TED2012
Vijay Kumar: Robots that fly ... and cooperate
Виджай Кумар: Роботы, которые летают и работают… вместе
Filmed:
Readability: 4.5
5,188,706 views
В лаборатории Пенсильванского университета Виджай Кумар и его команда создают летающих квадрокоптеров — маленьких, быстрых роботов, похожих на рой. Они чувствуют друг друга и сообща выполняют команды по строительству, осмотру зон бедствия и многому другому.
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
Доброе утро.
00:22
I'm here today to talk
1
7000
2000
Сегодня я расскажу вам
00:24
about autonomous, flying beach balls.
2
9000
3000
о самоуправляемых летающих пляжных мячах.
00:27
No, agile aerial robots like this one.
3
12000
4000
Шутка. Я расскажу о вот таких быстрых авиароботах.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Вы узнаете о проблемах их создания
00:34
and some of the terrific opportunities
5
19000
2000
и о некоторых потрясающих возможностях
00:36
for applying this technology.
6
21000
2000
применения этой технологии.
00:38
So these robots
7
23000
2000
Эти роботы —
00:40
are related to unmanned aerial vehicles.
8
25000
3000
беспилотные летательные аппараты.
00:43
However, the vehicles you see here are big.
9
28000
3000
Однако вот эти транспортные средства довольно большие,
00:46
They weigh thousands of pounds,
10
31000
2000
весят тысячи килограммов
00:48
are not by any means agile.
11
33000
2000
и медленны.
00:50
They're not even autonomous.
12
35000
2000
Они даже не самоуправляемые.
00:52
In fact, many of these vehicles
13
37000
2000
Многие из них
00:54
are operated by flight crews
14
39000
2000
управляются командами
00:56
that can include multiple pilots,
15
41000
3000
из нескольких пилотов,
00:59
operators of sensors
16
44000
2000
операторов аппаратуры
01:01
and mission coordinators.
17
46000
2000
и координаторов полёта.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Мы заинтересованы в разработке роботов,
01:05
and here are two other pictures --
19
50000
2000
которые вы сможете купить в магазине —
01:07
of robots that you can buy off the shelf.
20
52000
3000
вот ещё несколько изображений.
01:10
So these are helicopters with four rotors
21
55000
3000
Это вертолёты с четырьмя несущими винтами.
01:13
and they're roughly a meter or so in scale
22
58000
4000
Их длина составляет около метра,
01:17
and weigh several pounds.
23
62000
2000
а вес — несколько килограммов.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Мы устанавливаем датчики и процессоры,
01:22
and these robots can fly indoors
25
67000
2000
и роботы обретают возможность летать
01:24
without GPS.
26
69000
2000
в помещении без GPS.
01:26
The robot I'm holding in my hand
27
71000
2000
В моих руках робот,
01:28
is this one,
28
73000
2000
созданный
01:30
and it's been created by two students,
29
75000
3000
двумя студентами —
01:33
Alex and Daniel.
30
78000
2000
Алексом и Даниэлем.
01:35
So this weighs a little more
31
80000
2000
Он весит чуть более
01:37
than a tenth of a pound.
32
82000
2000
нескольких десятков граммов
01:39
It consumes about 15 watts of power.
33
84000
2000
и потребляет около 15 Вт энергии.
01:41
And as you can see,
34
86000
2000
Как вы можете видеть,
01:43
it's about eight inches in diameter.
35
88000
2000
он около 20 см в диаметре.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Позвольте вкратце рассказать вам,
01:48
on how these robots work.
37
93000
2000
как работают эти роботы.
01:50
So it has four rotors.
38
95000
2000
У робота есть 4 несущих винта.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Если они вращаются на одной скорости,
01:54
the robot hovers.
40
99000
2000
робот парит в воздухе.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Если вы увеличиваете скорость каждого винта,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
робот ускоряется и летит вверх.
02:02
Of course, if the robot were tilted,
43
107000
2000
Естественно, если робот был наклонён
02:04
inclined to the horizontal,
44
109000
2000
по отношению к горизонту,
02:06
then it would accelerate in this direction.
45
111000
3000
ускорение будет происходить в этом направлении.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Есть 2 способа его наклонить.
02:12
So in this picture
47
117000
2000
На этом изображении видно,
02:14
you see that rotor four is spinning faster
48
119000
2000
что винт №4 вращается быстрее,
02:16
and rotor two is spinning slower.
49
121000
2000
а винт №2 вращается медленнее.
02:18
And when that happens
50
123000
2000
Именно это создаёт момент,
02:20
there's moment that causes this robot to roll.
51
125000
3000
при котором робот наклоняется.
02:23
And the other way around,
52
128000
2000
Второй способ таков:
02:25
if you increase the speed of rotor three
53
130000
3000
увеличиваем скорость вращения винта №3
02:28
and decrease the speed of rotor one,
54
133000
2000
и уменьшаем скорость вращения винта №1,
02:30
then the robot pitches forward.
55
135000
3000
и робот наклоняется вперёд.
02:33
And then finally,
56
138000
2000
Наконец, если вы вращаете
02:35
if you spin opposite pairs of rotors
57
140000
2000
одну противоположную пару винтов
02:37
faster than the other pair,
58
142000
2000
с большей скоростью, чем другую,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
робот вращается по вертикальной оси.
02:41
So an on-board processor
60
146000
2000
Встроенный в робот процессор определяет,
02:43
essentially looks at what motions need to be executed
61
148000
3000
какие движения надо выполнить,
02:46
and combines these motions
62
151000
2000
сопоставляет эти движения и решает,
02:48
and figures out what commands to send to the motors
63
153000
3000
какие команды отправить на винты,
02:51
600 times a second.
64
156000
2000
посылая 600 команд в секунду.
02:53
That's basically how this thing operates.
65
158000
2000
Вот как это работает.
02:55
So one of the advantages of this design
66
160000
2000
Одно из преимуществ этой модели —
02:57
is, when you scale things down,
67
162000
2000
её естественная быстрота
02:59
the robot naturally becomes agile.
68
164000
3000
при уменьшении размеров.
03:02
So here R
69
167000
2000
R на этом изображении —
03:04
is the characteristic length of the robot.
70
169000
2000
характерная длина робота.
03:06
It's actually half the diameter.
71
171000
3000
Это половина его диаметра.
03:09
And there are lots of physical parameters that change
72
174000
3000
Множество физических параметров изменяются
03:12
as you reduce R.
73
177000
2000
при уменьшении R.
03:14
The one that's the most important
74
179000
2000
Самый главный из них —
03:16
is the inertia or the resistance to motion.
75
181000
2000
это инерция или сопротивление движению.
03:18
So it turns out,
76
183000
2000
Оказывается, что инерция,
03:20
the inertia, which governs angular motion,
77
185000
3000
регулирующая угловое движение,
03:23
scales as a fifth power of R.
78
188000
3000
пропорциональна R в пятой степени.
03:26
So the smaller you make R,
79
191000
2000
Уменьшая R,
03:28
the more dramatically the inertia reduces.
80
193000
3000
мы значительно уменьшаем и инерцию.
03:31
So as a result, the angular acceleration,
81
196000
3000
Угловое ускорение,
03:34
denoted by Greek letter alpha here,
82
199000
2000
обозначенное греческой буквой альфа,
03:36
goes as one over R.
83
201000
2000
рассчитывается по формуле 1/R.
03:38
It's inversely proportional to R.
84
203000
2000
Оно обратно пропорционально R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Чем оно меньше, тем быстрее вы можете вращаться.
03:43
So this should be clear in these videos.
86
208000
2000
Вот видео, демонстрирующее этот процесс.
03:45
At the bottom right you see a robot
87
210000
3000
Внизу справа вы видите робота,
03:48
performing a 360 degree flip
88
213000
2000
выполняющего переворот на 360°
03:50
in less than half a second.
89
215000
2000
менее чем за полсекунды.
03:52
Multiple flips, a little more time.
90
217000
3000
Несколько переворотов — чуть больше времени.
03:55
So here the processes on board
91
220000
2000
Встроенные процессоры получают
03:57
are getting feedback from accelerometers
92
222000
2000
информацию от датчиков ускорения
03:59
and gyros on board
93
224000
2000
и гироскопов на борту.
04:01
and calculating, like I said before,
94
226000
2000
Как я уже сказал, они рассчитывают
04:03
commands at 600 times a second
95
228000
2000
и посылают 600 команд в секунду,
04:05
to stabilize this robot.
96
230000
2000
чтобы поддержать устойчивость робота.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
Слева вы видите, как Даниэль подбрасывает робота в воздух.
04:10
And it shows you how robust the control is.
98
235000
2000
Посмотрите, насколько надёжен его контроль.
04:12
No matter how you throw it,
99
237000
2000
Независимо от того, как вы его бросаете,
04:14
the robot recovers and comes back to him.
100
239000
4000
роботу удаётся вернуться в исходное положение.
04:18
So why build robots like this?
101
243000
2000
Для чего нужны такие роботы?
04:20
Well robots like this have many applications.
102
245000
3000
У них много областей применения.
04:23
You can send them inside buildings like this
103
248000
3000
Мы можем заслать их в здания
04:26
as first responders to look for intruders,
104
251000
3000
для поиска злоумышленников,
04:29
maybe look for biochemical leaks,
105
254000
3000
обнаружения биохимических или
04:32
gaseous leaks.
106
257000
2000
газообразных утечек.
04:34
You can also use them
107
259000
2000
Их можно также использовать
04:36
for applications like construction.
108
261000
2000
в строительстве объектов.
04:38
So here are robots carrying beams, columns
109
263000
4000
Вот роботы, переносящие балки, колонны
04:42
and assembling cube-like structures.
110
267000
3000
и создающие кубообразные структуры.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Чуть позже я вернусь к этому.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Роботов можно использовать для переводки грузов.
04:51
So one of the problems with these small robots
113
276000
3000
Недостатком этих маленьких роботов является
04:54
is their payload carrying capacity.
114
279000
2000
их полезная грузоподъёмность.
04:56
So you might want to have multiple robots
115
281000
2000
Поэтому вам могут понадобиться
04:58
carry payloads.
116
283000
2000
несколько роботов для работы.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Вот недавно проведённый нами эксперимент,
05:02
actually not so recent anymore --
118
287000
2000
хотя он не такой уж и недавний.
05:04
in Sendai shortly after the earthquake.
119
289000
3000
Это было в Сендае сразу после землетрясения.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Роботы могут быть отправлены в разрушенные здания
05:10
to assess the damage after natural disasters,
121
295000
2000
для оценки ущерба после стихийных бедствий;
05:12
or sent into reactor buildings
122
297000
3000
или посланы в заражённые радиацией здания
05:15
to map radiation levels.
123
300000
3000
для определения уровня радиации.
05:19
So one fundamental problem
124
304000
2000
Чтобы быть самоуправляющимся,
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
роботу необходимо решить одну из ключевых проблем,
05:24
is essentially figuring out
126
309000
2000
а именно — понять,
05:26
how to get from point A to point B.
127
311000
2000
как добраться из точки А в точку Б.
05:28
So this gets a little challenging
128
313000
2000
Это совсем не простая задача,
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
поскольку динамика этого робота довольно сложна.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
Эти роботы живут в 12-мерном пространстве.
05:35
So we use a little trick.
131
320000
2000
Мы пошли на маленькую хитрость:
05:37
We take this curved 12-dimensional space
132
322000
3000
взяли изогнутое 12-мерное пространство
05:40
and transform it
133
325000
2000
и преобразили его
05:42
into a flat four-dimensional space.
134
327000
2000
в плоское 4-мерное пространство.
05:44
And that four-dimensional space
135
329000
2000
4-мерное пространство
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
состоит из X, Y, Z и угла рыскания.
05:49
And so what the robot does
137
334000
2000
Задача робота — спланировать
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
минимальную и быструю траекторию.
05:55
So to remind you of physics,
139
340000
2000
Напомню вам физику:
05:57
you have position, derivative, velocity,
140
342000
2000
существуют производные позиции —
05:59
then acceleration,
141
344000
2000
скорость, затем ускорение,
06:01
and then comes jerk
142
346000
2000
а потом рывок
06:03
and then comes snap.
143
348000
2000
и толчок.
06:05
So this robot minimizes snap.
144
350000
3000
Робот минимизирует эффект толчка
06:08
So what that effectively does
145
353000
2000
и таким образом делает
06:10
is produces a smooth and graceful motion.
146
355000
2000
движения гладкими и изящными.
06:12
And it does that avoiding obstacles.
147
357000
3000
Он также избегает препятствия.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Минимальные траектории в плоском пространстве
06:18
are then transformed back
149
363000
2000
затем преобразуются обратно
06:20
into this complicated 12-dimensional space,
150
365000
2000
в сложное 12-мерное пространство,
06:22
which the robot must do
151
367000
2000
которым робот должен владеть
06:24
for control and then execution.
152
369000
2000
для контроля и выполнения задач.
06:26
So let me show you some examples
153
371000
2000
Позвольте показать вам,
06:28
of what these minimum snap trajectories look like.
154
373000
2000
как выглядят эти минимальные траектории.
06:30
And in the first video,
155
375000
2000
В первом видео вы видите,
06:32
you'll see the robot going from point A to point B
156
377000
2000
как робот движется из точки А в точку Б
06:34
through an intermediate point.
157
379000
2000
через промежуточную точку.
06:42
So the robot is obviously capable
158
387000
2000
Роботы, естественно, способны
06:44
of executing any curve trajectory.
159
389000
2000
выполнять любые кривые траектории.
06:46
So these are circular trajectories
160
391000
2000
В этих круговых траекториях
06:48
where the robot pulls about two G's.
161
393000
3000
ускорение робота равно почти двум g.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
На борту есть камеры захвата движения,
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
сообщающие роботу его местоположение 100 раз в секунду.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Они также указывают ему на препятствия.
07:02
And the obstacles can be moving.
165
407000
2000
Препятствия могут перемещаться.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Посмотрите, Даниэль подбрасывает обруч,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
робот рассчитывает положение обруча
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
и вычисляет, как лучше преодолеть его.
07:13
So as an academic,
169
418000
2000
Учёные часто из кожи вон лезут,
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
добиваясь финансирования своих лабораторий.
07:18
and we get our robots to do that.
171
423000
3000
Поэтому и наши роботы умеют это делать.
07:21
(Applause)
172
426000
6000
(Аплодисменты)
07:27
So another thing the robot can do
173
432000
2000
Ещё робот может запоминать
07:29
is it remembers pieces of trajectory
174
434000
3000
заученные или запрограммированные
07:32
that it learns or is pre-programmed.
175
437000
2000
части траектории.
07:34
So here you see the robot
176
439000
2000
Здесь мы видим, как робот
07:36
combining a motion
177
441000
2000
сочетает движение,
07:38
that builds up momentum
178
443000
2000
создающее импульс,
07:40
and then changes its orientation and then recovers.
179
445000
3000
меняет ориентацию и затем обретает равновесие.
07:43
So it has to do this because this gap in the window
180
448000
3000
Это нужно, потому что проём окна
07:46
is only slightly larger than the width of the robot.
181
451000
4000
лишь немного шире робота.
07:50
So just like a diver stands on a springboard
182
455000
3000
Ныряльщик на трамплине отталкивается от него,
07:53
and then jumps off it to gain momentum,
183
458000
2000
чтобы набрать движущую силу,
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
делает пируэт в два с половиной оборота
07:58
and then gracefully recovers,
185
463000
2000
и затем изящно выпрямляется.
08:00
this robot is basically doing that.
186
465000
2000
По сути, наш робот делает то же самое.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Робот знает, как соотнести части траекторий
08:05
to do these fairly difficult tasks.
188
470000
4000
для выполнения сложных задач.
08:09
So I want change gears.
189
474000
2000
Сменим тему.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Одним из недостатков маленьких роботов является их размер.
08:14
And I told you earlier
191
479000
2000
Как я уже отметил,
08:16
that we may want to employ lots and lots of robots
192
481000
2000
нам может понадобиться множество роботов
08:18
to overcome the limitations of size.
193
483000
3000
для решения этой проблемы.
08:21
So one difficulty
194
486000
2000
Возникает вопрос:
08:23
is how do you coordinate lots of these robots?
195
488000
3000
как скоординировать их работу?
08:26
And so here we looked to nature.
196
491000
2000
Мы воспользовались примером из природы.
08:28
So I want to show you a clip
197
493000
2000
В этом видео
08:30
of Aphaenogaster desert ants
198
495000
2000
пустынные муравьи Aphaenogaster
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
переносят объект в лаборатории Стивена Прата.
08:35
So this is actually a piece of fig.
200
500000
2000
Это кусок фигового дерева.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Можете дать им любой объект, покрытый
08:39
and the ants will carry them back to the nest.
202
504000
3000
соком инжира, и они отнесут его в муравейник.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Эти муравьи не имеют центрального координатора.
08:45
They sense their neighbors.
204
510000
2000
Они ощущают своих соседей
08:47
There's no explicit communication.
205
512000
2000
без явной передачи информации.
08:49
But because they sense the neighbors
206
514000
2000
Поскольку они ощущают соседей
08:51
and because they sense the object,
207
516000
2000
и ощущают сам объект,
08:53
they have implicit coordination across the group.
208
518000
3000
в группе происходит неявная координация.
08:56
So this is the kind of coordination
209
521000
2000
Мы бы хотели, чтобы наши роботы
08:58
we want our robots to have.
210
523000
3000
имели именно такую согласованность.
09:01
So when we have a robot
211
526000
2000
Когда у нас есть робот,
09:03
which is surrounded by neighbors --
212
528000
2000
окружённый соседями —
09:05
and let's look at robot I and robot J --
213
530000
2000
взгляните на роботов I и J —
09:07
what we want the robots to do
214
532000
2000
мы хотим, чтобы роботы
09:09
is to monitor the separation between them
215
534000
3000
следили за расстоянием между собой
09:12
as they fly in formation.
216
537000
2000
при полёте в строю.
09:14
And then you want to make sure
217
539000
2000
Нужно убедиться,
09:16
that this separation is within acceptable levels.
218
541000
2000
что расстояние между ними достаточное.
09:18
So again the robots monitor this error
219
543000
3000
Опять же, роботы отслеживают погрешность
09:21
and calculate the control commands
220
546000
2000
и рассчитывают управляющие команды
09:23
100 times a second,
221
548000
2000
100 раз в секунду,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
переводя их затем в 600 моторных команд в секунду.
09:28
So this also has to be done
223
553000
2000
Это должно быть сделано
09:30
in a decentralized way.
224
555000
2000
в децентрализованном порядке.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Если у вас много роботов,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
невозможно централизованно скоординировать информацию
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
настолько быстро, чтобы роботы смогли выполнить задачу.
09:41
Plus the robots have to base their actions
228
566000
2000
К тому же, действия роботов зависят
09:43
only on local information,
229
568000
2000
только от местной информации,
09:45
what they sense from their neighbors.
230
570000
2000
от их ощущения соседей.
09:47
And then finally,
231
572000
2000
Наконец, мы хотим,
09:49
we insist that the robots be agnostic
232
574000
2000
чтобы роботам было всё равно,
09:51
to who their neighbors are.
233
576000
2000
кто является их соседом.
09:53
So this is what we call anonymity.
234
578000
3000
Именно это мы называем анонимностью.
09:56
So what I want to show you next
235
581000
2000
Сейчас я покажу вам
09:58
is a video
236
583000
2000
видео
10:00
of 20 of these little robots
237
585000
3000
20-ти роботов, выполняющих
10:03
flying in formation.
238
588000
2000
полёт в строю.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Они отслеживают позицию соседей.
10:08
They're maintaining formation.
240
593000
2000
Они не нарушают строй,
10:10
The formations can change.
241
595000
2000
даже если их порядок меняется.
10:12
They can be planar formations,
242
597000
2000
Структура может быть как плоской,
10:14
they can be three-dimensional formations.
243
599000
2000
так и трёхмерной.
10:16
As you can see here,
244
601000
2000
Вы можете видеть,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
они переходят от трёхмерной структуры к плоской.
10:21
And to fly through obstacles
246
606000
2000
Для преодоления препятствия
10:23
they can adapt the formations on the fly.
247
608000
4000
роботы адаптируются на лету.
10:27
So again, these robots come really close together.
248
612000
3000
Они расположены очень близко друг к другу.
10:30
As you can see in this figure-eight flight,
249
615000
2000
При выполнении «восьмёрки», они
10:32
they come within inches of each other.
250
617000
2000
пролетают в нескольких сантиметрах друг от друга.
10:34
And despite the aerodynamic interactions
251
619000
3000
Несмотря на аэродинамическое взаимодействие
10:37
of these propeller blades,
252
622000
2000
их лопастей,
10:39
they're able to maintain stable flight.
253
624000
2000
они поддерживают стабильный полёт.
10:41
(Applause)
254
626000
7000
(Аплодисменты)
10:48
So once you know how to fly in formation,
255
633000
2000
Если роботы умеют летать в строю,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
они могут и поднимать объекты сообща.
10:52
So this just shows
257
637000
2000
Это означает,
10:54
that we can double, triple, quadruple
258
639000
3000
что мы можем увеличить в 2, 3 или 4 раза
10:57
the robot strength
259
642000
2000
силу роботов, заставляя их
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
объединяться с соседями, как вот здесь.
11:01
One of the disadvantages of doing that
261
646000
3000
Но если мы утяжеляем переносимые предметы,
11:04
is, as you scale things up --
262
649000
2000
появляются некоторые недостатки:
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
объект несут несколько роботов,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
поэтому увеличивается инерция, и роботы
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
становятся менее быстрыми — такой исход неизбежен.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Но мы выигрываем в плане полезной грузоподъёмности.
11:17
Another application I want to show you --
267
662000
2000
Хочу показать вам ещё одну работу
11:19
again, this is in our lab.
268
664000
2000
нашей лаборатории.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Это работа аспиранта Квентина Линдси.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Созданный им алгоритм говорит роботам,
11:26
how to autonomously build
271
671000
2000
как самостоятельно строить
11:28
cubic structures
272
673000
2000
кубообразные структуры
11:30
from truss-like elements.
273
675000
3000
из таких элементов, как балки.
11:33
So his algorithm tells the robot
274
678000
2000
Алгоритм сообщает роботу,
11:35
what part to pick up,
275
680000
2000
какую балку взять,
11:37
when and where to place it.
276
682000
2000
где и когда её опустить.
11:39
So in this video you see --
277
684000
2000
Из этого видео, ускоренного
11:41
and it's sped up 10, 14 times --
278
686000
2000
в 10 и в 14 раз, видно,
11:43
you see three different structures being built by these robots.
279
688000
3000
как роботы строят 3 разные конструкции.
11:46
And again, everything is autonomous,
280
691000
2000
Они полностью автономны,
11:48
and all Quentin has to do
281
693000
2000
Квентин должен всего лишь
11:50
is to get them a blueprint
282
695000
2000
дать им план конструкции,
11:52
of the design that he wants to build.
283
697000
4000
которую он хочет построить.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Все увиденные вами эксперименты,
11:59
all these demonstrations,
285
704000
2000
все наглядные представления
12:01
have been done with the help of motion capture systems.
286
706000
3000
были сделаны с помощью системы захвата движения.
12:04
So what happens when you leave your lab
287
709000
2000
Что же происходит, если мы покидаем
12:06
and you go outside into the real world?
288
711000
3000
лабораторию и выходим на улицу, в реальный мир?
12:09
And what if there's no GPS?
289
714000
3000
Как быть, если нет GPS?
12:12
So this robot
290
717000
2000
Этот робот оснащён
12:14
is actually equipped with a camera
291
719000
2000
камерой и лазерным дальномером,
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
лазерным сканирующим устройством.
12:19
And it uses these sensors
293
724000
2000
Он использует датчики
12:21
to build a map of the environment.
294
726000
2000
для построения карты окружающей среды.
12:23
What that map consists of are features --
295
728000
3000
Карта состоит из таких объектов,
12:26
like doorways, windows,
296
731000
2000
как двери, окна,
12:28
people, furniture --
297
733000
2000
люди, мебель.
12:30
and it then figures out where its position is
298
735000
2000
Она также определяет положение робота
12:32
with respect to the features.
299
737000
2000
по отношению к этим объектам.
12:34
So there is no global coordinate system.
300
739000
2000
Это не глобальная система координат.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Это система координат, определённая роботом,
12:39
where it is and what it's looking at.
302
744000
3000
его положением и ориентацией в пространстве.
12:42
And it navigates with respect to those features.
303
747000
3000
Он двигается согласно этим показателям.
12:45
So I want to show you a clip
304
750000
2000
Хочу показать вам видео алгоритмов,
12:47
of algorithms developed by Frank Shen
305
752000
2000
разработанных Франком Шеном
12:49
and Professor Nathan Michael
306
754000
2000
и профессором Натаном Майклом.
12:51
that shows this robot entering a building for the very first time
307
756000
4000
Здесь видно, как робот впервые попадает в здание
12:55
and creating this map on the fly.
308
760000
3000
и на лету создаёт карту местности.
12:58
So the robot then figures out what the features are.
309
763000
3000
Робот определяет объекты вокруг.
13:01
It builds the map.
310
766000
2000
Он создаёт карту и определяет
13:03
It figures out where it is with respect to the features
311
768000
2000
своё положение по отношению к объектам;
13:05
and then estimates its position
312
770000
2000
он обновляет своё положение
13:07
100 times a second
313
772000
2000
100 раз в секунду, что позволяет нам
13:09
allowing us to use the control algorithms
314
774000
2000
использовать алгоритмы управления,
13:11
that I described to you earlier.
315
776000
2000
о которых я вам уже рассказал.
13:13
So this robot is actually being commanded
316
778000
2000
Этот робот дистанционно
13:15
remotely by Frank.
317
780000
2000
управлялся Франком.
13:17
But the robot can also figure out
318
782000
2000
Но он также мог решать сам,
13:19
where to go on its own.
319
784000
2000
куда направиться.
13:21
So suppose I were to send this into a building
320
786000
2000
Предположим, меня отправили
13:23
and I had no idea what this building looked like,
321
788000
2000
исследовать незнакомое мне здание.
13:25
I can ask this robot to go in,
322
790000
2000
Я могу заслать туда робота,
13:27
create a map
323
792000
2000
который создаст карту
13:29
and then come back and tell me what the building looks like.
324
794000
3000
и сообщит мне, как выглядит здание.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
Здесь робот не только определяет,
13:35
how to go from point A to point B in this map,
326
800000
3000
как добраться из точки А в точку Б по карте,
13:38
but it's figuring out
327
803000
2000
но также вычисляет лучшую
13:40
what the best point B is at every time.
328
805000
2000
точку Б в каждый момент времени.
13:42
So essentially it knows where to go
329
807000
3000
Он знает, куда направиться
13:45
to look for places that have the least information.
330
810000
2000
для поиска слабоизученных мест.
13:47
And that's how it populates this map.
331
812000
3000
Вот как он заполняет карту.
13:50
So I want to leave you
332
815000
2000
Напоследок расскажу вам
13:52
with one last application.
333
817000
2000
ещё об одном приложении.
13:54
And there are many applications of this technology.
334
819000
3000
У него есть много сфер применения.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Я профессор, и мы увлечены образованием.
13:59
Robots like this can really change the way
336
824000
2000
Такие роботы могут значительно изменить
14:01
we do K through 12 education.
337
826000
2000
наше среднее образование.
14:03
But we're in Southern California,
338
828000
2000
Но мы сейчас в Южной Калифорнии,
14:05
close to Los Angeles,
339
830000
2000
близко к Лос-Анджелесу,
14:07
so I have to conclude
340
832000
2000
поэтому я должен закончить
14:09
with something focused on entertainment.
341
834000
2000
чем-то из области развлечений.
14:11
I want to conclude with a music video.
342
836000
2000
Хочу закончить этим музыкальным видео.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Представляю вам Алекса и Даниэля,
14:16
who created this video.
344
841000
2000
его создателей.
14:18
(Applause)
345
843000
7000
(Аплодисменты)
14:25
So before I play this video,
346
850000
2000
Перед просмотром хочу
14:27
I want to tell you that they created it in the last three days
347
852000
3000
сказать, что они создали его за 3 дня,
14:30
after getting a call from Chris.
348
855000
2000
после того, как им позвонил Крис.
14:32
And the robots that play the video
349
857000
2000
Роботы в этом видео
14:34
are completely autonomous.
350
859000
2000
полностью самоуправляемы.
14:36
You will see nine robots play six different instruments.
351
861000
3000
9 роботов будут играть на 6-ти музыкальных инструментах.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Это сделано специально для TED 2012.
14:43
Let's watch.
353
868000
3000
Давайте посмотрим.
15:19
(Music)
354
904000
10000
(Музыка)
16:23
(Applause)
355
968000
17000
(Аплодисменты)
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