TED2012
Vijay Kumar: Robots that fly ... and cooperate
Vijay Kumar: Roboter die fliegen ... und kooperieren
Filmed:
Readability: 4.5
5,188,706 views
In seinem Labor an der Pennsylvania State University bauen Vijay Kumar und sein Team fliegene Quadcopter: kleine, wendige Roboter, die ausschwärmen, sich gegenseitig wahrnehmen und spontan Teams bilden – um zu bauen, Informationen über Katastrophen zu sammeln und noch viel mehr.
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
Guten Morgen.
00:22
I'm here today to talk
1
7000
2000
Ich bin heute hier,
00:24
about autonomous, flying beach balls.
2
9000
3000
um über autonome, fliegende Strandbälle zu sprechen.
00:27
No, agile aerial robots like this one.
3
12000
4000
Nein, wendige, fliegende Roboter wie diesen hier.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Ich würde Ihnen gerne etwas über die Herausforderungen bei ihrem Bau erzählen
00:34
and some of the terrific opportunities
5
19000
2000
und über die großartigen Möglichkeiten
00:36
for applying this technology.
6
21000
2000
für die Anwendung dieser Technologie.
00:38
So these robots
7
23000
2000
Diese Roboter
00:40
are related to unmanned aerial vehicles.
8
25000
3000
sind verwandt mit unbemannten Luftfahrzeugen.
00:43
However, the vehicles you see here are big.
9
28000
3000
Die Fahrzeuge, die Sie hier sehen, sind jedoch sehr groß.
00:46
They weigh thousands of pounds,
10
31000
2000
Sie wiegen tausende von Kilos
00:48
are not by any means agile.
11
33000
2000
und sind wirklich nicht wendig.
00:50
They're not even autonomous.
12
35000
2000
Sie sind nicht einmal autonom.
00:52
In fact, many of these vehicles
13
37000
2000
Sie werden vielmehr von einer
00:54
are operated by flight crews
14
39000
2000
ganzen Mannschaft geflogen,
00:56
that can include multiple pilots,
15
41000
3000
die aus mehreren Piloten,
00:59
operators of sensors
16
44000
2000
Technikern für die Sensorik
01:01
and mission coordinators.
17
46000
2000
und Missionskoordinatoren bestehen kann.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Wir interessieren uns für die Entwicklung von Robotern wie diesem –
01:05
and here are two other pictures --
19
50000
2000
und hier sind noch zwei Bilder
01:07
of robots that you can buy off the shelf.
20
52000
3000
von Robotern, die man so im Laden kaufen kann.
01:10
So these are helicopters with four rotors
21
55000
3000
Das sind Helikopter mit vier Rotoren,
01:13
and they're roughly a meter or so in scale
22
58000
4000
die etwa einen Meter groß sind.
01:17
and weigh several pounds.
23
62000
2000
und ein paar Kilos wiegen.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Wir erweitern sie mit ein paar Sensoren und Prozessoren,
01:22
and these robots can fly indoors
25
67000
2000
und diese Roboter können drinnen fliegen
01:24
without GPS.
26
69000
2000
ohne GPS.
01:26
The robot I'm holding in my hand
27
71000
2000
Der Roboter, den ich hier in meiner Hand halte,
01:28
is this one,
28
73000
2000
ist der hier,
01:30
and it's been created by two students,
29
75000
3000
und er wurde von zwei Studenten gebaut,
01:33
Alex and Daniel.
30
78000
2000
Alex und Daniel.
01:35
So this weighs a little more
31
80000
2000
Er wiegt nur etwas mehr
01:37
than a tenth of a pound.
32
82000
2000
als 50 Gramm.
01:39
It consumes about 15 watts of power.
33
84000
2000
Und hat einen Energieverbrauch von 15 Watt.
01:41
And as you can see,
34
86000
2000
Wie Sie sehen können,
01:43
it's about eight inches in diameter.
35
88000
2000
hat er einen Durchmesser von etwa 20 cm.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Lassen Sie mich Ihnen wirklich nur kurz erklären,
01:48
on how these robots work.
37
93000
2000
wie diese Roboter funktionieren.
01:50
So it has four rotors.
38
95000
2000
Er hat vier Rotoren.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Wenn sich die Rotoren mit der gleichen Geschwindigkeit drehen,
01:54
the robot hovers.
40
99000
2000
schwebt der Roboter.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Wenn Sie die Geschwindigkeit jedes Rotors erhöhen,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
steigt der Roboter auf und beschleunigt.
02:02
Of course, if the robot were tilted,
43
107000
2000
Natürlich, wenn der Roboter gekippt wäre,
02:04
inclined to the horizontal,
44
109000
2000
also wenn er nicht ganz horizontal wäre,
02:06
then it would accelerate in this direction.
45
111000
3000
würde er in diese Richtung beschleunigen.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Um ihn zu kippen, gibt es zwei Möglichkeiten.
02:12
So in this picture
47
117000
2000
In diesem Bild hier
02:14
you see that rotor four is spinning faster
48
119000
2000
sehen Sie, dass sich Robot vier schneller dreht.
02:16
and rotor two is spinning slower.
49
121000
2000
und Rotor zwei langsamer.
02:18
And when that happens
50
123000
2000
Und sobald das passiert,
02:20
there's moment that causes this robot to roll.
51
125000
3000
entsteht ein Moment, das den Roboter kippt.
02:23
And the other way around,
52
128000
2000
Und andersrum,
02:25
if you increase the speed of rotor three
53
130000
3000
wenn Sie die Geschwindigkeit von Rotor drei erhöhen
02:28
and decrease the speed of rotor one,
54
133000
2000
und die von Rotor eins absenken
02:30
then the robot pitches forward.
55
135000
3000
kippt der Roboter nach vorne.
02:33
And then finally,
56
138000
2000
Und schließlich,
02:35
if you spin opposite pairs of rotors
57
140000
2000
wenn Sie zwei gegenüberliegende Rotoren
02:37
faster than the other pair,
58
142000
2000
schneller als das andere Paar drehen,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
dreht sich der Roboter um die senkrechte Achse.
02:41
So an on-board processor
60
146000
2000
Der eingebaute Prozessor
02:43
essentially looks at what motions need to be executed
61
148000
3000
betrachtet im Wesentlichen, welche Bewegungen ausgeführt werden müssen,
02:46
and combines these motions
62
151000
2000
er kombiniert diese Bewegungen
02:48
and figures out what commands to send to the motors
63
153000
3000
und rechnet aus, welche Befehle zu den Motoren geschickt werden müssen
02:51
600 times a second.
64
156000
2000
und das 600 Mal pro Sekunde.
02:53
That's basically how this thing operates.
65
158000
2000
Und so funktionieren diese Dinger grundsätzlich.
02:55
So one of the advantages of this design
66
160000
2000
Einer der Vorteile dieses Designs ist,
02:57
is, when you scale things down,
67
162000
2000
dass wenn Sie alles verkleinern,
02:59
the robot naturally becomes agile.
68
164000
3000
die Roboter viel wendiger werden.
03:02
So here R
69
167000
2000
R ist hier
03:04
is the characteristic length of the robot.
70
169000
2000
die charakteristische Länge des Roboters
03:06
It's actually half the diameter.
71
171000
3000
es ist eigentlich der halbe Durchmesser.
03:09
And there are lots of physical parameters that change
72
174000
3000
Und es gibt viele physikalische Parameter, die sich ändern,
03:12
as you reduce R.
73
177000
2000
sobald man R verringert.
03:14
The one that's the most important
74
179000
2000
Der wichtigste ist die Trägheit
03:16
is the inertia or the resistance to motion.
75
181000
2000
oder der Bewegungswiderstand.
03:18
So it turns out,
76
183000
2000
Es ist so,
03:20
the inertia, which governs angular motion,
77
185000
3000
dass die Trägheit, die die Rotationsbewegung beeinflusst,
03:23
scales as a fifth power of R.
78
188000
3000
mit der fünften Potenz von R skaliert.
03:26
So the smaller you make R,
79
191000
2000
Wenn Sie nun R verkleinern,
03:28
the more dramatically the inertia reduces.
80
193000
3000
nimmt die Trägheit drastisch ab.
03:31
So as a result, the angular acceleration,
81
196000
3000
Ein Ergebnis davon ist, dass die Rotationsbeschleunigung,
03:34
denoted by Greek letter alpha here,
82
199000
2000
hier mit dem griechischen Buchstaben Alpha bezeichnet,
03:36
goes as one over R.
83
201000
2000
mit 1 über R verläuft.
03:38
It's inversely proportional to R.
84
203000
2000
Sie ist umgekehrt proportional zu R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Je kleiner Sie sie machen, desto schneller können Sie drehen.
03:43
So this should be clear in these videos.
86
208000
2000
Das sollte bei diesen Videos klar werden.
03:45
At the bottom right you see a robot
87
210000
3000
Unten rechts sehen Sie einen Roboter,
03:48
performing a 360 degree flip
88
213000
2000
der einen 360°-Salto
03:50
in less than half a second.
89
215000
2000
in weniger als einer halben Sekunde vollführt.
03:52
Multiple flips, a little more time.
90
217000
3000
Mehrere Saltos, ein bisschen mehr Zeit.
03:55
So here the processes on board
91
220000
2000
Die Prozessoren
03:57
are getting feedback from accelerometers
92
222000
2000
bekommen Rückmeldungen von den Beschleunigungsmessern
03:59
and gyros on board
93
224000
2000
und Gyroskopen an Bord
04:01
and calculating, like I said before,
94
226000
2000
und berechnen, wie ich vorhin schon gesagt habe,
04:03
commands at 600 times a second
95
228000
2000
600 Mal pro Sekunde Befehle,
04:05
to stabilize this robot.
96
230000
2000
um den Roboter zu stabilisieren.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
Links sehen Sie, wie Daniel den Roboter in die Luft wirft.
04:10
And it shows you how robust the control is.
98
235000
2000
Und man sieht, wie robust die Kontrolle ist.
04:12
No matter how you throw it,
99
237000
2000
Egal wie Sie ihn werfen,
04:14
the robot recovers and comes back to him.
100
239000
4000
der Roboter fängt sich und kommt wieder zu ihm zurück.
04:18
So why build robots like this?
101
243000
2000
Warum baut man solche Roboter?
04:20
Well robots like this have many applications.
102
245000
3000
Nun, Roboter wie diese haben viele Anwendungen.
04:23
You can send them inside buildings like this
103
248000
3000
Man kann sie in Gebäude wie dieses schicken
04:26
as first responders to look for intruders,
104
251000
3000
um als erste nach Eindringlingen zu suchen,
04:29
maybe look for biochemical leaks,
105
254000
3000
vielleicht nach biochemischen Lecks zu suchen,
04:32
gaseous leaks.
106
257000
2000
oder Gaslecks.
04:34
You can also use them
107
259000
2000
Man kann sie aber auch
04:36
for applications like construction.
108
261000
2000
zum Bauen einsetzen.
04:38
So here are robots carrying beams, columns
109
263000
4000
Hier sehen Sie Roboter, die Träger und Säulen tragen
04:42
and assembling cube-like structures.
110
267000
3000
und würfelförmige Strukturen zusammenbauen.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Ich werde Ihnen noch etwas mehr darüber erzählen.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Diese Roboter können im Frachttransport eingesetzt werden.
04:51
So one of the problems with these small robots
113
276000
3000
Eines der Probleme dieser kleinen Roboter
04:54
is their payload carrying capacity.
114
279000
2000
ist ihre geringe Zuladung.
04:56
So you might want to have multiple robots
115
281000
2000
Daher wollen Sie vielleicht mehrere Roboter einsetzen,
04:58
carry payloads.
116
283000
2000
um die Ladung zu tragen.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Das ist ein Bild von einem unserer letzten Experimente –
05:02
actually not so recent anymore --
118
287000
2000
wobei das doch schon eine Weile her ist –
05:04
in Sendai shortly after the earthquake.
119
289000
3000
in Sendai, kurz nach dem Erdbeben.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Roboter wie dieser konnten in eingestürzte Gebäude geschickt werden,
05:10
to assess the damage after natural disasters,
121
295000
2000
um den Schaden nach Naturkatastrophen zu beurteilen,
05:12
or sent into reactor buildings
122
297000
3000
oder in Reaktorgebäude,
05:15
to map radiation levels.
123
300000
3000
um eine Strahlungskarte aufzubauen.
05:19
So one fundamental problem
124
304000
2000
Ein grundlegendes Problem
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
das die Roboter lösen müssen, wenn sie autonom sein sollen,
05:24
is essentially figuring out
126
309000
2000
ist im Grunde genommen,
05:26
how to get from point A to point B.
127
311000
2000
wie sie von Punkt A zu Punkt B kommen.
05:28
So this gets a little challenging
128
313000
2000
Das ist eine ziemliche Herausforderung
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
da die Dynamik so eines Roboters recht kompliziert ist.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
Tatsächlich leben sie in einem 12-dimensionalen Raum.
05:35
So we use a little trick.
131
320000
2000
Also benutzen wir einen kleinen Trick.
05:37
We take this curved 12-dimensional space
132
322000
3000
Wir nehmen diesen gekrümmten 12-dimensionalen Raum
05:40
and transform it
133
325000
2000
und wandeln ihn
05:42
into a flat four-dimensional space.
134
327000
2000
in einen flachen vier-dimensionalen Raum um.
05:44
And that four-dimensional space
135
329000
2000
Und dieser vier-dimensionale Raum
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
besteht aus X, Y, Z und dem Gierwinkel.
05:49
And so what the robot does
137
334000
2000
Der Roboter also
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
plant etwas, das wir eine Bahnkurve mit minimalem Snap nennen.
05:55
So to remind you of physics,
139
340000
2000
Eine kurze Auffrischung Ihrer Physikkenntnisse:
05:57
you have position, derivative, velocity,
140
342000
2000
Es gibt den Ort, die Geschwindigkeit als Ableitung,
05:59
then acceleration,
141
344000
2000
dann Beschleunigung,
06:01
and then comes jerk
142
346000
2000
und dann kommt Ruck,
06:03
and then comes snap.
143
348000
2000
und dann kommt "Snap".
06:05
So this robot minimizes snap.
144
350000
3000
Und dieser Roboter minimiert Snap.
06:08
So what that effectively does
145
353000
2000
Und was das im Endeffekt ergibt,
06:10
is produces a smooth and graceful motion.
146
355000
2000
ist eine glatte und anmutige Bewegung.
06:12
And it does that avoiding obstacles.
147
357000
3000
Und er macht das, während er Hindernissen ausweicht.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Diese Trajektorien mit minimalem Snap in diesem flachen Raum
06:18
are then transformed back
149
363000
2000
werden dann zurücktransformiert
06:20
into this complicated 12-dimensional space,
150
365000
2000
in diesen komplizierten 12-dimensionalen Raum,
06:22
which the robot must do
151
367000
2000
und das muss der Roboter für die Kontrolle
06:24
for control and then execution.
152
369000
2000
und die spätere Ausführung tun.
06:26
So let me show you some examples
153
371000
2000
Lassen Sie mich ein paar Beispiele zeigen,
06:28
of what these minimum snap trajectories look like.
154
373000
2000
wie diese Flugbahnen mit minimalem Snap aussehen.
06:30
And in the first video,
155
375000
2000
In dem ersten Video
06:32
you'll see the robot going from point A to point B
156
377000
2000
werden Sie sehen, wie der Roboter von A nach B fliegt
06:34
through an intermediate point.
157
379000
2000
durch einen Zwischenpunkt.
06:42
So the robot is obviously capable
158
387000
2000
Der Roboter ist offensichtlich in der Lage,
06:44
of executing any curve trajectory.
159
389000
2000
jede Bahnkurve auszuführen.
06:46
So these are circular trajectories
160
391000
2000
Das hier sind kreisförmige Bahnkurven,
06:48
where the robot pulls about two G's.
161
393000
3000
bei denen auf den Roboter 2 G wirken.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Oben befinden sich Motion-Capture-Kameras,
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
die dem Roboter 100 Mal pro Sekunde sagen, wo er ist.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Sie sagen dem Roboter auch, wo diese Hindernisse sind.
07:02
And the obstacles can be moving.
165
407000
2000
Und diese Hindernisse können sich auch bewegen.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Und hier sehen Sie, wie Daniel diesen Reifen in die Luft wirft,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
während der Roboter die Position vom Reifen berechnet
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
und versucht auszurechnen, wie er am Besten durch den Reifen kommt.
07:13
So as an academic,
169
418000
2000
Als Akademiker
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
müssen wir ständig durch Reifen springen, um Sponsoren aufzutreiben,
07:18
and we get our robots to do that.
171
423000
3000
und wir lassen unsere Roboter das machen.
07:21
(Applause)
172
426000
6000
(Applaus)
07:27
So another thing the robot can do
173
432000
2000
Außerdem kann der Roboter sich
07:29
is it remembers pieces of trajectory
174
434000
3000
Abschnitte der Flugbahnen merken,
07:32
that it learns or is pre-programmed.
175
437000
2000
die er lernt, oder die vorher einprogrammiert wurden.
07:34
So here you see the robot
176
439000
2000
Hier sehen Sie, wie der Roboter
07:36
combining a motion
177
441000
2000
eine Bewegung kombiniert,
07:38
that builds up momentum
178
443000
2000
um Schwung zu holen
07:40
and then changes its orientation and then recovers.
179
445000
3000
und dann seine Ausrichtung ändert und sich wieder fängt.
07:43
So it has to do this because this gap in the window
180
448000
3000
Er muss das machen, da dieses Loch im Fenster
07:46
is only slightly larger than the width of the robot.
181
451000
4000
nur etwas größer als die Breite des Roboters ist.
07:50
So just like a diver stands on a springboard
182
455000
3000
Also genau wie ein Turmspringer auf dem Sprungbrett,
07:53
and then jumps off it to gain momentum,
183
458000
2000
der hinabspringt um Schwung zu holen
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
und dann diese Pirouette vollführt, diesen zweieinhalbfachen Salto
07:58
and then gracefully recovers,
185
463000
2000
und sich dann elegant wieder fängt,
08:00
this robot is basically doing that.
186
465000
2000
dieser Roboter macht im Wesentlichen das Gleiche.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Er weiß also wie man diese Teile der Bahnkurven kombiniert,
08:05
to do these fairly difficult tasks.
188
470000
4000
um diese ziemlich schwierigen Aufgaben zu lösen.
08:09
So I want change gears.
189
474000
2000
Kurzer Themenwechsel.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Einer der Nachteile dieser kleinen Roboter ist ihre Größe.
08:14
And I told you earlier
191
479000
2000
Und ich habe Ihnen schon vorhin gesagt,
08:16
that we may want to employ lots and lots of robots
192
481000
2000
dass wir vielleicht sehr viele Roboter einsetzen wollen,
08:18
to overcome the limitations of size.
193
483000
3000
um die Beschränkungen durch die Größe zu umgehen.
08:21
So one difficulty
194
486000
2000
Eine Schwierigkeit
08:23
is how do you coordinate lots of these robots?
195
488000
3000
ist, wie kann man viele Roboter koordinieren?
08:26
And so here we looked to nature.
196
491000
2000
Daher haben wir uns die Natur angeschaut.
08:28
So I want to show you a clip
197
493000
2000
Ich möchte Ihnen einen kurzen Film zeigen,
08:30
of Aphaenogaster desert ants
198
495000
2000
von Aphaenogaster Wüstenameisen,
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
wie sie in Professor Stephen Pratts Labor einen Gegenstand tragen.
08:35
So this is actually a piece of fig.
200
500000
2000
Das ist ein Stück einer Feige.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Sie können irgendein mit Feigensaft getränktes Objekt hinlegen
08:39
and the ants will carry them back to the nest.
202
504000
3000
und die Ameisen werden es zurück zum Nest tragen.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Diese Ameisen haben keinen zentralen Koordinator.
08:45
They sense their neighbors.
204
510000
2000
Sie nehmen ihre Nachbarn wahr.
08:47
There's no explicit communication.
205
512000
2000
Es gibt keine explizite Kommunikation.
08:49
But because they sense the neighbors
206
514000
2000
Aber weil sie ihre Nachbarn spüren
08:51
and because they sense the object,
207
516000
2000
und weil sie das Objekt spüren,
08:53
they have implicit coordination across the group.
208
518000
3000
haben sie eine implizite Koordination innerhalb der Gruppe.
08:56
So this is the kind of coordination
209
521000
2000
Und diese Art der Koordination
08:58
we want our robots to have.
210
523000
3000
sollen auch unsere Roboter haben.
09:01
So when we have a robot
211
526000
2000
Wenn wir also einen Roboter haben,
09:03
which is surrounded by neighbors --
212
528000
2000
der von seinen Nachbarn umgeben ist –
09:05
and let's look at robot I and robot J --
213
530000
2000
schauen wir uns Roboter I und J an –
09:07
what we want the robots to do
214
532000
2000
was wir von den Robotern wollen,
09:09
is to monitor the separation between them
215
534000
3000
ist, dass sie den Abstand zwischen sich überwachen,
09:12
as they fly in formation.
216
537000
2000
während sie in der Formation fliegen.
09:14
And then you want to make sure
217
539000
2000
Und dann muss man sicherstellen,
09:16
that this separation is within acceptable levels.
218
541000
2000
dass dieser Abstand innerhalb akzeptabler Schranken ist.
09:18
So again the robots monitor this error
219
543000
3000
Die Roboter überwachen also diesen Fehler
09:21
and calculate the control commands
220
546000
2000
und berechnen die Kontrollbefehle
09:23
100 times a second,
221
548000
2000
100 Mal pro Sekunde,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
die dann in Motorbefehle 600 Mal pro Sekunde übersetzt werden.
09:28
So this also has to be done
223
553000
2000
Das muss auch auf eine
09:30
in a decentralized way.
224
555000
2000
dezentrale Art geschehen.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Nochmal, wenn Sie sehr viele dieser Roboter haben,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
ist es unmöglich, all diese Informationen zentral zu koordinieren,
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
schnell genug, damit die Roboter die Aufgabe lösen können.
09:41
Plus the robots have to base their actions
228
566000
2000
Zusätzlich müssen die Roboter ihre Entscheidungen
09:43
only on local information,
229
568000
2000
nur aufgrund der lokalen Informationen fällen,
09:45
what they sense from their neighbors.
230
570000
2000
nämlich, was sie von ihren Nachbarn wahrnehmen.
09:47
And then finally,
231
572000
2000
Und schließlich
09:49
we insist that the robots be agnostic
232
574000
2000
bestehen wir darauf, dass die Roboter nicht wissen,
09:51
to who their neighbors are.
233
576000
2000
wer ihre Nachbarn sind.
09:53
So this is what we call anonymity.
234
578000
3000
Das ist etwas, das wir Anonymität nennen.
09:56
So what I want to show you next
235
581000
2000
Was ich Ihnen als nächstes zeigen will,
09:58
is a video
236
583000
2000
ist ein Video
10:00
of 20 of these little robots
237
585000
3000
von 20 dieser kleinen Roboter,
10:03
flying in formation.
238
588000
2000
wie sie in einer Formation fliegen.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Sie überwachen die Position ihrer Nachbarn.
10:08
They're maintaining formation.
240
593000
2000
Und erhalten die Formation.
10:10
The formations can change.
241
595000
2000
Die Formationen können sich ändern.
10:12
They can be planar formations,
242
597000
2000
Sie können flache Formationen sein,
10:14
they can be three-dimensional formations.
243
599000
2000
sie können drei-dimensionale Formationen sein.
10:16
As you can see here,
244
601000
2000
Wie Sie hier sehen können,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
kollabieren sie von einer 3D-Formation in eine ebene Formation.
10:21
And to fly through obstacles
246
606000
2000
Und um durch Hindernisse zu fliegen,
10:23
they can adapt the formations on the fly.
247
608000
4000
können sie ihre Formation im Flug anpassen.
10:27
So again, these robots come really close together.
248
612000
3000
Und Sie sehen, diese Roboter kommen sich wirklich nah.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Wie Sie hier bei dem Flug in Form einer Acht sehen,
10:32
they come within inches of each other.
250
617000
2000
nähern sie sich bis auf wenige Zentimeter.
10:34
And despite the aerodynamic interactions
251
619000
3000
Und trotz der aerodynamischen Wechselwirkungen
10:37
of these propeller blades,
252
622000
2000
von diesen Propellerflügeln,
10:39
they're able to maintain stable flight.
253
624000
2000
sind sie in der Lage stabil zu fliegen.
10:41
(Applause)
254
626000
7000
(Applaus)
10:48
So once you know how to fly in formation,
255
633000
2000
Sobald man weiß, wie man in einer Formation fliegt,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
kann man auch gemeinsam Objekte anheben.
10:52
So this just shows
257
637000
2000
Das hier zeigt,
10:54
that we can double, triple, quadruple
258
639000
3000
dass wir die Roboterkraft verdoppeln,
10:57
the robot strength
259
642000
2000
verdreifachen, vervierfachen können,
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
in dem wir sie dazu bringen, Teams zu bilden, wie Sie hier sehen können.
11:01
One of the disadvantages of doing that
261
646000
3000
Einer der Nachteile davon ist,
11:04
is, as you scale things up --
262
649000
2000
sobald Sie alles vergrößern –
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
also wenn Sie viele Roboter haben, die das gleiche Objekt tragen,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
vergrößern Sie damit die Trägheit,
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
und damit zahlen Sie einen Preis; sie sind nicht mehr so wendig.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Aber Sie gewinnen einen Zuwachs an Traglast.
11:17
Another application I want to show you --
267
662000
2000
Eine andere Anwendug, die ich Ihnen zeigen will –
11:19
again, this is in our lab.
268
664000
2000
das ist wieder in unserem Labor.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Das ist die Arbeit von Quentin Lindsey, der ein Doktorand ist.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Sein Algorithmus sagt diesen Robotern,
11:26
how to autonomously build
271
671000
2000
wie sie autonom
11:28
cubic structures
272
673000
2000
würfelförmige Stukturen
11:30
from truss-like elements.
273
675000
3000
aus diesen Streben bauen können.
11:33
So his algorithm tells the robot
274
678000
2000
Sein Algorithmus sagt dem Roboter,
11:35
what part to pick up,
275
680000
2000
welches Stück er anheben soll,
11:37
when and where to place it.
276
682000
2000
und wann und wo er es platzieren soll.
11:39
So in this video you see --
277
684000
2000
Und in diesem Video sehen Sie –
11:41
and it's sped up 10, 14 times --
278
686000
2000
und es ist 10- oder 14-fach beschleunigt –
11:43
you see three different structures being built by these robots.
279
688000
3000
Sie sehen, wie diese Roboter drei verschiedene Strukturen bauen.
11:46
And again, everything is autonomous,
280
691000
2000
Und wieder, alles ist autonom,
11:48
and all Quentin has to do
281
693000
2000
und alles, was Quentin machen muss,
11:50
is to get them a blueprint
282
695000
2000
ist ihnen eine Blaupause zu besorgen
11:52
of the design that he wants to build.
283
697000
4000
von dem Design, das er bauen will.
11:56
So all these experiments you've seen thus far,
284
701000
3000
All die Experimente, die Sie bisher gesehen haben,
11:59
all these demonstrations,
285
704000
2000
all diese Demonstrationen,
12:01
have been done with the help of motion capture systems.
286
706000
3000
wurden mit Hilfe eines Motion-Capture-Systems durchgeführt.
12:04
So what happens when you leave your lab
287
709000
2000
Was passiert also, wenn man das Labor verlässt,
12:06
and you go outside into the real world?
288
711000
3000
und nach draußen in die wirkliche Welt geht?
12:09
And what if there's no GPS?
289
714000
3000
Und was, wenn es dort kein GPS gibt?
12:12
So this robot
290
717000
2000
Dieser Roboter
12:14
is actually equipped with a camera
291
719000
2000
wurde mit einer Kamera ausgestattet,
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
und einem Laser-Entfernungsmesser, einem Laser-Scanner.
12:19
And it uses these sensors
293
724000
2000
Und er benutzt diese Sensoren,
12:21
to build a map of the environment.
294
726000
2000
um eine Karte der Umgebung aufzubauen.
12:23
What that map consists of are features --
295
728000
3000
Diese Karte besteht aus besonderen Merkmalen
12:26
like doorways, windows,
296
731000
2000
wie Türen, Fenster
12:28
people, furniture --
297
733000
2000
Personen, Möbelstücke –
12:30
and it then figures out where its position is
298
735000
2000
und bestimmt dann seine Position
12:32
with respect to the features.
299
737000
2000
relativ zu diesen Merkmalen.
12:34
So there is no global coordinate system.
300
739000
2000
Es gibt also kein globales Koordinatensystem.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Das Koordinatensystem basiert auf dem Roboter,
12:39
where it is and what it's looking at.
302
744000
3000
wo er ist und was er anschaut.
12:42
And it navigates with respect to those features.
303
747000
3000
Und er navigiert relativ zu diesen Merkmalen.
12:45
So I want to show you a clip
304
750000
2000
Ich möchte in einem kurzen Film
12:47
of algorithms developed by Frank Shen
305
752000
2000
Algorithmen zeigen, die von Frank Shen
12:49
and Professor Nathan Michael
306
754000
2000
und Professor Nathan Michael entwickelt werden.
12:51
that shows this robot entering a building for the very first time
307
756000
4000
Er zeigt, wie ein Roboter ein Haus zum ersten Mal betritt
12:55
and creating this map on the fly.
308
760000
3000
und im Flug diese Karte erstellt.
12:58
So the robot then figures out what the features are.
309
763000
3000
Dieser Roboter findet heraus, was diese Merkmale sind.
13:01
It builds the map.
310
766000
2000
Und erstellt die Karte.
13:03
It figures out where it is with respect to the features
311
768000
2000
Er berechnet, wo er sich relativ zu den Merkmalen befindet,
13:05
and then estimates its position
312
770000
2000
und schätzt dann seine Position
13:07
100 times a second
313
772000
2000
100 Mal pro Sekunde,
13:09
allowing us to use the control algorithms
314
774000
2000
was uns erlaubt, die Kontrollalgorithmen zu benutzen,
13:11
that I described to you earlier.
315
776000
2000
die ich vorher beschrieben habe.
13:13
So this robot is actually being commanded
316
778000
2000
Dieser Roboter hier wird tatsächlich
13:15
remotely by Frank.
317
780000
2000
von Frank ferngesteuert.
13:17
But the robot can also figure out
318
782000
2000
Aber der Roboter kann auch alleine
13:19
where to go on its own.
319
784000
2000
herausfinden, wo er hin will.
13:21
So suppose I were to send this into a building
320
786000
2000
Angenommen, ich müsste ihn in ein Gebäude schicken
13:23
and I had no idea what this building looked like,
321
788000
2000
und ich wüsste überhaupt nicht, wie es aussieht,
13:25
I can ask this robot to go in,
322
790000
2000
Ich kann den Roboter bitten, hinein zu gehen,
13:27
create a map
323
792000
2000
eine Karte zu erstellen
13:29
and then come back and tell me what the building looks like.
324
794000
3000
wiederzukommen und mir zu sagen, wie das Gebäude aussieht.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
In diesem Fall löst der Roboter nicht nur das Problem
13:35
how to go from point A to point B in this map,
326
800000
3000
wie er von Punkt A zu Punkt B in dieser Karte kommt,
13:38
but it's figuring out
327
803000
2000
sonder er findet auch heraus,
13:40
what the best point B is at every time.
328
805000
2000
was der beste Punkt B zu jedem Zeitpunkt ist.
13:42
So essentially it knows where to go
329
807000
3000
Im Wesentlichen weiß er, wohin er gehen muss,
13:45
to look for places that have the least information.
330
810000
2000
um nach Orten zu suchen, über die er am wenigsten weiß.
13:47
And that's how it populates this map.
331
812000
3000
Und auf diese Weise erstellt er die Karte.
13:50
So I want to leave you
332
815000
2000
Ich würde Ihnen gern
13:52
with one last application.
333
817000
2000
noch eine letzte Anwendung zeigen.
13:54
And there are many applications of this technology.
334
819000
3000
Und es gibt viele Anwendungen für diese Technologie.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Ich bin ein Professor und wir haben eine Leidenschaft für die Ausbildung.
13:59
Robots like this can really change the way
336
824000
2000
Roboter wie dieser können wirklich den Unterricht
14:01
we do K through 12 education.
337
826000
2000
vom Kindergarten bis zum Schulabschluss veränden.
14:03
But we're in Southern California,
338
828000
2000
Aber wir sind hier in Südkalifornien,
14:05
close to Los Angeles,
339
830000
2000
in der Nähe von Los Angeles,
14:07
so I have to conclude
340
832000
2000
daher muss ich am Ende
14:09
with something focused on entertainment.
341
834000
2000
den Fokus auf die Unterhaltung richten.
14:11
I want to conclude with a music video.
342
836000
2000
Ich würde gerne mit einem Musikvideo schließen.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Ich würde gerne die Urheber vorstellen, Alex und Daniel,
14:16
who created this video.
344
841000
2000
die dieses Video gedreht haben.
14:18
(Applause)
345
843000
7000
(Applaus)
14:25
So before I play this video,
346
850000
2000
Aber bevor ich das Video abspiele,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
möche ich Ihnen sagen, dass sie es in den letzten drei Tagen gedreht haben,
14:30
after getting a call from Chris.
348
855000
2000
nachdem Chris sie angerufen hatte.
14:32
And the robots that play the video
349
857000
2000
Und die Roboter, die im Video spielen,
14:34
are completely autonomous.
350
859000
2000
sind völlig autonom.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Sie werden neun Roboter sehen, die sechs verschiedene Instrumente spielen.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Und natürlich wurde es exklusiv für TED 2012 gemacht.
14:43
Let's watch.
353
868000
3000
Schauen wir es uns an.
15:19
(Music)
354
904000
10000
(Musik)
16:23
(Applause)
355
968000
17000
(Applaus)
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