TED2012
Vijay Kumar: Robots that fly ... and cooperate
Vijay Kumar: Robots die vliegen ... en samenwerken
Filmed:
Readability: 4.5
5,188,706 views
In zijn laboratorium aan de Penn-universiteit bouwen Vijay Kumar en zijn team vliegende quadrotors, kleine, wendbare robots die uitzwermen, elkaar gewaarworden en ad hoc-teams vormen -- om te bouwen, rampen te overzien en nog veel meer.
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
Goedemorgen.
00:22
I'm here today to talk
1
7000
2000
Ik kom hier vandaag spreken
00:24
about autonomous, flying beach balls.
2
9000
3000
over autonome, vliegende strandballen.
00:27
No, agile aerial robots like this one.
3
12000
4000
Nee, over wendbare luchtrobots zoals deze.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Ik zou jullie wat willen vertellen over de uitdagingen bij het bouwen ervan
00:34
and some of the terrific opportunities
5
19000
2000
en over de geweldige toepassingsmogelijkheden
00:36
for applying this technology.
6
21000
2000
van deze technologie.
00:38
So these robots
7
23000
2000
Deze robots
00:40
are related to unmanned aerial vehicles.
8
25000
3000
zijn verwant met onbemande vliegtuigen.
00:43
However, the vehicles you see here are big.
9
28000
3000
De tuigen die je hier ziet, zijn groot.
00:46
They weigh thousands of pounds,
10
31000
2000
Ze wegen duizenden kilo,
00:48
are not by any means agile.
11
33000
2000
zijn allerminst wendbaar
00:50
They're not even autonomous.
12
35000
2000
en zijn ook niet autonoom.
00:52
In fact, many of these vehicles
13
37000
2000
Vele van deze voertuigen
00:54
are operated by flight crews
14
39000
2000
worden bestuurd door bemanningen,
00:56
that can include multiple pilots,
15
41000
3000
vaak meerdere piloten,
00:59
operators of sensors
16
44000
2000
die sensoren bedienen
01:01
and mission coordinators.
17
46000
2000
en de missie coördineren.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Wij willen dit soort van robots ontwikkelen --
01:05
and here are two other pictures --
19
50000
2000
hier zijn nog twee afbeeldingen --
01:07
of robots that you can buy off the shelf.
20
52000
3000
deze kan je zo in de winkel kopen.
01:10
So these are helicopters with four rotors
21
55000
3000
Dit zijn helikopters met vier rotoren.
01:13
and they're roughly a meter or so in scale
22
58000
4000
Ze zijn ongeveer een meter groot
01:17
and weigh several pounds.
23
62000
2000
en wegen een paar kilo.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
We rusten ze uit met sensoren en processoren.
01:22
and these robots can fly indoors
25
67000
2000
Ze kunnen binnenshuis vliegen
01:24
without GPS.
26
69000
2000
zonder gps.
01:26
The robot I'm holding in my hand
27
71000
2000
De robot die ik in de hand houd,
01:28
is this one,
28
73000
2000
is deze.
01:30
and it's been created by two students,
29
75000
3000
Hij is gemaakt door twee studenten,
01:33
Alex and Daniel.
30
78000
2000
Alex en Daniel.
01:35
So this weighs a little more
31
80000
2000
Dit weegt iets meer
01:37
than a tenth of a pound.
32
82000
2000
dan vijf gram.
01:39
It consumes about 15 watts of power.
33
84000
2000
Het verbruikt ongeveer 15 watt.
01:41
And as you can see,
34
86000
2000
Zoals je ziet,
01:43
it's about eight inches in diameter.
35
88000
2000
heeft het een diameter van ongeveer 20 cm.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Laat me jullie een snelcursus geven
01:48
on how these robots work.
37
93000
2000
in de werking van deze robots.
01:50
So it has four rotors.
38
95000
2000
Hij heeft vier rotoren.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Als je die met dezelfde snelheid laat draaien,
01:54
the robot hovers.
40
99000
2000
dan zweeft de robot.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Als je de snelheid van alle rotoren verhoogt,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
vliegt hij omhoog en versnelt hij.
02:02
Of course, if the robot were tilted,
43
107000
2000
Als de robot gekanteld zou zijn,
02:04
inclined to the horizontal,
44
109000
2000
horizontaal gekanteld,
02:06
then it would accelerate in this direction.
45
111000
3000
dan zou hij in deze richting versnellen.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Om de robot te doen kantelen, zijn er twee methodes.
02:12
So in this picture
47
117000
2000
In deze afbeelding
02:14
you see that rotor four is spinning faster
48
119000
2000
zie je dat rotor 4 sneller draait
02:16
and rotor two is spinning slower.
49
121000
2000
en rotor 2 trager.
02:18
And when that happens
50
123000
2000
Als dat gebeurt,
02:20
there's moment that causes this robot to roll.
51
125000
3000
gaat de robot om de langsas rollen.
02:23
And the other way around,
52
128000
2000
Omgekeerd,
02:25
if you increase the speed of rotor three
53
130000
3000
als je de snelheid van rotor drie verhoogt
02:28
and decrease the speed of rotor one,
54
133000
2000
en die van rotor één verlaagt,
02:30
then the robot pitches forward.
55
135000
3000
dan stampt de robot om de dwars-as.
02:33
And then finally,
56
138000
2000
Tenslotte,
02:35
if you spin opposite pairs of rotors
57
140000
2000
als je tegenovergestelde paren rotoren
02:37
faster than the other pair,
58
142000
2000
sneller doet draaien dan het andere paar,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
dan giert de robot om de top-as.
02:41
So an on-board processor
60
146000
2000
Een processor in de robot
02:43
essentially looks at what motions need to be executed
61
148000
3000
bekijkt welke bewegingen moeten worden uitgevoerd
02:46
and combines these motions
62
151000
2000
en combineert deze bewegingen.
02:48
and figures out what commands to send to the motors
63
153000
3000
Hij vist uit welke bevelen naar de motoren moeten gaan,
02:51
600 times a second.
64
156000
2000
en dat 600 keer per seconde.
02:53
That's basically how this thing operates.
65
158000
2000
Zo werkt dit ding.
02:55
So one of the advantages of this design
66
160000
2000
Eén van de voordelen van dit ontwerp
02:57
is, when you scale things down,
67
162000
2000
is dat als je alles kleiner maakt,
02:59
the robot naturally becomes agile.
68
164000
3000
de robot van nature wendbaar wordt.
03:02
So here R
69
167000
2000
Hier is R
03:04
is the characteristic length of the robot.
70
169000
2000
de gebruikelijke lengte van de robot.
03:06
It's actually half the diameter.
71
171000
3000
Het is de helft van de diameter.
03:09
And there are lots of physical parameters that change
72
174000
3000
Er zijn een hoop fysische parameters die wijzigen
03:12
as you reduce R.
73
177000
2000
als je R kleiner maakt.
03:14
The one that's the most important
74
179000
2000
De belangrijkste
03:16
is the inertia or the resistance to motion.
75
181000
2000
is de inertie of de weerstand tegen beweging.
03:18
So it turns out,
76
183000
2000
Het blijkt
03:20
the inertia, which governs angular motion,
77
185000
3000
dat de inertie, die de hoekbeweging bepaalt,
03:23
scales as a fifth power of R.
78
188000
3000
met R tot de vijfde macht afneemt.
03:26
So the smaller you make R,
79
191000
2000
Hoe kleiner je R maakt,
03:28
the more dramatically the inertia reduces.
80
193000
3000
hoe dramatischer de inertie afneemt.
03:31
So as a result, the angular acceleration,
81
196000
3000
Het resultaat is dat de hoekversnelling,
03:34
denoted by Greek letter alpha here,
82
199000
2000
hier weergegeven met de Griekse letter alpha,
03:36
goes as one over R.
83
201000
2000
1 over R wordt.
03:38
It's inversely proportional to R.
84
203000
2000
Ze is omgekeerd evenredig met R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Hoe kleiner je het maakt, hoe sneller je kan draaien.
03:43
So this should be clear in these videos.
86
208000
2000
Dat moet blijken uit deze video's.
03:45
At the bottom right you see a robot
87
210000
3000
Rechtsonder zie je een robot
03:48
performing a 360 degree flip
88
213000
2000
die 360° draait
03:50
in less than half a second.
89
215000
2000
in minder dan een halve seconde.
03:52
Multiple flips, a little more time.
90
217000
3000
Meerdere omwentelingen, een beetje meer tijd.
03:55
So here the processes on board
91
220000
2000
De processen aan boord
03:57
are getting feedback from accelerometers
92
222000
2000
krijgen feedback van versnellingsmeters
03:59
and gyros on board
93
224000
2000
en gyroscopen aan boord.
04:01
and calculating, like I said before,
94
226000
2000
Ze berekenen zoals gezegd
04:03
commands at 600 times a second
95
228000
2000
600 keer per seconde de bevelen
04:05
to stabilize this robot.
96
230000
2000
om deze robot te stabiliseren.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
Links zie je Daniël die zijn robot omhoog gooit.
04:10
And it shows you how robust the control is.
98
235000
2000
Dit toont hoe robuust de controle is.
04:12
No matter how you throw it,
99
237000
2000
Hoe je het ook gooit,
04:14
the robot recovers and comes back to him.
100
239000
4000
de robot herstelt zich en keert terug.
04:18
So why build robots like this?
101
243000
2000
Waarom bouwen we dit soort robots?
04:20
Well robots like this have many applications.
102
245000
3000
Er zijn vele soorten toepassingen.
04:23
You can send them inside buildings like this
103
248000
3000
Je kan ze in dit soort gebouwen binnensturen
04:26
as first responders to look for intruders,
104
251000
3000
als eerstelijnsdienst op zoek naar inbrekers,
04:29
maybe look for biochemical leaks,
105
254000
3000
op zoek naar biochemische lekken,
04:32
gaseous leaks.
106
257000
2000
of gaslekken.
04:34
You can also use them
107
259000
2000
Je kan ze ook gebruiken
04:36
for applications like construction.
108
261000
2000
voor bouwtoepassingen.
04:38
So here are robots carrying beams, columns
109
263000
4000
Dit zijn robots die balken dragen, zuilen,
04:42
and assembling cube-like structures.
110
267000
3000
en die kubusachtige structuren bouwen.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Ik vertel jullie er wat meer over.
04:48
The robots can be used for transporting cargo.
112
273000
3000
De robots kunnen worden gebruikt om lading te vervoeren.
04:51
So one of the problems with these small robots
113
276000
3000
Eén van de problemen met deze kleine robots
04:54
is their payload carrying capacity.
114
279000
2000
is hun vermogen om nuttige lading te vervoeren.
04:56
So you might want to have multiple robots
115
281000
2000
Je hebt wellicht meerdere robots nodig
04:58
carry payloads.
116
283000
2000
die nuttige lading vervoeren.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Dit is een beeld van een recent experiment --
05:02
actually not so recent anymore --
118
287000
2000
intussen al niet meer zo recent --
05:04
in Sendai shortly after the earthquake.
119
289000
3000
in Sendai, kort na de aardbeving.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Robots als deze kunnen een ingestort gebouw ingestuurd worden
05:10
to assess the damage after natural disasters,
121
295000
2000
om de schade in te schatten na natuurrampen.
05:12
or sent into reactor buildings
122
297000
3000
Ze kunnen reactorgebouwen worden ingestuurd
05:15
to map radiation levels.
123
300000
3000
om stralingsniveaus in kaart te brengen.
05:19
So one fundamental problem
124
304000
2000
Een fundamenteel probleem
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
dat robots moeten oplossen om autonoom te zijn,
05:24
is essentially figuring out
126
309000
2000
is uitzoeken
05:26
how to get from point A to point B.
127
311000
2000
hoe ze van punt A naar punt B geraken.
05:28
So this gets a little challenging
128
313000
2000
Dat wordt een uitdaging
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
omdat de dynamica van deze robot ingewikkeld is.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
Ze bewegen zich in een 12-dimensionale ruimte.
05:35
So we use a little trick.
131
320000
2000
Daarom gebruiken we een trucje.
05:37
We take this curved 12-dimensional space
132
322000
3000
We nemen deze 12-dimensionale gekromde ruimte
05:40
and transform it
133
325000
2000
en vormen ze om
05:42
into a flat four-dimensional space.
134
327000
2000
tot een vlakke vierdimensionale ruimte.
05:44
And that four-dimensional space
135
329000
2000
Die vierdimensionale ruimte
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
bestaat uit X, Y, Z en de gierhoek.
05:49
And so what the robot does
137
334000
2000
De robot doet het volgende:
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
hij plant wat wij een minimale 'snap'-baan noemen.
05:55
So to remind you of physics,
139
340000
2000
Kleine fysicaherhaling:
05:57
you have position, derivative, velocity,
140
342000
2000
je hebt positie, snelheid is de afgeleide,
05:59
then acceleration,
141
344000
2000
dan versnelling,
06:01
and then comes jerk
142
346000
2000
dan 'jerk'
06:03
and then comes snap.
143
348000
2000
en dan 'snap'.
06:05
So this robot minimizes snap.
144
350000
3000
Deze robot minimaliseert 'snap'.
06:08
So what that effectively does
145
353000
2000
Waar dat toe leidt,
06:10
is produces a smooth and graceful motion.
146
355000
2000
is een vloeiende en gracieuze beweging.
06:12
And it does that avoiding obstacles.
147
357000
3000
Dat doet het door obstakels te vermijden.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Deze minimale 'snap'-banen in een vlakke ruimte
06:18
are then transformed back
149
363000
2000
worden vervolgens opnieuw omgezet
06:20
into this complicated 12-dimensional space,
150
365000
2000
naar een ingewikkelde 12-dimensionale ruimte.
06:22
which the robot must do
151
367000
2000
De robot doet dat
06:24
for control and then execution.
152
369000
2000
om te controleren en vervolgens uit te voeren.
06:26
So let me show you some examples
153
371000
2000
Laat me jullie een paar voorbeelden tonen
06:28
of what these minimum snap trajectories look like.
154
373000
2000
van hoe deze minimale snap-banen eruit zien.
06:30
And in the first video,
155
375000
2000
In de eerste video
06:32
you'll see the robot going from point A to point B
156
377000
2000
zie je de robot van punt A naar punt B gaan
06:34
through an intermediate point.
157
379000
2000
via een punt er tussenin.
06:42
So the robot is obviously capable
158
387000
2000
De robot is in staat
06:44
of executing any curve trajectory.
159
389000
2000
om elke kromme baan uit te voeren.
06:46
So these are circular trajectories
160
391000
2000
Dit zijn cirkelbanen
06:48
where the robot pulls about two G's.
161
393000
3000
waarbij de robot ongeveer twee G te verwerken krijgt.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Dit zijn bewegingsregistratiecamera's op de bovenkant
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
die de robot 100 keer per seconde vertellen waar hij is.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Ze vertellen hem ook waar de obstakels zijn.
07:02
And the obstacles can be moving.
165
407000
2000
De obstakels kunnen bewegen.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Hier zie je Daniel een hoepel opgooien.
07:07
while the robot is calculating the position of the hoop
167
412000
2000
De robot berekent de positie van de hoepel
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
en zoekt uit hoe hij er het beste kan doorvliegen.
07:13
So as an academic,
169
418000
2000
Als academicus
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
oefenen we altijd om door hoepels te springen om geld in te zamelen voor ons lab.
07:18
and we get our robots to do that.
171
423000
3000
Onze robots doen dat voor ons.
07:21
(Applause)
172
426000
6000
(Applaus)
07:27
So another thing the robot can do
173
432000
2000
Nog iets dat deze robot kan doen,
07:29
is it remembers pieces of trajectory
174
434000
3000
is dat hij delen van een baan onthoudt
07:32
that it learns or is pre-programmed.
175
437000
2000
die hij leert of die voorgeprogrammeerd zijn.
07:34
So here you see the robot
176
439000
2000
Hier zie je hoe de robot
07:36
combining a motion
177
441000
2000
een beweging combineert
07:38
that builds up momentum
178
443000
2000
die momentum opbouwt,
07:40
and then changes its orientation and then recovers.
179
445000
3000
waarna hij zijn oriëntatie wijzigt en zich herstelt.
07:43
So it has to do this because this gap in the window
180
448000
3000
Dat moet hij doen omdat het gat in het venster
07:46
is only slightly larger than the width of the robot.
181
451000
4000
maar een klein beetje breder is dan de breedte van de robot.
07:50
So just like a diver stands on a springboard
182
455000
3000
Zoals een duiker op een duikplank staat
07:53
and then jumps off it to gain momentum,
183
458000
2000
en eraf springt om momentum te krijgen
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
en dan een pirouette uitvoert, een 2 1/2 salto,
07:58
and then gracefully recovers,
185
463000
2000
waarna hij zich gracieus herstelt,
08:00
this robot is basically doing that.
186
465000
2000
zo doet deze robot hetzelfde.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Hij kan stukjes en beetjes van banen combineren
08:05
to do these fairly difficult tasks.
188
470000
4000
om moeilijke taken uit te voeren.
08:09
So I want change gears.
189
474000
2000
Ik verander van versnelling.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Eén van de nadelen van deze kleine robots is hun omvang.
08:14
And I told you earlier
191
479000
2000
Ik zei al
08:16
that we may want to employ lots and lots of robots
192
481000
2000
dat we heel veel robots nodig hebben
08:18
to overcome the limitations of size.
193
483000
3000
om de beperkingen van de afmetingen te overwinnen.
08:21
So one difficulty
194
486000
2000
Eén moeilijkheid is:
08:23
is how do you coordinate lots of these robots?
195
488000
3000
hoe coördineer je een hoop robots?
08:26
And so here we looked to nature.
196
491000
2000
Hier keken we naar de natuur.
08:28
So I want to show you a clip
197
493000
2000
Ik wil jullie een clip tonen
08:30
of Aphaenogaster desert ants
198
495000
2000
van aphaenogaster-woestijnmieren
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
die een object dragen in het lab van Professor Stephen Pratt.
08:35
So this is actually a piece of fig.
200
500000
2000
Dit is een stuk vijg.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Bedek om het even welk object met een laag vijgensap
08:39
and the ants will carry them back to the nest.
202
504000
3000
en de mieren zullen het naar hun nest slepen.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Deze mieren hebben geen centrale coördinator.
08:45
They sense their neighbors.
204
510000
2000
Ze worden hun buren gewaar.
08:47
There's no explicit communication.
205
512000
2000
Er is geen expliciete communicatie.
08:49
But because they sense the neighbors
206
514000
2000
Maar omdat ze hun buren gewaarworden,
08:51
and because they sense the object,
207
516000
2000
en omdat ze het object gewaarworden,
08:53
they have implicit coordination across the group.
208
518000
3000
is er impliciete coördinatie in de groep.
08:56
So this is the kind of coordination
209
521000
2000
Dit is het soort coördinatie
08:58
we want our robots to have.
210
523000
3000
dat we wensen voor onze robots.
09:01
So when we have a robot
211
526000
2000
We hebben een robot
09:03
which is surrounded by neighbors --
212
528000
2000
die omgeven is door buren --
09:05
and let's look at robot I and robot J --
213
530000
2000
laten we robot I en robot J in de gaten houden.
09:07
what we want the robots to do
214
532000
2000
We willen dat de robots
09:09
is to monitor the separation between them
215
534000
3000
de afstand van elkaar in de gaten houden
09:12
as they fly in formation.
216
537000
2000
terwijl ze in formatie vliegen.
09:14
And then you want to make sure
217
539000
2000
Je moet ervoor zorgen
09:16
that this separation is within acceptable levels.
218
541000
2000
dat deze afstand binnen aanvaardbare perken blijft.
09:18
So again the robots monitor this error
219
543000
3000
De robots monitoren de fout
09:21
and calculate the control commands
220
546000
2000
en berekenen controlecommando's,
09:23
100 times a second,
221
548000
2000
100 keer per seconde,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
wat dan wordt omgezet in bewegingscommando's, 600 keer per seconde.
09:28
So this also has to be done
223
553000
2000
Dit moet ook gebeuren
09:30
in a decentralized way.
224
555000
2000
op gedecentraliseerde wijze.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Als je heel veel robots hebt,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
kan je al deze informatie niet snel genoeg centraal coördineren
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
om de robots in hun taak te doen slagen.
09:41
Plus the robots have to base their actions
228
566000
2000
De robots moeten hun actie
09:43
only on local information,
229
568000
2000
louter op lokale informatie baseren,
09:45
what they sense from their neighbors.
230
570000
2000
op wat ze vanwege hun buren gewaarworden.
09:47
And then finally,
231
572000
2000
Tenslotte willen we
09:49
we insist that the robots be agnostic
232
574000
2000
dat de robots niet weten
09:51
to who their neighbors are.
233
576000
2000
wie hun buren zijn.
09:53
So this is what we call anonymity.
234
578000
3000
Dat noemen we anonimiteit.
09:56
So what I want to show you next
235
581000
2000
Ik toon jullie zo meteen
09:58
is a video
236
583000
2000
een video
10:00
of 20 of these little robots
237
585000
3000
van 20 van deze kleine robots
10:03
flying in formation.
238
588000
2000
die in formatie vliegen.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Ze monitoren de positie van hun buren.
10:08
They're maintaining formation.
240
593000
2000
Ze houden een formatie aan.
10:10
The formations can change.
241
595000
2000
De formaties kunnen wijzigen.
10:12
They can be planar formations,
242
597000
2000
Ze kunnen vlak zijn,
10:14
they can be three-dimensional formations.
243
599000
2000
of driedimensionaal.
10:16
As you can see here,
244
601000
2000
Hier zie je dat ze
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
van een driedimensionale formatie naar een vlakke overgaan.
10:21
And to fly through obstacles
246
606000
2000
Om door obstakels te vliegen,
10:23
they can adapt the formations on the fly.
247
608000
4000
kunnen ze de formaties tijdens het vliegen aanpassen;
10:27
So again, these robots come really close together.
248
612000
3000
Deze robots vliegen dicht tegen elkaar aan.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Je ziet bij deze acht-vormige vlucht
10:32
they come within inches of each other.
250
617000
2000
dat ze centimeters van elkaar vliegen.
10:34
And despite the aerodynamic interactions
251
619000
3000
Ondanks de aërodynamische interactie
10:37
of these propeller blades,
252
622000
2000
van de schroefbladen,
10:39
they're able to maintain stable flight.
253
624000
2000
slagen ze erin om stabiel te vliegen.
10:41
(Applause)
254
626000
7000
(Applaus)
10:48
So once you know how to fly in formation,
255
633000
2000
Zodra je weet hoe je in formatie vliegt,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
kan je samen objecten oppikken.
10:52
So this just shows
257
637000
2000
Dit toont aan
10:54
that we can double, triple, quadruple
258
639000
3000
dat we dubbel, driedubbel, vier keer zoveel
10:57
the robot strength
259
642000
2000
robotkracht kunnen krijgen
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
door ze in team met hun buren te laten werken, zoals je hier ziet.
11:01
One of the disadvantages of doing that
261
646000
3000
Eén van de nadelen daarvan is
11:04
is, as you scale things up --
262
649000
2000
dat als je de dingen opschaalt --
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
als je veel robots hetzelfde ding laat dragen,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
je daardoor de inertie verhoogt
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
en dus een prijs betaalt. Ze zijn niet zo wendbaar.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Maar je nuttige lading stijgt wel.
11:17
Another application I want to show you --
267
662000
2000
Ik wil jullie nog een toepassing tonen --
11:19
again, this is in our lab.
268
664000
2000
dit is in ons lab.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Dit werk is van de hand van student Quentin Lindsey.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Zijn algoritme zegt deze robots
11:26
how to autonomously build
271
671000
2000
hoe ze autonoom
11:28
cubic structures
272
673000
2000
kubusstructuren moeten bouwen
11:30
from truss-like elements.
273
675000
3000
uit bundel-achtige elementen.
11:33
So his algorithm tells the robot
274
678000
2000
Dit algoritme vertelt de robot
11:35
what part to pick up,
275
680000
2000
welk deel ze moeten oppikken,
11:37
when and where to place it.
276
682000
2000
wanneer, en waar ze het moeten neerzetten.
11:39
So in this video you see --
277
684000
2000
In deze video zie je --
11:41
and it's sped up 10, 14 times --
278
686000
2000
het is 10 tot 14 keer versneld --
11:43
you see three different structures being built by these robots.
279
688000
3000
je ziet hoe 3 verschillende structuren door deze robots worden gebouwd.
11:46
And again, everything is autonomous,
280
691000
2000
Alles is autonoom,
11:48
and all Quentin has to do
281
693000
2000
en het enige dat Quentin moet doen,
11:50
is to get them a blueprint
282
695000
2000
is ze een blauwdruk geven
11:52
of the design that he wants to build.
283
697000
4000
van het ontwerp dat hij wil bouwen.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Alle experimenten die je tot hiertoe hebt gezien,
11:59
all these demonstrations,
285
704000
2000
alle demonstraties
12:01
have been done with the help of motion capture systems.
286
706000
3000
zijn uitgevoerd met bewegingsregistratiesystemen.
12:04
So what happens when you leave your lab
287
709000
2000
Wat gebeurt er als je je lab verlaat,
12:06
and you go outside into the real world?
288
711000
3000
en je naar buiten gaat, de echte wereld in?
12:09
And what if there's no GPS?
289
714000
3000
Wat als er geen gps is?
12:12
So this robot
290
717000
2000
Deze robot
12:14
is actually equipped with a camera
291
719000
2000
is uitgerust met een camera
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
een een optische afstandsmeter, een laserscanner.
12:19
And it uses these sensors
293
724000
2000
Het gebruikt deze sensoren
12:21
to build a map of the environment.
294
726000
2000
om een kaart van de omgeving op te stellen.
12:23
What that map consists of are features --
295
728000
3000
Die kaart bestaat uit kenmerken --
12:26
like doorways, windows,
296
731000
2000
deuren, vensters,
12:28
people, furniture --
297
733000
2000
mensen, meubilair --
12:30
and it then figures out where its position is
298
735000
2000
en zoekt dan uit waar zijn positie is
12:32
with respect to the features.
299
737000
2000
met betrekking tot die kenmerken.
12:34
So there is no global coordinate system.
300
739000
2000
Er is geen algemeen coördinatensysteem.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Het coördinatensysteem is gebaseerd op de robot,
12:39
where it is and what it's looking at.
302
744000
3000
waar die is en waar hij naar kijkt.
12:42
And it navigates with respect to those features.
303
747000
3000
Hij navigeert op basis van die kenmerken.
12:45
So I want to show you a clip
304
750000
2000
Ik toon jullie een filmpje
12:47
of algorithms developed by Frank Shen
305
752000
2000
van algoritmes die zijn ontworpen door Frank Shen
12:49
and Professor Nathan Michael
306
754000
2000
en door professor Nathan Michael.
12:51
that shows this robot entering a building for the very first time
307
756000
4000
Je ziet hoe deze robot een gebouw voor het eerst binnengaat
12:55
and creating this map on the fly.
308
760000
3000
en daarbij deze kaart maakt.
12:58
So the robot then figures out what the features are.
309
763000
3000
De robot zoekt uit wat de kenmerken zijn.
13:01
It builds the map.
310
766000
2000
Hij stelt de kaart op.
13:03
It figures out where it is with respect to the features
311
768000
2000
Hij zoekt uit wat zijn positie is op basis van de kenmerken
13:05
and then estimates its position
312
770000
2000
en schat dan zijn positie in,
13:07
100 times a second
313
772000
2000
100 keer per seconde,
13:09
allowing us to use the control algorithms
314
774000
2000
waarbij we de controle-algoritmes kunnen gebruiken
13:11
that I described to you earlier.
315
776000
2000
die ik eerder heb beschreven.
13:13
So this robot is actually being commanded
316
778000
2000
Deze robot wordt vanop afstand
13:15
remotely by Frank.
317
780000
2000
bestuurd door Frank.
13:17
But the robot can also figure out
318
782000
2000
De robot kan ook op zijn eentje
13:19
where to go on its own.
319
784000
2000
uitzoeken waar hij heen moet.
13:21
So suppose I were to send this into a building
320
786000
2000
Als ik dit een gebouw instuur
13:23
and I had no idea what this building looked like,
321
788000
2000
en geen idee heb hoe het eruit ziet,
13:25
I can ask this robot to go in,
322
790000
2000
kan ik deze robot vragen om binnen te gaan,
13:27
create a map
323
792000
2000
een kaart op te stellen
13:29
and then come back and tell me what the building looks like.
324
794000
3000
en me dan te komen vertellen hoe het gebouw eruit ziet.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
De robot lost niet alleen het probleem op -
13:35
how to go from point A to point B in this map,
326
800000
3000
hoe ga ik van punt A naar punt B op deze kaart -
13:38
but it's figuring out
327
803000
2000
maar hij zoekt ook uit
13:40
what the best point B is at every time.
328
805000
2000
wat op elk moment het beste punt B is.
13:42
So essentially it knows where to go
329
807000
3000
Hij weet dus waar hij moet gaan
13:45
to look for places that have the least information.
330
810000
2000
om plaatsen te zoeken met minimale informatie.
13:47
And that's how it populates this map.
331
812000
3000
Zo stelt hij deze kaart op.
13:50
So I want to leave you
332
815000
2000
Ik wil besluiten
13:52
with one last application.
333
817000
2000
met nog een laatste toepassing.
13:54
And there are many applications of this technology.
334
819000
3000
Er zijn vele toepassingen van deze technologie.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Ik ben professor. Mijn passie is onderwijs.
13:59
Robots like this can really change the way
336
824000
2000
Robots als deze kunnen een revolutie betekenen
14:01
we do K through 12 education.
337
826000
2000
voor het basis- en middelbaar onderwijs.
14:03
But we're in Southern California,
338
828000
2000
Maar we zitten in Zuid-Californië,
14:05
close to Los Angeles,
339
830000
2000
vlakbij Los Angeles,
14:07
so I have to conclude
340
832000
2000
dus moet ik afsluiten
14:09
with something focused on entertainment.
341
834000
2000
met de klemtoon op amusement.
14:11
I want to conclude with a music video.
342
836000
2000
Ik wil afsluiten met een muziekvideo.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Laat me de auteurs voorstellen, Alex en Daniel,
14:16
who created this video.
344
841000
2000
die deze video hebben gemaakt.
14:18
(Applause)
345
843000
7000
(Applaus)
14:25
So before I play this video,
346
850000
2000
Voor ik de video afspeel,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
vertel ik jullie graag dat ze hem de afgelopen 3 dagen hebben gemaakt,
14:30
after getting a call from Chris.
348
855000
2000
na een telefoontje van Chris.
14:32
And the robots that play the video
349
857000
2000
De robots die je ziet in de video
14:34
are completely autonomous.
350
859000
2000
zijn volledig autonoom.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Je ziet negen robots die zes verschillende instrumenten spelen.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Dit werd exclusief voor TED 2012 gemaakt.
14:43
Let's watch.
353
868000
3000
Laten we kijken.
15:19
(Music)
354
904000
10000
(Muziek)
16:23
(Applause)
355
968000
17000
(Applaus)
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