TEDxPenn
Vijay Kumar: The future of flying robots
فيجي كومار: مستقبل الروبوتات الطائرة
Filmed:
Readability: 4.9
1,780,679 views
في مختبره بجامعة بينسيلفينيا، إبتكر فيجي كومار وفريقه روبوتات طائرة مستوحين الفكرة من النحل. آخر إنجازاتهم: (Precision Farming) الزراعة الدقيقة، حيث أسراب الروبوتات ترسم خرائط وتعيد تشكيل وتُحلل كل نبتة وثمرة في البستان، ثم تمد المزراعين بالمعلومات التي تساعدهم في تحسين الإنتاج وإدارة إستهلاك المياه بطريقة ذكية.
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
في مختبري، نحن نبني
روبوتات جوية مستقلة
روبوتات جوية مستقلة
00:16
like the one you see flying here.
1
4960
1880
مثل الذي ترونه يحلق هنا.
00:20
Unlike the commercially available drones
that you can buy today,
that you can buy today,
2
8720
3696
وخلافا للطائرات بدون طيار المتاحة تجاريا
التي يمكنك شراءها اليوم،
التي يمكنك شراءها اليوم،
00:24
this robot doesn't have any GPS on board.
3
12440
2640
هذا الروبوت لا يمتلك نظام تحديد المواقع.
00:28
So without GPS,
4
16160
1216
فبدون GPS
00:29
it's hard for robots like this
to determine their position.
to determine their position.
5
17400
3280
من الصعب على هذه الروبوتات تحديد موقعها.
00:34
This robot uses onboard sensors,
cameras and laser scanners,
cameras and laser scanners,
6
22240
4736
يمتلك هذا الروبوت أجهزة استشعار،
كاميرات و ماسحات ضوئية ليزرية،
كاميرات و ماسحات ضوئية ليزرية،
00:39
to scan the environment.
7
27000
1696
لمسح البيئة المحيطة به.
00:40
It detects features from the environment,
8
28720
3056
فتُحدد معالم البيئة حولها،
00:43
and it determines where it is
relative to those features,
relative to those features,
9
31800
2736
و توضح أين هو بالنسبة لتلك المعالم،
00:46
using a method of triangulation.
10
34560
2136
باستخدام طريقة الإحداثيات.
00:48
And then it can assemble
all these features into a map,
all these features into a map,
11
36720
3456
وبعد ذلك يمكنها تجميع
كل هذه المعالم في خريطة،
كل هذه المعالم في خريطة،
00:52
like you see behind me.
12
40200
1736
كالتي ترونها ورائي.
00:53
And this map then allows the robot
to understand where the obstacles are
to understand where the obstacles are
13
41960
3936
وهذه الخريطة تسمح للروبوت
بتحديد مكان العقبات
بتحديد مكان العقبات
00:57
and navigate in a collision-free manner.
14
45920
2720
و التنقل بنمط خالي من التصادم.
01:01
What I want to show you next
15
49160
2096
ما أريد أن أريكم تاليا
01:03
is a set of experiments
we did inside our laboratory,
we did inside our laboratory,
16
51280
3216
هو مجموعة من التجارب أجريناها داخل المختبر
01:06
where this robot was able
to go for longer distances.
to go for longer distances.
17
54520
3480
حيث كان الروبوت قادرًا
على الذهاب لمسافات أطول.
على الذهاب لمسافات أطول.
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
ترون هنا في أعلى اليمين،
ما يراه الروبوت بالكاميرا.
ما يراه الروبوت بالكاميرا.
01:15
And on the main screen --
19
63440
1216
وعلى الشاشة الرئيسية
01:16
and of course this is sped up
by a factor of four --
by a factor of four --
20
64680
2456
وبالطبع هذا أسرع أربع أضعاف
01:19
on the main screen you'll see
the map that it's building.
the map that it's building.
21
67160
2667
على الشاشة الرئيسية سترى
الخريطة التي تُبنى.
الخريطة التي تُبنى.
01:21
So this is a high-resolution map
of the corridor around our laboratory.
of the corridor around our laboratory.
22
69851
4285
لذلك هذه خريطة عالية الدقة
للممر حول مختبرنا.
للممر حول مختبرنا.
01:26
And in a minute
you'll see it enter our lab,
you'll see it enter our lab,
23
74160
2336
و في دقيقة
سترونه يدخل المختبر،
سترونه يدخل المختبر،
01:28
which is recognizable
by the clutter that you see.
by the clutter that you see.
24
76520
2856
الذي يتم التعرف عليه من خلال
الفوضى التي ترونها.
الفوضى التي ترونها.
01:31
(Laughter)
25
79400
1016
(ضحك)
01:32
But the main point I want to convey to you
26
80440
2007
الفكرة التي أريد إيصالها إليكم
01:34
is that these robots are capable
of building high-resolution maps
of building high-resolution maps
27
82472
3584
أن هذه الروبوتات قادرة علي بناء
خرائط بدقة عالية.
خرائط بدقة عالية.
01:38
at five centimeters resolution,
28
86080
2496
بدقة 5 سنتميترات.
01:40
allowing somebody who is outside the lab,
or outside the building
or outside the building
29
88600
4176
تمكّن الشخص خارج المختبر او خارج المبني
01:44
to deploy these
without actually going inside,
without actually going inside,
30
92800
3216
من الإنتشار في الداخل دون الدخول فعليًا،
01:48
and trying to infer
what happens inside the building.
what happens inside the building.
31
96040
3760
ومحاولة إستنتاج ما يحدث بالداخل.
01:52
Now there's one problem
with robots like this.
with robots like this.
32
100400
2240
لكن هناك مشاكل لهذه الروبوتات.
01:55
The first problem is it's pretty big.
33
103600
2200
المشكلة الأولى حجمها الكبير
01:58
Because it's big, it's heavy.
34
106120
1680
ولأنها كبيرة، فهي ثقيلة.
02:00
And these robots consume
about 100 watts per pound.
about 100 watts per pound.
35
108640
3040
وهي تستهلك 100 واط للرطل الواحد.
02:04
And this makes for
a very short mission life.
a very short mission life.
36
112360
2280
وهذا يجعل وقت المهمة قصير جدًا.
02:08
The second problem
37
116000
1456
المشكلة الثانية
02:09
is that these robots have onboard sensors
that end up being very expensive --
that end up being very expensive --
38
117480
3896
هذه الروبوتات على متنها أجهزة إستشعار
مكلفة جدا
مكلفة جدا
02:13
a laser scanner, a camera
and the processors.
and the processors.
39
121400
3440
ماسحة ليزر وكاميرا ومعالجات.
02:17
That drives up the cost of this robot.
40
125280
3040
وهذا يزيد من سعرها.
02:21
So we asked ourselves a question:
41
129440
2656
لذلك سألنا أنفسنا:
02:24
what consumer product
can you buy in an electronics store
can you buy in an electronics store
42
132120
3776
ماهي المنتجات التي يمكن شراؤها
من متجر الإليكترونيات
من متجر الإليكترونيات
02:27
that is inexpensive, that's lightweight,
that has sensing onboard and computation?
that has sensing onboard and computation?
43
135920
6280
التي سعرها رخيص وخفيفة الوزن
وبها أجهزة إستشعار ومعالج؟
وبها أجهزة إستشعار ومعالج؟
02:36
And we invented the flying phone.
44
144080
2656
فإخترعنا هاتف طائر.
02:38
(Laughter)
45
146760
1936
(ضحك)
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
هذا الروبوت يستخدم هاتف Samsung Galaxy
الذي يمكنك شراؤه من المتجر
الذي يمكنك شراؤه من المتجر
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
وكل ما تحتاجه هو تطبيق
يمكنك تحميله من متجر التطبيقات.
يمكنك تحميله من متجر التطبيقات.
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
كما تري هذا الروبوت يقرأ أحرف "TED"
02:55
looking at the corners
of the "T" and the "E"
of the "T" and the "E"
49
163200
2936
ينظر إلى حواف الأحرف "T" و "E"
02:58
and then triangulating off of that,
flying autonomously.
flying autonomously.
50
166160
3480
وبناءًا على إحداثياتها يحلق بشكل مستقل.
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
عصا التحكم تلك فقط للتأكد حتى
لا يصبح الروبوت مهتاجًا،
لا يصبح الروبوت مهتاجًا،
03:06
Giuseppe can kill it.
52
174000
1416
جيوسيب يمكن أن تدمره.
03:07
(Laughter)
53
175440
1640
(ضحك)
03:10
In addition to building
these small robots,
these small robots,
54
178920
3816
بالإضافة للمباني، هذه الربوتات الصغيرة،
03:14
we also experiment with aggressive
behaviors, like you see here.
behaviors, like you see here.
55
182760
4800
لديها تجربة مع السلوك العدواني،
كما ترون هنا.
كما ترون هنا.
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
فهذا الربوت يتحرك بسرعة
2 إلى 3 أمتار في الثانية،
2 إلى 3 أمتار في الثانية،
03:25
pitching and rolling aggressively
as it changes direction.
as it changes direction.
57
193240
3496
يتأرجح ويدور بعدوانية كلما يغيّر الإتجاه.
03:28
The main point is we can have
smaller robots that can go faster
smaller robots that can go faster
58
196760
4256
الفكرة هنا، يمكن أن يكون لدينا روبوتات
أصغر وأسرع
أصغر وأسرع
03:33
and then travel in these
very unstructured environments.
very unstructured environments.
59
201040
2960
وبالتالي يمكنها التحرك في البيئات
الغير منتظمة.
الغير منتظمة.
03:37
And in this next video,
60
205120
2056
في الفيديو التالي،
03:39
just like you see this bird, an eagle,
gracefully coordinating its wings,
gracefully coordinating its wings,
61
207200
5896
كما ترون هذا الطائر،
نسر ينسق برشاقة بين جناحيه
نسر ينسق برشاقة بين جناحيه
03:45
its eyes and feet
to grab prey out of the water,
to grab prey out of the water,
62
213120
4296
وعينيه وقدميه،
لينتزع فريسته من الماء،
لينتزع فريسته من الماء،
03:49
our robot can go fishing, too.
63
217440
1896
روبوتنا يمكنه الإصطياد أيضًا
03:51
(Laughter)
64
219360
1496
(ضحك)
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
هنا، هذه شريحة جبن فيلي يتم انتزاعها من مكانها
03:56
(Laughter)
66
224960
2400
(ضحك)
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
إذًا يمكنكم رؤية هذا الربوت
يطير بسرعة 3 م/ث،
يطير بسرعة 3 م/ث،
04:03
which is faster than walking speed,
coordinating its arms, its claws
coordinating its arms, its claws
68
231000
5136
( أسرع من الإنسان)
منسقًا أذرعه ومخالبه،
منسقًا أذرعه ومخالبه،
04:08
and its flight with split-second timing
to achieve this maneuver.
to achieve this maneuver.
69
236160
4120
في رحلة بدقة زمنية متناهية
لينجز المناورة.
لينجز المناورة.
04:14
In another experiment,
70
242120
1216
في تجربة أخرى،
04:15
I want to show you
how the robot adapts its flight
how the robot adapts its flight
71
243360
3656
أريد أن أريكم كيف يكيف الربوت تحليقه
04:19
to control its suspended payload,
72
247040
2376
ليتحكم في حمولته المتدلية
04:21
whose length is actually larger
than the width of the window.
than the width of the window.
73
249440
3800
التي طولها أكبر من عرض النافذة
04:25
So in order to accomplish this,
74
253680
1696
لذلك حتى يكمل هذا الدخول
04:27
it actually has to pitch
and adjust the altitude
and adjust the altitude
75
255400
3696
عليه أن يتأرجح ويعدل إرتفاعه
04:31
and swing the payload through.
76
259120
2320
ويدخل حمولته من خلالها.
04:38
But of course we want
to make these even smaller,
to make these even smaller,
77
266920
2296
لكننا بالطبع نريد أن نجعل هذا الربوت
أصغر حجمًا
أصغر حجمًا
04:41
and we're inspired
in particular by honeybees.
in particular by honeybees.
78
269240
3016
وقد ألهمنا نحل العسل تحديدًا.
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
لأنك إذا نظرت للنحل،
(فديو بالعرض البطيء)
(فديو بالعرض البطيء)
04:47
they're so small,
the inertia is so lightweight --
the inertia is so lightweight --
80
275560
3720
فهو صغير جدا ،
ووزنه خفيف جدا
ووزنه خفيف جدا
04:51
(Laughter)
81
279960
1176
(ضحك)
04:53
that they don't care --
they bounce off my hand, for example.
they bounce off my hand, for example.
82
281160
3536
لذلك لا يهتمون إذا طردتهم بيدي،
على سبيل المثال.
على سبيل المثال.
04:56
This is a little robot
that mimics the honeybee behavior.
that mimics the honeybee behavior.
83
284720
3160
هذا ربوت صغير،
يقلد سلوك النحل.
يقلد سلوك النحل.
05:00
And smaller is better,
84
288600
1216
والأصغر أفضل
05:01
because along with the small size
you get lower inertia.
you get lower inertia.
85
289840
3536
لأنك مع الحجم الصغير
تحصل أيضا على قصور ذاتي أقل.
تحصل أيضا على قصور ذاتي أقل.
05:05
Along with lower inertia --
86
293400
1536
ومع القصور الذاتي الصغير
05:06
(Robot buzzing, laughter)
87
294960
2856
(الروبوت يزن ، ضحك)
05:09
along with lower inertia,
you're resistant to collisions.
you're resistant to collisions.
88
297840
2816
مع القصور الذاتي الصغير
تصبح مقاوم للإصطدام.
تصبح مقاوم للإصطدام.
05:12
And that makes you more robust.
89
300680
1720
وهذا يجعلك أكثر قوة.
05:15
So just like these honeybees,
we build small robots.
we build small robots.
90
303800
2656
لذلك قمنا ببناء روبوتات صغيرة كالنحل.
05:18
And this particular one
is only 25 grams in weight.
is only 25 grams in weight.
91
306480
3376
وهذا الروبوت الذي ترونه وزنه 25 جرام.
05:21
It consumes only six watts of power.
92
309880
2160
يستهلك فقط 6 واط في الساعة.
05:24
And it can travel
up to six meters per second.
up to six meters per second.
93
312440
2536
ويمكنه التحليق بسرعة 6 م/ث
05:27
So if I normalize that to its size,
94
315000
2336
لو عايرنا هذا بحجمه
05:29
it's like a Boeing 787 traveling
ten times the speed of sound.
ten times the speed of sound.
95
317360
3640
فإنه كطائرة بوينغ 787 تطير
بعشرة أضعاف سرعة الضوء.
بعشرة أضعاف سرعة الضوء.
05:36
(Laughter)
96
324000
2096
(ضحك)
05:38
And I want to show you an example.
97
326120
1920
أريد أن أريكم مثالًا.
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
هذا من المحتمل أول إرتطام في الجو مخطط له
بسرعة 1/20 من المعدل الطبيعي.
بسرعة 1/20 من المعدل الطبيعي.
05:46
These are going at a relative speed
of two meters per second,
of two meters per second,
99
334120
2858
الذي سيحدث بسرعة 2 م/ث ،
05:49
and this illustrates the basic principle.
100
337002
2480
وهذا يوضح المبدأ الأساسي
05:52
The two-gram carbon fiber cage around it
prevents the propellers from entangling,
prevents the propellers from entangling,
101
340200
4976
فالقفص الكربوني حول المراوح
الذي يزن جرامين، يحميها من التشابك.
الذي يزن جرامين، يحميها من التشابك.
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
لكن التصادم يتم إمتصاصه،
والروبوت يستجيب لهذا التصادم.
والروبوت يستجيب لهذا التصادم.
06:02
And so small also means safe.
103
350520
2560
وصغير جدًا مما يعني آمن.
06:05
In my lab, as we developed these robots,
104
353400
2016
في مختبرنا وبينما نطور هذه الروبوتات،
06:07
we start off with these big robots
105
355440
1620
إبتدأنا بهذه الروبوتات الكبيرة.
06:09
and then now we're down
to these small robots.
to these small robots.
106
357084
2812
وها نحن الآن في النهاية
وصلنا لهذه الروبوتات الصغيرة.
وصلنا لهذه الروبوتات الصغيرة.
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
وإذا رسمت رسم بياني لعدد الإسعافات
التي طلبناها في الماضي
التي طلبناها في الماضي
06:15
in the past, that sort of tailed off now.
108
363400
2576
فقد تلاشت الآن.
06:18
Because these robots are really safe.
109
366000
1960
لأن هذه الروبوتات فعلًا آمنة.
06:20
The small size has some disadvantages,
110
368760
2456
الحجم الصغير له بعض العيوب،
06:23
and nature has found a number of ways
to compensate for these disadvantages.
to compensate for these disadvantages.
111
371240
4080
والطبيعة قد إكتشفت عدد من الطرق
لتعويض هذه العيوب.
لتعويض هذه العيوب.
06:27
The basic idea is they aggregate
to form large groups, or swarms.
to form large groups, or swarms.
112
375960
4000
الفكرة الأساسية أنها تتجمع
في مجموعات كبيرة أو أسراب.
في مجموعات كبيرة أو أسراب.
06:32
So, similarly, in our lab,
we try to create artificial robot swarms.
we try to create artificial robot swarms.
113
380320
3976
بالمثل في مختبرنا حاولنا خلق
سرب صناعي من الروبوتات.
سرب صناعي من الروبوتات.
06:36
And this is quite challenging
114
384320
1381
وهذا كان تحديًا كبيرًا
06:37
because now you have to think
about networks of robots.
about networks of robots.
115
385725
3320
لأنك الآن يجب أن تفكر في شبكات من الربوتات
06:41
And within each robot,
116
389360
1296
وداخل كل روبوت،
06:42
you have to think about the interplay
of sensing, communication, computation --
of sensing, communication, computation --
117
390680
5616
يجب أن تفكر في التفاعل والإستشعار
والتواصل والحساب
والتواصل والحساب
06:48
and this network then becomes
quite difficult to control and manage.
quite difficult to control and manage.
118
396320
4960
وبالتالي هذه الشبكة يصبح
من الصعب التحكم فيها وإدارتها
من الصعب التحكم فيها وإدارتها
06:54
So from nature we take away
three organizing principles
three organizing principles
119
402160
3296
لقد إخذنا من الطبيعة 3 مباديء تنظيمية
06:57
that essentially allow us
to develop our algorithms.
to develop our algorithms.
120
405480
3160
حيث سمحت لنا بتطوير خوارزمياتنا.
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
الفكرة الأولى أن الربوت يحتاج
أن يكون مدركا لجيرانه.
أن يكون مدركا لجيرانه.
07:06
They need to be able to sense
and communicate with their neighbors.
and communicate with their neighbors.
122
414200
3440
يحتاج أن يكون قادرا على التواصل معهم.
07:10
So this video illustrates the basic idea.
123
418040
2656
لذلك هذا الفيديو يوضح الفكرة الأساسية.
07:12
You have four robots --
124
420720
1296
لديك 4 ربوتات
07:14
one of the robots has actually been
hijacked by a human operator, literally.
hijacked by a human operator, literally.
125
422040
4240
أحد الروبوتات يتحكم فيه شخص.
07:19
But because the robots
interact with each other,
interact with each other,
126
427217
2239
ولأن الروبوتات تتفاعل مع بعضها البعض.
07:21
they sense their neighbors,
127
429480
1656
فإنها تشعر بجيرانها،
07:23
they essentially follow.
128
431160
1296
وتتابع بعضها.
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
وهنا شخص واحد قادر على
قيادة هذه الشبكة من الأتباع.
قيادة هذه الشبكة من الأتباع.
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
وهذا ليس لأنها جميعها تعرف إلى أين يجب تتجه.
07:37
It's because they're just reacting
to the positions of their neighbors.
to the positions of their neighbors.
131
445080
4320
ولكن لأنها فقط تتفاعل مع موقع جيراتها.
07:43
(Laughter)
132
451720
4120
(ضحك)
07:48
So the next experiment illustrates
the second organizing principle.
the second organizing principle.
133
456280
5240
التجربة التالية تشرح
المبدأ التنظيمي الثاني.
المبدأ التنظيمي الثاني.
07:54
And this principle has to do
with the principle of anonymity.
with the principle of anonymity.
134
462920
3800
وهذا المبدأ يأتي مع مبدأ إخفاء الهوية.
07:59
Here the key idea is that
135
467400
4296
الفكرة الرئيسية هنا
08:03
the robots are agnostic
to the identities of their neighbors.
to the identities of their neighbors.
136
471720
4240
أن الروبوتات تُنكر هويات جيرانها.
08:08
They're asked to form a circular shape,
137
476440
2616
إذا طُلب منهم تشكيل شكل دائري،
08:11
and no matter how many robots
you introduce into the formation,
you introduce into the formation,
138
479080
3296
لا يهم العدد الذي أدرجته في التشكيل،
08:14
or how many robots you pull out,
139
482400
2576
أو كم عدد الروبوتات التي أخرجتها.
08:17
each robot is simply
reacting to its neighbor.
reacting to its neighbor.
140
485000
3136
ببساطة كل روبوت يتفاعل مع جاره.
08:20
It's aware of the fact that it needs
to form the circular shape,
to form the circular shape,
141
488160
4976
إنها مدركة تماما لحقيقة أنها
يجب أن تشكل شكل دائري،
يجب أن تشكل شكل دائري،
08:25
but collaborating with its neighbors
142
493160
1776
ولكن بالتعاون مع جيرانها
08:26
it forms the shape
without central coordination.
without central coordination.
143
494960
3720
وتكون الشكل بدون إحداثيات مركزية.
08:31
Now if you put these ideas together,
144
499520
2416
لو قمنا الآن بوضع هذه الأفكار سوية،
08:33
the third idea is that we
essentially give these robots
essentially give these robots
145
501960
3896
فالفكرة الثالثة هي أننا نعطي هذه الروبوتات
08:37
mathematical descriptions
of the shape they need to execute.
of the shape they need to execute.
146
505880
4296
وصف رياضي للشكل الذي عليها إنشائه.
08:42
And these shapes can be varying
as a function of time,
as a function of time,
147
510200
3496
وهذه الأشكال يمكن أن تتغير مع الزمن،
08:45
and you'll see these robots
start from a circular formation,
start from a circular formation,
148
513720
4496
وسترى هذه الروبوتات تبدأ بالشكل الدائري
08:50
change into a rectangular formation,
stretch into a straight line,
stretch into a straight line,
149
518240
3256
مرورا بالشكل المثلث ثم تنبسط في خط مستقيم،
08:53
back into an ellipse.
150
521520
1375
لتعود للشكل البيضاوي.
08:54
And they do this with the same
kind of split-second coordination
kind of split-second coordination
151
522919
3617
وهي تفعل هذا بنفس نوع التنسيق الزمني
08:58
that you see in natural swarms, in nature.
152
526560
3280
الذي نراه في أسراب الطيور علي الطبيعة.
09:03
So why work with swarms?
153
531080
2136
إذا لماذا نعمل علي الأسراب؟
09:05
Let me tell you about two applications
that we are very interested in.
that we are very interested in.
154
533240
4120
دعوني أخبركم عن تطبيقين نحن مهتمون بهما.
09:10
The first one has to do with agriculture,
155
538160
2376
الأول يتعلق بالزراعة،
09:12
which is probably the biggest problem
that we're facing worldwide.
that we're facing worldwide.
156
540560
3360
التي من المحتمل أنها أكبر مشكلة تواجهنا
علي نطاق العالم.
علي نطاق العالم.
09:16
As you well know,
157
544760
1256
كما تعلمون جيدًا،
09:18
one in every seven persons
in this earth is malnourished.
in this earth is malnourished.
158
546040
3520
واحد من كل 7 أشخاص في هذا الكوكب
مصاب بسوء التغذية.
مصاب بسوء التغذية.
09:21
Most of the land that we can cultivate
has already been cultivated.
has already been cultivated.
159
549920
3480
معظم الأراضي التي يمكننا زراعتها
هي بالفعل قد زُرعت.
هي بالفعل قد زُرعت.
09:25
And the efficiency of most systems
in the world is improving,
in the world is improving,
160
553960
3216
وكفاءة معظم الأنظمة في العالم
في تحسُن مستمر،
في تحسُن مستمر،
09:29
but our production system
efficiency is actually declining.
efficiency is actually declining.
161
557200
3520
لكن كفاءة نظامنا الإنتاجي
في الحقيقة تنخفض.
في الحقيقة تنخفض.
09:33
And that's mostly because of water
shortage, crop diseases, climate change
shortage, crop diseases, climate change
162
561080
4216
وهذا غالبا بسبب شُح المياه
و أمراض البذور وتغير المناخ
و أمراض البذور وتغير المناخ
09:37
and a couple of other things.
163
565320
1520
وبعض الأشياء الأخرى.
09:39
So what can robots do?
164
567360
1480
إذا ماذا يمكن أن تفعل الربوتات؟
09:41
Well, we adopt an approach that's
called Precision Farming in the community.
called Precision Farming in the community.
165
569200
4616
حسنا، لقد تبنينا منهجا أسميناه
"Precision Farming" الإحكام الزراعي في المجتمع،
"Precision Farming" الإحكام الزراعي في المجتمع،
09:45
And the basic idea is that we fly
aerial robots through orchards,
aerial robots through orchards,
166
573840
5376
والفكرة الأساسية له
أن الربوتات تحلق عبر البساتين،
أن الربوتات تحلق عبر البساتين،
09:51
and then we build
precision models of individual plants.
precision models of individual plants.
167
579240
3120
ثم نبني نماذج دقيقة لكل نبتة.
09:54
So just like personalized medicine,
168
582829
1667
تماما مثل الطب البشري،
09:56
while you might imagine wanting
to treat every patient individually,
to treat every patient individually,
169
584520
4816
قد تتخيلون أننا نريد علاج كل مريض على حدة،
10:01
what we'd like to do is build
models of individual plants
models of individual plants
170
589360
3696
لكن ما نود فعله،
أننا نريد بناء نماذج فردية للنباتات
أننا نريد بناء نماذج فردية للنباتات
10:05
and then tell the farmer
what kind of inputs every plant needs --
what kind of inputs every plant needs --
171
593080
4136
ثم نخبر المزارع بما تحتاجه كل نبتة.
10:09
the inputs in this case being water,
fertilizer and pesticide.
fertilizer and pesticide.
172
597240
4440
في هذه الحالة النبتة تحتاج ماء
وسماد ومبيدات حشرية.
وسماد ومبيدات حشرية.
10:14
Here you'll see robots
traveling through an apple orchard,
traveling through an apple orchard,
173
602640
3616
هنا سترى الروبوت يطير عبر بستان من تفاح،
10:18
and in a minute you'll see
two of its companions
two of its companions
174
606280
2256
وبعد دقيقة ترى إثنان من رفقائه
10:20
doing the same thing on the left side.
175
608560
1810
يفعلان نفس الشيء في الجانب الأيسر.
10:22
And what they're doing is essentially
building a map of the orchard.
building a map of the orchard.
176
610800
3656
ما تفعله الربوتات ببساطة
أنها تبني خريطة للبستان.
أنها تبني خريطة للبستان.
10:26
Within the map is a map
of every plant in this orchard.
of every plant in this orchard.
177
614480
2816
وداخل الخريطة خريطة لكل نبتة في البستان.
10:29
(Robot buzzing)
178
617320
1656
(طنين الربوت)
10:31
Let's see what those maps look like.
179
619000
1896
دعونا نرى كيف تبدو هذه الخرائط.
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
في الفيديو القادم سترون الكاميرات
التي تستخدم علي هذا الروبوت.
التي تستخدم علي هذا الروبوت.
10:37
On the top-left is essentially
a standard color camera.
a standard color camera.
181
625240
3240
في أعلى اليسار كاميرا أساسية ملونة.
10:41
On the left-center is an infrared camera.
182
629640
3296
في منتصف اليسار كاميرا أشعة تحت الحمراء.
10:44
And on the bottom-left
is a thermal camera.
is a thermal camera.
183
632960
3776
وفي أسفل اليسار كاميرا حرارية.
10:48
And on the main panel, you're seeing
a three-dimensional reconstruction
a three-dimensional reconstruction
184
636760
3336
وعلي الشاشة الرئيسية
ترون بنية ثلاثية الأبعاد
ترون بنية ثلاثية الأبعاد
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
لكل شجرة في البستان
حينما تعبر منها أجهزة الإستشعار.
حينما تعبر منها أجهزة الإستشعار.
10:59
Armed with information like this,
we can do several things.
we can do several things.
186
647640
4040
متسلحين بمثل هذه المعلومات،
يمكن أن نفعل العديد من الأشياء.
يمكن أن نفعل العديد من الأشياء.
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
الشي الأول والأهم الذي يمكننا فعله
بسيط جدًا:
بسيط جدًا:
11:08
count the number of fruits on every tree.
188
656480
2440
حساب عدد الثمار في كل شجرة.
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
بفعلك لهذا فإنك تخبر المزارع
كم ثمرة لديه في كل شجرة
كم ثمرة لديه في كل شجرة
11:16
and allow her to estimate
the yield in the orchard,
the yield in the orchard,
190
664080
4256
وبهذا تعطيه القدرة
على تقدير المحصول في البستان،
على تقدير المحصول في البستان،
11:20
optimizing the production
chain downstream.
chain downstream.
191
668360
2840
وتحسين الإنتاجية ليواكب التيار.
11:23
The second thing we can do
192
671640
1616
الشيء الثاني الذي يمكننا فعله هو
11:25
is take models of plants, construct
three-dimensional reconstructions,
three-dimensional reconstructions,
193
673280
4496
أخذ نماذج النباتات
وإنشاء أشكال ثلاثية الأبعاد،
وإنشاء أشكال ثلاثية الأبعاد،
11:29
and from that estimate the canopy size,
194
677800
2536
ومنها تقدير حجم ظل الشجرة،
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
ثم ربط حجم الظل بحجم مساحة الورقة
في كل شجرة.
في كل شجرة.
11:36
And this is called the leaf area index.
196
684160
2176
وهذا يسمي مؤشر مساحة الورقة.
11:38
So if you know this leaf area index,
197
686360
1936
فإذا عرفت هذا المؤشر،
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
تستطيع معرفة كمية عملية التمثيل الضوئي
المحتمل في كل نبتة.
المحتمل في كل نبتة.
11:45
which again tells you
how healthy each plant is.
how healthy each plant is.
199
693800
2880
الذي يخبرك مرة أخرى مدي صحيّة كل نبتة.
11:49
By combining visual
and infrared information,
and infrared information,
200
697520
4216
أيضًا عبر الجمع بين البيانات البصرية
وتحت الحمراء،
وتحت الحمراء،
11:53
we can also compute indices such as NDVI.
201
701760
3296
يمكننا إحصاء المؤشرات مثل (NDVI) المؤشر الموحد لتباين الغطاء النباتي.
11:57
And in this particular case,
you can essentially see
you can essentially see
202
705080
2816
وفي هذه الحالة بالتحديد يمكنك أن ترى
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
أن هنالك بعض المحاصيل ليست جيدة كالأخرى.
12:02
This is easily discernible from imagery,
204
710960
4056
هذا يمكن تمييزه بسهولة من الصور،
12:07
not just visual imagery but combining
205
715040
2216
ليس فقط الصور البصرية،
12:09
both visual imagery and infrared imagery.
206
717280
2776
ولكن بتكامل كلاهما البصرية وتحت الحمراء.
12:12
And then lastly,
207
720080
1336
وأخيرًا،
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
شيء نحن مهتمون به وهو الكشف المبكر
عن الإصابة في الإخضرار.
عن الإصابة في الإخضرار.
12:17
and this is an orange tree --
209
725480
1496
هذه شجرة برتقال
12:19
which is essentially seen
by yellowing of leaves.
by yellowing of leaves.
210
727000
2560
كما ترون إصفرار الأوراق.
12:21
But robots flying overhead
can easily spot this autonomously
can easily spot this autonomously
211
729880
3896
والروبوتات تطير فوقها
ويمكنها إكتشاف ذلك بشكل تلقائي
ويمكنها إكتشاف ذلك بشكل تلقائي
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
تم ترسل تقريرًا للمزارع بأنه لديه مشكلة
12:28
in this section of the orchard.
213
736760
1520
في هذا الجزء من البستان.
12:30
Systems like this can really help,
214
738800
2696
أنظمة كهذه يمكنها فعلًا مساعدتنا.
12:33
and we're projecting yields
that can improve by about ten percent
that can improve by about ten percent
215
741520
5816
ونتصور أن المحاصيل يمكن أن تتحسن بنسبة 10%
12:39
and, more importantly, decrease
the amount of inputs such as water
the amount of inputs such as water
216
747360
3216
والأهم تخفيض المنصرفات، كالماء بنسبة 25%
12:42
by 25 percent by using
aerial robot swarms.
aerial robot swarms.
217
750600
3280
عند إستخدام أسراب الروبوتات الطائرة
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
أخيرًا، أود منكم تحية الفريق
الذي إكتشف المستقبل
الذي إكتشف المستقبل
12:52
Yash Mulgaonkar, Sikang Liu
and Giuseppe Loianno,
and Giuseppe Loianno,
219
760960
4920
ياش مولغونكار وسكانغ ليو وجوزيف لويانو،
12:57
who are responsible for the three
demonstrations that you saw.
demonstrations that you saw.
220
765920
3496
المسؤولون عن الثلاثة أمثلة التي رأيتموها.
13:01
Thank you.
221
769440
1176
شكرًا لكم.
13:02
(Applause)
222
770640
5920
(تصفيق)
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