TED2012
Vijay Kumar: Robots that fly ... and cooperate
Віджай Кумар: Роботи, які літають ... і співпрацюють
Filmed:
Readability: 4.5
5,188,706 views
У своїй лабораторії у Пенсильванському університеті Віджай Кумар і його команда створюють летючих квадроторів -- маленьких, спритних роботів, які збираються у зграї, розпізнають одне одного і утворюють спеціальні команди -- для будівництва, оцінки наслідків стихійного лиха та інших цілей.
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
Доброго ранку.
00:22
I'm here today to talk
1
7000
2000
Сьогодні я розповім
00:24
about autonomous, flying beach balls.
2
9000
3000
про автономні, летючі пляжні м'ячики.
00:27
No, agile aerial robots like this one.
3
12000
4000
Та ні, про таких спритних повітряних роботів як оцей.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Я розповім про труднощі зі створенням таких роботів
00:34
and some of the terrific opportunities
5
19000
2000
і про неймовірні можливості
00:36
for applying this technology.
6
21000
2000
цієї технології.
00:38
So these robots
7
23000
2000
Ці роботи
00:40
are related to unmanned aerial vehicles.
8
25000
3000
відносяться до безпілотних літальних апаратів.
00:43
However, the vehicles you see here are big.
9
28000
3000
Але ці літаки великі.
00:46
They weigh thousands of pounds,
10
31000
2000
Вони важать тисячі фунтів
00:48
are not by any means agile.
11
33000
2000
і, звісно ж, зовсім не маневрені.
00:50
They're not even autonomous.
12
35000
2000
Навіть не автономні.
00:52
In fact, many of these vehicles
13
37000
2000
Насправді цими літаками здебільшого
00:54
are operated by flight crews
14
39000
2000
керує льотний екіпаж,
00:56
that can include multiple pilots,
15
41000
3000
до якого входять кілька пілотів,
00:59
operators of sensors
16
44000
2000
оператори вимірювальної апаратури
01:01
and mission coordinators.
17
46000
2000
і координатори завдань.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Нас цікавить розробка ось таких роботів --
01:05
and here are two other pictures --
19
50000
2000
і ще два зображення --
01:07
of robots that you can buy off the shelf.
20
52000
3000
роботів, яких можна купити готовими в магазині.
01:10
So these are helicopters with four rotors
21
55000
3000
Це гелікоптери з чотирма тяговими ґвинтами,
01:13
and they're roughly a meter or so in scale
22
58000
4000
які мають близько метра в масштабі
01:17
and weigh several pounds.
23
62000
2000
і важать кілька фунтів.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Ми допасовуємо до них давачі та процесори,
01:22
and these robots can fly indoors
25
67000
2000
і ці роботи можуть літати у приміщенні
01:24
without GPS.
26
69000
2000
без системи глобального позиціювання (GPS).
01:26
The robot I'm holding in my hand
27
71000
2000
У руці я тримаю
01:28
is this one,
28
73000
2000
саме такого робота.
01:30
and it's been created by two students,
29
75000
3000
Його створили два студенти,
01:33
Alex and Daniel.
30
78000
2000
Алекс і Деніел.
01:35
So this weighs a little more
31
80000
2000
Він важить трошки більше,
01:37
than a tenth of a pound.
32
82000
2000
ніж одна десята фунта.
01:39
It consumes about 15 watts of power.
33
84000
2000
І має потужність 15 ват.
01:41
And as you can see,
34
86000
2000
Як бачите,
01:43
it's about eight inches in diameter.
35
88000
2000
робот має близько восьми дюймів у діаметрі.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Зараз я швиденько поясню,
01:48
on how these robots work.
37
93000
2000
як ці роботи працюють.
01:50
So it has four rotors.
38
95000
2000
Отож, він має чотири тягові ґвинти.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Якщо запустити ці ґвинти з однаковою швидкістю,
01:54
the robot hovers.
40
99000
2000
робот зависне у повітрі.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Якщо пришвидшити рух кожного ґвинта,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
то робот злетить угору і розженеться.
02:02
Of course, if the robot were tilted,
43
107000
2000
Звичайно, якби робота нахилити
02:04
inclined to the horizontal,
44
109000
2000
під певним кутом до горизонталі,
02:06
then it would accelerate in this direction.
45
111000
3000
то він би розігнався у заданому керунку.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Існує два способи нахилити робота.
02:12
So in this picture
47
117000
2000
На цьому малюнку видно,
02:14
you see that rotor four is spinning faster
48
119000
2000
що тяговий ґвинт номер чотири крутиться швидше,
02:16
and rotor two is spinning slower.
49
121000
2000
а ґвинт номер два -- повільніше.
02:18
And when that happens
50
123000
2000
У такому випадку, у певну мить
02:20
there's moment that causes this robot to roll.
51
125000
3000
робот повертається навколо поздовжньої осі.
02:23
And the other way around,
52
128000
2000
І навпаки:
02:25
if you increase the speed of rotor three
53
130000
3000
якщо прискорити ґвинт номер три
02:28
and decrease the speed of rotor one,
54
133000
2000
і сповільнити ґвинт номер один,
02:30
then the robot pitches forward.
55
135000
3000
робот повернеться навколо поперечної осі.
02:33
And then finally,
56
138000
2000
Врешті-решт,
02:35
if you spin opposite pairs of rotors
57
140000
2000
якщо прискорити протилежну
02:37
faster than the other pair,
58
142000
2000
пару ґвинтів,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
тоді робот повернеться навколо вертикальної осі.
02:41
So an on-board processor
60
146000
2000
Бортовий процесор
02:43
essentially looks at what motions need to be executed
61
148000
3000
дивиться, які рухи потрібно виконати,
02:46
and combines these motions
62
151000
2000
поєднує ці рухи
02:48
and figures out what commands to send to the motors
63
153000
3000
і посилає відповідні команди двигуну
02:51
600 times a second.
64
156000
2000
600 разів за секунду.
02:53
That's basically how this thing operates.
65
158000
2000
Ось так усе працює.
02:55
So one of the advantages of this design
66
160000
2000
Такий дизайн має одну суттєву перевагу --
02:57
is, when you scale things down,
67
162000
2000
якщо зменшити масштаб,
02:59
the robot naturally becomes agile.
68
164000
3000
робот стає більш маневреним.
03:02
So here R
69
167000
2000
Символ R
03:04
is the characteristic length of the robot.
70
169000
2000
позначає характерну довжину робота.
03:06
It's actually half the diameter.
71
171000
3000
Це половина діаметра.
03:09
And there are lots of physical parameters that change
72
174000
3000
Якщо зменшити R,
03:12
as you reduce R.
73
177000
2000
то зміняться інші фізичні параметри.
03:14
The one that's the most important
74
179000
2000
Найважливіший серед них --
03:16
is the inertia or the resistance to motion.
75
181000
2000
сила інерції або опір руху.
03:18
So it turns out,
76
183000
2000
Виявилося, що
03:20
the inertia, which governs angular motion,
77
185000
3000
сила інерції, яка регулює кутовий рух,
03:23
scales as a fifth power of R.
78
188000
3000
зростає прямо пропорційно R в п'ятому степені.
03:26
So the smaller you make R,
79
191000
2000
Тобто, чим R менше,
03:28
the more dramatically the inertia reduces.
80
193000
3000
тим більше зменшується сила інерції.
03:31
So as a result, the angular acceleration,
81
196000
3000
Як наслідок, кутове прискорення,
03:34
denoted by Greek letter alpha here,
82
199000
2000
позначене грецькою літерою альфа,
03:36
goes as one over R.
83
201000
2000
дорівнює одиниці над R.
03:38
It's inversely proportional to R.
84
203000
2000
Воно обернено пропорційне R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Чим менше кутове прискорення, тим швидше поверне гелікоптер.
03:43
So this should be clear in these videos.
86
208000
2000
На відео це добре видно.
03:45
At the bottom right you see a robot
87
210000
3000
У правому нижньому куті робот
03:48
performing a 360 degree flip
88
213000
2000
перевертається на 360 градусів
03:50
in less than half a second.
89
215000
2000
за менш, ніж півсекунди.
03:52
Multiple flips, a little more time.
90
217000
3000
Серія переворотів триває трошки довше.
03:55
So here the processes on board
91
220000
2000
Бортові процесори
03:57
are getting feedback from accelerometers
92
222000
2000
отримують дані від давачів прискорення
03:59
and gyros on board
93
224000
2000
і бортових гіроскопів
04:01
and calculating, like I said before,
94
226000
2000
і обчислюють команди, як я вже казав,
04:03
commands at 600 times a second
95
228000
2000
600 разів за секунду,
04:05
to stabilize this robot.
96
230000
2000
щоб робот залишався стійким.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
Ліворуч Деніел підкидає робота в повітря.
04:10
And it shows you how robust the control is.
98
235000
2000
Відразу видно, наскільки надійний контроль.
04:12
No matter how you throw it,
99
237000
2000
Хоч би як ви його підкинули,
04:14
the robot recovers and comes back to him.
100
239000
4000
робот вирівнюється і повертається до Деніела.
04:18
So why build robots like this?
101
243000
2000
Навіщо потрібні такі роботи?
04:20
Well robots like this have many applications.
102
245000
3000
Роботів можна використати з різною метою.
04:23
You can send them inside buildings like this
103
248000
3000
Їх можна першими послати всередину будівлі,
04:26
as first responders to look for intruders,
104
251000
3000
щоб перевірити, чи ніхто не вдерся у чужий простір,
04:29
maybe look for biochemical leaks,
105
254000
3000
або виявити витік біохімічних
04:32
gaseous leaks.
106
257000
2000
чи газоподібних речовин.
04:34
You can also use them
107
259000
2000
Крім цього, вони можуть
04:36
for applications like construction.
108
261000
2000
допомогти під час будівництва.
04:38
So here are robots carrying beams, columns
109
263000
4000
Ось роботи переносять бруси та колони
04:42
and assembling cube-like structures.
110
267000
3000
і складають кубовидні структури.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Я розповім про це детальніше.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Роботи можуть переносити вантажі.
04:51
So one of the problems with these small robots
113
276000
3000
Тому ці малі роботи мають одну проблему --
04:54
is their payload carrying capacity.
114
279000
2000
чисту вантажопідйомність.
04:56
So you might want to have multiple robots
115
281000
2000
Тож, якщо ви хочете перенести вантаж,
04:58
carry payloads.
116
283000
2000
вам потрібно багато роботів.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Недавно ми провели один експеримент --
05:02
actually not so recent anymore --
118
287000
2000
ну не так уже й недавно --
05:04
in Sendai shortly after the earthquake.
119
289000
3000
у місті Сендай, яке пережило землетрус.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Таких роботів можна посилати у зруйновані будівлі,
05:10
to assess the damage after natural disasters,
121
295000
2000
щоб оцінити наслідки стихійного лиха,
05:12
or sent into reactor buildings
122
297000
3000
або в будівлю реактора,
05:15
to map radiation levels.
123
300000
3000
щоб скласти радіаційну карту.
05:19
So one fundamental problem
124
304000
2000
Якщо роботи автономні,
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
то їхня найважливіша місія --
05:24
is essentially figuring out
126
309000
2000
визначити,
05:26
how to get from point A to point B.
127
311000
2000
як дістатися від пункту А до пункту Б.
05:28
So this gets a little challenging
128
313000
2000
Клопітке завдання,
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
бо динамічні властивості робота досить складні.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
По суті, роботи живуть у 12-вимірному просторі.
05:35
So we use a little trick.
131
320000
2000
Тоді ми вдамося до хитрощів.
05:37
We take this curved 12-dimensional space
132
322000
3000
Візьмемо цей викривлений 12-вимірний простір
05:40
and transform it
133
325000
2000
і перетворимо його
05:42
into a flat four-dimensional space.
134
327000
2000
на чотиривимірну площину.
05:44
And that four-dimensional space
135
329000
2000
А та чотиривимірна площина
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
складається з X, Y, Z і кута відхилення.
05:49
And so what the robot does
137
334000
2000
Отож, робот складає так звану
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
мінімальну траєкторію автоматичного вирівнювання.
05:55
So to remind you of physics,
139
340000
2000
Пригадаймо собі фізику:
05:57
you have position, derivative, velocity,
140
342000
2000
у вас є позиція, похідна, швидкість,
05:59
then acceleration,
141
344000
2000
далі прискорення,
06:01
and then comes jerk
142
346000
2000
потім поштовх
06:03
and then comes snap.
143
348000
2000
і, врешті, автоматичне вирівнювання.
06:05
So this robot minimizes snap.
144
350000
3000
Робот згладжує вирівнювання.
06:08
So what that effectively does
145
353000
2000
Як наслідок, робот
06:10
is produces a smooth and graceful motion.
146
355000
2000
рухається плавно і ґраціозно,
06:12
And it does that avoiding obstacles.
147
357000
3000
оминаючи перешкоди.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Мінімальні траєкторії автоматичного вирівнювання на площині
06:18
are then transformed back
149
363000
2000
перетворюються назад
06:20
into this complicated 12-dimensional space,
150
365000
2000
у складний 12-вимірний простір,
06:22
which the robot must do
151
367000
2000
оскільки це необхідно роботу
06:24
for control and then execution.
152
369000
2000
для контролю і виконання дій.
06:26
So let me show you some examples
153
371000
2000
Зараз я покажу вам,
06:28
of what these minimum snap trajectories look like.
154
373000
2000
як виглядають мінімальні траєкторії автоматичного вирівнювання.
06:30
And in the first video,
155
375000
2000
На першому відео
06:32
you'll see the robot going from point A to point B
156
377000
2000
робот рухається з пункту А до пункту Б
06:34
through an intermediate point.
157
379000
2000
через проміжний пункт.
06:42
So the robot is obviously capable
158
387000
2000
Очевидно, що робот здатний
06:44
of executing any curve trajectory.
159
389000
2000
пройти будь-яку вигнуту траєкторію.
06:46
So these are circular trajectories
160
391000
2000
Це кругові траєкторії.
06:48
where the robot pulls about two G's.
161
393000
3000
Прискорення робота дорівнює майже два G.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Нагорі знаходяться підвісні камери захоплення руху,
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
які 100 разів на секунду повідомляють роботу, де він є.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Вони також повідомляють про перешкоди.
07:02
And the obstacles can be moving.
165
407000
2000
Перешкоди бувають рухомі.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Ось Деніел підкидає обруч,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
а робот вираховує розміщення обруча
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
і визначає, як краще крізь нього пролетіти.
07:13
So as an academic,
169
418000
2000
Ми, науковці,
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
вже навчилися стрибати крізь обручі, щоб зібрати гроші для лабораторії,
07:18
and we get our robots to do that.
171
423000
3000
а тепер передаємо ці знання роботам.
07:21
(Applause)
172
426000
6000
(Оплески)
07:27
So another thing the robot can do
173
432000
2000
А ще робот пам'ятає
07:29
is it remembers pieces of trajectory
174
434000
3000
відрізки траєкторії,
07:32
that it learns or is pre-programmed.
175
437000
2000
які він вивчає або на які запрограмований.
07:34
So here you see the robot
176
439000
2000
Перед вами робот,
07:36
combining a motion
177
441000
2000
який починає рухатися,
07:38
that builds up momentum
178
443000
2000
набирає швидкість,
07:40
and then changes its orientation and then recovers.
179
445000
3000
потім змінює напрям і вирівнюється.
07:43
So it has to do this because this gap in the window
180
448000
3000
Він мусить так робити, бо отвір у вікні
07:46
is only slightly larger than the width of the robot.
181
451000
4000
завширшки майже як сам робот.
07:50
So just like a diver stands on a springboard
182
455000
3000
Мені спадає на думку стрибун у воду, який стає на трамплін,
07:53
and then jumps off it to gain momentum,
183
458000
2000
стрибає з нього, щоб набрати швидкість,
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
потім робить пірует і сальто на два з половиною оберти,
07:58
and then gracefully recovers,
185
463000
2000
а потім ґраціозно випрямляється.
08:00
this robot is basically doing that.
186
465000
2000
Робот займається практично тим самим.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Він знає, як поєднати окремі відрізки траєкторії,
08:05
to do these fairly difficult tasks.
188
470000
4000
щоби справитися із цими непростими завданнями.
08:09
So I want change gears.
189
474000
2000
Тепер поговоримо про інше.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Малі роботи мають ще один недолік -- розмір.
08:14
And I told you earlier
191
479000
2000
Як я вже казав,
08:16
that we may want to employ lots and lots of robots
192
481000
2000
нам потрібно чимало роботів,
08:18
to overcome the limitations of size.
193
483000
3000
щоб розв'язати цю проблему.
08:21
So one difficulty
194
486000
2000
Тоді постає питання:
08:23
is how do you coordinate lots of these robots?
195
488000
3000
як управляти цілою групою роботів?
08:26
And so here we looked to nature.
196
491000
2000
Ми запозичили досвід у природи.
08:28
So I want to show you a clip
197
493000
2000
Я покажу вам відео з лабораторії професора Стівена Пратта,
08:30
of Aphaenogaster desert ants
198
495000
2000
на якому пустельні мурахи Aphaenogaster
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
несуть один об'єкт.
08:35
So this is actually a piece of fig.
200
500000
2000
Це шматочок інжиру.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Можна взяти будь-який предмет, помащений соком інжиру,
08:39
and the ants will carry them back to the nest.
202
504000
3000
і мурахи потягнуть його до свого гнізда.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Ці мурахи не мають центрального координатора.
08:45
They sense their neighbors.
204
510000
2000
Вони відчувають своїх сусідів.
08:47
There's no explicit communication.
205
512000
2000
Між ними немає вираженого зв'язку.
08:49
But because they sense the neighbors
206
514000
2000
Але вони відчувають своїх сусідів
08:51
and because they sense the object,
207
516000
2000
і відчувають об'єкт,
08:53
they have implicit coordination across the group.
208
518000
3000
і тому налагодили непрямий зв'язок у групі.
08:56
So this is the kind of coordination
209
521000
2000
Ми б хотіли, щоб наші роботи
08:58
we want our robots to have.
210
523000
3000
мали таку ж координацію.
09:01
So when we have a robot
211
526000
2000
Ось у нас є робот,
09:03
which is surrounded by neighbors --
212
528000
2000
оточений сусідами --
09:05
and let's look at robot I and robot J --
213
530000
2000
погляньмо на робота I і робота J.
09:07
what we want the robots to do
214
532000
2000
Ми хочемо, щоб роботи
09:09
is to monitor the separation between them
215
534000
3000
слідкували за відстанню між ними,
09:12
as they fly in formation.
216
537000
2000
коли вони летять групою.
09:14
And then you want to make sure
217
539000
2000
Роботи повинні впевнитися,
09:16
that this separation is within acceptable levels.
218
541000
2000
що ця відстань не перевищує допустимий рівень.
09:18
So again the robots monitor this error
219
543000
3000
Вони слідкують за цим
09:21
and calculate the control commands
220
546000
2000
і обчислюють контрольні сигнали
09:23
100 times a second,
221
548000
2000
100 разів за секунду,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
а ті згодом перетворюються у команди для двигуна 600 разів за секунду.
09:28
So this also has to be done
223
553000
2000
Знову ж таки, потрібне
09:30
in a decentralized way.
224
555000
2000
децентралізоване управління.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Якщо у вас сила-силенна роботів,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
то інформацію неможливо координувати з центру достатньо швидко,
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
щоб роботи виконали завдання.
09:41
Plus the robots have to base their actions
228
566000
2000
До того ж, роботи повинні керуватися
09:43
only on local information,
229
568000
2000
місцевими даними,
09:45
what they sense from their neighbors.
230
570000
2000
які вони отримали від сусіда.
09:47
And then finally,
231
572000
2000
Врешті-решт,
09:49
we insist that the robots be agnostic
232
574000
2000
ми наполягаємо, щоб роботи ігнорували,
09:51
to who their neighbors are.
233
576000
2000
хто їхні сусіди.
09:53
So this is what we call anonymity.
234
578000
3000
Так звана анонімність.
09:56
So what I want to show you next
235
581000
2000
А зараз я покажу вам
09:58
is a video
236
583000
2000
відео, на якому
10:00
of 20 of these little robots
237
585000
3000
20 малих роботів
10:03
flying in formation.
238
588000
2000
летять одним строєм.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Вони стежать за позицією сусідів.
10:08
They're maintaining formation.
240
593000
2000
Вони тримаються разом.
10:10
The formations can change.
241
595000
2000
Стрій змінюється.
10:12
They can be planar formations,
242
597000
2000
Він буває двовимірний
10:14
they can be three-dimensional formations.
243
599000
2000
або тривимірний.
10:16
As you can see here,
244
601000
2000
Як бачите,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
роботи переходять від тривимірного строю до двовимірного.
10:21
And to fly through obstacles
246
606000
2000
Якщо потрібно пролетіти крізь перешкоди,
10:23
they can adapt the formations on the fly.
247
608000
4000
роботи змінюють стрій на лету.
10:27
So again, these robots come really close together.
248
612000
3000
Знову ж таки, роботи знаходяться дуже близько один до одного.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Коли вони летять "вісімкою",
10:32
they come within inches of each other.
250
617000
2000
то дуже тісно наближаються один до одного.
10:34
And despite the aerodynamic interactions
251
619000
3000
І, незважаючи на аеродинамічний взаємозв'язок
10:37
of these propeller blades,
252
622000
2000
ґвинтових лопатей,
10:39
they're able to maintain stable flight.
253
624000
2000
вони утримують рівновагу.
10:41
(Applause)
254
626000
7000
(Оплески)
10:48
So once you know how to fly in formation,
255
633000
2000
Отож, роботи вже навчилися літати строєм.
10:50
you can actually pick up objects cooperatively.
256
635000
2000
Тепер вони можуть разом піднімати предмети.
10:52
So this just shows
257
637000
2000
Таким чином
10:54
that we can double, triple, quadruple
258
639000
3000
ми удвічі, утричі, а то й у чотири рази збільшимо
10:57
the robot strength
259
642000
2000
силу робота.
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
Всього лиш об'єднавши їх у команди.
11:01
One of the disadvantages of doing that
261
646000
3000
Проте існує один недолік.
11:04
is, as you scale things up --
262
649000
2000
Ми збільшуємо кількість роботів,
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
які несуть один і той же предмет,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
і тим самим підсилюємо інерцію.
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
Жертвуємо маневреністю роботів.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Натомість збільшуємо чисту вантажопідйомність.
11:17
Another application I want to show you --
267
662000
2000
Я покажу вам ще один спосіб застосування роботів.
11:19
again, this is in our lab.
268
664000
2000
Знову в нашій лабораторії.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Це робота аспіранта Квентіна Ліндсі.
11:23
So his algorithm essentially tells these robots
270
668000
3000
По суті, його алгоритм вказує роботам,
11:26
how to autonomously build
271
671000
2000
як самостійно збудувати
11:28
cubic structures
272
673000
2000
кубічні структури
11:30
from truss-like elements.
273
675000
3000
зі схожих на балки частин.
11:33
So his algorithm tells the robot
274
678000
2000
Його алгоритм каже роботу,
11:35
what part to pick up,
275
680000
2000
яку частину підняти,
11:37
when and where to place it.
276
682000
2000
і коли та куди її поставити.
11:39
So in this video you see --
277
684000
2000
На цьому відео ви бачите --
11:41
and it's sped up 10, 14 times --
278
686000
2000
з прискоренням у 10, 14 разів --
11:43
you see three different structures being built by these robots.
279
688000
3000
як роботи будують три окремі структури.
11:46
And again, everything is autonomous,
280
691000
2000
Повторюю -- вони працюють самостійно.
11:48
and all Quentin has to do
281
693000
2000
Єдине завдання Квентіна --
11:50
is to get them a blueprint
282
695000
2000
завдати їм план
11:52
of the design that he wants to build.
283
697000
4000
проекту, який він хоче збудувати.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Усі експерименти, які ви бачили,
11:59
all these demonstrations,
285
704000
2000
усі ці покази,
12:01
have been done with the help of motion capture systems.
286
706000
3000
були виконані за допомогою систем захоплення руху.
12:04
So what happens when you leave your lab
287
709000
2000
А що трапиться, коли ви вийдете з лабораторії
12:06
and you go outside into the real world?
288
711000
3000
у справжній світ?
12:09
And what if there's no GPS?
289
714000
3000
А якщо там не буде GPS?
12:12
So this robot
290
717000
2000
Насправді, цей робот
12:14
is actually equipped with a camera
291
719000
2000
оснащений камерою
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
і лазерним шукачем, лазерним сканером.
12:19
And it uses these sensors
293
724000
2000
За допомогою цих давачів
12:21
to build a map of the environment.
294
726000
2000
він створює карту середовища.
12:23
What that map consists of are features --
295
728000
3000
На карту нанесені різні деталі --
12:26
like doorways, windows,
296
731000
2000
як-от дверні отвори, вікна,
12:28
people, furniture --
297
733000
2000
люди, меблі.
12:30
and it then figures out where its position is
298
735000
2000
Тоді робот визначає своє розташування
12:32
with respect to the features.
299
737000
2000
відносно цих деталей.
12:34
So there is no global coordinate system.
300
739000
2000
Отож, глобальної системи координат не існує.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Система координат залежить від робота,
12:39
where it is and what it's looking at.
302
744000
3000
від того, де він знаходиться, і що бачить перед собою.
12:42
And it navigates with respect to those features.
303
747000
3000
Робот рухається залежно від цих даних.
12:45
So I want to show you a clip
304
750000
2000
Зараз я покажу вам відео
12:47
of algorithms developed by Frank Shen
305
752000
2000
про алгоритми, які розробили Франк Шен
12:49
and Professor Nathan Michael
306
754000
2000
і професор Натан Майкл.
12:51
that shows this robot entering a building for the very first time
307
756000
4000
На відео робот уперше потрапляє у приміщення
12:55
and creating this map on the fly.
308
760000
3000
і на лету створює карту.
12:58
So the robot then figures out what the features are.
309
763000
3000
Таким чином, робот визначає окремі деталі.
13:01
It builds the map.
310
766000
2000
Він створює карту.
13:03
It figures out where it is with respect to the features
311
768000
2000
Далі визначає своє розташування відносно тих деталей
13:05
and then estimates its position
312
770000
2000
і оцінює своє становище
13:07
100 times a second
313
772000
2000
100 разів за секунду.
13:09
allowing us to use the control algorithms
314
774000
2000
Отож, ми маємо змогу застосувати алгоритми контролю,
13:11
that I described to you earlier.
315
776000
2000
які я описав раніше.
13:13
So this robot is actually being commanded
316
778000
2000
По суті, робот отримує команди від Франка
13:15
remotely by Frank.
317
780000
2000
на відстані.
13:17
But the robot can also figure out
318
782000
2000
Водночас, він здатний самостійно визначити,
13:19
where to go on its own.
319
784000
2000
куди йому треба рухатися.
13:21
So suppose I were to send this into a building
320
786000
2000
Припустімо, мені потрібно відправити роботів у цей будинок,
13:23
and I had no idea what this building looked like,
321
788000
2000
але я не маю найменшого уявлення, як він виглядає.
13:25
I can ask this robot to go in,
322
790000
2000
Тому я посилаю туди робота,
13:27
create a map
323
792000
2000
він створює карту,
13:29
and then come back and tell me what the building looks like.
324
794000
3000
а потім повертається і повідомляє, як виглядає будинок.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
У цьому випадку, робот не тільки розв'язує проблему,
13:35
how to go from point A to point B in this map,
326
800000
3000
як потрапити з пункту А до пункту Б на цій карті.
13:38
but it's figuring out
327
803000
2000
Він ще й визначає,
13:40
what the best point B is at every time.
328
805000
2000
де щоразу знаходиться найкращий пункт Б.
13:42
So essentially it knows where to go
329
807000
3000
Тобто він знає, де шукати
13:45
to look for places that have the least information.
330
810000
2000
невідомі місця.
13:47
And that's how it populates this map.
331
812000
3000
І таким чином наповнює карту.
13:50
So I want to leave you
332
815000
2000
Насамкінець я розповім вам
13:52
with one last application.
333
817000
2000
про ще один спосіб застосування роботів.
13:54
And there are many applications of this technology.
334
819000
3000
А цих способів є чимало.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Я професор, а в нашому колі вболівають за освіту.
13:59
Robots like this can really change the way
336
824000
2000
Роботи можуть кардинально змінити
14:01
we do K through 12 education.
337
826000
2000
підхід до навчання у школі.
14:03
But we're in Southern California,
338
828000
2000
Але ми зараз у південній Каліфорнії
14:05
close to Los Angeles,
339
830000
2000
поблизу Лос-Анджелеса,
14:07
so I have to conclude
340
832000
2000
тому я мушу завершити промову
14:09
with something focused on entertainment.
341
834000
2000
чимось веселим.
14:11
I want to conclude with a music video.
342
836000
2000
І тому покажу вам музичне відео.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Дозвольте представити вам творців цього відео --
14:16
who created this video.
344
841000
2000
Алекса та Деніела.
14:18
(Applause)
345
843000
7000
(Оплески)
14:25
So before I play this video,
346
850000
2000
І ще хочу зауважити,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
що вони створили цей ролик за три останні дні
14:30
after getting a call from Chris.
348
855000
2000
після того, як їм зателефонував Кріс.
14:32
And the robots that play the video
349
857000
2000
Роботи, які грають у відео,
14:34
are completely autonomous.
350
859000
2000
цілком самостійні.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Ви побачите, як дев'ять роботів грають на шести різних інструментах.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Звичайно, це відео знято спеціально для TED 2012.
14:43
Let's watch.
353
868000
3000
Дивимось.
15:19
(Music)
354
904000
10000
(Музика)
16:23
(Applause)
355
968000
17000
(Оплески)
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