TED2012
Vijay Kumar: Robots that fly ... and cooperate
Виджей Кумар: Роботи, които летят ... и си сътрудничат
Filmed:
Readability: 4.5
5,188,706 views
В лабораторията си в Пен, Виджей Кумар и неговия екип, изграждат куадротори -- малки, подвижни роботи, които пълзят, усещат се взаимно и формират импровизирани екипи -- за строене, проучване на бедствия и много други неща.
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
Добро утро.
00:22
I'm here today to talk
1
7000
2000
Днес съм тук, за да говоря
00:24
about autonomous, flying beach balls.
2
9000
3000
за автономни, летящи плажни топки.
00:27
No, agile aerial robots like this one.
3
12000
4000
Не, подвижни въздушни роботи, като този.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Бих искал да ви разкажа малко за предизвикателствата при изграждането им
00:34
and some of the terrific opportunities
5
19000
2000
и за някои от страхотните възможности
00:36
for applying this technology.
6
21000
2000
за прилагане на тази технология.
00:38
So these robots
7
23000
2000
И така, тези роботи
00:40
are related to unmanned aerial vehicles.
8
25000
3000
са свързани с безпилотните летателни апарати.
00:43
However, the vehicles you see here are big.
9
28000
3000
Обаче, превозните средства, които виждате тук са големи.
00:46
They weigh thousands of pounds,
10
31000
2000
Те тежат хиляди килограми
00:48
are not by any means agile.
11
33000
2000
и в никакъв случай не са подвижни.
00:50
They're not even autonomous.
12
35000
2000
Дори не са автономни.
00:52
In fact, many of these vehicles
13
37000
2000
В действителност, много от тези превозни средства
00:54
are operated by flight crews
14
39000
2000
са управлявани от екипажи на самолети,
00:56
that can include multiple pilots,
15
41000
3000
които могат да включват няколко пилоти,
00:59
operators of sensors
16
44000
2000
оператори на сензори
01:01
and mission coordinators.
17
46000
2000
и координатори на мисията.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Това, от което се интересуваме е разработването на роботи, като този --
01:05
and here are two other pictures --
19
50000
2000
и тук са още две снимки --
01:07
of robots that you can buy off the shelf.
20
52000
3000
на роботи, които можете да си купите от магазина.
01:10
So these are helicopters with four rotors
21
55000
3000
Това са хеликоптери с четири ротори
01:13
and they're roughly a meter or so in scale
22
58000
4000
и те са около един метър големи,
01:17
and weigh several pounds.
23
62000
2000
и тежат няколко килограма.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
И така, ние ги оборудваме със сензори и процесори,
01:22
and these robots can fly indoors
25
67000
2000
и тези роботи могат да летят на закрито
01:24
without GPS.
26
69000
2000
без GPS.
01:26
The robot I'm holding in my hand
27
71000
2000
Роботът, който държа в ръката си
01:28
is this one,
28
73000
2000
е този,
01:30
and it's been created by two students,
29
75000
3000
и е създаден от двама студенти,
01:33
Alex and Daniel.
30
78000
2000
Алекс и Даниел.
01:35
So this weighs a little more
31
80000
2000
Той тежи малко повече
01:37
than a tenth of a pound.
32
82000
2000
от 45 грама.
01:39
It consumes about 15 watts of power.
33
84000
2000
Консумира около 15 вата мощност.
01:41
And as you can see,
34
86000
2000
И както можете да видите,
01:43
it's about eight inches in diameter.
35
88000
2000
е около 20 сантиметра в диаметър.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Позволете ми да ви дам един много бърз урок
01:48
on how these robots work.
37
93000
2000
за това как работят тези роботи.
01:50
So it has four rotors.
38
95000
2000
Значи той има четири ротора.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Ако завъртите тези ротори със същата скорост,
01:54
the robot hovers.
40
99000
2000
роботът кръжи.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Ако увеличите скоростта на всеки един от тези ротори,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
тогава робота полита, ускорява се.
02:02
Of course, if the robot were tilted,
43
107000
2000
Разбира се, ако роботът е килнат,
02:04
inclined to the horizontal,
44
109000
2000
наклонен по хоризонталата,
02:06
then it would accelerate in this direction.
45
111000
3000
тогава той се ускорява в тази посока.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
За да го накараме да се наклони, можем да го направим по два начина.
02:12
So in this picture
47
117000
2000
И така, на тази снимка
02:14
you see that rotor four is spinning faster
48
119000
2000
виждате, че ротор четири се върти по-бързо
02:16
and rotor two is spinning slower.
49
121000
2000
и ротор две се върти по-бавно.
02:18
And when that happens
50
123000
2000
И когато това се случи,
02:20
there's moment that causes this robot to roll.
51
125000
3000
в един момент роботът се завърта.
02:23
And the other way around,
52
128000
2000
И обратното,
02:25
if you increase the speed of rotor three
53
130000
3000
ако увеличите скоростта на ротор три
02:28
and decrease the speed of rotor one,
54
133000
2000
и намалите скоростта на ротор едно,
02:30
then the robot pitches forward.
55
135000
3000
тогава роботът се устремява напред.
02:33
And then finally,
56
138000
2000
И накрая,
02:35
if you spin opposite pairs of rotors
57
140000
2000
ако завъртите срещуположната двойка ротори
02:37
faster than the other pair,
58
142000
2000
по-бързо от другата двойка,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
тогава робота се завърта около вертикалната ос.
02:41
So an on-board processor
60
146000
2000
Бордови процесор
02:43
essentially looks at what motions need to be executed
61
148000
3000
по същество гледа какви движения трябва да бъдат изпълнени
02:46
and combines these motions
62
151000
2000
и комбинира тези движения,
02:48
and figures out what commands to send to the motors
63
153000
3000
и изчислява какви команди да се изпратят на двигателите,
02:51
600 times a second.
64
156000
2000
600 пъти в секунда.
02:53
That's basically how this thing operates.
65
158000
2000
Така, в основни линии, работи това нещо.
02:55
So one of the advantages of this design
66
160000
2000
Едно от предимствата на този дизайн
02:57
is, when you scale things down,
67
162000
2000
е, че когато намалявате мащаба на компонентите,
02:59
the robot naturally becomes agile.
68
164000
3000
роботът естествено става подвижен.
03:02
So here R
69
167000
2000
И така, тук R
03:04
is the characteristic length of the robot.
70
169000
2000
е характеристичната дължина на робота.
03:06
It's actually half the diameter.
71
171000
3000
Това всъщност е половината от диаметъра.
03:09
And there are lots of physical parameters that change
72
174000
3000
И има много физически параметри, които се променят,
03:12
as you reduce R.
73
177000
2000
като намалявате R.
03:14
The one that's the most important
74
179000
2000
Този, който е най-важен
03:16
is the inertia or the resistance to motion.
75
181000
2000
е инерцията или съпротивлението при движение.
03:18
So it turns out,
76
183000
2000
Оказва се,
03:20
the inertia, which governs angular motion,
77
185000
3000
че инерцията, която определя ъгловото движение,
03:23
scales as a fifth power of R.
78
188000
3000
е пропорционална на пета степен на R.
03:26
So the smaller you make R,
79
191000
2000
Така че колкото по-малко е R,
03:28
the more dramatically the inertia reduces.
80
193000
3000
толкова по-драматично намалява инерцията.
03:31
So as a result, the angular acceleration,
81
196000
3000
Така че като резултат, ъгловото ускорение,
03:34
denoted by Greek letter alpha here,
82
199000
2000
обозначено с гръцката буква алфа тук,
03:36
goes as one over R.
83
201000
2000
се описва с едно върху R.
03:38
It's inversely proportional to R.
84
203000
2000
То е обратно пропорционално на R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Колкото по-малко го правите, толкова по-бързо можете да завиете.
03:43
So this should be clear in these videos.
86
208000
2000
Това трябва да стане ясно от тези клипове.
03:45
At the bottom right you see a robot
87
210000
3000
В долния десен ъгъл виждате робот,
03:48
performing a 360 degree flip
88
213000
2000
изпълняващ 360-градусово преобръщане
03:50
in less than half a second.
89
215000
2000
за по-малко от половин секунда.
03:52
Multiple flips, a little more time.
90
217000
3000
Множество обръщания, малко повече време.
03:55
So here the processes on board
91
220000
2000
Тук бордовите процесори
03:57
are getting feedback from accelerometers
92
222000
2000
получават обратна информация от акселерометрите
03:59
and gyros on board
93
224000
2000
и жироскопите на борда,
04:01
and calculating, like I said before,
94
226000
2000
и изчисляват, както казах преди,
04:03
commands at 600 times a second
95
228000
2000
команди, 600 пъти за секунда,
04:05
to stabilize this robot.
96
230000
2000
за да стабилизират този робот.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
В ляво виждате Даниел, който подхвърля този робот във въздуха.
04:10
And it shows you how robust the control is.
98
235000
2000
И това ви показва колко солиден е контрола.
04:12
No matter how you throw it,
99
237000
2000
Без значение как го подхвърля,
04:14
the robot recovers and comes back to him.
100
239000
4000
робота се възстановява и се връща към него.
04:18
So why build robots like this?
101
243000
2000
И така, защо да правим такива роботи?
04:20
Well robots like this have many applications.
102
245000
3000
Ами роботи като този имат много приложения.
04:23
You can send them inside buildings like this
103
248000
3000
Можете да ги изпратите във вътрешността на сгради като тази,
04:26
as first responders to look for intruders,
104
251000
3000
като първа помощ, да търсят нередности,
04:29
maybe look for biochemical leaks,
105
254000
3000
може би да търсят биохимични течове,
04:32
gaseous leaks.
106
257000
2000
газообразни течове.
04:34
You can also use them
107
259000
2000
Можете да ги използвате, също така,
04:36
for applications like construction.
108
261000
2000
за приложения, като строителството.
04:38
So here are robots carrying beams, columns
109
263000
4000
Това тук са роботи носещи греди, колони
04:42
and assembling cube-like structures.
110
267000
3000
и монтиращи кубообразни структури.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Ще ви разкажа малко повече за това.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Роботите могат да бъдат използвани за транспортиране на товари.
04:51
So one of the problems with these small robots
113
276000
3000
Един от проблемите с тези малки роботи
04:54
is their payload carrying capacity.
114
279000
2000
е техният капацитет за пренасяне на полезен товар.
04:56
So you might want to have multiple robots
115
281000
2000
Така че може да искате да ползвате няколко роботи
04:58
carry payloads.
116
283000
2000
за носене на полезен товар.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Това е картина от неотдавнашен експеримент, който направихме --
05:02
actually not so recent anymore --
118
287000
2000
всъщност вече не е толкова скорошен --
05:04
in Sendai shortly after the earthquake.
119
289000
3000
в Сендай, малко след земетресението.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Значи роботи като този могат да бъдат изпратени в срутени сгради,
05:10
to assess the damage after natural disasters,
121
295000
2000
да направят оценка на щетите след природни бедствия,
05:12
or sent into reactor buildings
122
297000
3000
или да бъдат изпратени в сградите на реактори,
05:15
to map radiation levels.
123
300000
3000
за да измерят нивата на радиация.
05:19
So one fundamental problem
124
304000
2000
Един основен проблем,
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
който роботите трябва да решат, за да бъдат независими,
05:24
is essentially figuring out
126
309000
2000
е по същество да изчислят
05:26
how to get from point A to point B.
127
311000
2000
как да стигнат от точка А до точка Б.
05:28
So this gets a little challenging
128
313000
2000
Това е малко предизвикателно,
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
защото динамиката на този робот е доста сложна.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
Всъщност, те живеят в 12-мерно пространство.
05:35
So we use a little trick.
131
320000
2000
Така че ние използваме един малък трик.
05:37
We take this curved 12-dimensional space
132
322000
3000
Вземаме това извито 12-мерно пространство
05:40
and transform it
133
325000
2000
и го трансформираме
05:42
into a flat four-dimensional space.
134
327000
2000
в плоско четиримерно пространство.
05:44
And that four-dimensional space
135
329000
2000
И това четиримерно пространство
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
се състои от X, Y, Z, и още ъгълът на отклонение от курса.
05:49
And so what the robot does
137
334000
2000
Така че това, което прави робота
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
е да планира това, което наричаме минимална отсечена траектория.
05:55
So to remind you of physics,
139
340000
2000
Да ви напомня от физиката,
05:57
you have position, derivative, velocity,
140
342000
2000
имате позиция, производната -- скорост,
05:59
then acceleration,
141
344000
2000
после ускорение,
06:01
and then comes jerk
142
346000
2000
после идва рязко движение,
06:03
and then comes snap.
143
348000
2000
и после насечено.
06:05
So this robot minimizes snap.
144
350000
3000
Така че този робот минимизира насичането.
06:08
So what that effectively does
145
353000
2000
Така че това, което прави по същество
06:10
is produces a smooth and graceful motion.
146
355000
2000
е, че произвежда плавно и грациозно движение.
06:12
And it does that avoiding obstacles.
147
357000
3000
И го прави, докато избягва препятствия.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Така че тези минимални траектории на насичане в това плоско пространство
06:18
are then transformed back
149
363000
2000
после биват трансформирани обратно
06:20
into this complicated 12-dimensional space,
150
365000
2000
в това сложно 12-мерно пространство,
06:22
which the robot must do
151
367000
2000
което роботът трябва да прави
06:24
for control and then execution.
152
369000
2000
за контрол и след това за изпълнение.
06:26
So let me show you some examples
153
371000
2000
Позволете ми да ви покажа няколко примери
06:28
of what these minimum snap trajectories look like.
154
373000
2000
за това, как изглеждат тези минимални траектории на насичане.
06:30
And in the first video,
155
375000
2000
И в първото видео,
06:32
you'll see the robot going from point A to point B
156
377000
2000
ще видите робот предвижващ се от точка А до точка Б
06:34
through an intermediate point.
157
379000
2000
през междинна точка.
06:42
So the robot is obviously capable
158
387000
2000
Роботът очевидно е в състояние
06:44
of executing any curve trajectory.
159
389000
2000
да изпълни която и да е кривообразна траектория.
06:46
So these are circular trajectories
160
391000
2000
Това са кръгови траектории,
06:48
where the robot pulls about two G's.
161
393000
3000
при които робота е подложен на около две G.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Тук има надземни камери, заснемащи движението отгоре,
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
които указват на робота къде се намира 100 пъти в секунда.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Също така му казват къде са препятствията.
07:02
And the obstacles can be moving.
165
407000
2000
И пречките могат да се движат.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Тук виждате Даниел да хвърля този обръч във въздуха,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
докато роботът изчислява позицията на обръча
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
и се опитвам да разбере как най-добре да премине през него.
07:13
So as an academic,
169
418000
2000
Като учени винаги сме обучавани
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
да можем да скачаме през обръчи, за набиране на финансиране за нашите лаборатории,
07:18
and we get our robots to do that.
171
423000
3000
и ние накарахме нашите роботи да направят това.
07:21
(Applause)
172
426000
6000
(Ръкопляскания)
07:27
So another thing the robot can do
173
432000
2000
Друго нещо, което роботът може да прави
07:29
is it remembers pieces of trajectory
174
434000
3000
е да помни части на траектория,
07:32
that it learns or is pre-programmed.
175
437000
2000
която научава или е предварително програмирана.
07:34
So here you see the robot
176
439000
2000
Тук виждате робот,
07:36
combining a motion
177
441000
2000
съчетаващ движение,
07:38
that builds up momentum
178
443000
2000
което набира инерция
07:40
and then changes its orientation and then recovers.
179
445000
3000
и после променя своята ориентация и след това се възстановява.
07:43
So it has to do this because this gap in the window
180
448000
3000
Той трябва да прави това, защото празнината в прозореца
07:46
is only slightly larger than the width of the robot.
181
451000
4000
е само малко по-голяма от ширината на робота.
07:50
So just like a diver stands on a springboard
182
455000
3000
Точно както гмурец застава на трамплин
07:53
and then jumps off it to gain momentum,
183
458000
2000
и после отскача от него, за да набере скорост,
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
и после прави пирует, две и половина салта
07:58
and then gracefully recovers,
185
463000
2000
и след това грациозно се възстановява,
08:00
this robot is basically doing that.
186
465000
2000
този робот прави по същество това.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Той знае как да съчетава различни части от траектории,
08:05
to do these fairly difficult tasks.
188
470000
4000
за да прави тези доста трудни задачи.
08:09
So I want change gears.
189
474000
2000
Искам да сменя темата.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Един от недостатъците на тези малки роботи е размерът им.
08:14
And I told you earlier
191
479000
2000
И ви казах по-рано,
08:16
that we may want to employ lots and lots of robots
192
481000
2000
че може да се наложи да наемем множество роботи
08:18
to overcome the limitations of size.
193
483000
3000
за да преодолеем ограниченията в размера им.
08:21
So one difficulty
194
486000
2000
Една от трудностите
08:23
is how do you coordinate lots of these robots?
195
488000
3000
е как да се координират много такива роботи?
08:26
And so here we looked to nature.
196
491000
2000
И тук се обърнахме към природата.
08:28
So I want to show you a clip
197
493000
2000
Искам да ви покажа клип
08:30
of Aphaenogaster desert ants
198
495000
2000
на пустинни мравки от вид Aphaenogaster
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
в лабораторията на проф. Стивън Прат, които носят предмет.
08:35
So this is actually a piece of fig.
200
500000
2000
Това всъщност е парче от смокиня.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Всъщност ако донесете предмет покрит със сок от смокиня,
08:39
and the ants will carry them back to the nest.
202
504000
3000
мравките ще го отнесат обратно в гнездото.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Тези мравки нямат централен координатор.
08:45
They sense their neighbors.
204
510000
2000
Те усещат своите съседи.
08:47
There's no explicit communication.
205
512000
2000
Няма изрична комуникация.
08:49
But because they sense the neighbors
206
514000
2000
Но понеже усещат съседите си
08:51
and because they sense the object,
207
516000
2000
и понеже усещат предмета,
08:53
they have implicit coordination across the group.
208
518000
3000
те имат косвена координация в рамките на групата.
08:56
So this is the kind of coordination
209
521000
2000
Така че това е вида координация,
08:58
we want our robots to have.
210
523000
3000
която искаме да имат нашите роботи.
09:01
So when we have a robot
211
526000
2000
Така че когато имаме робот,
09:03
which is surrounded by neighbors --
212
528000
2000
който е заобиколен от съседите си --
09:05
and let's look at robot I and robot J --
213
530000
2000
и нека да погледнем робот I и робот J --
09:07
what we want the robots to do
214
532000
2000
това, което искаме роботите да правят
09:09
is to monitor the separation between them
215
534000
3000
е да наблюдават разделението между тях,
09:12
as they fly in formation.
216
537000
2000
докато летят във формация.
09:14
And then you want to make sure
217
539000
2000
И после искате да се уверите,
09:16
that this separation is within acceptable levels.
218
541000
2000
че това разделение е в приемливи нива.
09:18
So again the robots monitor this error
219
543000
3000
Така че отново роботите следят тази грешка
09:21
and calculate the control commands
220
546000
2000
и изчисляват контролните команди
09:23
100 times a second,
221
548000
2000
100 пъти в секунда,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
което после се превежда в моторни команди 600 пъти в секунда.
09:28
So this also has to be done
223
553000
2000
Това също така трябва да се прави
09:30
in a decentralized way.
224
555000
2000
по децентрализиран начин.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Отново, ако имате множество роботи,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
е невъзможно да се координира цялата тази информация централно,
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
достатъчно бързо за да могат роботите да изпълняват задачата.
09:41
Plus the robots have to base their actions
228
566000
2000
Освен това роботите трябва да основават своите действия
09:43
only on local information,
229
568000
2000
само на локална информация,
09:45
what they sense from their neighbors.
230
570000
2000
това, което долавят от техните съседи.
09:47
And then finally,
231
572000
2000
И накрая,
09:49
we insist that the robots be agnostic
232
574000
2000
настояваме, че роботите трябва да са агностици
09:51
to who their neighbors are.
233
576000
2000
към съседите си.
09:53
So this is what we call anonymity.
234
578000
3000
Това е, което наричаме анонимност.
09:56
So what I want to show you next
235
581000
2000
Това, което искам да ви покажа сега
09:58
is a video
236
583000
2000
е видео
10:00
of 20 of these little robots
237
585000
3000
на 20 от тези малки роботи,
10:03
flying in formation.
238
588000
2000
летящи във формация.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Те следят позицията на своите съседи.
10:08
They're maintaining formation.
240
593000
2000
Те поддържат формация.
10:10
The formations can change.
241
595000
2000
Формациите могат да се променят.
10:12
They can be planar formations,
242
597000
2000
Могат да образуват планарни формации,
10:14
they can be three-dimensional formations.
243
599000
2000
могат да бъдат триизмерни формации.
10:16
As you can see here,
244
601000
2000
Както можете да видите тук,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
те се свиват от триизмерна формация в планарна формация.
10:21
And to fly through obstacles
246
606000
2000
И за да прелитат през препятствия,
10:23
they can adapt the formations on the fly.
247
608000
4000
те могат да адаптират формациите в движение.
10:27
So again, these robots come really close together.
248
612000
3000
Така че отново, тези роботи идват наистина близо един до друг.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Както можете да видите в този полет, под формата на осмица,
10:32
they come within inches of each other.
250
617000
2000
те идват на сантиметри един от друг.
10:34
And despite the aerodynamic interactions
251
619000
3000
И въпреки аеродинамичните взаимодействия
10:37
of these propeller blades,
252
622000
2000
на тези витла,
10:39
they're able to maintain stable flight.
253
624000
2000
те са в състояние да поддържат стабилен полет.
10:41
(Applause)
254
626000
7000
(Ръкопляскания)
10:48
So once you know how to fly in formation,
255
633000
2000
Така че, след като знаете как да летите във формация,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
всъщност можете да вдигате обекти в сътрудничество.
10:52
So this just shows
257
637000
2000
Това просто ни показва,
10:54
that we can double, triple, quadruple
258
639000
3000
че можем да удвоим, утроим, учетворим
10:57
the robot strength
259
642000
2000
силата на роботите, като просто ги накараме
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
да сътрудничат със съседите си, както можете да видите тук.
11:01
One of the disadvantages of doing that
261
646000
3000
Един от недостатъците на това е,
11:04
is, as you scale things up --
262
649000
2000
че като мащабирате нещата --
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
ако имате много роботи, които носят едно и също нещо,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
по същество ефективно увеличавате инерцията,
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
и следователно плащате цена за това, те няма да са толкова подвижни.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Но печелите по отношение на товароподемността.
11:17
Another application I want to show you --
267
662000
2000
Друго приложение, което искам да ви покажа --
11:19
again, this is in our lab.
268
664000
2000
отново, това е в нашата лаборатория.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Това е работа, направена от Куентин Линдзи, който е студент дипломант.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Неговият алгоритъм по същество казва на тези роботи
11:26
how to autonomously build
271
671000
2000
как да изградят самостоятелно
11:28
cubic structures
272
673000
2000
кубични структури
11:30
from truss-like elements.
273
675000
3000
от подобни на подпори елементи.
11:33
So his algorithm tells the robot
274
678000
2000
Алгоритъмът казва на робота
11:35
what part to pick up,
275
680000
2000
каква част да вземе,
11:37
when and where to place it.
276
682000
2000
кога и къде да я постави.
11:39
So in this video you see --
277
684000
2000
В това видео може да видите --
11:41
and it's sped up 10, 14 times --
278
686000
2000
то е ускорено 10, 14 пъти --
11:43
you see three different structures being built by these robots.
279
688000
3000
виждате три различни структури, изградени от тези роботи.
11:46
And again, everything is autonomous,
280
691000
2000
И отново, всичко е автономно,
11:48
and all Quentin has to do
281
693000
2000
всичко, което Куентин трябва да направи
11:50
is to get them a blueprint
282
695000
2000
е да им даде проектоплан
11:52
of the design that he wants to build.
283
697000
4000
на дизайна, който иска да построи.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Всички тези експерименти, които видяхте до този момент,
11:59
all these demonstrations,
285
704000
2000
всички тези демонстрации,
12:01
have been done with the help of motion capture systems.
286
706000
3000
са извършени с помощта на системи заснемащи движението.
12:04
So what happens when you leave your lab
287
709000
2000
Какво се случва, когато напуснете вашата лаборатория
12:06
and you go outside into the real world?
288
711000
3000
и излезете навън в реалния свят?
12:09
And what if there's no GPS?
289
714000
3000
И какво, ако има няма GPS?
12:12
So this robot
290
717000
2000
Този робот
12:14
is actually equipped with a camera
291
719000
2000
всъщност е оборудван с камера
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
и лазерен далекомер, лазерен скенер.
12:19
And it uses these sensors
293
724000
2000
И използва тези сензори
12:21
to build a map of the environment.
294
726000
2000
за да изгради карта на обкръжаващата го среда.
12:23
What that map consists of are features --
295
728000
3000
Тази карта се състои от отличителни белези --
12:26
like doorways, windows,
296
731000
2000
като врати, прозорци,
12:28
people, furniture --
297
733000
2000
хора, мебели --
12:30
and it then figures out where its position is
298
735000
2000
и след това той разбира къде е позицията му
12:32
with respect to the features.
299
737000
2000
по отношение на отличителни белези.
12:34
So there is no global coordinate system.
300
739000
2000
Така че няма глобална координатна система.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Координатна система се определя на базата на робота,
12:39
where it is and what it's looking at.
302
744000
3000
къде е и какво търси.
12:42
And it navigates with respect to those features.
303
747000
3000
И той се придвижва по отношение на тези отличителни предмети.
12:45
So I want to show you a clip
304
750000
2000
Искам да ви покажа клип
12:47
of algorithms developed by Frank Shen
305
752000
2000
на алгоритми, разработени от Франк Шен
12:49
and Professor Nathan Michael
306
754000
2000
и проф. Нейтън Майкъл,
12:51
that shows this robot entering a building for the very first time
307
756000
4000
който показва този робот да влиза в сграда за първи път
12:55
and creating this map on the fly.
308
760000
3000
и да създава тази карта в движение.
12:58
So the robot then figures out what the features are.
309
763000
3000
После роботът разбира какви са отличителните предмети
13:01
It builds the map.
310
766000
2000
и изгражда картата.
13:03
It figures out where it is with respect to the features
311
768000
2000
Той определя къде се намира по отношение на отличителните предмети
13:05
and then estimates its position
312
770000
2000
и после изчислява позицията си
13:07
100 times a second
313
772000
2000
100 пъти в секунда,
13:09
allowing us to use the control algorithms
314
774000
2000
което ни позволява да използваме алгоритмите за контрол,
13:11
that I described to you earlier.
315
776000
2000
които ви описах по-рано.
13:13
So this robot is actually being commanded
316
778000
2000
Този робот всъщност се управлява
13:15
remotely by Frank.
317
780000
2000
отдалечено от Франк.
13:17
But the robot can also figure out
318
782000
2000
Но роботът може също така да разбере
13:19
where to go on its own.
319
784000
2000
къде да отиде самостоятелно.
13:21
So suppose I were to send this into a building
320
786000
2000
Да предположим, че искам да изпратя това в сграда
13:23
and I had no idea what this building looked like,
321
788000
2000
и нямам представа как изглежда тази сграда,
13:25
I can ask this robot to go in,
322
790000
2000
мога да накарам този робот да влезе вътре,
13:27
create a map
323
792000
2000
да създаде карта
13:29
and then come back and tell me what the building looks like.
324
794000
3000
и после да се върне и да ми каже как изглежда сградата.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
Така че тук роботът не само решава проблема,
13:35
how to go from point A to point B in this map,
326
800000
3000
как да отиде от точка А до точка Б в тази карта,
13:38
but it's figuring out
327
803000
2000
но също така определя
13:40
what the best point B is at every time.
328
805000
2000
коя е най-добрата точка Б по всяко време.
13:42
So essentially it knows where to go
329
807000
3000
Така че по същество знае къде да отиде,
13:45
to look for places that have the least information.
330
810000
2000
да търси места, които имат най-малко информация.
13:47
And that's how it populates this map.
331
812000
3000
И по този начин попълва тази карта.
13:50
So I want to leave you
332
815000
2000
Искам да ви оставя
13:52
with one last application.
333
817000
2000
с едно последно приложение.
13:54
And there are many applications of this technology.
334
819000
3000
И има много приложения на тази технология.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Аз съм професор и ние сме запалени по образованието.
13:59
Robots like this can really change the way
336
824000
2000
Роботи като този наистина могат да променят начина,
14:01
we do K through 12 education.
337
826000
2000
по който провеждаме образованието от детската градина до 12 клас.
14:03
But we're in Southern California,
338
828000
2000
Но ние сме в южна Калифорния,
14:05
close to Los Angeles,
339
830000
2000
близо до Лос Анджелис,
14:07
so I have to conclude
340
832000
2000
така че трябва да приключа
14:09
with something focused on entertainment.
341
834000
2000
с нещо, фокусирано върху развлеченията.
14:11
I want to conclude with a music video.
342
836000
2000
Искам да завърша с музикален видеоклип.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Искам да ви представя създателите, Алекс и Даниел,
14:16
who created this video.
344
841000
2000
които направиха този клип.
14:18
(Applause)
345
843000
7000
(Ръкопляскания)
14:25
So before I play this video,
346
850000
2000
Преди да ви пусна този клип,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
искам да ви кажа, че те го създадоха през последните три дни,
14:30
after getting a call from Chris.
348
855000
2000
след като получихме обаждане от Крис.
14:32
And the robots that play the video
349
857000
2000
И роботите, които свирят във видеото
14:34
are completely autonomous.
350
859000
2000
са напълно автономни.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Ще видите девет роботи да свирят на шест различни инструменти.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
И разбира се, това е направено изключително за TED 2012.
14:43
Let's watch.
353
868000
3000
Нека да го видим.
15:19
(Music)
354
904000
10000
(Музика)
16:23
(Applause)
355
968000
17000
(Ръкопляскания)
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