ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Vijay Kumar | Speaker | TED.com
TED2012

Vijay Kumar: Robots that fly ... and cooperate

Βιτζέι Κουμάρ: Ρομπότ που πετούν... και συνεργάζονται

Filmed:
5,188,706 views

Στο εργαστήριό του στο Πεν, ο Βιτζέι Κουμάρ και η ομάδα του δημιουργούν ιπτάμενα τετραπτέρυγα, μικρά, ευκίνητα ρομπότ που δημιουργούν σμήνη, αντιλαμβάνονται το ένα το άλλο και διαμορφώνουν αυτόνομες ομάδες για κατασκευές, καταγραφή καταστροφών και πολλά άλλα.
- 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

Double-click the English transcript below to play the video.

00:20
Good morningπρωί.
0
5000
2000
Καλημέρα.
00:22
I'm here todayσήμερα to talk
1
7000
2000
Είμαι εδώ σήμερα για να μιλήσω
00:24
about autonomousαυτονόμος, flyingπέταγμα beachπαραλία ballsαρχίδια.
2
9000
3000
για αυτόνομες, ιπτάμενες μπάλες βόλεϊ.
00:27
No, agileευέλικτη aerialεναέρια robotsρομπότ like this one.
3
12000
4000
Όχι -- Ευκίνητα ιπτάμενα ρομπότ σαν αυτό εδώ.
00:31
I'd like to tell you a little bitκομμάτι about the challengesπροκλήσεις in buildingΚτίριο these
4
16000
3000
Θα ήθελα να σας μιλήσω λίγο για τις προκλήσεις στη δημιουργία τους
00:34
and some of the terrificκαταπληκτική opportunitiesευκαιρίες
5
19000
2000
και για τις καταπληκτικές δυνατότητες
00:36
for applyingεφαρμόζοντας this technologyτεχνολογία.
6
21000
2000
στην εφαρμογή αυτής της τεχνολογίας.
00:38
So these robotsρομπότ
7
23000
2000
Αυτά, λοιπόν, τα ρομπότ
00:40
are relatedσχετίζεται με to unmannedμη επανδρωμένος aerialεναέρια vehiclesοχήματα.
8
25000
3000
σχετίζονται με τα μη επανδρωμένα αεροσκάφη.
00:43
HoweverΩστόσο, the vehiclesοχήματα you see here are bigμεγάλο.
9
28000
3000
Παρόλα αυτά, τα μέσα που βλέπετε εδώ είναι μεγάλα.
00:46
They weighζυγίζω thousandsχιλιάδες of poundsλίρες,
10
31000
2000
Ζυγίζουν μερικά εκατοντάδες κιλά,
00:48
are not by any meansπου σημαίνει agileευέλικτη.
11
33000
2000
και δεν είναι επ' ουδενί ευκίνητα.
00:50
They're not even autonomousαυτονόμος.
12
35000
2000
Δεν είναι καν αυτόνομα.
00:52
In factγεγονός, manyΠολλά of these vehiclesοχήματα
13
37000
2000
Για την ακρίβεια, πολλά από αυτά τα μέσα
00:54
are operatedλειτουργεί by flightπτήση crewsπληρώματα
14
39000
2000
ελέγχονται από πληρώματα ιπταμένων
00:56
that can includeπεριλαμβάνω multipleπολλαπλούς pilotsπιλότοι,
15
41000
3000
που μπορεί να περιλαμβάνουν πολλούς πιλότους,
00:59
operatorsφορείς εκμετάλλευσης of sensorsΑισθητήρες
16
44000
2000
χειριστές αισθητήρων
01:01
and missionαποστολή coordinatorsσυντονιστές.
17
46000
2000
και συντονιστές αποστολών.
01:03
What we're interestedενδιαφερόμενος in is developingανάπτυξη robotsρομπότ like this --
18
48000
2000
Αυτό που μας ενδιαφέρει είναι η ανάπτυξη ρομπότ σαν αυτά
01:05
and here are two other picturesεικόνες --
19
50000
2000
-- εδώ βλέπετε άλλες δύο φωτογραφίες --
01:07
of robotsρομπότ that you can buyαγορά off the shelfράφι.
20
52000
3000
εμπορικά ρομπότ για πώληση στο εμπόριο.
01:10
So these are helicoptersελικόπτερα with fourτέσσερα rotorsρότορες
21
55000
3000
Αυτά, λοιπόν, είναι ελικόπτερα με τέσσερις έλικες
01:13
and they're roughlyχονδρικά a meterμετρητής or so in scaleκλίμακα
22
58000
4000
μεγέθους περίπου ενός μέτρου
01:17
and weighζυγίζω severalαρκετά poundsλίρες.
23
62000
2000
και βάρους μερικών κιλών.
01:19
And so we retrofitεκ των υστέρων these with sensorsΑισθητήρες and processorsεπεξεργαστές,
24
64000
3000
Τα εξοπλίζουμε με αισθητήρες και επεξεργαστές,
01:22
and these robotsρομπότ can flyπετώ indoorsσε εσωτερικούς χώρους
25
67000
2000
και αυτά τα ρομπότ μπορούν να πετάξουν εντός κτιρίων
01:24
withoutχωρίς GPSGPS.
26
69000
2000
χωρίς GPS.
01:26
The robotρομπότ I'm holdingκράτημα in my handχέρι
27
71000
2000
Το ρομπότ που κρατάω στο χέρι μου
01:28
is this one,
28
73000
2000
είναι αυτό,
01:30
and it's been createdδημιουργήθηκε by two studentsΦοιτητές,
29
75000
3000
και δημιουργήθηκε από δύο φοιτητές,
01:33
AlexAlex and DanielΔανιήλ.
30
78000
2000
τον Άλεξ και τον Ντάνιελ.
01:35
So this weighsζυγίζει a little more
31
80000
2000
Αυτό, λοιπόν, ζυγίζει λίγο παραπάνω
01:37
than a tenthδέκατος of a poundλίβρα.
32
82000
2000
από 45 γραμμάρια.
01:39
It consumesκαταναλώνει about 15 wattswatt of powerεξουσία.
33
84000
2000
Καταναλώνει ενέργεια περίπου 15 βατ.
01:41
And as you can see,
34
86000
2000
Και, όπως μπορείτε να δείτε,
01:43
it's about eightοκτώ inchesίντσες in diameterδιάμετρος.
35
88000
2000
έχει διάμετρο περίπου 20 εκατοστά.
01:45
So let me give you just a very quickγρήγορα tutorialφροντιστήριο
36
90000
3000
Επιτρέψτε μου, λοιπόν, μία γρήγορη επίδειξη
01:48
on how these robotsρομπότ work.
37
93000
2000
για πώς λειτουργούν αυτά τα ρομπότ.
01:50
So it has fourτέσσερα rotorsρότορες.
38
95000
2000
Έχει, λοιπόν, τέσσερις έλικες.
01:52
If you spinγνέθω these rotorsρότορες at the sameίδιο speedΤαχύτητα,
39
97000
2000
Όταν οι έλικες περιστρέφονται με την ίδια ταχύτητα,
01:54
the robotρομπότ hoversαιωρείται.
40
99000
2000
το ρομπότ αιωρείται.
01:56
If you increaseαυξάνουν the speedΤαχύτητα of eachκαθε of these rotorsρότορες,
41
101000
3000
Εάν αυξήσετε την ταχύτητα ενός έλικα,
01:59
then the robotρομπότ fliesμύγες up, it acceleratesεπιταχύνει up.
42
104000
3000
τότε το ρομπότ σηκώνεται, επιταχύνει.
02:02
Of courseσειρά μαθημάτων, if the robotρομπότ were tiltedκλίση,
43
107000
2000
Φυσικά, εάν το ρομπότ πάρει κλίση,
02:04
inclinedμε κλίση to the horizontalοριζόντιος,
44
109000
2000
σε σχέση με το οριζόντιο επίπεδο,
02:06
then it would accelerateεπιταχύνω in this directionκατεύθυνση.
45
111000
3000
μετά θα επιταχύνει προς αυτή την κατεύθυνση.
02:09
So to get it to tiltκλίση, there's one of two waysτρόπους of doing it.
46
114000
3000
Για να το κάνετε να γείρει, υπάρχουν δύο τρόποι.
02:12
So in this pictureεικόνα
47
117000
2000
Σε αυτή, λοιπόν, την εικόνα
02:14
you see that rotorστροφείο fourτέσσερα is spinningκλώση fasterγρηγορότερα
48
119000
2000
μπορείτε να δείτε ότι ο τέταρτος έλικας περιστρέφεται ταχύτερα
02:16
and rotorστροφείο two is spinningκλώση slowerβραδύτερη.
49
121000
2000
και ο δεύτερος έλικας περιστρέφεται πιο αργά.
02:18
And when that happensσυμβαίνει
50
123000
2000
Και όταν συμβαίνει αυτό
02:20
there's momentστιγμή that causesαιτίες this robotρομπότ to rollρολό.
51
125000
3000
υπάρχει ένα σημείο που αναγκάζει το ρομπότ να περιστραφεί.
02:23
And the other way around,
52
128000
2000
Και αντίστροφα,
02:25
if you increaseαυξάνουν the speedΤαχύτητα of rotorστροφείο threeτρία
53
130000
3000
εάν αυξηθεί η ταχύτητα περιστροφής του τρίτου έλικα
02:28
and decreaseμείωση the speedΤαχύτητα of rotorστροφείο one,
54
133000
2000
και μειωθεί του πρώτου έλικα,
02:30
then the robotρομπότ pitchesγήπεδα forwardπρος τα εμπρός.
55
135000
3000
τότε το ρομπότ κινείται προς τα εμπρός.
02:33
And then finallyτελικά,
56
138000
2000
Και, τέλος,
02:35
if you spinγνέθω oppositeαπεναντι απο pairsζεύγη of rotorsρότορες
57
140000
2000
εάν περιστραφεί ένα αντιδιαμετρικό ζευγάρι έλικες
02:37
fasterγρηγορότερα than the other pairζεύγος,
58
142000
2000
γρηγορότερα από το άλλο ζευγάρι,
02:39
then the robotρομπότ yawsστροφή about the verticalκατακόρυφος axisάξονας.
59
144000
2000
τότε το ρομπότ περιστρέφεται στον κάθετο άξονα.
02:41
So an on-boardεπί του σκάφους processorεπεξεργαστή
60
146000
2000
Έτσι, ένας ενσωματωμένος επεξεργαστής
02:43
essentiallyουσιαστικά looksφαίνεται at what motionsπροτάσεις ψηφίσματος need to be executedεκτελέστηκαν
61
148000
3000
ουσιαστικά ελέγχει τις κινήσεις που πρέπει να εκτελεστούν
02:46
and combinesσυνδυάζει these motionsπροτάσεις ψηφίσματος
62
151000
2000
και συνδυάζει αυτές τις κινήσεις
02:48
and figuresαριθμούς out what commandsεντολές to sendστείλετε to the motorsκινητήρες
63
153000
3000
για να βρει ποιες εντολές πρέπει να στείλει στους έλικες
02:51
600 timesφορές a secondδεύτερος.
64
156000
2000
600 φορές το δευτερόλεπτο.
02:53
That's basicallyβασικα how this thing operatesλειτουργεί.
65
158000
2000
Αυτή είναι η βασική αρχή λειτουργίας του.
02:55
So one of the advantagesπλεονεκτήματα of this designσχέδιο
66
160000
2000
Έτσι, ένα από τα πλεονεκτήματα αυτού του σχεδιασμού
02:57
is, when you scaleκλίμακα things down,
67
162000
2000
είναι, όταν κατεβαίνουμε κλίμακα,
02:59
the robotρομπότ naturallyΦυσικά becomesγίνεται agileευέλικτη.
68
164000
3000
ότι το ρομπότ φυσικά γίνεται ευέλικτο.
03:02
So here R
69
167000
2000
Εδώ η τιμή R
03:04
is the characteristicχαρακτηριστικό γνώρισμα lengthμήκος of the robotρομπότ.
70
169000
2000
είναι το χαρακτηριστικό μήκος του ρομπότ.
03:06
It's actuallyπράγματι halfΉμισυ the diameterδιάμετρος.
71
171000
3000
Για την ακρίβεια, είναι το μισό της διαμέτρου.
03:09
And there are lots of physicalφυσικός parametersΠαράμετροι that changeαλλαγή
72
174000
3000
Και υπάρχουν πολλές φυσικές παράμετροι που αλλάζουν
03:12
as you reduceπεριορίζω R.
73
177000
2000
όσο μειώνεται το R.
03:14
The one that's the mostπλέον importantσπουδαίος
74
179000
2000
Αυτή που είναι η πιό σημαντική
03:16
is the inertiaαδράνεια or the resistanceαντίσταση to motionκίνηση.
75
181000
2000
είναι η αδράνεια ή η αντίσταση στην κίνηση.
03:18
So it turnsστροφές out,
76
183000
2000
Αποδεικνύεται, λοιπόν,
03:20
the inertiaαδράνεια, whichοι οποίες governsδιέπει angularΓωνιακή motionκίνηση,
77
185000
3000
πως η αδράνεια, που ρυθμίζει την γωνιακή κίνηση,
03:23
scalesΖυγός as a fifthπέμπτος powerεξουσία of R.
78
188000
3000
αυξάνει την τιμή του R στην πέμπτη δύναμη.
03:26
So the smallerμικρότερος you make R,
79
191000
2000
Όσο, λοιπόν, μικρότερη τιμή έχει το R,
03:28
the more dramaticallyδραματικά the inertiaαδράνεια reducesμειώνει την.
80
193000
3000
τόσο πιο εντυπωσιακά μειώνεται η αδράνεια.
03:31
So as a resultαποτέλεσμα, the angularΓωνιακή accelerationεπιτάχυνση,
81
196000
3000
Έτσι, ως αποτέλεσμα, η γωνιακή επιτάχυνση,
03:34
denotedσυμβολίζεται by GreekΕλληνικά letterεπιστολή alphaάλφα here,
82
199000
2000
που εδώ συμβολίζεται με το ελληνικό γράμμα άλφα,
03:36
goesπηγαίνει as one over R.
83
201000
2000
γίνεται 1 προς R.
03:38
It's inverselyαντιστρόφως proportionalαναλογικά to R.
84
203000
2000
Είναι αντιστρόφως ανάλογη του R.
03:40
The smallerμικρότερος you make it the more quicklyγρήγορα you can turnστροφή.
85
205000
3000
Όσο μικρότερη είναι, τόσο πιο γρήγορα γίνεται η περιστροφή.
03:43
So this should be clearΣαφή in these videosΒίντεο.
86
208000
2000
Αυτό φαίνεται ξεκάθαρα στα βίντεο.
03:45
At the bottomκάτω μέρος right you see a robotρομπότ
87
210000
3000
Κάτω δεξιά βλέπετε ένα ρομπότ
03:48
performingτην εκτέλεση a 360 degreeβαθμός flipαναρρίπτω
88
213000
2000
να κάνει μια περιστροφή 360 μοιρών
03:50
in lessπιο λιγο than halfΉμισυ a secondδεύτερος.
89
215000
2000
σε λιγότερο από μισό δευτερόλεπτο.
03:52
MultipleΠολλαπλές flipsΑναστρέφει, a little more time.
90
217000
3000
Πολλαπλές περιστροφές σε λίγο περισσότερο χρόνο.
03:55
So here the processesδιαδικασίες on boardσανίδα
91
220000
2000
Οι διεργασίες στην μητρική πλακέτα
03:57
are gettingνα πάρει feedbackανατροφοδότηση from accelerometersεπιταχυνσιόμετρα
92
222000
2000
παίρνουν πληροφορίες από επιταχυνσιόμετρα
03:59
and gyrosΓύρος on boardσανίδα
93
224000
2000
και ενσωματωμένα γυροσκόπια
04:01
and calculatingτον υπολογισμό των, like I said before,
94
226000
2000
και υπολογίζουν, όπως είπα πριν,
04:03
commandsεντολές at 600 timesφορές a secondδεύτερος
95
228000
2000
600 εντολές το δευτερόλεπτο
04:05
to stabilizeσταθεροποιώ this robotρομπότ.
96
230000
2000
για την σταθεροποίηση του ρομπότ.
04:07
So on the left, you see DanielΔανιήλ throwingρίψη this robotρομπότ up into the airαέρας.
97
232000
3000
Στα αριστερά, βλέπεται τον Ντάνιελ να πετάει το ρομπότ στον αέρα.
04:10
And it showsδείχνει you how robustεύρωστος the controlέλεγχος is.
98
235000
2000
Και φαίνεται πόσο ομαλός είναι ο έλεγχος.
04:12
No matterύλη how you throwβολή it,
99
237000
2000
Με οποιονδήποτε τρόπο και να το πετάξετε,
04:14
the robotρομπότ recoversανακτά and comesέρχεται back to him.
100
239000
4000
το ρομπότ επανέρχεται και γυρίζει πίσω σε αυτόν.
04:18
So why buildχτίζω robotsρομπότ like this?
101
243000
2000
Γιατί, λοιπόν, να φτιάξουμε τέτοια ρομπότ;
04:20
Well robotsρομπότ like this have manyΠολλά applicationsεφαρμογών.
102
245000
3000
Λοιπόν, αυτά τα ρομπότ έχουν πολλές εφαρμογές.
04:23
You can sendστείλετε them insideμέσα buildingsκτίρια like this
103
248000
3000
Μπορείτε να τα στείλετε στο εσωτερικό κτιρίων σαν αυτό
04:26
as first respondersανταποκρίθηκαν to look for intrudersεισβολείς,
104
251000
3000
ως τους πρώτους ανταποκριτές για να ψάξουν εισβολείς,
04:29
maybe look for biochemicalβιοχημική leaksδιαρροές,
105
254000
3000
ίσως για έλεγχο βιοχημικών διαρροών,
04:32
gaseousαέρια leaksδιαρροές.
106
257000
2000
διαρροών αερίων.
04:34
You can alsoεπίσης use them
107
259000
2000
Μπορούν ακόμα να χρησιμοποιηθούν
04:36
for applicationsεφαρμογών like constructionκατασκευή.
108
261000
2000
σε εργασίες όπως η κατασκευαστική.
04:38
So here are robotsρομπότ carryingμεταφέρουν beamsδοκάρια, columnsστήλες
109
263000
4000
Εδώ τα ρομπότ μεταφέρουν δοκούς, υποστυλώματα
04:42
and assemblingσυναρμολόγηση cube-likeκύβος-όπως structuresδομές.
110
267000
3000
και συναρμολογούν κατασκευές που μοιάζουν με κύβο.
04:45
I'll tell you a little bitκομμάτι more about this.
111
270000
3000
Θα σας πω για αυτό σε λίγο.
04:48
The robotsρομπότ can be used for transportingμεταφορά cargoφορτίο.
112
273000
3000
Τα ρομπότ μπορούν να χρησιμοποιηθούν για τη μεταφορά φορτίων.
04:51
So one of the problemsπροβλήματα with these smallμικρό robotsρομπότ
113
276000
3000
Ένα, λοιπόν, από τα προβλήματα με αυτά τα μικρά ρομπότ
04:54
is theirδικα τους payloadφορτίο επί πληρωμή carryingμεταφέρουν capacityχωρητικότητα.
114
279000
2000
είναι το ωφέλιμο φορτίο τους.
04:56
So you mightθα μπορούσε want to have multipleπολλαπλούς robotsρομπότ
115
281000
2000
Μπορεί, λοιπόν, να θέλετε πολλαπλά ρομπότ
04:58
carryμεταφέρω payloadsωφέλιμα φορτία.
116
283000
2000
να μεταφέρουν φορτία.
05:00
This is a pictureεικόνα of a recentπρόσφατος experimentπείραμα we did --
117
285000
2000
Αυτή είναι μια φωτογραφία από ένα πρόσφατο πείραμα που κάναμε
05:02
actuallyπράγματι not so recentπρόσφατος anymoreπια --
118
287000
2000
για την ακρίβεια δεν είναι και τόσο πρόσφατο πια --
05:04
in SendaiΣεντάι shortlyσύντομα after the earthquakeσεισμός.
119
289000
3000
στην Σεντάι αμέσως μετά τον σεισμό.
05:07
So robotsρομπότ like this could be sentΑπεσταλμένα into collapsedκαταρρεύσει buildingsκτίρια
120
292000
3000
Ρομπότ σαν και αυτά μπορούν να σταλούν σε γκρεμισμένα κτίρια
05:10
to assessεκτιμώ the damageβλάβη after naturalφυσικός disastersκαταστροφές,
121
295000
2000
για εκτίμηση ζημιών μετά από φυσικές καταστροφές
05:12
or sentΑπεσταλμένα into reactorαντιδραστήρας buildingsκτίρια
122
297000
3000
ή να σταλούν σε κτίρια αντιδραστήρων
05:15
to mapχάρτης radiationακτινοβολία levelsεπίπεδα.
123
300000
3000
για την καταγραφή των επιπέδων ακτινοβολίας.
05:19
So one fundamentalθεμελιώδης problemπρόβλημα
124
304000
2000
Έτσι, ένα βασικό πρόβλημα
05:21
that the robotsρομπότ have to solveλύσει if they're to be autonomousαυτονόμος
125
306000
3000
που πρέπει να λύσουν τα ρομπότ, εάν τα θέλουμε αυτόνομα,
05:24
is essentiallyουσιαστικά figuringκατανόηση out
126
309000
2000
είναι η εξεύρεση ενός τρόπου
05:26
how to get from pointσημείο A to pointσημείο B.
127
311000
2000
μετάβασης από το σημείο Α στο σημείο Β.
05:28
So this getsπαίρνει a little challengingπροκλητική
128
313000
2000
Αυτό αποτελεί μια μικρή πρόκληση,
05:30
because the dynamicsδυναμική of this robotρομπότ are quiteαρκετά complicatedπερίπλοκος.
129
315000
3000
γιατί η δυναμική αυτού του ρομπότ είναι αρκετά πολύπλοκη.
05:33
In factγεγονός, they liveζω in a 12-dimensional-διαστάσεων spaceχώρος.
130
318000
2000
Για την ακρίβεια, ζουν σε ένα χώρο 12 διαστάσεων.
05:35
So we use a little trickτέχνασμα.
131
320000
2000
Χρησιμοποιούμε, λοιπόν, ένα μικρό τέχνασμα.
05:37
We take this curvedκαμπύλο 12-dimensional-διαστάσεων spaceχώρος
132
322000
3000
Παίρνουμε αυτόν τον κυρτό χώρο των 12 διαστάσεων
05:40
and transformμεταμορφώνω it
133
325000
2000
και τον μετατρέπουμε
05:42
into a flatδιαμέρισμα four-dimensionalδιάστατη spaceχώρος.
134
327000
2000
σε έναν επίπεδο τετραδιάστατο χώρο.
05:44
And that four-dimensionalδιάστατη spaceχώρος
135
329000
2000
Και αυτός ο τετραδιάστατος χώρος
05:46
consistsαποτελείται of X, Y, Z and then the yawεκτροπής angleγωνία.
136
331000
3000
αποτελείται από τους άξονες X, Y, Z και την γωνία εκτροπής.
05:49
And so what the robotρομπότ does
137
334000
2000
Και αυτό που κάνει αυτό το ρομπότ
05:51
is it plansσχέδια what we call a minimumελάχιστο snapθραύση trajectoryτροχιά.
138
336000
4000
είναι να σχεδιάζει από που αποκαλούμε ελάχιστη διαδρομή.
05:55
So to remindυπενθυμίζω you of physicsη φυσικη,
139
340000
2000
Να σας θυμίσω από την Φυσική,
05:57
you have positionθέση, derivativeπαραγωγό, velocityταχύτητα,
140
342000
2000
έχουμε την θέση, κατεύθυνση, ταχύτητα,
05:59
then accelerationεπιτάχυνση,
141
344000
2000
μετά την επιτάχυνση
06:01
and then comesέρχεται jerkμαλάκας
142
346000
2000
και μετά έχουμε μια απότομη κίνηση
06:03
and then comesέρχεται snapθραύση.
143
348000
2000
και μετά έρχεται η διαδρομή.
06:05
So this robotρομπότ minimizesελαχιστοποιεί τις snapθραύση.
144
350000
3000
Αυτό, λοιπόν, το ρομπότ ελαχιστοποιεί τη διαδρομή.
06:08
So what that effectivelyαποτελεσματικά does
145
353000
2000
Αυτό που πετυχαίνει
06:10
is producesπαράγει a smoothλείος and gracefulχαριτωμένη motionκίνηση.
146
355000
2000
είναι να παράγει μια ομαλή και χαριτωμένη κίνηση.
06:12
And it does that avoidingαποφεύγοντας obstaclesεμπόδια.
147
357000
3000
Και αυτό το κάνει με το να αποφεύγει εμπόδια.
06:15
So these minimumελάχιστο snapθραύση trajectoriesτροχιές in this flatδιαμέρισμα spaceχώρος
148
360000
3000
Αυτές, λοιπόν, οι ελάχιστες διαδρομές στον επίπεδο χώρο
06:18
are then transformedμεταμορφώθηκε back
149
363000
2000
μετατρέπονται ξανά και δίνονται πίσω
06:20
into this complicatedπερίπλοκος 12-dimensional-διαστάσεων spaceχώρος,
150
365000
2000
σε αυτόν τον πολύπλοκο χώρο των 12 διαστάσεων,
06:22
whichοι οποίες the robotρομπότ mustπρέπει do
151
367000
2000
τις οποίες πρέπει να εκτελέσει το ρομπότ
06:24
for controlέλεγχος and then executionεκτέλεση.
152
369000
2000
για έλεγχο και μετά για εκτέλεση.
06:26
So let me showπροβολή you some examplesπαραδείγματα
153
371000
2000
Επιτρέψτε μου να σας δείξω μερικά παραδείγματα
06:28
of what these minimumελάχιστο snapθραύση trajectoriesτροχιές look like.
154
373000
2000
για το πώς είναι αυτές οι ελάχιστες τροχιές.
06:30
And in the first videoβίντεο,
155
375000
2000
Και, στο πρώτο βίντεο,
06:32
you'llθα το κάνετε see the robotρομπότ going from pointσημείο A to pointσημείο B
156
377000
2000
βλέπετε ένα ρομπότ να πηγαίνει από το σημείο Α στο σημείο Β
06:34
throughδιά μέσου an intermediateενδιάμεσος pointσημείο.
157
379000
2000
μέσω ενός ενδιάμεσου σημείου.
06:42
So the robotρομπότ is obviouslyπροφανώς capableικανός
158
387000
2000
Αυτό, λοιπόν, το ρομπότ είναι ικανό
06:44
of executingεκτέλεση any curveκαμπύλη trajectoryτροχιά.
159
389000
2000
να εκτελέσει οποιαδήποτε καμπύλη τροχιά.
06:46
So these are circularεγκύκλιος trajectoriesτροχιές
160
391000
2000
Αυτές είναι κυκλικές τροχιές
06:48
where the robotρομπότ pullsτραβάει about two G'sG.
161
393000
3000
όπου το ρομπότ δέχεται επιτάχυνση περίπου 2G.
06:52
Here you have overheadεπιβάρυνση motionκίνηση captureπιάνω camerasκάμερες on the topμπλουζα
162
397000
4000
Εδώ έχουμε κάμερες γενικής καταγραφής της κίνησης στην κορυφή
06:56
that tell the robotρομπότ where it is 100 timesφορές a secondδεύτερος.
163
401000
3000
που ενημερώνουν το ρομπότ για τη θέση του 100 φορές το δευτερόλεπτο.
06:59
It alsoεπίσης tellsλέει the robotρομπότ where these obstaclesεμπόδια are.
164
404000
3000
Επίσης, ενημερώνει το ρομπότ που είναι αυτά τα εμπόδια.
07:02
And the obstaclesεμπόδια can be movingκίνηση.
165
407000
2000
Και τα εμπόδια μπορεί να είναι κινούμενα.
07:04
And here you'llθα το κάνετε see DanielΔανιήλ throwβολή this hoopΤελάρο into the airαέρας,
166
409000
3000
Εδώ βλέπετε τον Ντάνιελ να πετάει μια στεφάνη στον αέρα,
07:07
while the robotρομπότ is calculatingτον υπολογισμό των the positionθέση of the hoopΤελάρο
167
412000
2000
ενώ το ρομπότ υπολογίζει τη θέση της στεφάνης
07:09
and tryingπροσπαθεί to figureεικόνα out how to bestκαλύτερος go throughδιά μέσου the hoopΤελάρο.
168
414000
4000
και προσπαθεί να προσδιορίσει πώς να περάσει με βέλτιστο τρόπο μέσα από αυτήν.
07:13
So as an academicακαδημαϊκός,
169
418000
2000
Σαν ακαδημαϊκοί,
07:15
we're always trainedεκπαιδευμένο to be ableικανός to jumpάλμα throughδιά μέσου hoopsστεφάνες to raiseαύξηση fundingχρηματοδότηση for our labsεργαστήρια,
170
420000
3000
έχουμε μάθει να πηδάμε μέσα από στεφάνες ώστε να μαζέψουμε χρήματα για τα εργαστήριά μας
07:18
and we get our robotsρομπότ to do that.
171
423000
3000
και μαθαίνουμε και στα ρομπότ μας να κάνουν το ίδιο.
07:21
(ApplauseΧειροκροτήματα)
172
426000
6000
(Χειροκρότημα)
07:27
So anotherαλλο thing the robotρομπότ can do
173
432000
2000
Κάτι άλλο που μπορεί να κάνει το ρομπότ
07:29
is it remembersθυμάται piecesκομμάτια of trajectoryτροχιά
174
434000
3000
είναι να θυμάται τμήματα της πορείας του
07:32
that it learnsμαθαίνει or is pre-programmedπρο-προγραμματισμένο.
175
437000
2000
που μαθαίνει ή έχει προγραμματιστεί.
07:34
So here you see the robotρομπότ
176
439000
2000
Εδώ, λοιπόν, βλέπετε ένα ρομπότ
07:36
combiningσυνδυάζοντας a motionκίνηση
177
441000
2000
να συνδυάζει μια κίνηση
07:38
that buildsχτίζει up momentumορμή
178
443000
2000
που χτίζεται δυναμικά
07:40
and then changesαλλαγές its orientationπροσανατολισμός and then recoversανακτά.
179
445000
3000
και μετά αλλάζει προσανατολισμό και μετά επανέρχεται.
07:43
So it has to do this because this gapχάσμα in the windowπαράθυρο
180
448000
3000
Πρέπει να το κάνει αυτό, γιατί αυτό το κενό στο παράθυρο
07:46
is only slightlyελαφρώς largerμεγαλύτερος than the widthπλάτος of the robotρομπότ.
181
451000
4000
είναι ελαφρώς μεγαλύτερο από το πλάτος του ρομπότ.
07:50
So just like a diverδύτης standsπερίπτερα on a springboardσανίδα εκπηδήσεως δύτου
182
455000
3000
Όπως όταν ένας καταδύτης στέκεται στο βατήρα
07:53
and then jumpsάλματα off it to gainκέρδος momentumορμή,
183
458000
2000
και μετά πηδάει από αυτόν για να αποκτήσει ορμή,
07:55
and then does this pirouetteπιρουέτα, this two and a halfΉμισυ somersaultΤούμπα throughδιά μέσου
184
460000
3000
και μετά κάνει αυτή την πιρουέτα, την δυόμιση περιστροφών
07:58
and then gracefullyχαριτωμένα recoversανακτά,
185
463000
2000
και μετά επανέρχεται με χάρη.
08:00
this robotρομπότ is basicallyβασικα doing that.
186
465000
2000
Αυτή είναι η βασική λειτουργία του ρομπότ.
08:02
So it knowsξέρει how to combineσυνδυασμός little bitsbits and piecesκομμάτια of trajectoriesτροχιές
187
467000
3000
Γνωρίζει πως να συνδυάσει μικρά κομμάτια από τροχιές
08:05
to do these fairlyαρκετά difficultδύσκολος tasksκαθήκοντα.
188
470000
4000
για να κάνει αυτές τις αρκετά δύσκολες διαδρομές.
08:09
So I want changeαλλαγή gearsγρανάζια.
189
474000
2000
Ας αλλάξουμε θέμα.
08:11
So one of the disadvantagesμειονεκτήματα of these smallμικρό robotsρομπότ is its sizeμέγεθος.
190
476000
3000
Ένα από τα μειονεκτήματα αυτών των μικρών ρομπότ είναι το μέγεθός τους.
08:14
And I told you earlierνωρίτερα
191
479000
2000
Και, όπως σας είπα νωρίτερα,
08:16
that we mayενδέχεται want to employχρησιμοποιώ lots and lots of robotsρομπότ
192
481000
2000
μπορεί να θέλουμε να χρησιμοποιήσουμε πάρα πολλά ρομπότ
08:18
to overcomeκαταβάλλω the limitationsπεριορισμούς of sizeμέγεθος.
193
483000
3000
για να υπερβούμε τους περιορισμούς του μεγέθους.
08:21
So one difficultyδυσκολία
194
486000
2000
Έτσι, μια δυσκολία
08:23
is how do you coordinateσυντεταγμένων lots of these robotsρομπότ?
195
488000
3000
είναι πώς συντονίζεις όλα αυτά τα ρομπότ;
08:26
And so here we lookedκοίταξε to natureφύση.
196
491000
2000
Εδώ, λοιπόν, εξετάσαμε τι συμβαίνει στη φύση.
08:28
So I want to showπροβολή you a clipσυνδετήρας
197
493000
2000
Θέλω, λοιπόν, να σας δείξω ένα βίντεο
08:30
of AphaenogasterAphaenogaster desertέρημος antsτα μυρμήγκια
198
495000
2000
με αυστραλιανά μυρμήγκια της ερήμου
08:32
in ProfessorΚαθηγητής StephenΣτεφάνου Pratt'sPratt's labεργαστήριο carryingμεταφέρουν an objectαντικείμενο.
199
497000
3000
στο εργαστήριο του καθηγητή Στίβεν Πρατ όπου μεταφέρουν ένα αντικείμενο.
08:35
So this is actuallyπράγματι a pieceκομμάτι of figσύκο.
200
500000
2000
Για την ακρίβεια αυτό είναι ένα κομμάτι σύκου.
08:37
ActuallyΣτην πραγματικότητα you take any objectαντικείμενο coatedμε επικάλυψη with figσύκο juiceχυμός
201
502000
2000
Για την ακρίβεια, οτιδήποτε είναι επικαλυμμένο με χυμό σύκου
08:39
and the antsτα μυρμήγκια will carryμεταφέρω them back to the nestφωλιά.
202
504000
3000
τα μυρμήγκια θα το μεταφέρουν στη φωλιά.
08:42
So these antsτα μυρμήγκια don't have any centralκεντρικός coordinatorΣυντονιστής.
203
507000
3000
Αυτά, λοιπόν, τα μυρμήγκια δεν έχουν κάποιον κεντρικό συντονιστή.
08:45
They senseέννοια theirδικα τους neighborsγείτονες.
204
510000
2000
Νιώθουν τους γείτονές τους.
08:47
There's no explicitσαφής communicationεπικοινωνία.
205
512000
2000
Δεν υπάρχει σαφής επικοινωνία.
08:49
But because they senseέννοια the neighborsγείτονες
206
514000
2000
Αλλά, λόγω του ότι νιώθουν τους γείτονές τους,
08:51
and because they senseέννοια the objectαντικείμενο,
207
516000
2000
και επειδή νιώθουν το αντικείμενο,
08:53
they have implicitσιωπηρή coordinationσυντονισμός acrossαπέναντι the groupομάδα.
208
518000
3000
έχουν σαφή συντονισμό μέσα στην ομάδα.
08:56
So this is the kindείδος of coordinationσυντονισμός
209
521000
2000
Τέτοιου είδους συντονισμό
08:58
we want our robotsρομπότ to have.
210
523000
3000
θέλουμε να έχουν τα ρομπότ μας.
09:01
So when we have a robotρομπότ
211
526000
2000
Έχουμε, λοιπόν, ένα ρομπότ
09:03
whichοι οποίες is surroundedπεριβάλλεται by neighborsγείτονες --
212
528000
2000
που περιτριγυρίζεται από γείτονες
09:05
and let's look at robotρομπότ I and robotρομπότ J --
213
530000
2000
και ας δούμε τα ρομπότ I και J --
09:07
what we want the robotsρομπότ to do
214
532000
2000
αυτό που θέλουμε τα ρομπότ να κάνουν
09:09
is to monitorοθόνη the separationδιαχωρισμός betweenμεταξύ them
215
534000
3000
είναι να παρακολουθούν τις αποστάσεις μεταξύ τους
09:12
as they flyπετώ in formationσχηματισμός.
216
537000
2000
καθώς πετούν σε σχηματισμό.
09:14
And then you want to make sure
217
539000
2000
Και θέλουμε να είμαστε σίγουροι
09:16
that this separationδιαχωρισμός is withinστα πλαίσια acceptableδεκτός levelsεπίπεδα.
218
541000
2000
ότι αυτές οι αποστάσεις είναι μέσα σε αποδεκτά όρια.
09:18
So again the robotsρομπότ monitorοθόνη this errorλάθος
219
543000
3000
Ξαναλέω, τα ρομπότ ελέγχουν αυτό το σφάλμα
09:21
and calculateυπολογίζω the controlέλεγχος commandsεντολές
220
546000
2000
και υπολογίζουν τις εντολές ελέγχου
09:23
100 timesφορές a secondδεύτερος,
221
548000
2000
100 φορές το δευτερόλεπτο,
09:25
whichοι οποίες then translatesμεταφράζει to the motorμοτέρ commandsεντολές 600 timesφορές a secondδεύτερος.
222
550000
3000
που μετά μεταφράζονται στον ρότορα σε 600 φορές το δευτερόλεπτο.
09:28
So this alsoεπίσης has to be doneΈγινε
223
553000
2000
Αυτό, λοιπόν, πρέπει να γίνεται
09:30
in a decentralizedαποκεντρωμένη way.
224
555000
2000
με έναν αποκεντρωτικό τρόπο.
09:32
Again, if you have lots and lots of robotsρομπότ,
225
557000
2000
Ξανά, εάν έχετε πάρα πολλά ρομπότ,
09:34
it's impossibleαδύνατο to coordinateσυντεταγμένων all this informationπληροφορίες centrallyσε κεντρική τοποθεσία
226
559000
4000
είναι αδύνατος ο κεντρικός συντονισμός όλης αυτής της πληροφορίας
09:38
fastγρήγορα enoughαρκετά in orderΣειρά for the robotsρομπότ to accomplishολοκληρώσει the taskέργο.
227
563000
3000
τόσο γρήγορα ώστε τα ρομπότ να εκτελέσουν το έργο.
09:41
PlusΣυν the robotsρομπότ have to baseβάση theirδικα τους actionsΕνέργειες
228
566000
2000
Συν το ότι τα ρομπότ πρέπει να βασίζουν τις ενέργειές τους
09:43
only on localτοπικός informationπληροφορίες,
229
568000
2000
μόνο στις τοπικές πληροφορίες,
09:45
what they senseέννοια from theirδικα τους neighborsγείτονες.
230
570000
2000
τι νιώθουν από τους γείτονές τους.
09:47
And then finallyτελικά,
231
572000
2000
Και, τέλος,
09:49
we insistεπιμένουν that the robotsρομπότ be agnosticαγνωστικιστής
232
574000
2000
επιμένουμε ότι τα ρομπότ πρέπει να είναι αδιάφορα
09:51
to who theirδικα τους neighborsγείτονες are.
233
576000
2000
για το ποιοι είναι οι γείτονές τους.
09:53
So this is what we call anonymityανωνυμία.
234
578000
3000
Είναι αυτό που ονομάζουμε ανωνυμία.
09:56
So what I want to showπροβολή you nextεπόμενος
235
581000
2000
Αυτό, λοιπόν, που θέλω να σας δείξω
09:58
is a videoβίντεο
236
583000
2000
είναι ένα βίντεο
10:00
of 20 of these little robotsρομπότ
237
585000
3000
από 20 τέτοια μικρά ρομπότ
10:03
flyingπέταγμα in formationσχηματισμός.
238
588000
2000
που πετούν σε σχηματισμό.
10:05
They're monitoringπαρακολούθησης theirδικα τους neighbors'των γειτόνων positionθέση.
239
590000
3000
Παρακολουθούν την κίνηση των διπλανών τους.
10:08
They're maintainingδιατηρώντας formationσχηματισμός.
240
593000
2000
Διατηρούν τον σχηματισμό.
10:10
The formationsσχηματισμοί can changeαλλαγή.
241
595000
2000
Ο σχηματισμός μπορεί να αλλάξει.
10:12
They can be planarPlanar formationsσχηματισμοί,
242
597000
2000
Μπορεί να είναι επίπεδοι σχηματισμοί,
10:14
they can be three-dimensionalτρισδιάστατο formationsσχηματισμοί.
243
599000
2000
μπορεί να είναι τρισδιάστατοι σχηματισμοί.
10:16
As you can see here,
244
601000
2000
Όπως μπορείτε να δείτε εδώ,
10:18
they collapseκατάρρευση from a three-dimensionalτρισδιάστατο formationσχηματισμός into planarPlanar formationσχηματισμός.
245
603000
3000
μεταπίπτουν από έναν τρισδιάστατο σε έναν επίπεδο σχηματισμό.
10:21
And to flyπετώ throughδιά μέσου obstaclesεμπόδια
246
606000
2000
Και για να πετάξουν μέσα από αντικείμενα
10:23
they can adaptπροσαρμόζω the formationsσχηματισμοί on the flyπετώ.
247
608000
4000
μπορούν να προσαρμόσουν τους σχηματισμούς στον αέρα.
10:27
So again, these robotsρομπότ come really closeΚοντά togetherμαζί.
248
612000
3000
Ξαναλέω ότι, αυτά τα ρομπότ ήρθαν πολύ κοντά μεταξύ τους.
10:30
As you can see in this figure-eightσχήμα οκτώ flightπτήση,
249
615000
2000
Όπως μπορείτε να δείτε σε αυτή την πτήση σχήματος "8",
10:32
they come withinστα πλαίσια inchesίντσες of eachκαθε other.
250
617000
2000
πλησιάζουν σε απόσταση εκατοστών το ένα από το άλλο.
10:34
And despiteπαρά the aerodynamicαεροδυναμικός interactionsαλληλεπιδράσεις
251
619000
3000
Και παρά τις αεροδυναμικές αλληλεπιδράσεις
10:37
of these propellerέλικα bladesλεπίδες,
252
622000
2000
από τους έλικες,
10:39
they're ableικανός to maintainδιατηρούν stableσταθερός flightπτήση.
253
624000
2000
μπορούν να διατηρήσουν σταθερή πτήση.
10:41
(ApplauseΧειροκροτήματα)
254
626000
7000
(Χειροκρότημα)
10:48
So onceμια φορά you know how to flyπετώ in formationσχηματισμός,
255
633000
2000
Από τη στιγμή που ξέρουν πως να πετάξουν σε σχηματισμούς,
10:50
you can actuallyπράγματι pickδιαλέγω up objectsαντικείμενα cooperativelyσυνεργατικά.
256
635000
2000
μπορούν να σηκώσουν αντικείμενα συνεργατικά.
10:52
So this just showsδείχνει
257
637000
2000
Αυτό μας δείχνει
10:54
that we can doubleδιπλό, tripleτριπλούς, quadrupleΤετράκλινο
258
639000
3000
πως μπορούμε να διπλασιάσουμε, τριπλασιάσουμε, τετραπλασιάσουμε
10:57
the robotρομπότ strengthδύναμη
259
642000
2000
τη δύναμη των ρομπότ
10:59
by just gettingνα πάρει them to teamομάδα with neighborsγείτονες, as you can see here.
260
644000
2000
απλά σχηματίζοντας ομάδες με γείτονες, όπως μπορείτε να δείτε εδώ.
11:01
One of the disadvantagesμειονεκτήματα of doing that
261
646000
3000
Ένα από τα μειονεκτήματα αυτού είναι,
11:04
is, as you scaleκλίμακα things up --
262
649000
2000
καθώς ανεβαίνουμε κλίμακα.
11:06
so if you have lots of robotsρομπότ carryingμεταφέρουν the sameίδιο thing,
263
651000
2000
εάν έχουμε πολλά ρομπότ που μεταφέρουν το ίδιο αντικείμενο,
11:08
you're essentiallyουσιαστικά effectivelyαποτελεσματικά increasingαυξάνεται the inertiaαδράνεια,
264
653000
3000
έχετε στην ουσία αποτελεσματική αύξηση της αδράνειας,
11:11
and thereforeεπομένως you payπληρωμή a priceτιμή; they're not as agileευέλικτη.
265
656000
3000
και επομένως πληρώνουμε το τίμημα: δεν είναι τόσο ευκίνητα.
11:14
But you do gainκέρδος in termsόροι of payloadφορτίο επί πληρωμή carryingμεταφέρουν capacityχωρητικότητα.
266
659000
3000
Αλλά κερδίζετε σε ωφέλιμο φορτίο.
11:17
AnotherΈνα άλλο applicationεφαρμογή I want to showπροβολή you --
267
662000
2000
Μία άλλη εφαρμογή που θέλω να σας δείξω
11:19
again, this is in our labεργαστήριο.
268
664000
2000
ξανά από το εργαστήριό μας.
11:21
This is work doneΈγινε by QuentinQuentin LindseyLindsey who'sποιος είναι a graduateαποφοιτώ studentμαθητης σχολειου.
269
666000
2000
Η εργασία αυτή έχει γίνει από τον τελειόφοιτο Κουέντιν Λίντσεϊ.
11:23
So his algorithmαλγόριθμος essentiallyουσιαστικά tellsλέει these robotsρομπότ
270
668000
3000
Ο αλγόριθμός του στην ουσία λέει σε αυτά τα ρομπότ
11:26
how to autonomouslyαυτόνομα buildχτίζω
271
671000
2000
πως να χτίσουν αυτόνομα
11:28
cubicΚυβικά structuresδομές
272
673000
2000
κυβικές κατασκευές
11:30
from truss-likeδένω-όπως elementsστοιχεία.
273
675000
3000
από μικές σανίδες.
11:33
So his algorithmαλγόριθμος tellsλέει the robotρομπότ
274
678000
2000
Ο αλγόριθμός του λέει στο ρομπότ
11:35
what partμέρος to pickδιαλέγω up,
275
680000
2000
ποιο μέρος να σηκώσει,
11:37
when and where to placeθέση it.
276
682000
2000
πότε και που να το τοποθετήσει.
11:39
So in this videoβίντεο you see --
277
684000
2000
Σε αυτό το βίντεο βλέπετε
11:41
and it's spedεπιτάχυνε up 10, 14 timesφορές --
278
686000
2000
-- είναι επιταγχυμένο κατά 10 - 14 φορές --
11:43
you see threeτρία differentδιαφορετικός structuresδομές beingνα εισαι builtχτισμένο by these robotsρομπότ.
279
688000
3000
βλέπετε τρεις διαφορετικές κατασκευές να χτίζονται από αυτά τα ρομπότ.
11:46
And again, everything is autonomousαυτονόμος,
280
691000
2000
Επαναλαμβάνω, όλα είναι αυτόνομα
11:48
and all QuentinQuentin has to do
281
693000
2000
και το μόνο που πρέπει να κάνει ο Κουέντιν
11:50
is to get them a blueprintσχεδιάγραμμα
282
695000
2000
είναι να τους δώσει ένα σχεδιάγραμμα
11:52
of the designσχέδιο that he wants to buildχτίζω.
283
697000
4000
αυτού που θέλει να κατασκευάσει.
11:56
So all these experimentsπειράματα you've seenείδα thusέτσι farμακριά,
284
701000
3000
Όλα αυτά τα πειράματα που είδαμε μέχρι στιγμής,
11:59
all these demonstrationsδιαδηλώσεις,
285
704000
2000
όλες αυτές οι παρουσιάσεις,
12:01
have been doneΈγινε with the help of motionκίνηση captureπιάνω systemsσυστήματα.
286
706000
3000
έχουν γίνει με τη βοήθεια συστήματων καταγραφής κίνησης.
12:04
So what happensσυμβαίνει when you leaveάδεια your labεργαστήριο
287
709000
2000
Τι γίνεται όμως εάν αφήσουμε το εργαστήριο
12:06
and you go outsideεξω απο into the realπραγματικός worldκόσμος?
288
711000
3000
και πάμε έξω στον πραγματικό κόσμο;
12:09
And what if there's no GPSGPS?
289
714000
3000
Και τι γίνεται όταν δεν υπάρχει διαθέσιμο GPS;
12:12
So this robotρομπότ
290
717000
2000
Αυτό, λοιπόν, το ρομπότ
12:14
is actuallyπράγματι equippedεξοπλισμένο with a cameraΦΩΤΟΓΡΑΦΙΚΗ ΜΗΧΑΝΗ
291
719000
2000
είναι εξοπλισμένο με μία κάμερα
12:16
and a laserλέιζερ rangefinderαποστασιόμετρο, laserλέιζερ scannerερευνητής.
292
721000
3000
και ένα τηλέμετρο λέιζερ, σαρωτή λέιζερ.
12:19
And it usesχρήσεις these sensorsΑισθητήρες
293
724000
2000
Και χρησιμοποιεί αυτούς τους αισθητήρες
12:21
to buildχτίζω a mapχάρτης of the environmentπεριβάλλον.
294
726000
2000
για να χαρτογραφήσει το περιβάλλοντα χώρο.
12:23
What that mapχάρτης consistsαποτελείται of are featuresχαρακτηριστικά --
295
728000
3000
Αυτός ο χάρτης αποτελείται από χαρακτηριστικά
12:26
like doorwaysπόρτες, windowsπαράθυρα,
296
731000
2000
-- όπως εισόδους, παράθυρα,
12:28
people, furnitureέπιπλα --
297
733000
2000
ανθρώπους, έπιπλα --
12:30
and it then figuresαριθμούς out where its positionθέση is
298
735000
2000
και μετά υπολογίζει που βρίσκεται
12:32
with respectΣεβασμός to the featuresχαρακτηριστικά.
299
737000
2000
σε σχέση με αυτά τα χαρακτηριστικά.
12:34
So there is no globalπαγκόσμια coordinateσυντεταγμένων systemΣύστημα.
300
739000
2000
Δεν υπάρχει, λοιπόν, ένα παγκόσμιο σύστημα συντεταγμένων.
12:36
The coordinateσυντεταγμένων systemΣύστημα is definedορίζεται basedμε βάση on the robotρομπότ,
301
741000
3000
Το σύστημα συντεταγμένων καθορίζεται σε σχέση με το ρομπότ,
12:39
where it is and what it's looking at.
302
744000
3000
που βρίσκεται και προς τα που έχει στραφεί.
12:42
And it navigatesμεταβαίνει with respectΣεβασμός to those featuresχαρακτηριστικά.
303
747000
3000
Και πλοηγείται σε σχέση με αυτά τα χαρακτηριστικά.
12:45
So I want to showπροβολή you a clipσυνδετήρας
304
750000
2000
Θέλω να σας δείξω ένα απόσπασμα
12:47
of algorithmsαλγορίθμους developedαναπτηγμένος by FrankΦρανκ ShenΟ Σεν
305
752000
2000
από αλγόριθμους που ανέπτυξε ο Φράνκ Σεν
12:49
and ProfessorΚαθηγητής NathanNathan MichaelΜιχαήλ
306
754000
2000
και ο καθηγητής Νέιθαν Μάικλ
12:51
that showsδείχνει this robotρομπότ enteringεισερχόμενοι a buildingΚτίριο for the very first time
307
756000
4000
που δείχνει αυτό το ρομπότ να μπαίνει σε ένα κτίριο για πρώτη φορά
12:55
and creatingδημιουργώντας this mapχάρτης on the flyπετώ.
308
760000
3000
και να δημιουργεί τον χάρτη επιτόπου.
12:58
So the robotρομπότ then figuresαριθμούς out what the featuresχαρακτηριστικά are.
309
763000
3000
Έτσι, το ρομπότ βρίσκει ποια χαρακτηριστικά υπάρχουν.
13:01
It buildsχτίζει the mapχάρτης.
310
766000
2000
Δημιουργεί τον χάρτη.
13:03
It figuresαριθμούς out where it is with respectΣεβασμός to the featuresχαρακτηριστικά
311
768000
2000
Βρίσκει τη θέση του σε σχέση με τα χαρακτηριστικά
13:05
and then estimatesυπολογίζει its positionθέση
312
770000
2000
και μετά εκτιμά την θέση του
13:07
100 timesφορές a secondδεύτερος
313
772000
2000
100 φορές το δευτερόλεπτο
13:09
allowingεπιτρέποντας us to use the controlέλεγχος algorithmsαλγορίθμους
314
774000
2000
επιτρέποντάς μας να χρησιμοποιήσουμε τους αλγορίθμους ελέγχου
13:11
that I describedπεριγράφεται to you earlierνωρίτερα.
315
776000
2000
που σας περιέγραψα νωρίτερα.
13:13
So this robotρομπότ is actuallyπράγματι beingνα εισαι commandedδιέταξε
316
778000
2000
Στην ουσία το ρομπότ παίρνει εντολές
13:15
remotelyεξ αποστάσεως by FrankΦρανκ.
317
780000
2000
εξ' αποστάσεως από τον Φράνκ.
13:17
But the robotρομπότ can alsoεπίσης figureεικόνα out
318
782000
2000
Αλλά το ρομπότ μπορεί επίσης να υπολογίσει
13:19
where to go on its ownτα δικά.
319
784000
2000
που να πάει από μόνο του.
13:21
So supposeυποθέτω I were to sendστείλετε this into a buildingΚτίριο
320
786000
2000
Υποθέστε, λοιπόν, ότι πρέπει να το στείλω σε ένα κτίριο
13:23
and I had no ideaιδέα what this buildingΚτίριο lookedκοίταξε like,
321
788000
2000
που δεν έχω ιδέα πώς είναι,
13:25
I can askπαρακαλώ this robotρομπότ to go in,
322
790000
2000
μπορώ να ζητήσω στο ρομπότ να μπει μέσα,
13:27
createδημιουργώ a mapχάρτης
323
792000
2000
να δημιουργήσει έναν χάρτη
13:29
and then come back and tell me what the buildingΚτίριο looksφαίνεται like.
324
794000
3000
και μετά να επιστρέψει και να μου πει πώς είναι το κτίριο.
13:32
So here, the robotρομπότ is not only solvingεπίλυση the problemπρόβλημα,
325
797000
3000
Εδώ, λοιπόν, το ρομπότ όχι μόνο λύνει το πρόβλημα,
13:35
how to go from pointσημείο A to pointσημείο B in this mapχάρτης,
326
800000
3000
του πώς να πάω από το σημείο Α στο σημείο Β του χάρτη,
13:38
but it's figuringκατανόηση out
327
803000
2000
αλλά βρίσκει
13:40
what the bestκαλύτερος pointσημείο B is at everyκάθε time.
328
805000
2000
ποιο είναι το καλύτερο σημείο Β κάθε φορά.
13:42
So essentiallyουσιαστικά it knowsξέρει where to go
329
807000
3000
Στην ουσία γνωρίζει που να πάει
13:45
to look for placesθέσεις that have the leastελάχιστα informationπληροφορίες.
330
810000
2000
για να βρει σημεία που έχουν την μικρότερη πληροφορία.
13:47
And that's how it populatesσυμπληρώνει this mapχάρτης.
331
812000
3000
Με αυτόν τον τρόπο συμπληρώνει τον χάρτη.
13:50
So I want to leaveάδεια you
332
815000
2000
Θα ήθελα να σας αφήσω
13:52
with one last applicationεφαρμογή.
333
817000
2000
με μια τελευταία εφαρμογή.
13:54
And there are manyΠολλά applicationsεφαρμογών of this technologyτεχνολογία.
334
819000
3000
Και υπάρχουν πολλές εφαρμογές για αυτή την τεχνολογία.
13:57
I'm a professorκαθηγητής, and we're passionateπαθιασμένος about educationεκπαίδευση.
335
822000
2000
Είμαι καθηγητής και είμαστε παθιασμένοι με την εκπαίδευση.
13:59
RobotsΡομπότ like this can really changeαλλαγή the way
336
824000
2000
Ρομπότ σαν αυτό μπορούν πραγματικά να αλλάξουν τον τρόπο
14:01
we do K throughδιά μέσου 12 educationεκπαίδευση.
337
826000
2000
με τον οποίο διδάσκουμε την υποχρεωτική εκπαίδευση.
14:03
But we're in SouthernΝότια CaliforniaΚαλιφόρνια,
338
828000
2000
Αλλά, είμαστε στην Νότια Καλιφόρνια,
14:05
closeΚοντά to LosΛος AngelesΆντζελες,
339
830000
2000
κοντά στο Λος Άντζελες,
14:07
so I have to concludeκαταλήγω
340
832000
2000
οπότε θα πρέπει να τελειώσω
14:09
with something focusedεστιασμένη on entertainmentψυχαγωγία.
341
834000
2000
με κάτι σχετικό με την διασκέδαση.
14:11
I want to concludeκαταλήγω with a musicΜΟΥΣΙΚΗ videoβίντεο.
342
836000
2000
Θέλω να κλείσω με ένα μουσικό βίντεο.
14:13
I want to introduceπαρουσιάζω the creatorsδημιουργοί, AlexAlex and DanielΔανιήλ,
343
838000
3000
Θα ήθελα να σας παρουσιάσω τους δημιουργούς, Άλεξ και Ντάνιελ,
14:16
who createdδημιουργήθηκε this videoβίντεο.
344
841000
2000
που έφτιαξαν αυτό το βίντεο
14:18
(ApplauseΧειροκροτήματα)
345
843000
7000
(Χειροκρότημα)
14:25
So before I playπαίζω this videoβίντεο,
346
850000
2000
Πριν, λοιπόν, παρουσιάσω αυτό το βίντεο,
14:27
I want to tell you that they createdδημιουργήθηκε it in the last threeτρία daysημέρες
347
852000
3000
θέλω να σας πω ότι το δημιούργησαν τις τελευταίες τρεις μέρες
14:30
after gettingνα πάρει a call from ChrisChris.
348
855000
2000
μόλις δέχθηκαν το τηλεφώνημα του Κρις.
14:32
And the robotsρομπότ that playπαίζω the videoβίντεο
349
857000
2000
Και τα ρομπότ που φαίνονται στο βίντεο
14:34
are completelyεντελώς autonomousαυτονόμος.
350
859000
2000
είναι πλήρως αυτόνομα.
14:36
You will see nineεννέα robotsρομπότ playπαίζω sixέξι differentδιαφορετικός instrumentsόργανα.
351
861000
3000
Θα δείτε εννέα ρομπότ να παίζουν έξι διαφορετικά όργανα.
14:39
And of courseσειρά μαθημάτων, it's madeέκανε exclusivelyαποκλειστικά for TEDTED 2012.
352
864000
4000
Και, φυσικά, φτιάχτηκε ειδικά για το TED 2012.
14:43
Let's watch.
353
868000
3000
Ας το παρακολουθήσουμε.
15:19
(MusicΜουσική)
354
904000
10000
(Μουσική)
16:23
(ApplauseΧειροκροτήματα)
355
968000
17000
(Χειροκρότημα)
Translated by Nikolaos Benias
Reviewed by Lazaros Boudakidis

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Vijay Kumar | Speaker | TED.com