TED2012
Vijay Kumar: Robots that fly ... and cooperate
Vijay Kumar: Robôs que voam... e cooperam
Filmed:
Readability: 4.5
5,188,706 views
No seu laboratório em Penn, Vijay Kumar e a sua equipa constroem quadrirrotores, robôs pequenos e ágeis que se organizam em grupo, detetam-se uns aos outros e formam equipas "ad hoc" — para a construção, a vigilância de desastres e muitas coisas mais.
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
Bom dia.
00:22
I'm here today to talk
1
7000
2000
Estou hoje aqui para falar
00:24
about autonomous, flying beach balls.
2
9000
3000
de bolas de praia voadoras e autónomas.
(Risos)
00:27
No, agile aerial robots like this one.
3
12000
4000
Não! De robôs aéreos ágeis como este.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Gostava de falar um pouco
dos desafios para os construir
dos desafios para os construir
00:34
and some of the terrific opportunities
5
19000
2000
e de algumas das incríveis oportunidades
00:36
for applying this technology.
6
21000
2000
para aplicar esta tecnologia.
00:38
So these robots
7
23000
2000
Estes robôs são parentes
dos veículos aéreos não tripulados.
dos veículos aéreos não tripulados.
00:40
are related to unmanned aerial vehicles.
8
25000
3000
00:43
However, the vehicles you see here are big.
9
28000
3000
Contudo, os veículos
que veem aqui são grandes.
que veem aqui são grandes.
00:46
They weigh thousands of pounds,
10
31000
2000
Pesam milhares de quilos,
não são nada ágeis.
não são nada ágeis.
00:48
are not by any means agile.
11
33000
2000
00:50
They're not even autonomous.
12
35000
2000
Nem sequer são autónomos.
00:52
In fact, many of these vehicles
13
37000
2000
Na verdade, muitos destes veículos
00:54
are operated by flight crews
14
39000
2000
são manobrados por tripulações
00:56
that can include multiple pilots,
15
41000
3000
que podem incluir vários pilotos,
00:59
operators of sensors
16
44000
2000
operadores de sensores
01:01
and mission coordinators.
17
46000
2000
e coordenadores de missão.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Nós estamos interessados
em desenvolver robôs como estes.
em desenvolver robôs como estes.
01:05
and here are two other pictures --
19
50000
2000
Estas são duas fotografias
01:07
of robots that you can buy off the shelf.
20
52000
3000
de robôs que podemos comprar numa loja.
01:10
So these are helicopters with four rotors
21
55000
3000
Estes são helicópteros com quatro rotores.
01:13
and they're roughly a meter or so in scale
22
58000
4000
Têm cerca de um metro de tamanho
01:17
and weigh several pounds.
23
62000
2000
e pesam vários quilos.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Colocamos-lhes sensores e processadores.
01:22
and these robots can fly indoors
25
67000
2000
Estes robôs podem voar
em locais fechados, sem GPS.
em locais fechados, sem GPS.
01:24
without GPS.
26
69000
2000
01:26
The robot I'm holding in my hand
27
71000
2000
O robô que tenho na minha mão é este
01:28
is this one,
28
73000
2000
01:30
and it's been created by two students,
29
75000
3000
e foi criado por dois estudantes,
01:33
Alex and Daniel.
30
78000
2000
Alex e Daniel.
01:35
So this weighs a little more
31
80000
2000
Pesa um pouco mais de 45 gramas.
01:37
than a tenth of a pound.
32
82000
2000
01:39
It consumes about 15 watts of power.
33
84000
2000
Consome cerca de 15 watts de energia.
01:41
And as you can see,
34
86000
2000
E, como podem ver,
tem cerca de 20 cm de diâmetro.
tem cerca de 20 cm de diâmetro.
01:43
it's about eight inches in diameter.
35
88000
2000
01:45
So let me give you just a very quick tutorial
36
90000
3000
Vou dar uma breve explicação
01:48
on how these robots work.
37
93000
2000
sobre como trabalham estes robôs.
01:50
So it has four rotors.
38
95000
2000
Têm quatro rotores.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Se girarmos estes rotores
à mesma velocidade, o robô paira.
à mesma velocidade, o robô paira.
01:54
the robot hovers.
40
99000
2000
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Se aumentarmos a velocidade
de cada um destes rotores,
de cada um destes rotores,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
o robô levanta voo, sobe acelerando.
02:02
Of course, if the robot were tilted,
43
107000
2000
Claro, se o robô for inclinado
02:04
inclined to the horizontal,
44
109000
2000
no sentido horizontal,
02:06
then it would accelerate in this direction.
45
111000
3000
aceleraria nesta direção.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Para rodar, há uma de duas formas.
02:12
So in this picture
47
117000
2000
Nesta imagem
02:14
you see that rotor four is spinning faster
48
119000
2000
podem ver que o rotor 4 roda mais rápido
02:16
and rotor two is spinning slower.
49
121000
2000
e o rotor 2 roda mais devagar.
02:18
And when that happens
50
123000
2000
Quando isto acontece,
02:20
there's moment that causes this robot to roll.
51
125000
3000
isso faz com que o robô rode.
02:23
And the other way around,
52
128000
2000
E, ao contrário,
02:25
if you increase the speed of rotor three
53
130000
3000
se aumentarmos a velocidade do rotor 3
02:28
and decrease the speed of rotor one,
54
133000
2000
e diminuirmos a velocidade do rotor 1,
02:30
then the robot pitches forward.
55
135000
3000
o robô vai para a frente.
02:33
And then finally,
56
138000
2000
E, finalmente,
se rodarmos um par de rotores opostos,
02:35
if you spin opposite pairs of rotors
57
140000
2000
02:37
faster than the other pair,
58
142000
2000
mais rapidamente do que os outros dois,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
o robô começa a subir na vertical.
02:41
So an on-board processor
60
146000
2000
Um processador incorporado
02:43
essentially looks at what motions need to be executed
61
148000
3000
observa os movimentos
que é preciso executar,
que é preciso executar,
02:46
and combines these motions
62
151000
2000
combina estes movimentos
02:48
and figures out what commands to send to the motors
63
153000
3000
e descobre quais os comandos
que deve enviar aos motores
que deve enviar aos motores
02:51
600 times a second.
64
156000
2000
a 600 vezes por segundo.
02:53
That's basically how this thing operates.
65
158000
2000
É basicamente assim que funciona.
02:55
So one of the advantages of this design
66
160000
2000
Portanto, uma das vantagens
deste modelo é que,
deste modelo é que,
02:57
is, when you scale things down,
67
162000
2000
quando diminuímos a escala das coisas,
02:59
the robot naturally becomes agile.
68
164000
3000
naturalmente o robô torna-se ágil.
03:02
So here R
69
167000
2000
Aqui o R
03:04
is the characteristic length of the robot.
70
169000
2000
é o comprimento característico do robô,
03:06
It's actually half the diameter.
71
171000
3000
é metade do diâmetro.
03:09
And there are lots of physical parameters that change
72
174000
3000
Há muitos parâmetros físicos que mudam,
03:12
as you reduce R.
73
177000
2000
à medida que se reduz o R.
03:14
The one that's the most important
74
179000
2000
O parâmetro mais importante
03:16
is the inertia or the resistance to motion.
75
181000
2000
é a inércia ou a resistência ao movimento.
03:18
So it turns out,
76
183000
2000
Acontece que a inércia,
03:20
the inertia, which governs angular motion,
77
185000
3000
que controla o movimento angular,
03:23
scales as a fifth power of R.
78
188000
3000
é proporcional à quinta potência de R.
03:26
So the smaller you make R,
79
191000
2000
Portanto, quanto menor for R,
03:28
the more dramatically the inertia reduces.
80
193000
3000
menor será a inércia.
03:31
So as a result, the angular acceleration,
81
196000
3000
Como resultado, a aceleração angular,
03:34
denoted by Greek letter alpha here,
82
199000
2000
descrita aqui com a letra grega alfa,
03:36
goes as one over R.
83
201000
2000
passa a ser 1 sobre R.
03:38
It's inversely proportional to R.
84
203000
2000
É inversamente proporcional a R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Quanto menor for, mais rapidamente
podemos fazê-lo virar.
podemos fazê-lo virar.
03:43
So this should be clear in these videos.
86
208000
2000
Isso é bastante visível nestes vídeos.
03:45
At the bottom right you see a robot
87
210000
3000
Em baixo, à direita, vemos um robô
03:48
performing a 360 degree flip
88
213000
2000
a dar uma cambalhota de 360 graus
03:50
in less than half a second.
89
215000
2000
em menos de meio segundo.
03:52
Multiple flips, a little more time.
90
217000
3000
Várias cambalhotas, demora um pouco mais.
03:55
So here the processes on board
91
220000
2000
Portanto, aqui, os processadores a bordo
03:57
are getting feedback from accelerometers
92
222000
2000
recebem informações dos acelerómetros
03:59
and gyros on board
93
224000
2000
e dos giroscópios a bordo
04:01
and calculating, like I said before,
94
226000
2000
e calculam os comandos,
— como eu já disse —
— como eu já disse —
04:03
commands at 600 times a second
95
228000
2000
a 600 vezes por segundo,
04:05
to stabilize this robot.
96
230000
2000
para estabilizar este robô.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
À esquerda, o Daniel
está a atirar o robô ao ar.
está a atirar o robô ao ar.
04:10
And it shows you how robust the control is.
98
235000
2000
Mostra quão robustos são os controlos.
04:12
No matter how you throw it,
99
237000
2000
Seja como for que o atirarmos,
04:14
the robot recovers and comes back to him.
100
239000
4000
o robô recupera e volta para ele.
04:18
So why build robots like this?
101
243000
2000
Para quê construir robôs destes?
04:20
Well robots like this have many applications.
102
245000
3000
Bem, os robôs como este
têm muitas aplicações.
têm muitas aplicações.
04:23
You can send them inside buildings like this
103
248000
3000
Podem ser enviados para o interior
de edifícios como este
de edifícios como este
04:26
as first responders to look for intruders,
104
251000
3000
para procurar intrusos,
04:29
maybe look for biochemical leaks,
105
254000
3000
talvez para procurar fugas de bioquímicos,
fugas de gases.
fugas de gases.
04:32
gaseous leaks.
106
257000
2000
04:34
You can also use them
107
259000
2000
Também podemos usá-los
na construção civil.
na construção civil.
04:36
for applications like construction.
108
261000
2000
04:38
So here are robots carrying beams, columns
109
263000
4000
Estes são robôs
a transportar vigas, colunas
a transportar vigas, colunas
04:42
and assembling cube-like structures.
110
267000
3000
e a montar estruturas cúbicas.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Vou falar-vos um pouco mais sobre isso.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Os robôs podem ser usados
para transportar cargas.
para transportar cargas.
04:51
So one of the problems with these small robots
113
276000
3000
Um dos problemas com estes robôs pequenos
04:54
is their payload carrying capacity.
114
279000
2000
é a sua capacidade de transportar cargas.
04:56
So you might want to have multiple robots
115
281000
2000
É preciso ter vários robôs
para transportar cargas.
para transportar cargas.
04:58
carry payloads.
116
283000
2000
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Esta é a fotografia duma experiência
recente que fizemos
recente que fizemos
05:02
actually not so recent anymore --
118
287000
2000
— agora já não é tão recente —
05:04
in Sendai shortly after the earthquake.
119
289000
3000
em Sendai, pouco depois do terramoto.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Estes robôs podem ser enviados
para os escombros
para os escombros
05:10
to assess the damage after natural disasters,
121
295000
2000
para avaliar danos
depois de desastres naturais,
depois de desastres naturais,
05:12
or sent into reactor buildings
122
297000
3000
ou enviados para centrais nucleares
05:15
to map radiation levels.
123
300000
3000
para mapear níveis de radiação.
05:19
So one fundamental problem
124
304000
2000
Um problema fundamental
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
que os robôs têm que resolver
para serem autónomos
para serem autónomos
05:24
is essentially figuring out
126
309000
2000
é, essencialmente, descobrir
05:26
how to get from point A to point B.
127
311000
2000
como chegar do ponto A ao ponto B.
05:28
So this gets a little challenging
128
313000
2000
Isso é um pequeno desafio
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
porque as dinâmicas dos robôs
são bastante complicadas.
são bastante complicadas.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
Vivem num espaço de 12 dimensões.
05:35
So we use a little trick.
131
320000
2000
Portanto usamos um pequeno truque.
05:37
We take this curved 12-dimensional space
132
322000
3000
Tomamos este espaço curvo de 12 dimensões
05:40
and transform it
133
325000
2000
e transformamo-lo num espaço plano
de quatro dimensões.
de quatro dimensões.
05:42
into a flat four-dimensional space.
134
327000
2000
05:44
And that four-dimensional space
135
329000
2000
Este espaço a quatro dimensões
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
consiste em X, Y, Z
e o ângulo de inclinação.
e o ângulo de inclinação.
05:49
And so what the robot does
137
334000
2000
Este robô planeia o que chamamos
a trajetória de tração mínima.
a trajetória de tração mínima.
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
05:55
So to remind you of physics,
139
340000
2000
Para vos recordar a física,
05:57
you have position, derivative, velocity,
140
342000
2000
temos a posição, a derivada, a velocidade,
05:59
then acceleration,
141
344000
2000
depois a aceleração,
06:01
and then comes jerk
142
346000
2000
depois o impulso
06:03
and then comes snap.
143
348000
2000
e a seguir a tração.
06:05
So this robot minimizes snap.
144
350000
3000
Este robô minimiza a tração.
06:08
So what that effectively does
145
353000
2000
O que faz efetivamente
06:10
is produces a smooth and graceful motion.
146
355000
2000
é produzir um movimento gracioso e suave.
06:12
And it does that avoiding obstacles.
147
357000
3000
Faz isso evitando os obstáculos.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Estas trajetórias de tração mínima,
neste espaço plano,
neste espaço plano,
06:18
are then transformed back
149
363000
2000
são depois transformadas
06:20
into this complicated 12-dimensional space,
150
365000
2000
neste espaço complicado a 12 dimensões
06:22
which the robot must do
151
367000
2000
que o robô tem que fazer
para controlo e execução.
para controlo e execução.
06:24
for control and then execution.
152
369000
2000
06:26
So let me show you some examples
153
371000
2000
Vou mostrar-vos alguns exemplos
06:28
of what these minimum snap trajectories look like.
154
373000
2000
do aspeto dessas trajetórias
de tração mínima.
de tração mínima.
06:30
And in the first video,
155
375000
2000
No primeiro vídeo
06:32
you'll see the robot going from point A to point B
156
377000
2000
podemos ver o robô a ir
do ponto A ao ponto B
do ponto A ao ponto B
06:34
through an intermediate point.
157
379000
2000
através de um ponto intermédio.
06:42
So the robot is obviously capable
158
387000
2000
O robô obviamente é capaz
de executar qualquer trajetória curva.
de executar qualquer trajetória curva.
06:44
of executing any curve trajectory.
159
389000
2000
06:46
So these are circular trajectories
160
391000
2000
Estas são trajetórias circulares
em que o robô atinge cerca de 2 G.
em que o robô atinge cerca de 2 G.
06:48
where the robot pulls about two G's.
161
393000
3000
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Em cima, temos câmaras
de deteção de movimento
de deteção de movimento
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
que dizem ao robô onde ele está
umas 100 vezes por segundo.
umas 100 vezes por segundo.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Também dizem ao robô
onde estão estes obstáculos.
onde estão estes obstáculos.
07:02
And the obstacles can be moving.
165
407000
2000
Os obstáculos pode mover-se.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Veem aqui o Daniel a atirar o arco ao ar
07:07
while the robot is calculating the position of the hoop
167
412000
2000
enquanto o robô calcula a posição do arco
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
e tenta descobrir a melhor maneira
de atravessar o arco.
de atravessar o arco.
07:13
So as an academic,
169
418000
2000
Enquanto universitários,
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
somos sempre treinados
para atravessar arcos,
para atravessar arcos,
para arranjar fundos
para os laboratórios
para os laboratórios
07:18
and we get our robots to do that.
171
423000
3000
e pomos os nossos robôs a fazê-lo.
07:21
(Applause)
172
426000
6000
(Aplausos)
07:27
So another thing the robot can do
173
432000
2000
Outra coisa que o robô consegue fazer
07:29
is it remembers pieces of trajectory
174
434000
3000
é lembrar-se de partes duma trajetória
07:32
that it learns or is pre-programmed.
175
437000
2000
que aprende ou
para que foi pré-programado.
para que foi pré-programado.
07:34
So here you see the robot
176
439000
2000
Vemos aqui o robô
a combinar um movimento
a combinar um movimento
07:36
combining a motion
177
441000
2000
07:38
that builds up momentum
178
443000
2000
que ganha velocidade,
07:40
and then changes its orientation and then recovers.
179
445000
3000
depois muda de orientação
e depois recupera.
e depois recupera.
07:43
So it has to do this because this gap in the window
180
448000
3000
Tem que fazer isto,
porque esta abertura na janela
porque esta abertura na janela
07:46
is only slightly larger than the width of the robot.
181
451000
4000
é pouco maior que a largura do robô.
07:50
So just like a diver stands on a springboard
182
455000
3000
Assim como um nadador num trampolim
07:53
and then jumps off it to gain momentum,
183
458000
2000
salta dela para ganhar impulso,
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
depois faz uma pirueta,
dois mortais e meio
dois mortais e meio
07:58
and then gracefully recovers,
185
463000
2000
e depois recupera graciosamente,
08:00
this robot is basically doing that.
186
465000
2000
este robô faz basicamente o mesmo.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Sabe como combinar
bocadinhos de trajetórias
bocadinhos de trajetórias
08:05
to do these fairly difficult tasks.
188
470000
4000
para fazer estas tarefas mais difíceis.
08:09
So I want change gears.
189
474000
2000
Mudando de assunto.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Uma das desvantagens
destes pequenos robôs é o seu tamanho.
destes pequenos robôs é o seu tamanho.
08:14
And I told you earlier
191
479000
2000
E disse-vos há bocado
08:16
that we may want to employ lots and lots of robots
192
481000
2000
que talvez queiramos empregar muitos robôs
08:18
to overcome the limitations of size.
193
483000
3000
para superar as limitações de tamanho.
08:21
So one difficulty
194
486000
2000
Uma dificuldade
08:23
is how do you coordinate lots of these robots?
195
488000
3000
é como se coordenam muitos robôs destes?
08:26
And so here we looked to nature.
196
491000
2000
Portanto olhámos para a natureza.
08:28
So I want to show you a clip
197
493000
2000
Assim quero mostrar-vos um vídeo
08:30
of Aphaenogaster desert ants
198
495000
2000
das formigas Aphaenogaster do deserto
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
no laboratório do Professor Stephen Pratt
a transportar um objeto.
a transportar um objeto.
08:35
So this is actually a piece of fig.
200
500000
2000
Isto é um bocado de um figo.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Pega-se em qualquer objeto
coberto com sumo de figo
coberto com sumo de figo
08:39
and the ants will carry them back to the nest.
202
504000
3000
e as formigas carregam-no para o ninho.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Estas formigas não têm
um coordenador central.
um coordenador central.
08:45
They sense their neighbors.
204
510000
2000
Elas detetam as vizinhas.
08:47
There's no explicit communication.
205
512000
2000
Não existe comunicação explicita.
08:49
But because they sense the neighbors
206
514000
2000
Mas, como detetam as vizinhas
08:51
and because they sense the object,
207
516000
2000
e como detetam o objeto,
08:53
they have implicit coordination across the group.
208
518000
3000
têm uma coordenação implícita
em todo o grupo.
em todo o grupo.
08:56
So this is the kind of coordination
209
521000
2000
Este é o tipo de coordenação
08:58
we want our robots to have.
210
523000
3000
que queremos que os nossos robôs tenham.
09:01
So when we have a robot
211
526000
2000
Assim, quando temos um robô
09:03
which is surrounded by neighbors --
212
528000
2000
que está rodeado de vizinhos,
09:05
and let's look at robot I and robot J --
213
530000
2000
— olhem para o robô I e para o robô J —
09:07
what we want the robots to do
214
532000
2000
queremos que os robôs
monitorizem o intervalo entre eles
monitorizem o intervalo entre eles
09:09
is to monitor the separation between them
215
534000
3000
09:12
as they fly in formation.
216
537000
2000
enquanto voam em formação.
09:14
And then you want to make sure
217
539000
2000
Depois queremos garantir
09:16
that this separation is within acceptable levels.
218
541000
2000
que esse intervalo está dentro
de níveis aceitáveis.
de níveis aceitáveis.
09:18
So again the robots monitor this error
219
543000
3000
Aqui, outra vez,
os robôs monitorizam o erro
os robôs monitorizam o erro
09:21
and calculate the control commands
220
546000
2000
e calculam os comandos de controlo
09:23
100 times a second,
221
548000
2000
a 100 vezes por segundo,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
que depois traduzem comandos
para o motor, 600 vezes por segundo.
para o motor, 600 vezes por segundo.
09:28
So this also has to be done
223
553000
2000
Isto também tem que ser feito
duma maneira descentralizada.
duma maneira descentralizada.
09:30
in a decentralized way.
224
555000
2000
09:32
Again, if you have lots and lots of robots,
225
557000
2000
De novo, se tiverem muitos robôs,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
é impossível coordenar
centralmente toda a informação,
centralmente toda a informação,
de modo suficientemente rápido
para que os robôs cumpram a tarefa.
para que os robôs cumpram a tarefa.
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
09:41
Plus the robots have to base their actions
228
566000
2000
Mais, os robôs têm
que basear as suas ações
que basear as suas ações
09:43
only on local information,
229
568000
2000
apenas em informações locais,
09:45
what they sense from their neighbors.
230
570000
2000
a noção que têm dos vizinhos.
09:47
And then finally,
231
572000
2000
E, finalmente,
09:49
we insist that the robots be agnostic
232
574000
2000
insistimos em que os robôs não conheçam
09:51
to who their neighbors are.
233
576000
2000
a identidade dos seus vizinhos.
09:53
So this is what we call anonymity.
234
578000
3000
Isto é o que chamamos de anonimato.
09:56
So what I want to show you next
235
581000
2000
A seguir quero mostrar
09:58
is a video
236
583000
2000
um vídeo de 20 destes pequenos robôs
10:00
of 20 of these little robots
237
585000
3000
10:03
flying in formation.
238
588000
2000
a voar em formação.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Estão a monitorizar a posição dos vizinhos.
10:08
They're maintaining formation.
240
593000
2000
Estão a manter a formação.
10:10
The formations can change.
241
595000
2000
A formação pode mudar.
10:12
They can be planar formations,
242
597000
2000
Podem ser formações planas,
10:14
they can be three-dimensional formations.
243
599000
2000
podem ser formações tridimensionais.
10:16
As you can see here,
244
601000
2000
Como podem ver aqui,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
eles desmancham a formação tridimensional
e passam para uma formação plana.
10:21
And to fly through obstacles
246
606000
2000
Para voarem através de obstáculos
10:23
they can adapt the formations on the fly.
247
608000
4000
podem adaptar as formações de improviso.
10:27
So again, these robots come really close together.
248
612000
3000
Assim, estes robôs aproximam-se
muito uns dos outros.
muito uns dos outros.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Como veem neste voo em forma de oito,
10:32
they come within inches of each other.
250
617000
2000
aproximam-se a centímetros uns dos outros.
10:34
And despite the aerodynamic interactions
251
619000
3000
E, apesar das interações aerodinâmicas
10:37
of these propeller blades,
252
622000
2000
destas pás de propulsão,
10:39
they're able to maintain stable flight.
253
624000
2000
são capazes de manter um voo estável.
10:41
(Applause)
254
626000
7000
(Aplausos)
10:48
So once you know how to fly in formation,
255
633000
2000
Depois de saberem voar em formação,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
podem apanhar objetos em cooperação.
10:52
So this just shows
257
637000
2000
Isto mostra apenas
10:54
that we can double, triple, quadruple
258
639000
3000
que podemos duplicar, triplicar,
10:57
the robot strength
259
642000
2000
quadruplicar a força do robô.
pondo-os trabalhar em equipa
com os outros, como aqui veem.
com os outros, como aqui veem.
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
11:01
One of the disadvantages of doing that
261
646000
3000
Uma das desvantagens de fazer isto
11:04
is, as you scale things up --
262
649000
2000
é que, ao aumentar o seu número,
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
— se houver muitos robôs
a carregar a mesma coisa —
a carregar a mesma coisa —
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
está-se a aumentar a inércia
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
e, como tal, paga-se um preço:
não são tão ágeis.
não são tão ágeis.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Mas ganha-se em termos
de capacidade de carga.
de capacidade de carga.
11:17
Another application I want to show you --
267
662000
2000
Quero mostrar-vos outra aplicação.
11:19
again, this is in our lab.
268
664000
2000
Isto é no nosso laboratório.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
É um trabalho do Quentin Lindsey
que é um aluno licenciado.
que é um aluno licenciado.
11:23
So his algorithm essentially tells these robots
270
668000
3000
O seu algoritmo diz a estes robôs
11:26
how to autonomously build
271
671000
2000
como construir, autonomamente,
estruturas cúbicas
estruturas cúbicas
11:28
cubic structures
272
673000
2000
11:30
from truss-like elements.
273
675000
3000
a partir de elementos de treliça.
11:33
So his algorithm tells the robot
274
678000
2000
O algoritmo dele diz ao robô
11:35
what part to pick up,
275
680000
2000
qual a parte a apanhar,
11:37
when and where to place it.
276
682000
2000
quando e onde a colocar.
11:39
So in this video you see --
277
684000
2000
Neste vídeo vemos,
11:41
and it's sped up 10, 14 times --
278
686000
2000
— está acelerado 10 ou 14 vezes —
11:43
you see three different structures being built by these robots.
279
688000
3000
vemos estes robôs a construir
três estruturas diferentes.
três estruturas diferentes.
11:46
And again, everything is autonomous,
280
691000
2000
Mais uma vez, tudo é autónomo.
11:48
and all Quentin has to do
281
693000
2000
Quentin só tem que lhes arranjar
11:50
is to get them a blueprint
282
695000
2000
uma planta da estrutura
que quer construir.
que quer construir.
11:52
of the design that he wants to build.
283
697000
4000
11:56
So all these experiments you've seen thus far,
284
701000
3000
Todas estas experiências
que viram até agora,
que viram até agora,
11:59
all these demonstrations,
285
704000
2000
todas estas demonstrações,
12:01
have been done with the help of motion capture systems.
286
706000
3000
foram feitas com a ajuda
de sistemas de deteção de movimento.
de sistemas de deteção de movimento.
12:04
So what happens when you leave your lab
287
709000
2000
O que acontece
quando se sai do laboratório
quando se sai do laboratório
12:06
and you go outside into the real world?
288
711000
3000
e se passa para o mundo real?
12:09
And what if there's no GPS?
289
714000
3000
E se não houver GPS?
12:12
So this robot
290
717000
2000
Este robô está equipado com uma câmara
12:14
is actually equipped with a camera
291
719000
2000
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
e um varredor "laser",
um "scanner" a " laser".
um "scanner" a " laser".
12:19
And it uses these sensors
293
724000
2000
Utiliza estes sensores
12:21
to build a map of the environment.
294
726000
2000
para construir um mapa do ambiente.
12:23
What that map consists of are features --
295
728000
3000
Esse mapa consiste em características
12:26
like doorways, windows,
296
731000
2000
— como portais, janelas,
pessoas, mobília —
pessoas, mobília —
12:28
people, furniture --
297
733000
2000
12:30
and it then figures out where its position is
298
735000
2000
e depois descobre qual a sua posição
12:32
with respect to the features.
299
737000
2000
em relação a estas características.
12:34
So there is no global coordinate system.
300
739000
2000
Não existe um sistema global
de coordenadas.
de coordenadas.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
O sistema de coordenadas
é definido com base no robô,
é definido com base no robô,
12:39
where it is and what it's looking at.
302
744000
3000
onde é que ele está
e para onde está a olhar.
e para onde está a olhar.
12:42
And it navigates with respect to those features.
303
747000
3000
Navega em relação a essas características.
12:45
So I want to show you a clip
304
750000
2000
Quero mostrar-vos um vídeo
12:47
of algorithms developed by Frank Shen
305
752000
2000
dos algoritmos desenvolvidos
pelo Frank Shen
e pelo Professor Nathan Michael
e pelo Professor Nathan Michael
12:49
and Professor Nathan Michael
306
754000
2000
12:51
that shows this robot entering a building for the very first time
307
756000
4000
que mostra este robô a entrar
num edifício pela primeira vez
num edifício pela primeira vez
12:55
and creating this map on the fly.
308
760000
3000
e a criar este mapa de improviso.
12:58
So the robot then figures out what the features are.
309
763000
3000
Depois o robô descobre
quais são as características.
quais são as características.
13:01
It builds the map.
310
766000
2000
Constrói o mapa.
13:03
It figures out where it is with respect to the features
311
768000
2000
Descobre onde está
em relação às características
em relação às características
13:05
and then estimates its position
312
770000
2000
e depois calcula a sua posição,
13:07
100 times a second
313
772000
2000
a 100 vezes por segundo,
13:09
allowing us to use the control algorithms
314
774000
2000
permitindo-nos usar
o algoritmo de controlo
o algoritmo de controlo
13:11
that I described to you earlier.
315
776000
2000
que vos descrevi antes.
13:13
So this robot is actually being commanded
316
778000
2000
Este robô está a ser comandado
13:15
remotely by Frank.
317
780000
2000
remotamente pelo Frank.
13:17
But the robot can also figure out
318
782000
2000
Mas o robô também pode descobrir
13:19
where to go on its own.
319
784000
2000
onde ir por si próprio.
13:21
So suppose I were to send this into a building
320
786000
2000
Suponhamos que eu o enviava
para um edifício
para um edifício
13:23
and I had no idea what this building looked like,
321
788000
2000
e não fazia ideia de como era o edifício.
13:25
I can ask this robot to go in,
322
790000
2000
Posso pedir a este robô
para entrar, criar um mapa
para entrar, criar um mapa
13:27
create a map
323
792000
2000
13:29
and then come back and tell me what the building looks like.
324
794000
3000
e depois voltar e dizer-me
como é o edifício.
como é o edifício.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
O robô não só está a resolver o problema
13:35
how to go from point A to point B in this map,
326
800000
3000
de como ir do ponto A
para o ponto B neste mapa,
para o ponto B neste mapa,
13:38
but it's figuring out
327
803000
2000
mas está sempre a descobrir
13:40
what the best point B is at every time.
328
805000
2000
qual é o melhor ponto B.
13:42
So essentially it knows where to go
329
807000
3000
Essencialmente sabe onde ir
13:45
to look for places that have the least information.
330
810000
2000
à procura de sítios
onde há menos informação.
onde há menos informação.
13:47
And that's how it populates this map.
331
812000
3000
É assim que preenche este mapa.
13:50
So I want to leave you
332
815000
2000
Quero deixar-vos
13:52
with one last application.
333
817000
2000
com uma última aplicação.
13:54
And there are many applications of this technology.
334
819000
3000
Existem muitas aplicações
desta tecnologia.
desta tecnologia.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Sou professor,
e somos apaixonados pelo ensino.
e somos apaixonados pelo ensino.
13:59
Robots like this can really change the way
336
824000
2000
Robôs destes podem mudar
a forma como ensinamos,
a forma como ensinamos,
14:01
we do K through 12 education.
337
826000
2000
do jardim de infância ao secundário.
14:03
But we're in Southern California,
338
828000
2000
Mas estamos no sul da Califórnia,
14:05
close to Los Angeles,
339
830000
2000
perto de Los Angeles,
14:07
so I have to conclude
340
832000
2000
portanto tenho que concluir
14:09
with something focused on entertainment.
341
834000
2000
com algo virado para o entretenimento.
14:11
I want to conclude with a music video.
342
836000
2000
Quero concluir com um vídeo de música.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Apresento os seus criadores,
o Alex e o Daniel,
o Alex e o Daniel,
14:16
who created this video.
344
841000
2000
que criaram o vídeo.
14:18
(Applause)
345
843000
7000
(Aplausos)
14:25
So before I play this video,
346
850000
2000
Antes de reproduzir o vídeo,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
quero dizer-vos que eles o criaram
nos últimos três dias
nos últimos três dias
14:30
after getting a call from Chris.
348
855000
2000
depois de receberem uma chamada do Chris.
14:32
And the robots that play the video
349
857000
2000
Os robôs que aparecem no vídeo
14:34
are completely autonomous.
350
859000
2000
são completamente autónomos.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Vão ver nove robôs a tocar
seis instrumentos diferentes.
seis instrumentos diferentes.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
E, claro, feito exclusivamente
para a TED 2012.
para a TED 2012.
14:43
Let's watch.
353
868000
3000
Vamos ver.
15:19
(Music)
354
904000
10000
(Sons sincopados)
16:23
(Applause)
355
968000
17000
(Aplausos)
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