TEDGlobal 2013
Raffaello D'Andrea: The astounding athletic power of quadcopters
Raffaello D'Andrea: Den utrolige atletiske kraften til quadcopters
Filmed:
Readability: 4.7
12,409,728 views
I et robotlabaratorie på TEDGlobal demonstrerer Raffaelo D'Andrea sine flyvende helikoptre: roboter som tenker som atleter og løser fysiske utfordringer med algoritmer som hjelper dem å lære. I en serie av fiffige demoer viser D'Andrea droner som kaster ball, balanserer og tar kollektive avgjørelser -- og se opp for demoen av hans dette-må-jeg-ha-nå Kinect-kontrollerte helikoptre.
Raffaello D'Andrea - Autonomous systems pioneer
Raffaello D'Andrea explores the possibilities of autonomous technology by collaborating with artists, engineers and entrepreneurs. Full bio
Raffaello D'Andrea explores the possibilities of autonomous technology by collaborating with artists, engineers and entrepreneurs. Full bio
Double-click the English transcript below to play the video.
00:23
So what does it mean for a machine to be athletic?
0
11307
3184
Så hva vil det si at en maskin er atletisk?
00:26
We will demonstrate the concept of machine athleticism
1
14491
3417
Vi skal demonstrere konseptet atletiske maskiner
00:29
and the research to achieve it
2
17908
1720
og forskningen som står bak
00:31
with the help of these flying machines called quadrocopters,
3
19628
2511
ved hjelp av disse flyvemaskinene kalt quadracopters
00:34
or quads, for short.
4
22139
1887
ofte forkortet til quads.
00:38
Quads have been around for a long time.
5
26034
2529
Vi har hatt disse en god stund.
00:40
The reason that they're so popular these days
6
28563
1599
Grunnen til at de er blitt så populære nå
00:42
is because they're mechanically simple.
7
30162
1965
er fordi de er mekanisk enkle.
00:44
By controlling the speeds of these four propellers,
8
32127
2108
Ved å kontrollere hastigheten til disse fire propellene
00:46
these machines can roll, pitch, yaw,
9
34235
3048
kan maskinene rulle, pitche, dreie
00:49
and accelerate along their common orientation.
10
37283
2825
og aksellerere rundt deres felles orientasjon.
00:52
On board are also a battery, a computer,
11
40108
3071
Om bord finnes også et batteri, en datamaskin,
00:55
various sensors and wireless radios.
12
43179
3954
forskjellige sensorer og trådløse radioer.
00:59
Quads are extremely agile, but this agility comes at a cost.
13
47133
4629
De er ekstremt smidige, men denne smidigheten har sin pris.
01:03
They are inherently unstable, and they need some form
14
51762
2992
De er inneboende ustabile, og trenger en eller annen form
01:06
of automatic feedback control in order to be able to fly.
15
54754
3972
for automatisk tilbakemelding for å kunne fly.
01:16
So, how did it just do that?
16
64259
3238
Så hvordan fikk jeg til det?
01:19
Cameras on the ceiling and a laptop
17
67497
1818
I taket finnes det kameraer koblet til en bærbar PC
01:21
serve as an indoor global positioning system.
18
69315
2576
som fungerer som en innendørs GPS.
01:23
It's used to locate objects in the space
19
71891
2185
Disse brukes for å lokalisere objekter i rommet
01:26
that have these reflective markers on them.
20
74076
2527
som har disse reflekterende markørene på seg.
01:28
This data is then sent to another laptop
21
76603
2061
Dataene blir deretter sendt til en annen bærbar datamaskin
01:30
that is running estimation and control algorithms,
22
78664
2211
som går igjennom estimering- og kontrollalgoritmer
01:32
which in turn sends commands to the quad,
23
80875
1886
for igjen å sende kommandoer til helikopteret
01:34
which is also running estimation and control algorithms.
24
82761
3485
som også kjører estimering- og kontrollalgoritmer.
01:41
The bulk of our research is algorithms.
25
89620
2510
Brorparten av vår forskning er algoritmer.
01:44
It's the magic that brings these machines to life.
26
92130
4161
De står for magien som gjør maskinene levende.
01:48
So how does one design the algorithms
27
96291
2043
Så hvordan designer man algoritmer
01:50
that create a machine athlete?
28
98334
2277
som skaper en atletisk maskin?
01:52
We use something broadly called model-based design.
29
100611
2880
Vi bruker noe som utbredt kalles modellbasert design.
01:55
We first capture the physics with a mathematical model
30
103491
3154
Først finner vi ut av fysikken, med en matematisk modell,
01:58
of how the machines behave.
31
106645
2134
for hvordan maskinene oppfører seg.
02:00
We then use a branch of mathematics
32
108779
2297
Deretter bruker vi en gren av matematikk
02:03
called control theory to analyze these models
33
111076
2831
kalt kontrollteori for å analysere disse modellene
02:05
and also to synthesize algorithms for controlling them.
34
113907
3913
samt komponere algoritmer for å kontrollere de.
02:09
For example, that's how we can make the quad hover.
35
117820
3048
Det er for eksempel slik vi kan la helikopteret sveve på samme plass i luften.
02:12
We first captured the dynamics
36
120868
1408
Først fant vi ut av dynamikken
02:14
with a set of differential equations.
37
122276
1906
ved hjelp av et sett differensialligninger.
02:16
We then manipulate these equations with the help
38
124182
2349
Deretter manipulerte vi disse ligningende ved hjelp av
02:18
of control theory to create algorithms that stabilize the quad.
39
126531
4640
kontrollteori for å skape algoritmer som stabliserer helikopteret.
02:23
Let me demonstrate the strength of this approach.
40
131171
2946
La meg demonstrere styrken ved denne strategien.
02:29
Suppose that we want this quad to not only hover
41
137198
2549
Hva om vi ikke bare vil at helikopteret skal stå stille,
02:31
but to also balance this pole.
42
139747
2782
men også skal balansere denne pålen.
02:34
With a little bit of practice,
43
142529
1844
Ved hjelp av litt øving er det
02:36
it's pretty straightforward for a human being to do this,
44
144373
2391
ganske lett for et menneske å lære seg dette,
02:38
although we do have the advantage of having
45
146764
1755
men vi har riktignok fordelene ved å ha
02:40
two feet on the ground
46
148519
1328
to bein i bakken
02:41
and the use of our very versatile hands.
47
149847
2957
samt svært anvendelige hender.
02:44
It becomes a little bit more difficult
48
152804
2469
Det blir litt vanskeligere
02:47
when I only have one foot on the ground
49
155273
2296
når jeg står på ett bein
02:49
and when I don't use my hands.
50
157569
2799
og ikke bruker hendene.
02:52
Notice how this pole has a reflective marker on top,
51
160368
2951
Legg merke til at denne pålen har en reflektiv markør på toppen,
02:55
which means that it can be located in the space.
52
163319
3894
noe som betyr at den kan lokaliseres i rommet.
03:04
(Applause)
53
172971
5976
(Applaus)
03:10
You can notice that this quad is making fine adjustments
54
178947
2826
Du kan se at helikopteret gjør små justeringer
03:13
to keep the pole balanced.
55
181773
2195
for å holde pålen balansert.
03:15
How did we design the algorithms to do this?
56
183968
3059
Hvordan designet vi algoritmene til å gjøre dette?
03:19
We added the mathematical model of the pole
57
187027
2105
Vi la inn den matematiske modellen til pålen
03:21
to that of the quad.
58
189132
1519
til helikopterets modell.
03:22
Once we have a model of the combined quad-pole system,
59
190651
2954
Så fort vi har en modell for det kombinerte quad-påle-systemet
03:25
we can use control theory to create algorithms for controlling it.
60
193605
4933
kan vi bruke kontrollteori for å styre den.
03:30
Here, you see that it's stable,
61
198538
1588
Her ser dere at den er stabil,
03:32
and even if I give it little nudges,
62
200126
2693
og selv om jeg gir den et lite dult,
03:34
it goes back to the nice, balanced position.
63
202819
5403
går den tilbake til en rolig og balansert posisjon.
03:40
We can also augment the model to include
64
208222
1663
Vi kan også endre modellen til å inkludere
03:41
where we want the quad to be in space.
65
209885
2441
hvor vi ønsker å plassere helikopteret i rommet.
03:44
Using this pointer, made out of reflective markers,
66
212326
3069
Ved hjelp av denne pekeren, laget av reflektive markører,
03:47
I can point to where I want the quad to be in space
67
215395
2224
kan jeg peke på hvor jeg vil at den skal være i rommet
03:49
a fixed distance away from me.
68
217619
3367
en bestemt avstand ifra meg.
04:07
The key to these acrobatic maneuvers is algorithms,
69
235763
2902
Nøkkelen til disse akrobatiske manøvrene er algoritmer
04:10
designed with the help of mathematical models
70
238665
2426
designet ved hjelp av matematiske modeller
04:13
and control theory.
71
241091
1950
og kontrollteori.
04:15
Let's tell the quad to come back here
72
243041
2214
La oss be helikopteret komme tilbake hit,
04:17
and let the pole drop,
73
245255
1819
legge fra seg pålen,
04:19
and I will next demonstrate the importance
74
247074
1918
så skal jeg videre demonstrere viktigheten av
04:20
of understanding physical models
75
248992
2119
forståelse for fysiske modeller
04:23
and the workings of the physical world.
76
251111
4120
og hvordan den fysiske verden fungerer.
04:37
Notice how the quad lost altitude
77
265462
1770
Legg merke til hvordan helikopteret mistet høyde
04:39
when I put this glass of water on it.
78
267232
2082
når jeg puttet dette vannglasset på den.
04:41
Unlike the balancing pole, I did not include
79
269314
2801
Til forskjell fra når vi balanserte pålen, så har jeg
04:44
the mathematical model of the glass in the system.
80
272115
2584
ikke inkludert den matematiske modellen av glasset i systemet.
04:46
In fact, the system doesn't even know that the glass of water is there.
81
274699
2919
Faktisk så er ikke systemet en gang klar over at glasset med vann er der.
04:49
Like before, I could use the pointer to tell the quad
82
277618
3292
Som tidligere så kan jeg bruke pekeren for å si
04:52
where I want it to be in space.
83
280910
2589
hvor jeg vil at helikopteret skal befinne seg.
04:55
(Applause)
84
283499
9597
(Applaus)
05:05
Okay, you should be asking yourself,
85
293096
2110
Ok, så du spør kanskje deg selv,
05:07
why doesn't the water fall out of the glass?
86
295206
2509
hvorfor går ikke vannet ut av glasset?
05:09
Two facts: The first is that gravity acts
87
297715
3211
Det er to grunner: Først av alt så vil tyngdekraften
05:12
on all objects in the same way.
88
300926
2125
påvirke alle objekter på lik måte.
05:15
The second is that the propellers are all pointing
89
303051
2464
For det andre peker alle propellene
05:17
in the same direction of the glass, pointing up.
90
305515
3127
i samme retning som glasset - oppover.
05:20
You put these two things together, the net result
91
308642
2377
Når man setter disse to tingene sammen er resulatet
05:23
is that all side forces on the glass are small
92
311019
2287
at alle krefter fra sidene på glasset er små
05:25
and are mainly dominated by aerodynamic effects,
93
313306
2785
og er stort sett dominert av luftmotsand
05:28
which as these speeds are negligible.
94
316091
3841
som er svært liten i denne hastigheten.
05:35
And that's why you don't need to model the glass.
95
323336
2071
Derfor trenger man ikke å modellere glasset.
05:37
It naturally doesn't spill no matter what the quad does.
96
325407
3848
Det vil på naturlig vis ikke renne over uansett hva helikopteret gjør.
05:50
(Applause)
97
338651
7051
(Applaus)
05:57
The lesson here is that some high-performance tasks
98
345702
4016
Det vi kan lære av dette er at noen oppgaver som
06:01
are easier than others,
99
349718
1397
krever høy ytelse er enklere enn andre,
06:03
and that understanding the physics of the problem
100
351115
2296
og at forståelse for fysikken i et problem forteller
06:05
tells you which ones are easy and which ones are hard.
101
353411
2616
noe om hvilke som er enkle og vanskelige
06:08
In this instance, carrying a glass of water is easy.
102
356027
2359
I dette tilfellet er det å balansere et glass enkelt.
06:10
Balancing a pole is hard.
103
358386
3785
Å balansere en påle er vanskelig.
06:14
We've all heard stories of athletes
104
362171
1802
Vi har alle hørt om atleter som
06:15
performing feats while physically injured.
105
363973
2493
yter selv når de er fysisk skadet.
06:18
Can a machine also perform
106
366466
1519
Er det mulig for en maskin også
06:19
with extreme physical damage?
107
367985
2651
å yte med ekstreme fysiske skader?
06:22
Conventional wisdom says that you need
108
370636
1726
Sunn fornuft tilsier at du trenger minst
06:24
at least four fixed motor propeller pairs in order to fly,
109
372362
3690
fire fastmonterte propellerpar for å kunne fly,
06:28
because there are four degrees of freedom to control:
110
376052
2112
fordi det er fire grader av frihet som kontrolleres:
06:30
roll, pitch, yaw and acceleration.
111
378164
3028
rulle, pitch, dreie og aksellerasjon.
06:33
Hexacopters and octocopters, with six and eight propellers,
112
381192
3245
Hexakoptere og oktokoptere, med seks og åtte propeller
06:36
can provide redundancy,
113
384437
1483
kan tilby redundans,
06:37
but quadrocopters are much more popular
114
385920
1989
men kvadrakoptere er langt mer populære
06:39
because they have the minimum number
115
387909
1815
fordi de har det minste antallet
06:41
of fixed motor propeller pairs: four.
116
389724
2476
påkrevde fastmonterte propellpar: fire.
06:44
Or do they?
117
392200
1965
Eller?
07:01
If we analyze the mathematical model of this machine
118
409476
2600
Dersom vi analyserer de matematiske modellene av denne maskinen
07:04
with only two working propellers,
119
412076
2176
med kun to fungerende propeller,
07:06
we discover that there's an unconventional way to fly it.
120
414252
6756
oppdater vi at det er en uordinær måte å fly den på.
07:19
We relinquish control of yaw,
121
427980
1706
Vi kan ikke lenger dreie,
07:21
but roll, pitch and acceleration can still be controlled
122
429686
3070
men det er fortsatt mulig å rulle, pitche og aksellerere
07:24
with algorithms that exploit this new configuration.
123
432756
5452
med algoritmer som utnytter den nye konfigurasjonen.
07:33
Mathematical models tell us exactly when
124
441668
2432
Matematiske modeller forteller oss nøyaktig når
07:36
and why this is possible.
125
444100
2072
og hvorfor dette er mulig.
07:38
In this instance, this knowledge allows us to design
126
446172
2368
I dette tilfellet gjør denne kunnskapen det mulig for
07:40
novel machine architectures
127
448540
2256
oss å designe nye maskinarkitekturer
07:42
or to design clever algorithms that gracefully handle damage,
128
450796
4176
eller smarte algoritmer som elegant håndterer skader,
07:46
just like human athletes do,
129
454972
1724
på samme måte som menneskelige atleter,
07:48
instead of building machines with redundancy.
130
456696
3823
i stedet for å bygge maskiner med redundans.
07:52
We can't help but hold our breath when we watch
131
460519
2112
Det er vanskelig å ikke holde pusten når vi ser
07:54
a diver somersaulting into the water,
132
462631
2437
en stuper tar en saltomortale mot vannet,
07:57
or when a vaulter is twisting in the air,
133
465068
1790
eller når en høydehopper snur seg i luften,
07:58
the ground fast approaching.
134
466858
1718
og faller raskt mot bakken.
08:00
Will the diver be able to pull off a rip entry?
135
468576
2568
Klarer stuperen en perfekt inngang?
08:03
Will the vaulter stick the landing?
136
471144
2000
Vil høydehopperen lande riktig.
08:05
Suppose we want this quad here
137
473144
1668
La oss si at vi vil at dette helikopteret
08:06
to perform a triple flip and finish off
138
474812
2451
skal ta tre saltoer og avslutte på
08:09
at the exact same spot that it started.
139
477263
2269
nøyaktig det samme sted som det startet.
08:11
This maneuver is going to happen so quickly
140
479532
2347
Denne manøveren kommer til å skje så raskt
08:13
that we can't use position feedback to correct the motion during execution.
141
481879
3629
at vi kan ikke bruke posisjonssystemet for å korrigere bevegelsene underveis.
08:17
There simply isn't enough time.
142
485508
2274
Det er rett og slett ikke nok tid.
08:19
Instead, what the quad can do is perform the maneuver blindly,
143
487782
3694
I stedet kan helikopteret få utføre manøveren blindt,
08:23
observe how it finishes the maneuver,
144
491476
2232
observere hvordan den avslutter,
08:25
and then use that information to modify its behavior
145
493708
2424
for deretter å bruke informasjonen til å endre sin
08:28
so that the next flip is better.
146
496132
2289
oppførsel slik at det neste forsøket blir bedre.
08:30
Similar to the diver and the vaulter,
147
498421
1812
Til sammenligning med stuperen og høydehopperen
08:32
it is only through repeated practice
148
500233
1919
er det kun gjennom repetert øvelse
08:34
that the maneuver can be learned and executed
149
502152
1925
at manøveren kan bli lært og utført
08:36
to the highest standard.
150
504077
2133
til høyeste standard.
08:46
(Applause)
151
514412
4752
(Applaus)
08:51
Striking a moving ball is a necessary skill in many sports.
152
519164
3472
I mange sporter er det å treffe en ball i bevegelse er en nødvendig ferdighet.
08:54
How do we make a machine do
153
522636
1795
Hvordan kan vi få en maskin til
08:56
what an athlete does seemingly without effort?
154
524431
3753
å gjøre det en atlét gjør tilsynelatende enkelt?
09:15
(Applause)
155
543943
6599
(Applaus)
09:22
This quad has a racket strapped onto its head
156
550542
2650
Dette helikopteret har en racket festet til hodet
09:25
with a sweet spot roughly the size of an apple, so not too large.
157
553192
3487
med et treffpunkt på omtrentlig størrelse med et eple. Altså ikke veldig stort.
09:28
The following calculations are made every 20 milliseconds,
158
556679
3167
De påfølgende kalkuleringene blir gjort hver 20. millisekund,
09:31
or 50 times per second.
159
559846
1756
eller 50 ganger per sekund.
09:33
We first figure out where the ball is going.
160
561602
2812
Først må vi finne ut hvor ballen skal hen.
09:36
We then next calculate how the quad should hit the ball
161
564414
2437
Deretter må vi kalkulere hvordan helikopteret skal treffe ballen
09:38
so that it flies to where it was thrown from.
162
566851
3099
slik at den flyr tilbake der den kom fra.
09:41
Third, a trajectory is planned that carries the quad
163
569950
4456
Så planlegges en bane som helikopteret kan fly i fra
09:46
from its current state to the impact point with the ball.
164
574406
3024
der den er nå til punktet der ballen treffer.
09:49
Fourth, we only execute 20 milliseconds' worth of that strategy.
165
577430
3809
Denne strategien kjøres kun 20 millisekunder av gangen.
09:53
Twenty milliseconds later, the whole process is repeated
166
581239
2807
Tjue millisekunder senere så gjentas hele prosessen
09:56
until the quad strikes the ball.
167
584046
2243
på nytt til helikopteret treffer ballen.
10:07
(Applause)
168
595560
2646
(Applaus)
10:10
Machines can not only perform dynamic maneuvers on their own,
169
598206
3372
Maskiner kan ikke bare gjennomføre dynamiske
manøvre på egenhånd,
manøvre på egenhånd,
10:13
they can do it collectively.
170
601578
1863
de kan også gjøre det kollektivt.
10:15
These three quads are cooperatively carrying a sky net.
171
603441
3587
Disse tre helikopterne holder et nett sammen.
10:28
(Applause)
172
616574
5411
(Applaus)
10:33
They perform an extremely dynamic
173
621985
2197
De gjennomfører en ekstremt dynamisk
10:36
and collective maneuver
174
624182
2168
og kollektiv manøver
10:38
to launch the ball back to me.
175
626350
1692
for å slå ballen tilbake til meg.
10:40
Notice that, at full extension, these quads are vertical.
176
628042
3511
Legg merke til at når nettet er fullt utstrekt står helikoptrene vertikalt.
10:48
(Applause)
177
636486
1772
(Applaus)
10:50
In fact, when fully extended,
178
638258
2287
Faktisk er kraften som påføres
10:52
this is roughly five times greater than what a bungee jumper feels
179
640545
2685
helikopterne omtrent fem ganger så kraftig
10:55
at the end of their launch.
180
643230
4588
sammenlignet med en strikkhopper.
11:03
The algorithms to do this are very similar
181
651009
2677
Algoritmene for å gjøre dette er veldig like
11:05
to what the single quad used to hit the ball back to me.
182
653686
3384
sammenlignet med det ene helikopteret som returnerte ballen til meg.
11:09
Mathematical models are used to continuously re-plan
183
657070
2864
Matematiske modeller blir brukt kontinuerlig for å
11:11
a cooperative strategy 50 times per second.
184
659934
4515
planlegge strategien for samarbeidet 50 ganger i sekunder.
11:16
Everything we have seen so far has been
185
664449
1877
Alt vi har sett så langt har handlet om
11:18
about the machines and their capabilities.
186
666326
2463
maskiner og deres evner.
11:20
What happens when we couple this machine athleticism
187
668789
3015
Hva skjer når vi kobler de atletiske evnene til maskinene
11:23
with that of a human being?
188
671804
1776
med menneskets evner?
11:25
What I have in front of me is a commercial gesture sensor
189
673580
3805
Foran meg har jeg en kommersiell bevegelsessensor
11:29
mainly used in gaming.
190
677385
1309
som primært er brukt til videospill.
11:30
It can recognize what my various body parts
191
678694
1804
Den kan gjenkjenne hva de forskjellige kroppsdelene
11:32
are doing in real time.
192
680498
2048
mine gjøre i sanntid.
11:34
Similar to the pointer that I used earlier,
193
682546
2116
Ikke ulikt hvordan jeg brukte
pekeren tidligere
pekeren tidligere
11:36
we can use this as inputs to the system.
194
684662
2792
kan vi benytte dette som input til systemet.
11:39
We now have a natural way of interacting
195
687454
2396
Vi har nå en naturlig måte å kombinere
11:41
with the raw athleticism of these quads with my gestures.
196
689850
4944
maskinenes atletiske ferdigheter med mine bevegelser.
12:22
(Applause)
197
730453
4400
(Applaus)
12:35
Interaction doesn't have to be virtual. It can be physical.
198
743982
4007
Interaksjonen trenger ikke være virtuell.
Den kan også være fysisk.
Den kan også være fysisk.
12:39
Take this quad, for example.
199
747989
1725
Ta for eksempel dette helikopteret.
12:41
It's trying to stay at a fixed point in space.
200
749714
2628
Det forsøker å sveve på et bestemt sted i rommet.
12:44
If I try to move it out of the way, it fights me,
201
752342
3837
Dersom jeg forsøker å flytte det vekk,
stritter den i mot.
stritter den i mot.
12:48
and moves back to where it wants to be.
202
756179
4155
Det flytter seg tilbake der den vil være.
12:52
We can change this behavior, however.
203
760334
3039
Vi kan riktignok forandre denne oppførselen.
12:55
We can use mathematical models
204
763373
1699
Vi kan benytte matematiske modeller
12:57
to estimate the force that I'm applying to the quad.
205
765072
3133
for å anslå kraften som jeg påfører helikopteret.
13:00
Once we know this force, we can also change the laws of physics,
206
768205
3238
Når vi vet om denne kraften kan vi også endre fysikkens lover,
13:03
as far as the quad is concerned, of course.
207
771443
4499
for alt helikopteret vet, naturligvis.
13:07
Here the quad is behaving as if it were
208
775942
2263
Her oppfører helikopteret seg som om det
13:10
in a viscous fluid.
209
778205
4365
flyter i en tjukk væske.
13:14
We now have an intimate way
210
782570
2174
Vi har nå en intim måte for
13:16
of interacting with a machine.
211
784744
1849
å oppnå interaksjon med maskinen.
13:18
I will use this new capability to position
212
786593
2506
Jeg skal benytte denne muligheten for å
13:21
this camera-carrying quad to the appropriate location
213
789099
2577
plassere dette kamera-helikopteret på
en passelig plass
en passelig plass
13:23
for filming the remainder of this demonstration.
214
791676
3186
slik at den kan filme resten av demonstrasjonen.
13:36
So we can physically interact with these quads
215
804222
2768
Vi kan altså fysisk påvirke disse maskinene
13:38
and we can change the laws of physics.
216
806990
2403
og vi kan endre fysikkens lover.
13:41
Let's have a little bit of fun with this.
217
809393
2313
La oss ha det litt moro med dette.
13:43
For what you will see next, these quads
218
811706
1704
I den neste delen vil disse helikopterne
13:45
will initially behave as if they were on Pluto.
219
813410
3496
opprinnelig oppføre seg som om de var på Pluto.
13:48
As time goes on, gravity will be increased
220
816906
2312
Etter hvert som tiden går vil tyngdekraften økes
13:51
until we're all back on planet Earth,
221
819218
2120
til vi er tilbake på jorden,
13:53
but I assure you we won't get there.
222
821338
1719
men jeg kan garantere at vi ikke kommer dit.
13:55
Okay, here goes.
223
823057
3501
Okay, da prøver vi.
14:05
(Laughter)
224
833667
3412
(Latter)
14:34
(Laughter)
225
862778
3208
(Latter)
14:37
(Applause)
226
865986
3386
(Applaus)
14:41
Whew!
227
869372
1207
Whew!
14:46
You're all thinking now,
228
874779
1517
Dere tenker sikkert nå at
14:48
these guys are having way too much fun,
229
876296
1975
disse gutta har det alt for moro.
14:50
and you're probably also asking yourself,
230
878271
2079
Du spør sikkert også
14:52
why exactly are they building machine athletes?
231
880350
3936
hvorfor bygger vi disse maskinatletene?
14:56
Some conjecture that the role of play in the animal kingdom
232
884286
2652
Noen påstår at lekens rolle i dyreriket
14:58
is to hone skills and develop capabilities.
233
886938
2752
er å finpusse ferdigheter og utvikle evner.
15:01
Others think that it has more of a social role,
234
889690
2066
Andre mener at det har en sosial rolle,
15:03
that it's used to bind the group.
235
891756
1674
at det binder gruppen sammen.
15:05
Similarly, we use the analogy of sports and athleticism
236
893430
3533
På same måte bruker vi analogien med
sport og atleter
sport og atleter
15:08
to create new algorithms for machines
237
896963
2079
for å skape nye algoritmer for maskiner
15:11
to push them to their limits.
238
899042
2147
og presse de til grensene deres.
15:13
What impact will the speed of machines have on our way of life?
239
901189
3677
Hvor kraftig vil maskiners hurtighet
påvirke vår levemåte?
påvirke vår levemåte?
15:16
Like all our past creations and innovations,
240
904866
2389
På samme måte som tidligere
oppfinnelser og innovasjoner
oppfinnelser og innovasjoner
15:19
they may be used to improve the human condition
241
907255
2827
kan de brukes for å forbedre menneskets tilstand
15:22
or they may be misused and abused.
242
910082
2501
eller bli misbrukt og utnyttet.
15:24
This is not a technical choice we are faced with;
243
912583
1923
Det er ikke teknisk valg vi står ovenfor;
15:26
it's a social one.
244
914506
1755
det er et sosialt.
15:28
Let's make the right choice,
245
916261
1390
La oss ta det riktige valget.
15:29
the choice that brings out the best in the future of machines,
246
917651
2405
Valget som bringer det beste
ut av maskinenes fremtid
ut av maskinenes fremtid
15:32
just like athleticism in sports
247
920056
1812
på samme måte som atletiske ferdigheter
15:33
can bring out the best in us.
248
921868
2161
i sport bringer frem det beste i oss.
15:36
Let me introduce you to the wizards behind the green curtain.
249
924029
3450
La meg introdusere dere for tryllemennene
bak det grønne teppet.
bak det grønne teppet.
15:39
They're the current members of the Flying Machine Arena research team.
250
927479
2900
De er nåværende medlemmer av forskningsteamet the Flying Machine Arena
15:42
(Applause)
251
930379
4769
(Applaus)
15:47
Federico Augugliaro, Dario Brescianini, Markus Hehn,
252
935148
3046
Federico Augugliaro, Dario Brescianini , Markus Hehn,
15:50
Sergei Lupashin, Mark Muller and Robin Ritz.
253
938194
2824
Sergei Lupashin, Mark Muller and Robin Ritz.
15:53
Look out for them. They're destined for great things.
254
941018
1932
Hold et øye med dem. De er ment for store ting.
15:54
Thank you.
255
942950
1178
Takk.
15:56
(Applause)
256
944128
6354
(Applaus)
ABOUT THE SPEAKER
Raffaello D'Andrea - Autonomous systems pioneerRaffaello D'Andrea explores the possibilities of autonomous technology by collaborating with artists, engineers and entrepreneurs.
Why you should listen
Raffaello D'Andrea combines academics, business, and the arts to explore the capabilities of autonomous systems. As part of his research as professor of dynamic systems and control at the Swiss Federal Institute of Technology (ETH Zürich), he and his collaborators enchant viewers with works like the self-destructing, self-assembling Robotic Chair, or the Balancing Cube that can perch itself on its corners.
D’Andrea and his team created the Flying Machine Arena to test the gravity-defying abilities of their athletic flying robots. Building on research in the Flying Machine Arena, ETH Zürich partnered with its spin-off company Verity Studios and with Cirque du Soleil to create “Sparked,” a short film showcasing the unexpected airborne dexterity of quadcopters. D’Andrea is the co-founder of Kiva Systems, a robotics company that develops intelligent automated warehouse systems and that was acquired by Amazon in 2012.
Raffaello D'Andrea | Speaker | TED.com