TEDxPenn
Vijay Kumar: The future of flying robots
Виджай Кумар: Будущее летающих роботов
Filmed:
Readability: 4.9
1,780,679 views
Виджай Кумар и его команда, вдохновлённые примером пчёл, в своей лаборатории Университета Пенсильвании создают автономных аэророботов. Их последним прорывом стал проект точного земледелия, в котором рои роботов наносят на карту, создают трёхмерное изображение и анализируют каждое растение и каждый плод на плантациях. Это даёт фермерам жизненно важную информацию, позволяющую повысить урожайность и сделать системы полива эффективнее.
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.
00:13
In my lab, we build
autonomous aerial robots
autonomous aerial robots
0
1280
3656
В моей лаборатории
строят автономных летающих роботов,
строят автономных летающих роботов,
00:16
like the one you see flying here.
1
4960
1880
таких, как этот.
00:20
Unlike the commercially available drones
that you can buy today,
that you can buy today,
2
8720
3696
В отличие от тех дронов,
которых вы можете купить сегодня,
которых вы можете купить сегодня,
00:24
this robot doesn't have any GPS on board.
3
12440
2640
на нём не установлен GPS.
00:28
So without GPS,
4
16160
1216
Без GPS
00:29
it's hard for robots like this
to determine their position.
to determine their position.
5
17400
3280
таким роботам сложно определить
своё местоположение.
своё местоположение.
00:34
This robot uses onboard sensors,
cameras and laser scanners,
cameras and laser scanners,
6
22240
4736
Этот робот использует бортовые сенсоры,
камеры и лазерные сканеры
камеры и лазерные сканеры
00:39
to scan the environment.
7
27000
1696
для анализа окружающей среды.
00:40
It detects features from the environment,
8
28720
3056
Он определяет особенности
рельефа местности
рельефа местности
00:43
and it determines where it is
relative to those features,
relative to those features,
9
31800
2736
и своё положение относительно них,
00:46
using a method of triangulation.
10
34560
2136
используя триангуляцию.
00:48
And then it can assemble
all these features into a map,
all these features into a map,
11
36720
3456
А потом всё наносится на карту
00:52
like you see behind me.
12
40200
1736
вроде той, которая сейчас за мной.
00:53
And this map then allows the robot
to understand where the obstacles are
to understand where the obstacles are
13
41960
3936
И эта карта позволяет роботу понять,
где находятся препятствия,
где находятся препятствия,
00:57
and navigate in a collision-free manner.
14
45920
2720
и ориентироваться без столкновений.
Дальше я хочу вам показать
01:01
What I want to show you next
15
49160
2096
01:03
is a set of experiments
we did inside our laboratory,
we did inside our laboratory,
16
51280
3216
серию экспериментов
из нашей лаборатории,
из нашей лаборатории,
01:06
where this robot was able
to go for longer distances.
to go for longer distances.
17
54520
3480
когда робот передвигался
на более длинные расстояния.
на более длинные расстояния.
01:10
So here you'll see, on the top right,
what the robot sees with the camera.
what the robot sees with the camera.
18
58400
5016
Здесь, сверху справа — то,
что робот видит с помощью камеры.
что робот видит с помощью камеры.
01:15
And on the main screen --
19
63440
1216
На основном экране —
01:16
and of course this is sped up
by a factor of four --
by a factor of four --
20
64680
2456
конечно, видео ускорено в 4 раза —
01:19
on the main screen you'll see
the map that it's building.
the map that it's building.
21
67160
2667
на основном экране карта,
которую он выстраивает.
которую он выстраивает.
01:21
So this is a high-resolution map
of the corridor around our laboratory.
of the corridor around our laboratory.
22
69851
4285
Это карта с высоким разрешением
коридора около нашей лаборатории.
коридора около нашей лаборатории.
01:26
And in a minute
you'll see it enter our lab,
you'll see it enter our lab,
23
74160
2336
Вот он проникает в лабораторию,
01:28
which is recognizable
by the clutter that you see.
by the clutter that you see.
24
76520
2856
что очевидно по беспорядку,
который вы видите.
который вы видите.
01:31
(Laughter)
25
79400
1016
(Смех)
01:32
But the main point I want to convey to you
26
80440
2007
Но главное здесь —
01:34
is that these robots are capable
of building high-resolution maps
of building high-resolution maps
27
82472
3584
то, что эти роботы способны строить
карты с высоким разрешением,
карты с высоким разрешением,
01:38
at five centimeters resolution,
28
86080
2496
до 5 сантиметров,
01:40
allowing somebody who is outside the lab,
or outside the building
or outside the building
29
88600
4176
позволяя всем вне лаборатории
или вне здания
или вне здания
01:44
to deploy these
without actually going inside,
without actually going inside,
30
92800
3216
отправлять их, не входя за ними,
01:48
and trying to infer
what happens inside the building.
what happens inside the building.
31
96040
3760
и узнавать, что происходит внутри здания.
01:52
Now there's one problem
with robots like this.
with robots like this.
32
100400
2240
С такими роботами есть одна проблема.
01:55
The first problem is it's pretty big.
33
103600
2200
Первая — они достаточно большие.
И поэтому тяжёлые.
01:58
Because it's big, it's heavy.
34
106120
1680
02:00
And these robots consume
about 100 watts per pound.
about 100 watts per pound.
35
108640
3040
Этим роботам нужно около 100 Вт
на каждые полкилограмма веса.
на каждые полкилограмма веса.
02:04
And this makes for
a very short mission life.
a very short mission life.
36
112360
2280
А это сильно сокращает время их работы.
02:08
The second problem
37
116000
1456
Вторая проблема —
02:09
is that these robots have onboard sensors
that end up being very expensive --
that end up being very expensive --
38
117480
3896
на этих роботах установлены сенсоры,
оказавшиеся очень дорогими:
оказавшиеся очень дорогими:
02:13
a laser scanner, a camera
and the processors.
and the processors.
39
121400
3440
лазерный сканер, камера и процессоры.
02:17
That drives up the cost of this robot.
40
125280
3040
Это увеличивает стоимость робота.
02:21
So we asked ourselves a question:
41
129440
2656
И мы задались вопросом:
02:24
what consumer product
can you buy in an electronics store
can you buy in an electronics store
42
132120
3776
какой потребительский товар из тех,
что продаются в магазинах электроники,
что продаются в магазинах электроники,
02:27
that is inexpensive, that's lightweight,
that has sensing onboard and computation?
that has sensing onboard and computation?
43
135920
6280
будет недорогим, лёгким и с сенсорами
и процессорами на нём?
и процессорами на нём?
02:36
And we invented the flying phone.
44
144080
2656
Так мы изобрели летающий телефон.
02:38
(Laughter)
45
146760
1936
(Смех)
02:40
So this robot uses a Samsung Galaxy
smartphone that you can buy off the shelf,
smartphone that you can buy off the shelf,
46
148720
6176
Этот робот использует смартфон
Samsung Galaxy, его можете купить и вы,
Samsung Galaxy, его можете купить и вы,
02:46
and all you need is an app that you
can download from our app store.
can download from our app store.
47
154920
4016
и к нему всё, что вам нужно, —
загрузить наше приложение.
загрузить наше приложение.
02:50
And you can see this robot
reading the letters, "TED" in this case,
reading the letters, "TED" in this case,
48
158960
4216
Видите, этот робот читает,
в нашем случае слово «TED»,
в нашем случае слово «TED»,
02:55
looking at the corners
of the "T" and the "E"
of the "T" and the "E"
49
163200
2936
снимая углы букв «T» и «E»,
02:58
and then triangulating off of that,
flying autonomously.
flying autonomously.
50
166160
3480
а затем выполняет триангуляцию по ним
и движется автономно.
и движется автономно.
03:02
That joystick is just there
to make sure if the robot goes crazy,
to make sure if the robot goes crazy,
51
170720
3256
Джойстик нужен только для того, чтобы,
если робот спятит,
если робот спятит,
03:06
Giuseppe can kill it.
52
174000
1416
его можно было прибить.
03:07
(Laughter)
53
175440
1640
(Смех)
03:10
In addition to building
these small robots,
these small robots,
54
178920
3816
Кроме того, строя этих маленьких роботов,
03:14
we also experiment with aggressive
behaviors, like you see here.
behaviors, like you see here.
55
182760
4800
мы экспериментировали с вот таким
агрессивным поведением.
агрессивным поведением.
03:19
So this robot is now traveling
at two to three meters per second,
at two to three meters per second,
56
187920
5296
Этот робот движется со скоростью 2–3 м/с,
03:25
pitching and rolling aggressively
as it changes direction.
as it changes direction.
57
193240
3496
агрессивно бросаясь из стороны в сторону.
03:28
The main point is we can have
smaller robots that can go faster
smaller robots that can go faster
58
196760
4256
Главное, что у нас могут быть
маленькие быстрые роботы,
маленькие быстрые роботы,
03:33
and then travel in these
very unstructured environments.
very unstructured environments.
59
201040
2960
способные двигаться
в очень хаотичных средах.
в очень хаотичных средах.
03:37
And in this next video,
60
205120
2056
А в этом видео,
03:39
just like you see this bird, an eagle,
gracefully coordinating its wings,
gracefully coordinating its wings,
61
207200
5896
точно так же, как эта птица, орёл,
которая изящно управляет своими крыльями,
которая изящно управляет своими крыльями,
03:45
its eyes and feet
to grab prey out of the water,
to grab prey out of the water,
62
213120
4296
глазами и лапами, чтобы выхватить
жертву из воды,
жертву из воды,
03:49
our robot can go fishing, too.
63
217440
1896
наш робот тоже рыбачит.
03:51
(Laughter)
64
219360
1496
(Смех)
03:52
In this case, this is a Philly cheesesteak
hoagie that it's grabbing out of thin air.
hoagie that it's grabbing out of thin air.
65
220880
4056
Здесь он на лету хватает
сэндвич «Филадельфия».
сэндвич «Филадельфия».
03:56
(Laughter)
66
224960
2400
(Смех)
03:59
So you can see this robot
going at about three meters per second,
going at about three meters per second,
67
227680
3296
Этот робот движется со скоростью 3 м/с,
04:03
which is faster than walking speed,
coordinating its arms, its claws
coordinating its arms, its claws
68
231000
5136
это быстрее скорости пешехода,
координирует свою клешню
координирует свою клешню
04:08
and its flight with split-second timing
to achieve this maneuver.
to achieve this maneuver.
69
236160
4120
и свой полёт посекундно для того,
чтобы выполнить этот манёвр.
чтобы выполнить этот манёвр.
04:14
In another experiment,
70
242120
1216
В другом эксперименте
04:15
I want to show you
how the robot adapts its flight
how the robot adapts its flight
71
243360
3656
робот в своём полёте
04:19
to control its suspended payload,
72
247040
2376
контролирует подвешенный груз —
04:21
whose length is actually larger
than the width of the window.
than the width of the window.
73
249440
3800
а длина подвеса больше, чем ширина окна.
04:25
So in order to accomplish this,
74
253680
1696
Здесь ему нужно менять
длину подвеса и высоту,
длину подвеса и высоту,
04:27
it actually has to pitch
and adjust the altitude
and adjust the altitude
75
255400
3696
04:31
and swing the payload through.
76
259120
2320
чтобы протащить груз.
04:38
But of course we want
to make these even smaller,
to make these even smaller,
77
266920
2296
Разумеется, мы хотели
сделать их ещё меньше,
сделать их ещё меньше,
04:41
and we're inspired
in particular by honeybees.
in particular by honeybees.
78
269240
3016
и особенно нас вдохновляли пчёлы.
04:44
So if you look at honeybees,
and this is a slowed down video,
and this is a slowed down video,
79
272280
3256
Вот замедленное видео с пчёлами:
04:47
they're so small,
the inertia is so lightweight --
the inertia is so lightweight --
80
275560
3720
они так малы, их инерция так мала...
04:51
(Laughter)
81
279960
1176
(Смех)
04:53
that they don't care --
they bounce off my hand, for example.
they bounce off my hand, for example.
82
281160
3536
что для них неважно, например,
столкновение с моей рукой.
столкновение с моей рукой.
04:56
This is a little robot
that mimics the honeybee behavior.
that mimics the honeybee behavior.
83
284720
3160
Этот маленький робот копирует
поведение пчёл.
поведение пчёл.
05:00
And smaller is better,
84
288600
1216
И чем меньше, тем лучше,
05:01
because along with the small size
you get lower inertia.
you get lower inertia.
85
289840
3536
потому что вместе с уменьшением размеров
уменьшается и инерция.
уменьшается и инерция.
05:05
Along with lower inertia --
86
293400
1536
А с уменьшением инерции
05:06
(Robot buzzing, laughter)
87
294960
2856
(Робот жужжит. Смех)
05:09
along with lower inertia,
you're resistant to collisions.
you're resistant to collisions.
88
297840
2816
с уменьшением инерции
восприимчивость к столкновениям ниже.
восприимчивость к столкновениям ниже.
05:12
And that makes you more robust.
89
300680
1720
Вы становитесь устойчивее.
05:15
So just like these honeybees,
we build small robots.
we build small robots.
90
303800
2656
Мы строим маленьких роботов,
таких же, как эти пчёлы.
таких же, как эти пчёлы.
05:18
And this particular one
is only 25 grams in weight.
is only 25 grams in weight.
91
306480
3376
Конкретно этот весит всего 25 грамм.
05:21
It consumes only six watts of power.
92
309880
2160
Ему нужно всего 6 ватт.
05:24
And it can travel
up to six meters per second.
up to six meters per second.
93
312440
2536
И он может двигаться до 6 м/c.
05:27
So if I normalize that to its size,
94
315000
2336
Если сопоставить это с его размером,
05:29
it's like a Boeing 787 traveling
ten times the speed of sound.
ten times the speed of sound.
95
317360
3640
то это Боинг-787, летящий со скоростью,
в 10 раз больше скорости звука.
в 10 раз больше скорости звука.
05:36
(Laughter)
96
324000
2096
(Смех)
05:38
And I want to show you an example.
97
326120
1920
И я хочу привести вам пример.
05:40
This is probably the first planned mid-air
collision, at one-twentieth normal speed.
collision, at one-twentieth normal speed.
98
328840
5256
Это первое спланированное столкновение
в воздухе, замедленное в 20 раз.
в воздухе, замедленное в 20 раз.
05:46
These are going at a relative speed
of two meters per second,
of two meters per second,
99
334120
2858
Они сближаются со скоростью 2 м/c,
05:49
and this illustrates the basic principle.
100
337002
2480
это иллюстрирует основной принцип.
05:52
The two-gram carbon fiber cage around it
prevents the propellers from entangling,
prevents the propellers from entangling,
101
340200
4976
Каркас из углеродного волокна весом 2 г
защищает пропеллеры от столкновения,
защищает пропеллеры от столкновения,
05:57
but essentially the collision is absorbed
and the robot responds to the collisions.
and the robot responds to the collisions.
102
345200
5296
но энергия столкновения поглощается,
и робот реагирует на него.
и робот реагирует на него.
06:02
And so small also means safe.
103
350520
2560
Маленький размер — это безопасность.
06:05
In my lab, as we developed these robots,
104
353400
2016
В нашей лаборатории
06:07
we start off with these big robots
105
355440
1620
мы начали с больших роботов,
06:09
and then now we're down
to these small robots.
to these small robots.
106
357084
2812
а закончили такими мелкими.
06:11
And if you plot a histogram
of the number of Band-Aids we've ordered
of the number of Band-Aids we've ordered
107
359920
3456
А если вы нарисуете график того,
как мы заказывали пластыри,
как мы заказывали пластыри,
06:15
in the past, that sort of tailed off now.
108
363400
2576
то со временем линия уйдёт в ноль,
06:18
Because these robots are really safe.
109
366000
1960
ведь эти роботы действительно безопасны.
06:20
The small size has some disadvantages,
110
368760
2456
У небольшого размера есть недостатки,
06:23
and nature has found a number of ways
to compensate for these disadvantages.
to compensate for these disadvantages.
111
371240
4080
но природа нашла множество способов
их компенсировать,
их компенсировать,
06:27
The basic idea is they aggregate
to form large groups, or swarms.
to form large groups, or swarms.
112
375960
4000
в основном созданием
больших групп, или роёв.
больших групп, или роёв.
06:32
So, similarly, in our lab,
we try to create artificial robot swarms.
we try to create artificial robot swarms.
113
380320
3976
И в нашей лаборатории мы пытаемся
создать искусственные рои роботов.
создать искусственные рои роботов.
06:36
And this is quite challenging
114
384320
1381
Это достаточно сложно,
06:37
because now you have to think
about networks of robots.
about networks of robots.
115
385725
3320
потому что теперь надо думать
о взаимодействии роботов.
о взаимодействии роботов.
06:41
And within each robot,
116
389360
1296
И для каждого робота
06:42
you have to think about the interplay
of sensing, communication, computation --
of sensing, communication, computation --
117
390680
5616
вам нужно продумать восприятие,
коммуникацию и вычисления,
коммуникацию и вычисления,
06:48
and this network then becomes
quite difficult to control and manage.
quite difficult to control and manage.
118
396320
4960
и этим всем становится сложно управлять.
06:54
So from nature we take away
three organizing principles
three organizing principles
119
402160
3296
Мы позаимствовали три принципа
организации у природы —
организации у природы —
06:57
that essentially allow us
to develop our algorithms.
to develop our algorithms.
120
405480
3160
они позволили нам построить эти алгоритмы.
07:01
The first idea is that robots
need to be aware of their neighbors.
need to be aware of their neighbors.
121
409640
4536
Первый состоит в том, что роботам надо
знать о своих соседях.
знать о своих соседях.
07:06
They need to be able to sense
and communicate with their neighbors.
and communicate with their neighbors.
122
414200
3440
Они должны быть в состоянии ощущать их
и общаться с ними.
и общаться с ними.
07:10
So this video illustrates the basic idea.
123
418040
2656
Это видео иллюстрирует идею.
07:12
You have four robots --
124
420720
1296
У вас четыре робота:
07:14
one of the robots has actually been
hijacked by a human operator, literally.
hijacked by a human operator, literally.
125
422040
4240
один, кстати, захвачен
оператором-человеком буквально.
оператором-человеком буквально.
07:19
But because the robots
interact with each other,
interact with each other,
126
427217
2239
Но поскольку роботы взаимодействуют,
07:21
they sense their neighbors,
127
429480
1656
они ощущают соседей
07:23
they essentially follow.
128
431160
1296
и следуют друг за другом.
07:24
And here there's a single person
able to lead this network of followers.
able to lead this network of followers.
129
432480
5360
И один из них возглавляет
эту сеть последователей.
эту сеть последователей.
07:32
So again, it's not because all the robots
know where they're supposed to go.
know where they're supposed to go.
130
440000
5056
То есть это не потому, что каждый робот
знает, куда он должен идти,
знает, куда он должен идти,
07:37
It's because they're just reacting
to the positions of their neighbors.
to the positions of their neighbors.
131
445080
4320
а потому что он просто реагирует
на местонахождение своих соседей.
на местонахождение своих соседей.
07:43
(Laughter)
132
451720
4120
(Смех)
07:48
So the next experiment illustrates
the second organizing principle.
the second organizing principle.
133
456280
5240
Этот эксперимент демонстрирует
второй принцип организации.
второй принцип организации.
07:54
And this principle has to do
with the principle of anonymity.
with the principle of anonymity.
134
462920
3800
Это анонимность.
07:59
Here the key idea is that
135
467400
4296
Смысл в том,
08:03
the robots are agnostic
to the identities of their neighbors.
to the identities of their neighbors.
136
471720
4240
что роботам не нужно знать,
кто именно их соседи.
кто именно их соседи.
08:08
They're asked to form a circular shape,
137
476440
2616
Они должны образовать круг,
08:11
and no matter how many robots
you introduce into the formation,
you introduce into the formation,
138
479080
3296
и неважно, сколько роботов
вы в это вовлечёте,
вы в это вовлечёте,
08:14
or how many robots you pull out,
139
482400
2576
а сколько — выгоните,
08:17
each robot is simply
reacting to its neighbor.
reacting to its neighbor.
140
485000
3136
каждый робот всего-навсего
реагирует на своего соседа.
реагирует на своего соседа.
08:20
It's aware of the fact that it needs
to form the circular shape,
to form the circular shape,
141
488160
4976
Он знает, что должен получиться круг,
08:25
but collaborating with its neighbors
142
493160
1776
и, взаимодействуя с соседями,
08:26
it forms the shape
without central coordination.
without central coordination.
143
494960
3720
они образуют круг без
централизованного управления.
централизованного управления.
08:31
Now if you put these ideas together,
144
499520
2416
Если соединить все эти идеи,
08:33
the third idea is that we
essentially give these robots
essentially give these robots
145
501960
3896
то третий принцип — дать этим роботам
08:37
mathematical descriptions
of the shape they need to execute.
of the shape they need to execute.
146
505880
4296
математическое описание фигур,
которые они должны построить.
которые они должны построить.
08:42
And these shapes can be varying
as a function of time,
as a function of time,
147
510200
3496
Эти фигуры могут меняться
с течением времени,
с течением времени,
08:45
and you'll see these robots
start from a circular formation,
start from a circular formation,
148
513720
4496
видите, эти роботы начали с круга,
08:50
change into a rectangular formation,
stretch into a straight line,
stretch into a straight line,
149
518240
3256
перестроились в прямоугольник,
вытянулись по прямой линии
вытянулись по прямой линии
08:53
back into an ellipse.
150
521520
1375
и вернулись к эллипсу.
08:54
And they do this with the same
kind of split-second coordination
kind of split-second coordination
151
522919
3617
И они делают это, точно так же
координируясь посекундно,
координируясь посекундно,
08:58
that you see in natural swarms, in nature.
152
526560
3280
как и настоящие живые рои.
09:03
So why work with swarms?
153
531080
2136
Зачем работать с роями?
09:05
Let me tell you about two applications
that we are very interested in.
that we are very interested in.
154
533240
4120
Есть два применения,
которые нам очень интересны.
которые нам очень интересны.
09:10
The first one has to do with agriculture,
155
538160
2376
Первое — сельское хозяйство,
09:12
which is probably the biggest problem
that we're facing worldwide.
that we're facing worldwide.
156
540560
3360
это крупнейшая, глобальная задача.
09:16
As you well know,
157
544760
1256
Известно,
09:18
one in every seven persons
in this earth is malnourished.
in this earth is malnourished.
158
546040
3520
что каждый седьмой человек
на планете недоедает.
на планете недоедает.
09:21
Most of the land that we can cultivate
has already been cultivated.
has already been cultivated.
159
549920
3480
Большая часть пригодной для сельского
хозяйства земли уже возделана.
хозяйства земли уже возделана.
09:25
And the efficiency of most systems
in the world is improving,
in the world is improving,
160
553960
3216
Эффективность большинства отраслей
в мире растёт,
в мире растёт,
09:29
but our production system
efficiency is actually declining.
efficiency is actually declining.
161
557200
3520
но эффективность производства еды падает.
09:33
And that's mostly because of water
shortage, crop diseases, climate change
shortage, crop diseases, climate change
162
561080
4216
Основные причины — недостаток воды,
заболевания злаков, изменение климата
заболевания злаков, изменение климата
09:37
and a couple of other things.
163
565320
1520
и ещё пара других.
09:39
So what can robots do?
164
567360
1480
Что могут роботы?
09:41
Well, we adopt an approach that's
called Precision Farming in the community.
called Precision Farming in the community.
165
569200
4616
Мы применяем подход,
известный как точное земледелие.
известный как точное земледелие.
09:45
And the basic idea is that we fly
aerial robots through orchards,
aerial robots through orchards,
166
573840
5376
Роботы летят над садами,
09:51
and then we build
precision models of individual plants.
precision models of individual plants.
167
579240
3120
а затем мы строим точные модели
отдельных растений.
отдельных растений.
09:54
So just like personalized medicine,
168
582829
1667
Как и в индивидуальной терапии,
09:56
while you might imagine wanting
to treat every patient individually,
to treat every patient individually,
169
584520
4816
где лечение для каждого пациента
подбирают отдельно,
подбирают отдельно,
10:01
what we'd like to do is build
models of individual plants
models of individual plants
170
589360
3696
мы хотим строить модели каждого
отдельного растения
отдельного растения
10:05
and then tell the farmer
what kind of inputs every plant needs --
what kind of inputs every plant needs --
171
593080
4136
и сообщать фермеру, что именно
нужно конкретному растению:
нужно конкретному растению:
10:09
the inputs in this case being water,
fertilizer and pesticide.
fertilizer and pesticide.
172
597240
4440
вода, удобрения или пестициды.
10:14
Here you'll see robots
traveling through an apple orchard,
traveling through an apple orchard,
173
602640
3616
Вот роботы летят через яблоневый сад,
10:18
and in a minute you'll see
two of its companions
two of its companions
174
606280
2256
сейчас вы увидите ещё парочку,
10:20
doing the same thing on the left side.
175
608560
1810
летящих слева.
10:22
And what they're doing is essentially
building a map of the orchard.
building a map of the orchard.
176
610800
3656
Они строят карту сада.
10:26
Within the map is a map
of every plant in this orchard.
of every plant in this orchard.
177
614480
2816
Внутри неё находится карта
каждого растения этого сада.
каждого растения этого сада.
10:29
(Robot buzzing)
178
617320
1656
(Робот жужжит)
10:31
Let's see what those maps look like.
179
619000
1896
Посмотрим на эти карты.
10:32
In the next video, you'll see the cameras
that are being used on this robot.
that are being used on this robot.
180
620920
4296
Следующее видео — с камер этого робота.
10:37
On the top-left is essentially
a standard color camera.
a standard color camera.
181
625240
3240
Слева сверху — отдельная цветная камера.
10:41
On the left-center is an infrared camera.
182
629640
3296
Слева в центре — инфракрасная.
10:44
And on the bottom-left
is a thermal camera.
is a thermal camera.
183
632960
3776
Снизу слева — тепловизор.
10:48
And on the main panel, you're seeing
a three-dimensional reconstruction
a three-dimensional reconstruction
184
636760
3336
На центральной панели —
объёмная реконструкция
объёмная реконструкция
10:52
of every tree in the orchard
as the sensors fly right past the trees.
as the sensors fly right past the trees.
185
640120
6120
каждого дерева сада,
построенная во время облёта.
построенная во время облёта.
10:59
Armed with information like this,
we can do several things.
we can do several things.
186
647640
4040
Мы можем многое с такой информацией.
11:04
The first and possibly the most important
thing we can do is very simple:
thing we can do is very simple:
187
652200
4256
Первое, наверное, самое важное,
и очень простое:
и очень простое:
11:08
count the number of fruits on every tree.
188
656480
2440
подсчёт количества плодов
на каждом дереве.
на каждом дереве.
11:11
By doing this, you tell the farmer
how many fruits she has in every tree
how many fruits she has in every tree
189
659520
4536
Фермер будет знать, сколько у него плодов,
11:16
and allow her to estimate
the yield in the orchard,
the yield in the orchard,
190
664080
4256
сможет оценить урожайность сада
11:20
optimizing the production
chain downstream.
chain downstream.
191
668360
2840
и оптимизировать цепь поставок
с самого начала.
с самого начала.
11:23
The second thing we can do
192
671640
1616
Второе, что мы можем сделать, —
11:25
is take models of plants, construct
three-dimensional reconstructions,
three-dimensional reconstructions,
193
673280
4496
взять модели растений, сделать
объёмную реконструкцию,
объёмную реконструкцию,
11:29
and from that estimate the canopy size,
194
677800
2536
таким образом, оценить размер покрытия
11:32
and then correlate the canopy size
to the amount of leaf area on every plant.
to the amount of leaf area on every plant.
195
680360
3776
и вычислить связь размера покрытия
с листовой поверхностью каждого растения.
с листовой поверхностью каждого растения.
11:36
And this is called the leaf area index.
196
684160
2176
Это индекс листовой поверхности.
11:38
So if you know this leaf area index,
197
686360
1936
Если вы знаете его значение,
11:40
you essentially have a measure of how much
photosynthesis is possible in every plant,
photosynthesis is possible in every plant,
198
688320
5456
вы можете измерить объём фотосинтеза,
возможного для каждого растения,
возможного для каждого растения,
11:45
which again tells you
how healthy each plant is.
how healthy each plant is.
199
693800
2880
что, опять же, покажет,
насколько здорово каждое растение.
насколько здорово каждое растение.
11:49
By combining visual
and infrared information,
and infrared information,
200
697520
4216
Объединив данные инфракрасной камеры
и тепловизора,
и тепловизора,
11:53
we can also compute indices such as NDVI.
201
701760
3296
мы также можем вычислить НОИВ.
11:57
And in this particular case,
you can essentially see
you can essentially see
202
705080
2816
Конкретно в этом случае
11:59
there are some crops that are
not doing as well as other crops.
not doing as well as other crops.
203
707920
3016
есть отдельные растения,
которым хуже, чем остальным.
которым хуже, чем остальным.
12:02
This is easily discernible from imagery,
204
710960
4056
Их легко выявить по изображению,
12:07
not just visual imagery but combining
205
715040
2216
не только по визуальному,
а объединённому
а объединённому
12:09
both visual imagery and infrared imagery.
206
717280
2776
визуальному и инфракрасному.
12:12
And then lastly,
207
720080
1336
И наконец,
12:13
one thing we're interested in doing is
detecting the early onset of chlorosis --
detecting the early onset of chlorosis --
208
721440
4016
нам интересно раннее выявление хлороза —
12:17
and this is an orange tree --
209
725480
1496
здесь на апельсиновом дереве —
12:19
which is essentially seen
by yellowing of leaves.
by yellowing of leaves.
210
727000
2560
который легко различим
по желтеющим листьям.
по желтеющим листьям.
12:21
But robots flying overhead
can easily spot this autonomously
can easily spot this autonomously
211
729880
3896
Роботы могут легко обнаружить их сверху
12:25
and then report to the farmer
that he or she has a problem
that he or she has a problem
212
733800
2936
и сообщить фермеру,
что у него или неё проблемы
что у него или неё проблемы
12:28
in this section of the orchard.
213
736760
1520
в этой части сада.
12:30
Systems like this can really help,
214
738800
2696
Такие системы действительно могут помочь,
12:33
and we're projecting yields
that can improve by about ten percent
that can improve by about ten percent
215
741520
5816
мы ожидаем роста урожайности
примерно на 10%,
примерно на 10%,
12:39
and, more importantly, decrease
the amount of inputs such as water
the amount of inputs such as water
216
747360
3216
и, что важнее, снижения потребления,
например, потребления воды,
например, потребления воды,
12:42
by 25 percent by using
aerial robot swarms.
aerial robot swarms.
217
750600
3280
на 25% благодаря использованию
роёв аэророботов.
роёв аэророботов.
12:47
Lastly, I want you to applaud
the people who actually create the future,
the people who actually create the future,
218
755200
5736
И я хочу, чтобы вы поаплодировали людям,
которые создают будущее:
которые создают будущее:
12:52
Yash Mulgaonkar, Sikang Liu
and Giuseppe Loianno,
and Giuseppe Loianno,
219
760960
4920
Яшу Мулганкару, Сикангу Лю
и Джузеппе Лоиано,
и Джузеппе Лоиано,
12:57
who are responsible for the three
demonstrations that you saw.
demonstrations that you saw.
220
765920
3496
подготовившим три
сегодняшние демонстрации.
сегодняшние демонстрации.
13:01
Thank you.
221
769440
1176
Спасибо.
13:02
(Applause)
222
770640
5920
(Аплодисменты)
Translated by Tatiana Efremova
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