TED2012
Vijay Kumar: Robots that fly ... and cooperate
Vijay Kumar: Roboty, čo lietajú ... a spolupracujú
Filmed:
Readability: 4.5
5,188,706 views
V svojom laboratóriu v Penn, Vijay Kumar a jeho tím stavajú lietajúce štvorvrtule -- malé, pohyblivé roboty, ktoré sa zhlukujú, navzájom sa registrujú a tvoria ad hoc tímy -- pre stavbu, obhliadku nešťastí a mnoho ďalšieho.
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
Dobré ráno.
00:22
I'm here today to talk
1
7000
2000
Som tu dnes, aby som rozprával
00:24
about autonomous, flying beach balls.
2
9000
3000
o samostatných, lietajúcich plážových loptách.
00:27
No, agile aerial robots like this one.
3
12000
4000
Nie, agilných lietajúcich robotov, ako je tento.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Chcel by som Vám povedať čosi o výzvach, pri ich stavbe
00:34
and some of the terrific opportunities
5
19000
2000
a o úžasných možnostiach,
00:36
for applying this technology.
6
21000
2000
ako túto technológiu aplikovať.
00:38
So these robots
7
23000
2000
Takže tieto roboty
00:40
are related to unmanned aerial vehicles.
8
25000
3000
súvisia s bezpilotnými lietadlami.
00:43
However, the vehicles you see here are big.
9
28000
3000
Avšak stroje, ktoré tu vidíte, sú veľké.
00:46
They weigh thousands of pounds,
10
31000
2000
Vážia tisíce kíl,
00:48
are not by any means agile.
11
33000
2000
v žiadnom prípade nie sú agilné.
00:50
They're not even autonomous.
12
35000
2000
Dokonca nie sú ani samostatné.
00:52
In fact, many of these vehicles
13
37000
2000
Vlastne, množstvo takýchto strojov
00:54
are operated by flight crews
14
39000
2000
ovládajú letové posádky,
00:56
that can include multiple pilots,
15
41000
3000
ktoré môžu zahŕňať viacerých pilotov,
00:59
operators of sensors
16
44000
2000
operátorov senzorov
01:01
and mission coordinators.
17
46000
2000
a koordinátorov misií.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Nás zaujíma skôr vývoj robotov, ako je tento --
01:05
and here are two other pictures --
19
50000
2000
a tu sú dva iné obrázky --
01:07
of robots that you can buy off the shelf.
20
52000
3000
robotov, ktorých si môžete kúpiť v obchode.
01:10
So these are helicopters with four rotors
21
55000
3000
Takže sú to helikoptéry so štyrmi vrtuľami
01:13
and they're roughly a meter or so in scale
22
58000
4000
a sú približne meter veľké
01:17
and weigh several pounds.
23
62000
2000
a vážia niekoľko kíl.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Vybavili sme ich senzormi a procesormi
01:22
and these robots can fly indoors
25
67000
2000
a tieto roboty môžu lietať vnútri
01:24
without GPS.
26
69000
2000
bez GPS.
01:26
The robot I'm holding in my hand
27
71000
2000
Robot, ktorého držím v ruke
01:28
is this one,
28
73000
2000
je tento,
01:30
and it's been created by two students,
29
75000
3000
vytvorili ho dvaja študenti,
01:33
Alex and Daniel.
30
78000
2000
Alex a Daniel.
01:35
So this weighs a little more
31
80000
2000
Váži o niečo viac
01:37
than a tenth of a pound.
32
82000
2000
než 50 gramov.
01:39
It consumes about 15 watts of power.
33
84000
2000
Spotrebuje asi 15 wattov energie.
01:41
And as you can see,
34
86000
2000
A sami vidíte,
01:43
it's about eight inches in diameter.
35
88000
2000
že má priemer asi 20 centimetrov.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Dovoľte mi teda v rýchlosti vás previesť tým,
01:48
on how these robots work.
37
93000
2000
ako tieto roboty fungujú.
01:50
So it has four rotors.
38
95000
2000
Takže má štyri vrtule.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Ak sa točia rovnakou rýchlosťou,
01:54
the robot hovers.
40
99000
2000
robot sa vznáša.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Ak zvýšite rýchlosť každej vrtule,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
robot letí nahor, zrýchľuje nahor.
02:02
Of course, if the robot were tilted,
43
107000
2000
Samozrejme, keby bol robot naklonený,
02:04
inclined to the horizontal,
44
109000
2000
vzhľadom na vodorovnú os
02:06
then it would accelerate in this direction.
45
111000
3000
tak by zrýchľoval v tomto smere.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Ak ho chceme nakloniť, sú dva spôsoby, ako na to.
02:12
So in this picture
47
117000
2000
Na tomto obrázku vidíte,
02:14
you see that rotor four is spinning faster
48
119000
2000
že vrtuľa štyri sa točí rýchlejšie
02:16
and rotor two is spinning slower.
49
121000
2000
a vrtuľa dva, pomalšie.
02:18
And when that happens
50
123000
2000
A keď sa to stane,
02:20
there's moment that causes this robot to roll.
51
125000
3000
vzniká moment, ktorý spôsobí otáčanie robota.
02:23
And the other way around,
52
128000
2000
A naopak,
02:25
if you increase the speed of rotor three
53
130000
3000
ak zvýšite rýchlosť vrtule tri
02:28
and decrease the speed of rotor one,
54
133000
2000
a znížite rýchlosť vrtule jedna,
02:30
then the robot pitches forward.
55
135000
3000
robot sa nakláňa vpred.
02:33
And then finally,
56
138000
2000
A nakoniec,
02:35
if you spin opposite pairs of rotors
57
140000
2000
ak roztočíte pár vrtúľ oproti sebe,
02:37
faster than the other pair,
58
142000
2000
rýchlejšie, než druhý pár,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
robot sa otáča okolo zvislej osi.
02:41
So an on-board processor
60
146000
2000
Takže procesor na palube
02:43
essentially looks at what motions need to be executed
61
148000
3000
v zásade pozerá, aké pohyby je potrebné vykonať,
02:46
and combines these motions
62
151000
2000
kombinuje tieto pohyby
02:48
and figures out what commands to send to the motors
63
153000
3000
a zisťuje, aké pokyny treba posielať motorom
02:51
600 times a second.
64
156000
2000
600-krát za sekundu.
02:53
That's basically how this thing operates.
65
158000
2000
Takto v zásade táto vec funguje.
02:55
So one of the advantages of this design
66
160000
2000
Jedna z výhod tohto návrhu
02:57
is, when you scale things down,
67
162000
2000
spočíva v tom, že keď veci zmenšíte,
02:59
the robot naturally becomes agile.
68
164000
3000
robot sa prirodzene stane agilným.
03:02
So here R
69
167000
2000
Takže tu, R
03:04
is the characteristic length of the robot.
70
169000
2000
predstavuje charakteristickú dĺžku robota.
03:06
It's actually half the diameter.
71
171000
3000
Vlastne je to polovica priemeru.
03:09
And there are lots of physical parameters that change
72
174000
3000
Veľa fyzikálnych parametrov sa mení,
03:12
as you reduce R.
73
177000
2000
keď zmenšujeme R.
03:14
The one that's the most important
74
179000
2000
Ten najdôležitejší
03:16
is the inertia or the resistance to motion.
75
181000
2000
je hybnosť, alebo odpor voči pohybu.
03:18
So it turns out,
76
183000
2000
Ukázalo sa,
03:20
the inertia, which governs angular motion,
77
185000
3000
že hybnosť, ktorá určuje uhlový pohyb,
03:23
scales as a fifth power of R.
78
188000
3000
je úmerná piatej mocnine R.
03:26
So the smaller you make R,
79
191000
2000
Takže čím menšie je R,
03:28
the more dramatically the inertia reduces.
80
193000
3000
tým výraznejšie sa znižuje hybnosť.
03:31
So as a result, the angular acceleration,
81
196000
3000
Výsledok je taký, že uhlové zrýchlenie,
03:34
denoted by Greek letter alpha here,
82
199000
2000
tu znázornené gréckym písmenom alfa,
03:36
goes as one over R.
83
201000
2000
rastie s jedna lomeno R.
03:38
It's inversely proportional to R.
84
203000
2000
Je nepriamo úmerné R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Čím menšie to urobíte, tým rýchlejšie to dokážete otáčať.
03:43
So this should be clear in these videos.
86
208000
2000
Malo by to byť jasné z týchto videí.
03:45
At the bottom right you see a robot
87
210000
3000
Dole vidíte robota
03:48
performing a 360 degree flip
88
213000
2000
ako robí otočku o 360 stupňov
03:50
in less than half a second.
89
215000
2000
za menej než pol sekundy.
03:52
Multiple flips, a little more time.
90
217000
3000
Viac otočiek, o trochu dlhší čas.
03:55
So here the processes on board
91
220000
2000
Procesory na palube
03:57
are getting feedback from accelerometers
92
222000
2000
dostávajú odozvu od akcelerometrov
03:59
and gyros on board
93
224000
2000
a gyroskopov na palube
04:01
and calculating, like I said before,
94
226000
2000
a počítajú, ako som už spomínal,
04:03
commands at 600 times a second
95
228000
2000
príkazy 600-krát za sekundu
04:05
to stabilize this robot.
96
230000
2000
aby tohto robota stabilizovali.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
Takže vľavo vidíte Daniela, ako hádže robota do vzduchu.
04:10
And it shows you how robust the control is.
98
235000
2000
A je vidieť, ako robustné je ovládanie.
04:12
No matter how you throw it,
99
237000
2000
Nezáleží na to, ako ho hodíte,
04:14
the robot recovers and comes back to him.
100
239000
4000
robot sa spamätá a vráti sa naspäť k nemu.
04:18
So why build robots like this?
101
243000
2000
Takže, prečo stavať takýchto robotov?
04:20
Well robots like this have many applications.
102
245000
3000
Takéto roboty majú veľa využití.
04:23
You can send them inside buildings like this
103
248000
3000
Môžete ho poslať do takejto budovy
04:26
as first responders to look for intruders,
104
251000
3000
ako prvú odozvu, aby hľadal votrelcov,
04:29
maybe look for biochemical leaks,
105
254000
3000
možno biochemické úniky,
04:32
gaseous leaks.
106
257000
2000
úniky plynu.
04:34
You can also use them
107
259000
2000
Taktiež ich môžete použiť
04:36
for applications like construction.
108
261000
2000
pre úlohy, ako je konštrukcia.
04:38
So here are robots carrying beams, columns
109
263000
4000
Tu roboty prenášajú trámy, stĺpy
04:42
and assembling cube-like structures.
110
267000
3000
a zostavujú kockové štruktúry.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Poviem Vám o tom niečo viac.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Roboty je možné použiť na prenos tovaru.
04:51
So one of the problems with these small robots
113
276000
3000
Jeden z problémov s týmito malými robotmi
04:54
is their payload carrying capacity.
114
279000
2000
je ich nosná kapacita.
04:56
So you might want to have multiple robots
115
281000
2000
Takže možno chcete, aby viaceré roboty
04:58
carry payloads.
116
283000
2000
nosili náklad.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Toto je obrázok z nášho nedávneho experimentu --
05:02
actually not so recent anymore --
118
287000
2000
vlastne už ani nie tak nedávneho --
05:04
in Sendai shortly after the earthquake.
119
289000
3000
v Sendai, krátko po zemetrasení.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Takéto roboty je možné poslať do spadnutých budov
05:10
to assess the damage after natural disasters,
121
295000
2000
na zhodnotenie škôd po prírodných katastrofách,
05:12
or sent into reactor buildings
122
297000
3000
alebo poslať do budov reaktora,
05:15
to map radiation levels.
123
300000
3000
aby zmapovali úrovne radiácie.
05:19
So one fundamental problem
124
304000
2000
Takže, základný problém,
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
ktorý roboty musia riešiť, ak majú byť samostatné,
05:24
is essentially figuring out
126
309000
2000
je vlastne zistiť,
05:26
how to get from point A to point B.
127
311000
2000
ako sa dostanú z bodu A do bodu B.
05:28
So this gets a little challenging
128
313000
2000
Toto môže byť trochu problém,
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
keďže dynamika tohto robota je pomerne komplikovaná.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
V podstate žijú v 12-rozmernom priestore.
05:35
So we use a little trick.
131
320000
2000
Preto používame malý trik.
05:37
We take this curved 12-dimensional space
132
322000
3000
Vezmeme tento zakrivený 12-rozmerný priestor
05:40
and transform it
133
325000
2000
a transformujeme ho
05:42
into a flat four-dimensional space.
134
327000
2000
na plochý, štvorrozmerný priestor.
05:44
And that four-dimensional space
135
329000
2000
A tento štvorrozmerný priestor
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
pozostáva z X, Y, Z a uhlu natočenia.
05:49
And so what the robot does
137
334000
2000
Takže tento robot robí to,
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
že plánuje niečo, čo sme nazvali minimálna snapová dráha.
05:55
So to remind you of physics,
139
340000
2000
Aby som pripomenul fyziku,
05:57
you have position, derivative, velocity,
140
342000
2000
máme pozíciu, derivácia je rýchlosť,
05:59
then acceleration,
141
344000
2000
potom zrýchlenie,
06:01
and then comes jerk
142
346000
2000
a potom ide ryv
06:03
and then comes snap.
143
348000
2000
a potom snap.
06:05
So this robot minimizes snap.
144
350000
3000
Tento robot teda minimalizuje snap.
06:08
So what that effectively does
145
353000
2000
V praxi to teda znamená,
06:10
is produces a smooth and graceful motion.
146
355000
2000
že výsledkom je hladký a ladný pohyb.
06:12
And it does that avoiding obstacles.
147
357000
3000
A pritom sa vyhýba prekážkam.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Tieto minimálne snapové dráhy v plochom priestore
06:18
are then transformed back
149
363000
2000
sú potom prevedené späť
06:20
into this complicated 12-dimensional space,
150
365000
2000
do toho komplikovaného 12-rozmerného priestoru,
06:22
which the robot must do
151
367000
2000
čo robot musí urobiť,
06:24
for control and then execution.
152
369000
2000
kvôli ovládaniu a vykonávaniu.
06:26
So let me show you some examples
153
371000
2000
Dovoľte mi ukázať Vám pár príkladov toho,
06:28
of what these minimum snap trajectories look like.
154
373000
2000
ako tieto minimálne snapové dráhy vyzerajú.
06:30
And in the first video,
155
375000
2000
A v prvom videu
06:32
you'll see the robot going from point A to point B
156
377000
2000
uvidíte robota, ako ide z bodu A do bodu B
06:34
through an intermediate point.
157
379000
2000
cez bod ležiaci uprostred.
06:42
So the robot is obviously capable
158
387000
2000
Tento robot je teda schopný
06:44
of executing any curve trajectory.
159
389000
2000
sledovať akúkoľvek zakrivenú dráhu.
06:46
So these are circular trajectories
160
391000
2000
Toto sú kruhové dráhy,
06:48
where the robot pulls about two G's.
161
393000
3000
pričom robot prekonáva asi dva G.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Tu máme nad hlavou kamery zachytávajúce pohyb,
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
ktoré hovoria robotovi, kde sa nachádza, 100-krát za sekundu.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Taktiež hovoria robotovi, kde sú prekážky.
07:02
And the obstacles can be moving.
165
407000
2000
A prekážky sa môžu hýbať.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Tu vidíte Daniela, ako vyhadzuje do vzduchu obruč,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
pričom robot počíta pozíciu obruče
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
a snaží sa zistiť, ako najlepšie prejsť cez obruč.
07:13
So as an academic,
169
418000
2000
Ako akademikov,
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
stále nás učia skákať cez obruče, aby sme získali financie pre laboratóriá,
07:18
and we get our robots to do that.
171
423000
3000
a my to zas učíme robotov.
07:21
(Applause)
172
426000
6000
(Potlesk)
07:27
So another thing the robot can do
173
432000
2000
Ďalšia vec, čo tento robot dokáže,
07:29
is it remembers pieces of trajectory
174
434000
3000
je, že si pamätá časti dráhy,
07:32
that it learns or is pre-programmed.
175
437000
2000
ktorú sa naučil, alebo mu bola naprogramovaná.
07:34
So here you see the robot
176
439000
2000
Tu vidíte robota,
07:36
combining a motion
177
441000
2000
ako kombinuje pohyb,
07:38
that builds up momentum
178
443000
2000
ktorý vyvinie hybnosť
07:40
and then changes its orientation and then recovers.
179
445000
3000
a následne zmení orientáciu a vyrovná.
07:43
So it has to do this because this gap in the window
180
448000
3000
Toto musí urobiť, keďže táto medzera v okne
07:46
is only slightly larger than the width of the robot.
181
451000
4000
je iba o niečo väčšia, ako je šírka robota.
07:50
So just like a diver stands on a springboard
182
455000
3000
Takže ako skokan do vody, čo stojí na mostíku
07:53
and then jumps off it to gain momentum,
183
458000
2000
a potom z neho zoskočí, aby získal hybnosť,
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
potom urobí piruetu, dva a pol salta
07:58
and then gracefully recovers,
185
463000
2000
a ladne vyrovná,
08:00
this robot is basically doing that.
186
465000
2000
tento robot robí prakticky to isté.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Teda vie, ako kombinovať malé časti dráh,
08:05
to do these fairly difficult tasks.
188
470000
4000
aby vykonával tieto pomerne náročné úlohy.
08:09
So I want change gears.
189
474000
2000
Teraz trošku zmením tému.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Jednou z nevýhod týchto malých robotov, je ich veľkosť.
08:14
And I told you earlier
191
479000
2000
Ako som vravel skôr,
08:16
that we may want to employ lots and lots of robots
192
481000
2000
že môžeme potrebovať nasadiť veľa veľa robotov,
08:18
to overcome the limitations of size.
193
483000
3000
aby sme prekonali jeho obmedzenia veľkosti.
08:21
So one difficulty
194
486000
2000
Jeden problém
08:23
is how do you coordinate lots of these robots?
195
488000
3000
je, ako zosúladíte tak veľa robotov?
08:26
And so here we looked to nature.
196
491000
2000
A tu sa inšpirujeme prírodou.
08:28
So I want to show you a clip
197
493000
2000
Chcel by som Vám ukázať klip
08:30
of Aphaenogaster desert ants
198
495000
2000
púštnych mravcov Aphaenogaster,
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
v laboratóriu profesora Stephena Pratta, ako nesú objekt.
08:35
So this is actually a piece of fig.
200
500000
2000
Je to kúsok figy.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Vezmete akýkoľvek objekt pokrytý figovou šťavou
08:39
and the ants will carry them back to the nest.
202
504000
3000
a mravce ho odnesú späť do hniezda.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Tieto mravce nemajú žiadneho centrálneho koordinátora.
08:45
They sense their neighbors.
204
510000
2000
Cítia svojich susedov.
08:47
There's no explicit communication.
205
512000
2000
Nemajú žiadnu explicitnú komunikáciu.
08:49
But because they sense the neighbors
206
514000
2000
Ale pretože cítia svojich susedov,
08:51
and because they sense the object,
207
516000
2000
a pretože cítia objekt,
08:53
they have implicit coordination across the group.
208
518000
3000
majú implicitnú koordináciu naprieč skupinou.
08:56
So this is the kind of coordination
209
521000
2000
Toto je typ koordinácie,
08:58
we want our robots to have.
210
523000
3000
ktorý chceme, aby naše roboty mali.
09:01
So when we have a robot
211
526000
2000
Keď máme robota,
09:03
which is surrounded by neighbors --
212
528000
2000
ktorého obklopujú susedia --
09:05
and let's look at robot I and robot J --
213
530000
2000
a pozrime sa na robot I a robot J --
09:07
what we want the robots to do
214
532000
2000
my od týchto robotov chceme,
09:09
is to monitor the separation between them
215
534000
3000
aby sledovali svoje rozostupy,
09:12
as they fly in formation.
216
537000
2000
počas letu vo formácii.
09:14
And then you want to make sure
217
539000
2000
A potom treba zaistiť,
09:16
that this separation is within acceptable levels.
218
541000
2000
aby tieto rozostupy boli v prijateľných medziach.
09:18
So again the robots monitor this error
219
543000
3000
Takže ešte raz, roboty sledujú túto chybu
09:21
and calculate the control commands
220
546000
2000
a vypočítajú kontrolné príkazy
09:23
100 times a second,
221
548000
2000
100-krát za sekundu,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
čo sa prenáša do pokynov pre motory, 600-krát za sekundu.
09:28
So this also has to be done
223
553000
2000
A taktiež to musí byť urobené
09:30
in a decentralized way.
224
555000
2000
decentralizovaným spôsobom.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Opäť, ak máte veľa robotov,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
je nemožné koordinovať všetky tieto informácie centrálne
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
a dostatočne rýchlo na to, aby roboty splnili úlohu.
09:41
Plus the robots have to base their actions
228
566000
2000
Zároveň, roboty musia zakladať svoje kroky
09:43
only on local information,
229
568000
2000
iba na lokálnych informáciách,
09:45
what they sense from their neighbors.
230
570000
2000
ktoré zaznamenajú od svojich susedov.
09:47
And then finally,
231
572000
2000
A nakoniec,
09:49
we insist that the robots be agnostic
232
574000
2000
trváme na tom, aby roboty boli agnostické
09:51
to who their neighbors are.
233
576000
2000
k tomu, kto sú ich susedia.
09:53
So this is what we call anonymity.
234
578000
3000
Toto nazývame anonymita.
09:56
So what I want to show you next
235
581000
2000
Takže ďalej by som Vám chcel ukázať
09:58
is a video
236
583000
2000
jedno video,
10:00
of 20 of these little robots
237
585000
3000
kde 20 týchto malých robotov
10:03
flying in formation.
238
588000
2000
letí vo formácii.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Sledujú pozíciu svojich susedov.
10:08
They're maintaining formation.
240
593000
2000
Udržiavajú formáciu.
10:10
The formations can change.
241
595000
2000
Formácie sa môžu meniť.
10:12
They can be planar formations,
242
597000
2000
Môžu to byť rovinné formácie,
10:14
they can be three-dimensional formations.
243
599000
2000
môžu to byť trojrozmerné formácie.
10:16
As you can see here,
244
601000
2000
Ako vidíte tu,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
zvinú sa z trojrozmernej formácie do rovinnej formácie.
10:21
And to fly through obstacles
246
606000
2000
A pri prelete cez prekážky
10:23
they can adapt the formations on the fly.
247
608000
4000
môžu tieto formácie za letu prispôsobovať.
10:27
So again, these robots come really close together.
248
612000
3000
Takže opäť, tieto roboty sú veľmi blízko seba.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Ako môžete vidieť pri tomto lete v tvare osmičky,
10:32
they come within inches of each other.
250
617000
2000
blížia sa k sebe na centimetre.
10:34
And despite the aerodynamic interactions
251
619000
3000
A napriek vzájomnému aerodynamickému pôsobeniu
10:37
of these propeller blades,
252
622000
2000
čepelí ich vrtulí,
10:39
they're able to maintain stable flight.
253
624000
2000
dokážu udržať stabilný let.
10:41
(Applause)
254
626000
7000
(Potlesk)
10:48
So once you know how to fly in formation,
255
633000
2000
Takže keď viete, ako lietať vo formácii,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
môžete spoločne zdvíhať predmety.
10:52
So this just shows
257
637000
2000
Toto ukazuje,
10:54
that we can double, triple, quadruple
258
639000
3000
že môžeme zdvojnásobiť, strojnásobiť, zoštvornásobiť
10:57
the robot strength
259
642000
2000
silu robota,
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
ak ich naučíme tvoriť tímy so svojimi susedmi, ako vidíte tu.
11:01
One of the disadvantages of doing that
261
646000
3000
Jednou z nevýhod toho
11:04
is, as you scale things up --
262
649000
2000
je, že keď veci zväčšíte --
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
tým, že viac robotov nosí tú istú vec,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
vlastne v podstate zvyšujete hybnosť,
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
a teda za to platíte. Nebudú tak agilné.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Ale získate, čo do nosnej kapacity.
11:17
Another application I want to show you --
267
662000
2000
Ďalšie využitie, ktoré Vám chcem ukázať --
11:19
again, this is in our lab.
268
664000
2000
opäť, toto je v našom laboratóriu.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Túto prácu robil Quentin Lindsey, ktorý je náš študent.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Jeho algoritmus v zásade hovorí týmto robotom,
11:26
how to autonomously build
271
671000
2000
ako samostatne stavať
11:28
cubic structures
272
673000
2000
kockové štruktúry
11:30
from truss-like elements.
273
675000
3000
z nosníkových súčiastok.
11:33
So his algorithm tells the robot
274
678000
2000
Tento algoritmus teda hovorí robotu,
11:35
what part to pick up,
275
680000
2000
ktoré časti majú zdvíhať,
11:37
when and where to place it.
276
682000
2000
kedy a kam ich umiestniť.
11:39
So in this video you see --
277
684000
2000
V tomto videu vidíte --
11:41
and it's sped up 10, 14 times --
278
686000
2000
je zrýchlené 10, 14-krát --
11:43
you see three different structures being built by these robots.
279
688000
3000
vidíte, ako tieto roboty stavajú rôzne štruktúry.
11:46
And again, everything is autonomous,
280
691000
2000
A opäť, všetko je samostatné,
11:48
and all Quentin has to do
281
693000
2000
a jediné, čo Quentin musí urobiť,
11:50
is to get them a blueprint
282
695000
2000
je dodať im predlohu
11:52
of the design that he wants to build.
283
697000
4000
tvaru, ktorý majú vytvoriť.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Všetky experimenty, ktoré ste doposiaľ videli,
11:59
all these demonstrations,
285
704000
2000
všetky tieto ukážky,
12:01
have been done with the help of motion capture systems.
286
706000
3000
boli vytvorené s pomocou systémov na sledovanie pohybu.
12:04
So what happens when you leave your lab
287
709000
2000
Takže čo sa stane, keď odídete z laboratória
12:06
and you go outside into the real world?
288
711000
3000
a vyjdete von, do reálneho sveta?
12:09
And what if there's no GPS?
289
714000
3000
A čo ak nemáte GPS?
12:12
So this robot
290
717000
2000
Tento robot
12:14
is actually equipped with a camera
291
719000
2000
je vlastne vybavený kamerou
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
a laserovým pásmom, laserovým skenerom.
12:19
And it uses these sensors
293
724000
2000
A používa tieto senzory,
12:21
to build a map of the environment.
294
726000
2000
aby vytvoril mapu okolia.
12:23
What that map consists of are features --
295
728000
3000
Táto mapa pozostáva z čŕt --
12:26
like doorways, windows,
296
731000
2000
ako sú dvere, okná,
12:28
people, furniture --
297
733000
2000
ľudia, nábytok --
12:30
and it then figures out where its position is
298
735000
2000
a ono sa to snaží zistiť, kde sa práve nachádza,
12:32
with respect to the features.
299
737000
2000
vzhľadom na tieto črty.
12:34
So there is no global coordinate system.
300
739000
2000
Takže nie je žiaden globálny systém súradníc.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Systém súradníc je definovaný podľa robota,
12:39
where it is and what it's looking at.
302
744000
3000
kde sa nachádza a na čo pozerá.
12:42
And it navigates with respect to those features.
303
747000
3000
A robot sa naviguje podľa týchto čŕt.
12:45
So I want to show you a clip
304
750000
2000
Chcel by som Vám ukázať video
12:47
of algorithms developed by Frank Shen
305
752000
2000
algoritmov, ktoré vytvorili Frank Shen
12:49
and Professor Nathan Michael
306
754000
2000
a profesor Nathan Michael,
12:51
that shows this robot entering a building for the very first time
307
756000
4000
v ktorom robot vstúpi do budovy po prvýkrát
12:55
and creating this map on the fly.
308
760000
3000
a za letu vytvára jej mapu.
12:58
So the robot then figures out what the features are.
309
763000
3000
Takže robot si zistí, aké sú črty.
13:01
It builds the map.
310
766000
2000
Vytvorí mapu.
13:03
It figures out where it is with respect to the features
311
768000
2000
Zistí si, kde sa nachádza, vzhľadom na tieto črty
13:05
and then estimates its position
312
770000
2000
a odhaduje svoju pozíciu
13:07
100 times a second
313
772000
2000
100-krát za sekundu,
13:09
allowing us to use the control algorithms
314
774000
2000
čo nám umožňuje využiť kontrolné algoritmy,
13:11
that I described to you earlier.
315
776000
2000
ktoré som Vám popísal predtým.
13:13
So this robot is actually being commanded
316
778000
2000
Tohto robota v skutočnosti ovláda
13:15
remotely by Frank.
317
780000
2000
na diaľku Frank.
13:17
But the robot can also figure out
318
782000
2000
Ale robot si taktiež vie zistiť,
13:19
where to go on its own.
319
784000
2000
kam má ísť, samostatne.
13:21
So suppose I were to send this into a building
320
786000
2000
Takže si predstavte, že by som to poslal do budovy
13:23
and I had no idea what this building looked like,
321
788000
2000
a nemal tušenia, ako budova vyzerá,
13:25
I can ask this robot to go in,
322
790000
2000
môžem požiadať robota, aby šiel dnu,
13:27
create a map
323
792000
2000
vytvoril mapu
13:29
and then come back and tell me what the building looks like.
324
794000
3000
a vrátil sa naspäť a povedal mi, ako budova vyzerá.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
Takže tento robot nerieši iba problém,
13:35
how to go from point A to point B in this map,
326
800000
3000
ako sa dostať z bodu A do bodu B na tejto mape,
13:38
but it's figuring out
327
803000
2000
ale zisťuje,
13:40
what the best point B is at every time.
328
805000
2000
ktorý bod B je najlepší, po celý čas.
13:42
So essentially it knows where to go
329
807000
3000
V podstate vlastne vie, kam má ísť,
13:45
to look for places that have the least information.
330
810000
2000
aby hľadal miesta, o ktorých má najmenej informácií.
13:47
And that's how it populates this map.
331
812000
3000
A takto obsadzuje túto mapu.
13:50
So I want to leave you
332
815000
2000
Nakoniec Vás nechám
13:52
with one last application.
333
817000
2000
s jedným posledným využitím.
13:54
And there are many applications of this technology.
334
819000
3000
A je veľa spôsobov, ako túto technológiu využiť.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Ja som profesor a našou vášňou je vzdelávanie.
13:59
Robots like this can really change the way
336
824000
2000
Takéto roboty skutočne môžu zmeniť spôsob,
14:01
we do K through 12 education.
337
826000
2000
akým robíme základné vzdelávanie.
14:03
But we're in Southern California,
338
828000
2000
Ale my sme v južnej Kalifornii,
14:05
close to Los Angeles,
339
830000
2000
neďaleko Los Angeles,
14:07
so I have to conclude
340
832000
2000
takže musím to uzavrieť
14:09
with something focused on entertainment.
341
834000
2000
niečim, zameraným na zábavu.
14:11
I want to conclude with a music video.
342
836000
2000
Chcel by som to uzavrieť hudobným videom.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Predstavujem Vám tvorcov, Alexa a Daniela,
14:16
who created this video.
344
841000
2000
ktorí toto video vytvorili.
14:18
(Applause)
345
843000
7000
(Potlesk)
14:25
So before I play this video,
346
850000
2000
Predtým, než spustím toto video,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
chcel by som Vám povedať, že ho vytvorili za posledné tri dni
14:30
after getting a call from Chris.
348
855000
2000
potom, ako zavolal Chris.
14:32
And the robots that play the video
349
857000
2000
A roboty, ktoré účinkujú vo videu,
14:34
are completely autonomous.
350
859000
2000
sú plne samostatné.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Uvidíte deväť robotov, ako hrajú na šesť nástrojov.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
A samozrejme, video je vytvorené exkluzívne pre TED 2012.
14:43
Let's watch.
353
868000
3000
Pozrime sa na to.
15:19
(Music)
354
904000
10000
(Hudba)
16:23
(Applause)
355
968000
17000
(Potlesk)
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