TED2012
Vijay Kumar: Robots that fly ... and cooperate
Вижэй Кумар: Нисдэг... бас хамтран ажилладаг роботууд
Filmed:
Readability: 4.5
5,188,706 views
Вижэй Кумар болон түүний баг Пеннсилваний Их Сургууль дах лабораторитоо шаламгай, гамшгийн судалгаа болон барилга угсралтад багаар хамтран ажиллах чадвартай дөрвөн ротор бүхий бичил нисдэг робот бүтээж байна.
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
Өглөөний мэнд.
00:22
I'm here today to talk
1
7000
2000
Өнөөдөр би бие даан нисэх чадвартай
00:24
about autonomous, flying beach balls.
2
9000
3000
хийлдэг бөмбөгний талаар ярих болно.
00:27
No, agile aerial robots like this one.
3
12000
4000
Үгүй дээ, харин хөнгөн шаламгай
агаарын роботуудын тухай ярина.
агаарын роботуудын тухай ярина.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Би та бүхэнд үүнийг бүтээхэд
тулгардаг бэрхшээл болон
тулгардаг бэрхшээл болон
00:34
and some of the terrific opportunities
5
19000
2000
технологийн зарим гайхамшигт
хэрэглээний талаар
хэрэглээний талаар
00:36
for applying this technology.
6
21000
2000
танилцуулмаар байна.
00:38
So these robots
7
23000
2000
Тэгэхээр эдгээр робот нь
00:40
are related to unmanned aerial vehicles.
8
25000
3000
хүний оролцоогүй ажилладаг
нисдэг техниктэй холбоотой.
нисдэг техниктэй холбоотой.
00:43
However, the vehicles you see here are big.
9
28000
3000
Гэвч энд харагдаж байгаа техник
овор ихтэй бөгөөд
овор ихтэй бөгөөд
00:46
They weigh thousands of pounds,
10
31000
2000
хэдэн мянган кг жинтэй.
00:48
are not by any means agile.
11
33000
2000
Яагаад ч шалмаг гэж хэлэхээргүй.
00:50
They're not even autonomous.
12
35000
2000
Бүр автомат ажиллагаатай ч биш.
00:52
In fact, many of these vehicles
13
37000
2000
Бодит байдал дээр эдгээрийн олонх нь
00:54
are operated by flight crews
14
39000
2000
олон хүнээс бүрдсэн
00:56
that can include multiple pilots,
15
41000
3000
нислэгийн баг,
мэдрэгчийн хянагчид ба
00:59
operators of sensors
16
44000
2000
01:01
and mission coordinators.
17
46000
2000
даалгавар чиглүүлэгчдээр удирдуулж байдаг.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Бидний зорилго бол
энэ хоёр зурган дээрх шиг
энэ хоёр зурган дээрх шиг
01:05
and here are two other pictures --
19
50000
2000
худалдан авах боломжтой
01:07
of robots that you can buy off the shelf.
20
52000
3000
роботыг хөгжүүлэх явдал.
01:10
So these are helicopters with four rotors
21
55000
3000
Эдгээр нь дөрвөн сэнс бүхий ротортой
нисдэг тэрэгнүүд ба
нисдэг тэрэгнүүд ба
01:13
and they're roughly a meter or so in scale
22
58000
4000
хэмжээ нь ойролцоогоор нэг метр,
01:17
and weigh several pounds.
23
62000
2000
жин нь хэдхэн килограм.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Бид эдгээрийг мэдрэгч болон
процессороор тоноглоод л
процессороор тоноглоод л
01:22
and these robots can fly indoors
25
67000
2000
байшин дотуур GPS байршил тогтоогчгүй
01:24
without GPS.
26
69000
2000
нисэх боломжтой болно.
01:26
The robot I'm holding in my hand
27
71000
2000
Миний гартаа барьж байгаа
01:28
is this one,
28
73000
2000
робот энэ байна.
01:30
and it's been created by two students,
29
75000
3000
Алекс, Дэниэл гэдэг
01:33
Alex and Daniel.
30
78000
2000
хоёр оюутны хийсэн бүтээл.
01:35
So this weighs a little more
31
80000
2000
Тэгэхээр энэ нь
01:37
than a tenth of a pound.
32
82000
2000
50 орчим грамм жинтэй.
01:39
It consumes about 15 watts of power.
33
84000
2000
15 Ваттын хүчин чадалтай.
01:41
And as you can see,
34
86000
2000
Таны харж байгаагаар
01:43
it's about eight inches in diameter.
35
88000
2000
20 см орчим диаметртэй.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Би эдгээр робот
хэрхэн ажилладаг талаар
хэрхэн ажилладаг талаар
01:48
on how these robots work.
37
93000
2000
товчхон танилцуулья.
01:50
So it has four rotors.
38
95000
2000
Робот дөрвөн ротортой.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Тэдгээрийг жигд хурдаар эргүүлбэл
01:54
the robot hovers.
40
99000
2000
робот ниснэ.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Роторуудын хурдыг ихэсгэхэд
01:59
then the robot flies up, it accelerates up.
42
104000
3000
робот хөөрч хурдатгал авна.
02:02
Of course, if the robot were tilted,
43
107000
2000
Мэдээж робот хэвтээ тэнхлэгийн дагуу
02:04
inclined to the horizontal,
44
109000
2000
ташуу байрлалтай болоход
02:06
then it would accelerate in this direction.
45
111000
3000
тухайн чиглэлдээ хурдатгал авна.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Роботыг хазайлгах хоёр аргын нэг нь байна.
02:12
So in this picture
47
117000
2000
Энэ зураг дээр таны харж байгаагаар
02:14
you see that rotor four is spinning faster
48
119000
2000
дөрөвдүгээр ротор илүү хурдан,
02:16
and rotor two is spinning slower.
49
121000
2000
хоёрдугаар ротор арай удаан эргэж байна.
02:18
And when that happens
50
123000
2000
Хэрвээ ингэвэл
02:20
there's moment that causes this robot to roll.
51
125000
3000
робот хажуу тийш өнхөрнө.
02:23
And the other way around,
52
128000
2000
Өөр нэг арга нь:
02:25
if you increase the speed of rotor three
53
130000
3000
гуравдугаар роторын хурдыг ихэсгээд
02:28
and decrease the speed of rotor one,
54
133000
2000
нэг дэхийг удаашруулбал
02:30
then the robot pitches forward.
55
135000
3000
робот урагш давшина.
02:33
And then finally,
56
138000
2000
Эцэст нь,
02:35
if you spin opposite pairs of rotors
57
140000
2000
эсрэг хоёр роторыг
02:37
faster than the other pair,
58
142000
2000
нөгөө хоёроос нь хурдан эргүүлэхэд
02:39
then the robot yaws about the vertical axis.
59
144000
2000
робот босоо тэнхлэгийн дагуу хазайна.
02:41
So an on-board processor
60
146000
2000
Гол нь хавтан дээрх процессор нь
02:43
essentially looks at what motions need to be executed
61
148000
3000
ямар хөдөлгөөн гүйцэтгэхийг мэдэрч,
02:46
and combines these motions
62
151000
2000
хөдөлгөөнүүдийг нэгтгээд,
02:48
and figures out what commands to send to the motors
63
153000
3000
моторт ямар даалгавар илгээхийг
02:51
600 times a second.
64
156000
2000
секундэд 600 удаа бодож олдог.
02:53
That's basically how this thing operates.
65
158000
2000
Ерөнхийдөө ингэж ажилладаг.
02:55
So one of the advantages of this design
66
160000
2000
Энэ загварын нэг давуу тал нь
02:57
is, when you scale things down,
67
162000
2000
аливаа зүйлийн хэмжээг багасгах тусам
02:59
the robot naturally becomes agile.
68
164000
3000
робот өөрөө шалмаг болж эхэлнэ.
03:02
So here R
69
167000
2000
Энд R радиус нь
03:04
is the characteristic length of the robot.
70
169000
2000
роботын уртын хэмжигдэхүүн.
03:06
It's actually half the diameter.
71
171000
3000
Үнэндээ бол диаметрын тал нь.
03:09
And there are lots of physical parameters that change
72
174000
3000
Тэгээд R-ыг багасгах бүрт
03:12
as you reduce R.
73
177000
2000
олон физикийн хувьсагч дагаж өөрчлөгдөнө.
03:14
The one that's the most important
74
179000
2000
Хамгийн чухал нь
03:16
is the inertia or the resistance to motion.
75
181000
2000
инерц буюу хөдөлгөөний эсэргүүцэл.
03:18
So it turns out,
76
183000
2000
Бидний олж мэдсэнээр инерц нь
03:20
the inertia, which governs angular motion,
77
185000
3000
өнцгийн хөдөлгөөнийг зохицуулж,
03:23
scales as a fifth power of R.
78
188000
3000
мөн R-ын таван зэрэгтэй тэнцэнэ.
03:26
So the smaller you make R,
79
191000
2000
R-ыг багасгах тусам
03:28
the more dramatically the inertia reduces.
80
193000
3000
инерц илүү хурдан буурна.
03:31
So as a result, the angular acceleration,
81
196000
3000
Ингэснээр өнцгийн хурдатгал буюу
03:34
denoted by Greek letter alpha here,
82
199000
2000
грек цагаан толгойн альфа нь
03:36
goes as one over R.
83
201000
2000
1/R-тай тэнцэнэ.
03:38
It's inversely proportional to R.
84
203000
2000
R-тай урвуу хамааралтай.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Хэмжээг багасгах тусам хурдан эргэнэ.
03:43
So this should be clear in these videos.
86
208000
2000
Энэ бичлэгт тодорхой харагдана.
03:45
At the bottom right you see a robot
87
210000
3000
Баруун доод хэсэгт робот
03:48
performing a 360 degree flip
88
213000
2000
хагас секундын дотор
03:50
in less than half a second.
89
215000
2000
360 хэмийн эргэлт хийж байна.
03:52
Multiple flips, a little more time.
90
217000
3000
Олон эргэлт хийвэл
арай илүү хугацаа зарцуулна.
арай илүү хугацаа зарцуулна.
03:55
So here the processes on board
91
220000
2000
Хавтан дээрх процессорууд нь
03:57
are getting feedback from accelerometers
92
222000
2000
хурдатгал хэмжигч болон
03:59
and gyros on board
93
224000
2000
хавтан дээрх эргэлдэгч биет буюу
гирогоос мэдээлэл авдаг.
гирогоос мэдээлэл авдаг.
04:01
and calculating, like I said before,
94
226000
2000
Өмнө хэлсэнчлэн секундэд 600 удаа
04:03
commands at 600 times a second
95
228000
2000
тооцоолж боловсруулаад
04:05
to stabilize this robot.
96
230000
2000
роботыг тогтворжуулна.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
Зүүн талд Дэниел роботыг шидэж
байгаа нь харагдаж байна.
байгаа нь харагдаж байна.
04:10
And it shows you how robust the control is.
98
235000
2000
Үүгээр удирдлага хэр
баталгаатайг харж болно.
баталгаатайг харж болно.
04:12
No matter how you throw it,
99
237000
2000
Яаж ч шидсэн
04:14
the robot recovers and comes back to him.
100
239000
4000
робот эргээд ирж байна.
04:18
So why build robots like this?
101
243000
2000
Яагаад ийм робот бүтээх хэрэгтэй вэ?
04:20
Well robots like this have many applications.
102
245000
3000
Ийм роботыг олон янзаар ашиглах боломжтой.
04:23
You can send them inside buildings like this
103
248000
3000
Барилга руу нэвтэрсэн урилгагүй зочдыг
04:26
as first responders to look for intruders,
104
251000
3000
эхлээд хайж олох эсвэл
04:29
maybe look for biochemical leaks,
105
254000
3000
биохимийн болон газын алдагдлыг
04:32
gaseous leaks.
106
257000
2000
тогтоохоор илгээж болно.
04:34
You can also use them
107
259000
2000
Эсвэл бүр барилга угсралтад ч
04:36
for applications like construction.
108
261000
2000
ашиглаж болно.
04:38
So here are robots carrying beams, columns
109
263000
4000
Энэ роботууд хөндлөвч болон багана зөөж
04:42
and assembling cube-like structures.
110
267000
3000
куб хэлбэртэй байгууламж угсарч байна.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Энэ талаар дэлгэрүүлж тайлбарлая.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Роботуудыг ачаа тээвэрлэхэд
хэрэглэж болно.
хэрэглэж болно.
04:51
So one of the problems with these small robots
113
276000
3000
Гэвч бяцхан роботуудын гол асуудал нь
04:54
is their payload carrying capacity.
114
279000
2000
тэдгээрийн даацын чадвар.
04:56
So you might want to have multiple robots
115
281000
2000
Тэгэхээр олон роботоор
04:58
carry payloads.
116
283000
2000
ачаа зөөлгөх нь дээр байх.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Энэ бол бидний саяхан хийсэн
туршилтын зураг.
туршилтын зураг.
05:02
actually not so recent anymore --
118
287000
2000
Үнэндээ тийм сүүлийн үеийх биш л дээ.
05:04
in Sendai shortly after the earthquake.
119
289000
3000
Сэндайд болсон газар
хөдлөлтийн дараа хийсэн.
хөдлөлтийн дараа хийсэн.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Ийм роботуудыг байгалийн гамшгийн дараа
05:10
to assess the damage after natural disasters,
121
295000
2000
нурсан байшин руу оруулж
гэмтлийн үнэлгээ хийлгэх
гэмтлийн үнэлгээ хийлгэх
05:12
or sent into reactor buildings
122
297000
3000
эсвэл хордсон барилга руу
05:15
to map radiation levels.
123
300000
3000
цацрагийн түвшинг
тогтоолгохоор илгээж болно.
тогтоолгохоор илгээж болно.
05:19
So one fundamental problem
124
304000
2000
Үндсэн асуудлын нэг нь
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
автомат ажиллагаатай роботууд
05:24
is essentially figuring out
126
309000
2000
хэрхэн А цэгээс Б цэг рүү
05:26
how to get from point A to point B.
127
311000
2000
хүрэхээ тодорхойлох юм.
05:28
So this gets a little challenging
128
313000
2000
Энэ нь бага зэрэг бэрхшээлтэй.
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
Учир нь роботын хөдөлгөөн маш төвөгтэй.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
Тэд 12 хэмжээст орчинд оршдог.
05:35
So we use a little trick.
131
320000
2000
Тэгээд бид бяцхан заль хэрэглэсэн.
05:37
We take this curved 12-dimensional space
132
322000
3000
Би энэ муруй 12 хэмжээст орчинг
05:40
and transform it
133
325000
2000
хавтгай дөрвөн хэмжээст
05:42
into a flat four-dimensional space.
134
327000
2000
орчин руу хувиргасан.
05:44
And that four-dimensional space
135
329000
2000
Дөрвөн хэмжээст орчин нь
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
X, Y, Z болон хазайлтын өнцгөөс бүрдэнэ.
05:49
And so what the robot does
137
334000
2000
Роботын хийх зүйл нь
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
бидний хэлдгээр хамгийн
богино замыг тодорхойлох.
богино замыг тодорхойлох.
05:55
So to remind you of physics,
139
340000
2000
Физикийн хичээлийг эргэн санавал
05:57
you have position, derivative, velocity,
140
342000
2000
байрлал, уламжлал, хурд
05:59
then acceleration,
141
344000
2000
болон хурдатгал гэж байдаг.
06:01
and then comes jerk
142
346000
2000
Тэгээд бас түлхэлт,
06:03
and then comes snap.
143
348000
2000
тийрэлт гэж бий.
06:05
So this robot minimizes snap.
144
350000
3000
Робот тийрэлтийг хамгийн багаар тооцно.
06:08
So what that effectively does
145
353000
2000
Тэгэхээр түүний хөдөлгөөн нь
06:10
is produces a smooth and graceful motion.
146
355000
2000
жигд, зөөлөн болно.
06:12
And it does that avoiding obstacles.
147
357000
3000
Үүнийг саадыг тойроход ашигладаг.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Тэгээд энэхүү хавтгай орон зайн
06:18
are then transformed back
149
363000
2000
хамгийн бага тийрэлтийн зам нь буцаад
06:20
into this complicated 12-dimensional space,
150
365000
2000
12 хэмжээс рүү хөрвүүлэгдэнэ.
06:22
which the robot must do
151
367000
2000
Ингэснээр робот удирдлага болон
06:24
for control and then execution.
152
369000
2000
гүйцэтгэлээ хийх боломжтой болно.
06:26
So let me show you some examples
153
371000
2000
Хамгийн бага зам нь ямар байдгийг
06:28
of what these minimum snap trajectories look like.
154
373000
2000
жишээн дээр үзүүлье.
06:30
And in the first video,
155
375000
2000
Эхний бичлэг дээр
06:32
you'll see the robot going from point A to point B
156
377000
2000
А цэгээс Б цэг рүү дундын цэгээр дайрч
06:34
through an intermediate point.
157
379000
2000
явж байгааг харж байна.
06:42
So the robot is obviously capable
158
387000
2000
Тэгэхээр робот дурын муруй замаар
06:44
of executing any curve trajectory.
159
389000
2000
явах боломжтой.
06:46
So these are circular trajectories
160
391000
2000
Энэ бол тойрог хөдөлгөөн.
06:48
where the robot pulls about two G's.
161
393000
3000
Хоёр дахин их G авч байна.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Секундэд 100 удаа роботод
хаана байгааг нь заадаг
хаана байгааг нь заадаг
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
хөдөлгөөн мэдрэгч камер
толгой дээр нь байгаа.
толгой дээр нь байгаа.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Энэ нь роботод саад хаана
байгааг ч хэлж өгнө.
байгааг ч хэлж өгнө.
07:02
And the obstacles can be moving.
165
407000
2000
Саад нь хөдөлгөөнтэй ч байж болно.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Энд Дэниел цагиргыг агаарт шидэхэд
07:07
while the robot is calculating the position of the hoop
167
412000
2000
робот байршлыг нь тооцоолж
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
дундуур нь хэрхэн гарах аргыг
олохыг оролдож байна.
олохыг оролдож байна.
07:13
So as an academic,
169
418000
2000
Эрдэмтэн хүний хувьд лабораторитоо
санхүүжилт олохын тулд
санхүүжилт олохын тулд
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
бид үргэлж цагираг дундуур үсэрч сурдаг.
07:18
and we get our robots to do that.
171
423000
3000
Үүнийг роботуудаараа хийлгэх болно.
07:21
(Applause)
172
426000
6000
(Алга ташилт)
07:27
So another thing the robot can do
173
432000
2000
Роботын хийж чадах өөр нэг зүйл бол
07:29
is it remembers pieces of trajectory
174
434000
3000
урьдчилан програмчлагдсан болон
07:32
that it learns or is pre-programmed.
175
437000
2000
сурсан замаа санах явдал.
07:34
So here you see the robot
176
439000
2000
Энд робот доорх хөдөлгөөнүүдийг
07:36
combining a motion
177
441000
2000
нэгтгэж хөдөлгөх хүч үүсгэж
07:38
that builds up momentum
178
443000
2000
байгааг харж болно.
07:40
and then changes its orientation and then recovers.
179
445000
3000
Тэгээд чигээ өөрчлөөд тогтворжиж байна.
07:43
So it has to do this because this gap in the window
180
448000
3000
Заавал ингэх ёстой, учир нь цонхны зай нь
07:46
is only slightly larger than the width of the robot.
181
451000
4000
роботын өргөнөөс бага зэрэг л илүү юм.
07:50
So just like a diver stands on a springboard
182
455000
3000
Яг усанд шумбагч тамирчин
тавцан дээр зогсоод
тавцан дээр зогсоод
07:53
and then jumps off it to gain momentum,
183
458000
2000
хүч авахын тулд үсрээд
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
агаарт 2,5 удаа эргэлт хийгээд
07:58
and then gracefully recovers,
185
463000
2000
гоёмсогоор эргэж байрлалаа авдаг шиг
08:00
this robot is basically doing that.
186
465000
2000
энэ робот ч мөн тэгдэг.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Тэр энэ хэцүү даалгаврыг гүйцэтгэхийн тулд
08:05
to do these fairly difficult tasks.
188
470000
4000
замын жижиг хэсгүүдийг
хэрхэн нийлүүлэхээ мэднэ.
хэрхэн нийлүүлэхээ мэднэ.
08:09
So I want change gears.
189
474000
2000
Сэдвээ жаахан өөрчилье.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Энэ жижиг роботын сул тал нь
түүний хэмжээ.
түүний хэмжээ.
08:14
And I told you earlier
191
479000
2000
Өмнө нь хэлсэнчлэн,
08:16
that we may want to employ lots and lots of robots
192
481000
2000
бид олон робот ажиллуулаад
08:18
to overcome the limitations of size.
193
483000
3000
хэмжээний дутагдлыг арилгаж болно.
08:21
So one difficulty
194
486000
2000
Үүний нэг асуудал нь
08:23
is how do you coordinate lots of these robots?
195
488000
3000
олон роботыг хэрхэн чиглүүлэх вэ?
08:26
And so here we looked to nature.
196
491000
2000
Тэгээд бид байгаль эхээс асуусан.
08:28
So I want to show you a clip
197
493000
2000
Энэ бичлэгт профессор
Стивен Прэттийн лабораторийн
Стивен Прэттийн лабораторийн
08:30
of Aphaenogaster desert ants
198
495000
2000
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
цөлийн шоргоолжнууд
юм зөөж байна.
08:35
So this is actually a piece of fig.
200
500000
2000
Энэ жимсний зүсэм.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Үнэндээ жимсний шүүсээр бүрсэн юуг ч
08:39
and the ants will carry them back to the nest.
202
504000
3000
шоргоолжнууд үүрэндээ аваачна.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Эдгээр шоргоолжнуудад
нэгдсэн чиглүүлэгч байхгүй.
нэгдсэн чиглүүлэгч байхгүй.
08:45
They sense their neighbors.
204
510000
2000
Тэд хөршөө мэдэрдэг.
08:47
There's no explicit communication.
205
512000
2000
Ямар нэг илэрхий харилцаа байхгүй.
08:49
But because they sense the neighbors
206
514000
2000
Хөршөө, бас объектоо
08:51
and because they sense the object,
207
516000
2000
мэдэрч байгаа болохоор
08:53
they have implicit coordination across the group.
208
518000
3000
тэд сүрэг дотроо далд чиглүүлэлттэй.
08:56
So this is the kind of coordination
209
521000
2000
Энэ төрлийн чиглүүлэлтийг л
08:58
we want our robots to have.
210
523000
3000
бид роботууддаа хүсч байна.
09:01
So when we have a robot
211
526000
2000
Бидэнд хөршүүдээр хүрээлэгдсэн
09:03
which is surrounded by neighbors --
212
528000
2000
робот байна гэж бодъё.
09:05
and let's look at robot I and robot J --
213
530000
2000
Жишээ нь, Робот I болон J.
09:07
what we want the robots to do
214
532000
2000
Эдгээр роботоор хийлгэх зүйл нь
09:09
is to monitor the separation between them
215
534000
3000
жагсаалаар нисэх үеийн
09:12
as they fly in formation.
216
537000
2000
хоорондох зайг нь хянуулах.
09:14
And then you want to make sure
217
539000
2000
Тэгээд энэхүү зай нь зохих хэмжээнд
09:16
that this separation is within acceptable levels.
218
541000
2000
байгаа эсэхийг шалгана.
09:18
So again the robots monitor this error
219
543000
3000
Роботууд мөн л алдааг шалгаад
09:21
and calculate the control commands
220
546000
2000
хянах даалгавраа
09:23
100 times a second,
221
548000
2000
секундэд 100 удаа хийнэ.
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
Тэгээд секундэд 600 удаа
моторт заавар өгнө.
моторт заавар өгнө.
09:28
So this also has to be done
223
553000
2000
Энэ нь нэгдсэн бус аргачлалаар
09:30
in a decentralized way.
224
555000
2000
хийгдэх ёстой.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Дахин хэлэхэд, маш олон тооны роботыг
нэгдсэн системд оруулж,
нэгдсэн системд оруулж,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
заавар боловсруулж,
түүнийг гүйцэтгэхэд
түүнийг гүйцэтгэхэд
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
хангалттай хурдан чиглүүлэх боломжгүй.
09:41
Plus the robots have to base their actions
228
566000
2000
Дээр нь тэд үйлдлээ зөвхөн
09:43
only on local information,
229
568000
2000
дотоод мэдээлэлдээ
суурилуулах шаардлагатай.
суурилуулах шаардлагатай.
09:45
what they sense from their neighbors.
230
570000
2000
Энийг хөршүүдээсээ мэдэрнэ.
09:47
And then finally,
231
572000
2000
Тэгээд эцэст нь
09:49
we insist that the robots be agnostic
232
574000
2000
роботууд хөршүүддээ
09:51
to who their neighbors are.
233
576000
2000
тэгш эрхтэй хандах ёстой.
09:53
So this is what we call anonymity.
234
578000
3000
Үүнийг бид нэрээ нууцлах гэдэг.
09:56
So what I want to show you next
235
581000
2000
Одоо үзүүлэх
09:58
is a video
236
583000
2000
бичлэгт
10:00
of 20 of these little robots
237
585000
3000
20 ширхэг жижиг робот
10:03
flying in formation.
238
588000
2000
жагсаалаар нисч байна.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Тэд хөршийнхөө байрлалыг ажиглаж байна.
10:08
They're maintaining formation.
240
593000
2000
Жагсаалаа хадгалж байна.
10:10
The formations can change.
241
595000
2000
Энэ нь өөрчлөгдөж ч болно.
10:12
They can be planar formations,
242
597000
2000
Хавтгай хэлбэртэй эсвэл
10:14
they can be three-dimensional formations.
243
599000
2000
гурван хэмжээст ч байж болно.
10:16
As you can see here,
244
601000
2000
Таны харж байгаачлан,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
гурван хэмжээст жагсаалаас
хавтгай руу шилжиж байна.
хавтгай руу шилжиж байна.
10:21
And to fly through obstacles
246
606000
2000
Саад дундуур нисэхийн тулд
10:23
they can adapt the formations on the fly.
247
608000
4000
хэлбэрээ өөрчилж байна.
10:27
So again, these robots come really close together.
248
612000
3000
Эдгээр роботууд хоорондоо
маш ойртож байна.
маш ойртож байна.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Наймын тооны хэлбэрээр нисэхдээ
10:32
they come within inches of each other.
250
617000
2000
хэдхэн инчийн зайтай болж байна.
10:34
And despite the aerodynamic interactions
251
619000
3000
Сэнсний далбааны аеродинамикийн
10:37
of these propeller blades,
252
622000
2000
харилцан үйлчлэлээс үл хамааран
10:39
they're able to maintain stable flight.
253
624000
2000
тэд тогтвортой нисэж байна.
10:41
(Applause)
254
626000
7000
(Алга ташилт)
10:48
So once you know how to fly in formation,
255
633000
2000
Нэгэнт жагсаалаар нисэж сурсан бол
10:50
you can actually pick up objects cooperatively.
256
635000
2000
хамтран ачаа тээж чадна.
10:52
So this just shows
257
637000
2000
Тэгээд энэ нь роботын хүчийг
10:54
that we can double, triple, quadruple
258
639000
3000
хөршүүдтэй нь баг болгосноор
10:57
the robot strength
259
642000
2000
2, 3, 4 дахин
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
ихэсгэж болохыг харуулж байна.
11:01
One of the disadvantages of doing that
261
646000
3000
Үүнийг хийхэд дутагдалтай тал нь
11:04
is, as you scale things up --
262
649000
2000
хэмжээг нь ихэсгэсэнээр
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
олон робот ижил зүйл зөөж
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
инерцийг нэмэгдүүлнэ.
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
Оронд нь тэд шалмаг бус болно.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Гэхдээ тээвэрлэх чадвар нь нэмэгднэ.
11:17
Another application I want to show you --
267
662000
2000
Танд үзүүлэх өөр нэг хэрэглээг
11:19
again, this is in our lab.
268
664000
2000
бас л манай лабораториос харж болно.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Энэ магистрын оюутан
Кyентин Линдсигийн хийсэн бүтээл.
Кyентин Линдсигийн хийсэн бүтээл.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Түүний алгоритм нь роботуудад
11:26
how to autonomously build
271
671000
2000
тулгуур хэлбэртэй элементүүд ашиглан
11:28
cubic structures
272
673000
2000
хэрхэн бие даан куб байгууламж
11:30
from truss-like elements.
273
675000
3000
барихыг хэлж өгөх юм.
11:33
So his algorithm tells the robot
274
678000
2000
Түүний алгоритм роботуудад
11:35
what part to pick up,
275
680000
2000
аль хэсгийг өргөх,
11:37
when and where to place it.
276
682000
2000
хэзээ, хаана байрлуулахыг хэлж өгнө.
11:39
So in this video you see --
277
684000
2000
Энэ бичлэгийг
11:41
and it's sped up 10, 14 times --
278
686000
2000
10, 14 дахин хурдлуулсан байгаа.
11:43
you see three different structures being built by these robots.
279
688000
3000
Энд роботуудын барьж байгаа
гурван өөр байгууламж байгаа.
гурван өөр байгууламж байгаа.
11:46
And again, everything is autonomous,
280
691000
2000
Бүгд автомат бөгөөд
11:48
and all Quentin has to do
281
693000
2000
Куентиний хийх зүйл нь ердөө л
11:50
is to get them a blueprint
282
695000
2000
тэдэнд бариулах загварынхаа
11:52
of the design that he wants to build.
283
697000
4000
план зургийг өгөхөд л хангалттай.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Энэ хүртэл та бүхний харсан туршилтууд,
11:59
all these demonstrations,
285
704000
2000
бүх үзүүлэнгүүд хөдөлгөөн мэдрэгч
12:01
have been done with the help of motion capture systems.
286
706000
3000
системийн тусламжтай хийгдсэн.
12:04
So what happens when you leave your lab
287
709000
2000
Хэрвээ лабораториос гарч
12:06
and you go outside into the real world?
288
711000
3000
бодит ертөнцөд ашиглавал яах вэ?
12:09
And what if there's no GPS?
289
714000
3000
GPS байхгүй бол яах вэ?
12:12
So this robot
290
717000
2000
Эдгээр роботууд
12:14
is actually equipped with a camera
291
719000
2000
камер, лазер байршил мэдрэгч болон
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
лазер дүрс буулгагчаар тоноглогдсон.
12:19
And it uses these sensors
293
724000
2000
Эдгээр мэдрэгчээр
12:21
to build a map of the environment.
294
726000
2000
орчны газрын зургийг бүтээдэг.
12:23
What that map consists of are features --
295
728000
3000
Энэ нь цонх, хаалга,
12:26
like doorways, windows,
296
731000
2000
хүн, тавилга гэх мэт
12:28
people, furniture --
297
733000
2000
зүйлсээс бүрдэнэ.
12:30
and it then figures out where its position is
298
735000
2000
Дараа нь тэдгээрийн хувьд
12:32
with respect to the features.
299
737000
2000
байршлаа тодорхойлох болно.
12:34
So there is no global coordinate system.
300
739000
2000
Нэгдсэн координатын систем байхгүй.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Хаана байгаа, юу харагдаж
байгаагаас шалтгаалан
байгаагаас шалтгаалан
12:39
where it is and what it's looking at.
302
744000
3000
координатын системийг робот тогтооно.
12:42
And it navigates with respect to those features.
303
747000
3000
Тэдгээр зүйлээр баримжаа авна.
12:45
So I want to show you a clip
304
750000
2000
Одоо үзүүлэх бичлэг нь
12:47
of algorithms developed by Frank Shen
305
752000
2000
Фрэнк Шэн, профессор Нэтан Майкл нарын
12:49
and Professor Nathan Michael
306
754000
2000
бүтээсэн алгоритм.
12:51
that shows this robot entering a building for the very first time
307
756000
4000
Энд робот анх удаагаа байшинд ороод
12:55
and creating this map on the fly.
308
760000
3000
нисэж байхдаа зургийг нь гаргаж байна.
12:58
So the robot then figures out what the features are.
309
763000
3000
Дараа нь юуг оруулахаа тодорхойлж
13:01
It builds the map.
310
766000
2000
газрын зураг бүтээж байна.
13:03
It figures out where it is with respect to the features
311
768000
2000
Робот эд зүйлсийн хувьд
13:05
and then estimates its position
312
770000
2000
байршлаа секундэд 100 удаа
13:07
100 times a second
313
772000
2000
тооцоолж байна.
13:09
allowing us to use the control algorithms
314
774000
2000
Энэ нь бидэнд өмнө нь дурдсан
13:11
that I described to you earlier.
315
776000
2000
удирдлагын алгоритмыг хэрэглэх
боломж олгох болно.
боломж олгох болно.
13:13
So this robot is actually being commanded
316
778000
2000
Энэ роботыг үнэндээ Фрэнк алсаас
13:15
remotely by Frank.
317
780000
2000
зааварчилж байгаа.
13:17
But the robot can also figure out
318
782000
2000
Гэхдээ робот хаашаа нисэхээ
13:19
where to go on its own.
319
784000
2000
өөрөө ч тооцоолж чадна.
13:21
So suppose I were to send this into a building
320
786000
2000
Жишээ нь би үүнийг өөрийнхөө сайн мэдэхгүй
13:23
and I had no idea what this building looked like,
321
788000
2000
байшин руу илгээх байлаа гэж бодъё.
13:25
I can ask this robot to go in,
322
790000
2000
Би роботыг ороод зураг гаргаад ир,
13:27
create a map
323
792000
2000
буцаж ирээд байшин ямар харагдаж байсныг
13:29
and then come back and tell me what the building looks like.
324
794000
3000
надад хэл гэж болно.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
Энд робот зөвхөн А цэгээс Б рүү хүрэх
13:35
how to go from point A to point B in this map,
326
800000
3000
асуудлыг шийдэх биш,
13:38
but it's figuring out
327
803000
2000
харин цаг үргэлж хамгийн тохиромжтой
13:40
what the best point B is at every time.
328
805000
2000
Б цэгийг олж байна.
13:42
So essentially it knows where to go
329
807000
3000
Үндсэндээ хамгийн бага
мэдээлэлтэй газар олохын тулд
мэдээлэлтэй газар олохын тулд
13:45
to look for places that have the least information.
330
810000
2000
хаашаа явахаа шийдэж байгаа.
13:47
And that's how it populates this map.
331
812000
3000
Ингэж тэр зургийг бүтээнэ.
13:50
So I want to leave you
332
815000
2000
Би та бүхэнд
сүүлийн хэрэглээг үзүүлье.
13:52
with one last application.
333
817000
2000
13:54
And there are many applications of this technology.
334
819000
3000
Энэ технологит маш олон хэрэглээ байгаа.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Би бол профессор хүн учраас
боловсролд их сонирхолтой.
боловсролд их сонирхолтой.
13:59
Robots like this can really change the way
336
824000
2000
Ийм роботууд 12 жилийн сургалтын
14:01
we do K through 12 education.
337
826000
2000
системийг үнэхээр өөрчилж чадна.
14:03
But we're in Southern California,
338
828000
2000
Гэвч бид Өмнөд Калифорнид,
14:05
close to Los Angeles,
339
830000
2000
Лос Анжелест ойрхон байгаа болохоор
14:07
so I have to conclude
340
832000
2000
ямар нэг хөгжилтэй зүйлээр
14:09
with something focused on entertainment.
341
834000
2000
өндөрлөх хэрэгтэй байх.
14:11
I want to conclude with a music video.
342
836000
2000
Илтгэлээ хөгжмийн бичлэгээр
дуусгамаар байна.
дуусгамаар байна.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Та бүхэнд энэ бичлэгийг бүтээсэн
14:16
who created this video.
344
841000
2000
Алекс, Дэниел хоёрыг танилцуулъя.
14:18
(Applause)
345
843000
7000
(Алга ташилт)
14:25
So before I play this video,
346
850000
2000
Бичлэг эхлэхээс өмнө
14:27
I want to tell you that they created it in the last three days
347
852000
3000
тэд үүнийг Крисээс дуудлага авангуутаа
14:30
after getting a call from Chris.
348
855000
2000
өнгөрсөн гурав хоногт хийсэн
гэдгийг дурдмаар байна.
гэдгийг дурдмаар байна.
14:32
And the robots that play the video
349
857000
2000
Бичлэгэн дээрх роботууд
14:34
are completely autonomous.
350
859000
2000
бүрэн өөрийн удирдлагатай.
14:36
You will see nine robots play six different instruments.
351
861000
3000
9 робот 6 өөр зэмсэг
тоглож байгааг харах болно.
тоглож байгааг харах болно.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Мэдээж үүнийг TED 2012-т зориулан
тусгайлан хийсэн болно.
тусгайлан хийсэн болно.
14:43
Let's watch.
353
868000
3000
Бичлэгээ үзэцгээе.
15:19
(Music)
354
904000
10000
(Хөгжим)
16:23
(Applause)
355
968000
17000
(Алга ташилт)
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