه
13:15
remotely by Frank.
317
780000
2000
له‌دووره‌وه له‌لایەن فرانک
13:17
But the robot can also figure out
318
782000
2000
وه‌هه‌روه‌ها ڕۆبۆته‌که ده‌توانێت بزانێ
13:19
where to go on its own.
319
784000
2000
له‌خۆیه‌وه بۆ کوێ بچێت
13:21
So suppose I were to send this into a building
320
786000
2000
لێکیبده‌نه‌وه ؛ه‌ئه‌گه‌ر ئه‌مه‌م بناردایه بۆ ناو بیناکه
13:23
and I had no idea what this building looked like,
321
788000
2000
وه‌هیچ بیرۆکه‌یه‌کم نه‌بوو که‌ئه‌م بینایه ده‌بێت چۆن بێت
13:25
I can ask this robot to go in,
322
790000
2000
من ده‌توانم به‌م ڕۆبۆته بڵێم بچێته ژووره‌وه
13:27
create a map
323
792000
2000
نه‌خشه‌یه‌ک دروست بکات
13:29
and then come back and tell me what the building looks like.
324
794000
3000
وه‌بیگه‌ڕێنێته‌وه و پێم بڵێت که‌ئه‌م بینایه له‌ناوه‌وه چۆنه
13:32
So here, the robot is not only solving the problem,
325
797000
3000
بۆیه لێره‌دا، ڕۆبۆته‌که ته‌نها کێشه چاره‌سه‌ر ناکات
13:35
how to go from point A to point B in this map,
326
800000
3000
که‌چۆن له‌خاڵی ئه‌ی بچێت بۆ بی له‌سه‌رئه‌م نه‌خشه‌یه
13:38
but it's figuring out
327
803000
2000
به‌ڵکو ده‌رخستنی
13:40
what the best point B is at every time.
328
805000
2000
ئه‌وه‌یه که‌باشترین خاڵی بی چیه هه‌موو جارێک
13:42
So essentially it knows where to go
329
807000
3000
بۆیه هه‌رله‌بنەماوه ئه‌و ده‌زانێ که بۆ کوێ بچێت
13:45
to look for places that have the least information.
330
810000
2000
که‌بچێ بۆ ئه‌و جێگایانه‌ش که که‌مترین زانیاری له‌باره‌وه هه‌یه
13:47
And that's how it populates this map.
331
812000
3000
وه ئاوه‌ها ئه‌ونه‌خشه‌یه پڕ ده‌کاته‌وه
13:50
So I want to leave you
332
815000
2000
ده‌مه‌وێت به‌جێتان بێڵم
13:52
with one last application.
333
817000
2000
له‌گه‌ڵ کۆتادا کاردا
13:54
And there are many applications of this technology.
334
819000
3000
چه‌ندین به‌کارهێنان هه‌یه بۆ ئه‌م ته‌کنه‌لۆژیایه
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
من پڕۆفیسۆرم، وه‌ئێمه ئاره‌زوومه‌ندی زانست و په‌روه‌رده‌ین
13:59
Robots like this can really change the way
336
824000
2000
له‌ڕاستیدا ڕۆبۆتی له‌م شێوه‌یه ده‌توانێ ئه‌وڕێگه‌یه بگۆڕێ که
14:01
we do K through 12 education.
337
826000
2000
ئێمه که‌ی ئه‌نجام ده‌ده‌ین له‌سه‌روبه‌ندی په‌روه‌رده‌ی ١٢ دا
14:03
But we're in Southern California,
338
828000
2000
به‌ڵام ئێمه کالیفۆڕنیای باشورین
14:05
close to Los Angeles,
339
830000
2000
نزیکی لۆس ئه‌نجلس
14:07
so I have to conclude
340
832000
2000
بۆیه‌ده‌بێ جه‌خت بکه‌مه‌وه
14:09
with something focused on entertainment.
341
834000
2000
له‌باره‌ی شتێکه‌وه که‌تیشک بکاته سه‌ر ڕابواردن
14:11
I want to conclude with a music video.
342
836000
2000
ده‌مه‌وێت کۆتایی پێبێنم به‌ڤیدیۆییه‌کی میوزیک
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
ده‌مه‌وێت داهێنه‌ران، (ئه‌لیکس و دانیال) تان پێ بناسێنم
14:16
who created this video.
344
841000
2000
که‌ئه‌م ڤیدیۆییه‌یان دروست کردووه
14:18
(Applause)
345
843000
7000
چه‌پڵه لێدان
14:25
So before I play this video,
346
850000
2000
بۆیه پێش ئه‌وه‌ی ئه‌م ڤیدیۆییه ئیش پێبکەم
14:27
I want to tell you that they created it in the last three days
347
852000
3000
ده‌مه‌وێت پێتان بڵێم که ئه‌وان ئه‌و ڤیدیۆییه‌یان له‌سێ ڕۆژی ڕابردودا دروستکردووه
14:30
after getting a call from Chris.
348
855000
2000
پاش وه‌رگرتنی په‌یوه‌ندییه‌ک له‌کریسه‌وه
14:32
And the robots that play the video
349
857000
2000
وه ئه‌و ڕۆبۆتانه‌ی له ڤیدیۆکه‌دان
14:34
are completely autonomous.
350
859000
2000
به‌ته‌واوی سه‌ربه‌خۆن
14:36
You will see nine robots play six different instruments.
351
861000
3000
نۆ ڕۆبۆت ده‌بینن که شه‌ش ئامێری میوزیکی جیاواز ده‌ژەنن
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
وه‌به‌دڵنیایشه‌وه، ئه‌مه تایبه‌ت به ٢٠١٢ی (تێد) دروست کراوه
14:43
Let's watch.
353
868000
3000
با بیبینین
15:19
(Music)
354
904000
10000
مۆسیقا
16:23
(Applause)
355
968000
17000
چه‌پڵه لێدان
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