TED2012
Vijay Kumar: Robots that fly ... and cooperate
Vjay Kumar: robots que vuelan... y cooperan
Filmed:
Readability: 4.5
5,188,706 views
En su laboratorio de la Universidad de Pensilvania, Vijay Kumar y su equipo, crean cuadricópteros. Son robots pequeños y ágiles que forman enjambres, se perciben unos a otros y forman equipos ad hoc... para la construcción, para la inspección de desastres y mucho más.
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
Buenos días.
00:22
I'm here today to talk
1
7000
2000
Hoy vine a hablarles
00:24
about autonomous, flying beach balls.
2
9000
3000
de las pelotas de playa voladoras.
00:27
No, agile aerial robots like this one.
3
12000
4000
No, de robots ágiles aéreos como este.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Me gustaría hablar un poco de los desafíos de su construcción
00:34
and some of the terrific opportunities
5
19000
2000
y de algunas aplicaciones fabulosas
00:36
for applying this technology.
6
21000
2000
de esta tecnología.
00:38
So these robots
7
23000
2000
Estos robots están emparentados
00:40
are related to unmanned aerial vehicles.
8
25000
3000
con los vehículos aéreos no tripulados.
00:43
However, the vehicles you see here are big.
9
28000
3000
Sin embargo, los vehículos que ven aquí son grandes.
00:46
They weigh thousands of pounds,
10
31000
2000
Pesan miles de kilos
00:48
are not by any means agile.
11
33000
2000
no son ágiles, en absoluto.
00:50
They're not even autonomous.
12
35000
2000
Ni siquiera son autónomos.
00:52
In fact, many of these vehicles
13
37000
2000
De hecho, muchos de estos vehículos
00:54
are operated by flight crews
14
39000
2000
son operados por tripulaciones de vuelo
00:56
that can include multiple pilots,
15
41000
3000
que pueden contar con varios pilotos,
00:59
operators of sensors
16
44000
2000
operadores de sensores
01:01
and mission coordinators.
17
46000
2000
y coordinadores de misión.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Nos interesa desarrollar robots como este
01:05
and here are two other pictures --
19
50000
2000
-aquí hay dos fotos más
01:07
of robots that you can buy off the shelf.
20
52000
3000
de robots que se comercializan.
01:10
So these are helicopters with four rotors
21
55000
3000
Estos son helicópteros con cuatro rotores
01:13
and they're roughly a meter or so in scale
22
58000
4000
miden más o menos un metro a escala
01:17
and weigh several pounds.
23
62000
2000
y pesan cientos de gramos.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Nosotros adaptamos estos robots con sensores y procesadores
01:22
and these robots can fly indoors
25
67000
2000
para que puedan volar
01:24
without GPS.
26
69000
2000
sin GPS.
01:26
The robot I'm holding in my hand
27
71000
2000
El robot que tengo en la mano
01:28
is this one,
28
73000
2000
es éste,
01:30
and it's been created by two students,
29
75000
3000
y fue creado por dos estudiantes,
01:33
Alex and Daniel.
30
78000
2000
Alex y Daniel.
01:35
So this weighs a little more
31
80000
2000
Este pesa
01:37
than a tenth of a pound.
32
82000
2000
unos 50 gramos.
01:39
It consumes about 15 watts of power.
33
84000
2000
Consume unos 15 vatios de potencia.
01:41
And as you can see,
34
86000
2000
Y, como pueden ver,
01:43
it's about eight inches in diameter.
35
88000
2000
mide unos 20 cm de diámetro.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Así que voy a dar un tutorial rápido
01:48
on how these robots work.
37
93000
2000
sobre su funcionamiento.
01:50
So it has four rotors.
38
95000
2000
Tiene cuatro rotores.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Si los cuatro rotores giran a la misma velocidad
01:54
the robot hovers.
40
99000
2000
lo hacen cernerse.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Al aumentar la velocidad de cada uno de los rotores
01:59
then the robot flies up, it accelerates up.
42
104000
3000
el robot vuela hacia arriba, acelera.
02:02
Of course, if the robot were tilted,
43
107000
2000
Claro, si el robot estuviera inclinado
02:04
inclined to the horizontal,
44
109000
2000
respecto a la horizontal
02:06
then it would accelerate in this direction.
45
111000
3000
aceleraría en esa dirección.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Hay dos maneras de hacer que se incline.
02:12
So in this picture
47
117000
2000
En esta imagen
02:14
you see that rotor four is spinning faster
48
119000
2000
ven que el rotor 4 gira más rápido
02:16
and rotor two is spinning slower.
49
121000
2000
y que el rotor 2 gira más despacio.
02:18
And when that happens
50
123000
2000
Cuando ocurre eso
02:20
there's moment that causes this robot to roll.
51
125000
3000
se produce un impulso que lo hace rodar.
02:23
And the other way around,
52
128000
2000
Y, al revés,
02:25
if you increase the speed of rotor three
53
130000
3000
si se incrementa la velocidad del rotor 3
02:28
and decrease the speed of rotor one,
54
133000
2000
y decrementa la del rotor 1,
02:30
then the robot pitches forward.
55
135000
3000
se lanza hacia adelante.
02:33
And then finally,
56
138000
2000
Y, por último,
02:35
if you spin opposite pairs of rotors
57
140000
2000
si se giran los pares opuestos de rotores
02:37
faster than the other pair,
58
142000
2000
más rápido que los otros pares,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
el robot vira en torno al eje vertical.
02:41
So an on-board processor
60
146000
2000
Un procesador de a bordo
02:43
essentially looks at what motions need to be executed
61
148000
3000
analiza los movimientos a ejecutar,
02:46
and combines these motions
62
151000
2000
combina estos movimientos
02:48
and figures out what commands to send to the motors
63
153000
3000
y calcula los comandos a enviar a los motores
02:51
600 times a second.
64
156000
2000
600 veces por segundo.
02:53
That's basically how this thing operates.
65
158000
2000
Básicamente, así funciona.
02:55
So one of the advantages of this design
66
160000
2000
Una de las ventajas de este diseño
02:57
is, when you scale things down,
67
162000
2000
es que, al disminuir la escala,
02:59
the robot naturally becomes agile.
68
164000
3000
el robot es naturalmente más ágil.
03:02
So here R
69
167000
2000
Aquí R
03:04
is the characteristic length of the robot.
70
169000
2000
es la longitud característica del robot.
03:06
It's actually half the diameter.
71
171000
3000
Es la mitad del diámetro.
03:09
And there are lots of physical parameters that change
72
174000
3000
Hay muchos parámetros físicos que cambian
03:12
as you reduce R.
73
177000
2000
al reducir R.
03:14
The one that's the most important
74
179000
2000
Uno de los más importantes
03:16
is the inertia or the resistance to motion.
75
181000
2000
es la inercia o resistencia al movimiento.
03:18
So it turns out,
76
183000
2000
Resulta que
03:20
the inertia, which governs angular motion,
77
185000
3000
la inercia, que regula el movimiento angular,
03:23
scales as a fifth power of R.
78
188000
3000
se eleva a la quinta potencia de R.
03:26
So the smaller you make R,
79
191000
2000
Así, cuanto más chica es R
03:28
the more dramatically the inertia reduces.
80
193000
3000
más acentuadamente se reduce la inercia.
03:31
So as a result, the angular acceleration,
81
196000
3000
Como resultado, la aceleración angular,
03:34
denoted by Greek letter alpha here,
82
199000
2000
denotada aquí con la letra griega alfa,
03:36
goes as one over R.
83
201000
2000
es 1 sobre R.
03:38
It's inversely proportional to R.
84
203000
2000
Es inversamente proporcional a R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Cuanto más chica sea R, más rápido se puede girar.
03:43
So this should be clear in these videos.
86
208000
2000
Esto debería quedar claro con estos videos.
03:45
At the bottom right you see a robot
87
210000
3000
Abajo a la derecha se ve un robot
03:48
performing a 360 degree flip
88
213000
2000
que da un giro de 360 grados
03:50
in less than half a second.
89
215000
2000
en menos de medio segundo.
03:52
Multiple flips, a little more time.
90
217000
3000
Y varios giros en un poco más de tiempo.
03:55
So here the processes on board
91
220000
2000
Aquí los procesos de a bordo
03:57
are getting feedback from accelerometers
92
222000
2000
reciben respuesta de los acelerómetros
03:59
and gyros on board
93
224000
2000
y giroscopios de a bordo
04:01
and calculating, like I said before,
94
226000
2000
y calculan comandos, como dije antes,
04:03
commands at 600 times a second
95
228000
2000
600 veces por segundo
04:05
to stabilize this robot.
96
230000
2000
para estabilizar al robot.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
A la izquierda ven a Daniel que arroja el robot al aire.
04:10
And it shows you how robust the control is.
98
235000
2000
Eso muestra la robustez del control.
04:12
No matter how you throw it,
99
237000
2000
Sin importar como uno lo lance,
04:14
the robot recovers and comes back to him.
100
239000
4000
el robot se recupera y regresa a su mano.
04:18
So why build robots like this?
101
243000
2000
¿Por qué construir robots así?
04:20
Well robots like this have many applications.
102
245000
3000
Bien, estos robots tienen muchas aplicaciones.
04:23
You can send them inside buildings like this
103
248000
3000
Se los puede enviar a edificios como este,
04:26
as first responders to look for intruders,
104
251000
3000
como primera repuesta en busca de intrusos,
04:29
maybe look for biochemical leaks,
105
254000
3000
o en busca de escapes bioquímicos,
04:32
gaseous leaks.
106
257000
2000
o de una fuga de gas.
04:34
You can also use them
107
259000
2000
Se los puede usar también
04:36
for applications like construction.
108
261000
2000
en la construcción.
04:38
So here are robots carrying beams, columns
109
263000
4000
Aquí hay robots que transportan vigas y columnas
04:42
and assembling cube-like structures.
110
267000
3000
que montan estructuras cúbicas.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Les contaré más al respecto.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Pueden usarse en el transporte de carga.
04:51
So one of the problems with these small robots
113
276000
3000
Pero uno de los problemas de estos pequeños robots
04:54
is their payload carrying capacity.
114
279000
2000
es su capacidad de carga útil.
04:56
So you might want to have multiple robots
115
281000
2000
Por eso querríamos distribuir la carga útil
04:58
carry payloads.
116
283000
2000
en varios robots.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Esta es una imagen de un experimento reciente
05:02
actually not so recent anymore --
118
287000
2000
-ya no tan reciente-
05:04
in Sendai shortly after the earthquake.
119
289000
3000
en Sendai, poco después del terremoto.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Podrían enviarse robots como este a edificios derrumbados
05:10
to assess the damage after natural disasters,
121
295000
2000
para evaluar los daños luego de desastres naturales
05:12
or sent into reactor buildings
122
297000
3000
o a edificios radiactivos
05:15
to map radiation levels.
123
300000
3000
para medir el nivel de radiación.
05:19
So one fundamental problem
124
304000
2000
Un problema fundamental
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
que tienen que resolver los robots para ser autónomos
05:24
is essentially figuring out
126
309000
2000
es averiguar
05:26
how to get from point A to point B.
127
311000
2000
cómo llegar del punto A al punto B.
05:28
So this gets a little challenging
128
313000
2000
Esto se hace un poco difícil
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
porque la dinámica de este robot es muy complicada.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
De hecho, opera en un espacio de 12 dimensiones.
05:35
So we use a little trick.
131
320000
2000
Por eso usamos un truco.
05:37
We take this curved 12-dimensional space
132
322000
3000
Usamos este espacio curvo de 12 dimensiones
05:40
and transform it
133
325000
2000
y lo transformamos
05:42
into a flat four-dimensional space.
134
327000
2000
en un espacio plano de 4 dimensiones.
05:44
And that four-dimensional space
135
329000
2000
Y ese espacio de 4 dimensiones
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
está formado por X, Y, Z y el ángulo de viraje.
05:49
And so what the robot does
137
334000
2000
Así, el robot planifica
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
lo que denominamos la trayectoria de sacudida mínima.
05:55
So to remind you of physics,
139
340000
2000
Recordando un poco de física,
05:57
you have position, derivative, velocity,
140
342000
2000
tenemos la posición, la derivada, la velocidad,
05:59
then acceleration,
141
344000
2000
luego la aceleración,
06:01
and then comes jerk
142
346000
2000
luego viene el tirón
06:03
and then comes snap.
143
348000
2000
y después la sacudida (snap).
06:05
So this robot minimizes snap.
144
350000
3000
Este robot minimiza la sacudida.
06:08
So what that effectively does
145
353000
2000
Y eso da como resultado
06:10
is produces a smooth and graceful motion.
146
355000
2000
un movimiento suave y elegante.
06:12
And it does that avoiding obstacles.
147
357000
3000
Y todo eso, evitando obstáculos.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Estas trayectorias de sacudida mínima en el espacio plano
06:18
are then transformed back
149
363000
2000
luego son transformadas
06:20
into this complicated 12-dimensional space,
150
365000
2000
en este espacio complicado de 12 dimensiones
06:22
which the robot must do
151
367000
2000
que el robot debe realizar
06:24
for control and then execution.
152
369000
2000
para el control y posterior ejecución.
06:26
So let me show you some examples
153
371000
2000
Les mostraré algunos ejemplos
06:28
of what these minimum snap trajectories look like.
154
373000
2000
de trayectorias de sacudida mínima.
06:30
And in the first video,
155
375000
2000
En el primer video
06:32
you'll see the robot going from point A to point B
156
377000
2000
verán al robot ir del punto A al punto B,
06:34
through an intermediate point.
157
379000
2000
pasando por un punto intermedio.
06:42
So the robot is obviously capable
158
387000
2000
El robot puede recorrer
06:44
of executing any curve trajectory.
159
389000
2000
cualquier trayectoria curva.
06:46
So these are circular trajectories
160
391000
2000
En estas trayectorias circulares
06:48
where the robot pulls about two G's.
161
393000
3000
el robot experimenta unas dos fuerzas G.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
En la parte superior hay cámaras aéreas de captura de movimiento
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
que le indican al robot dónde está, 100 veces por segundo.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Además, le dicen dónde están los obstáculos.
07:02
And the obstacles can be moving.
165
407000
2000
Los obstáculos pueden moverse.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Y aquí vemos a Daniel lanzando el aro al aire
07:07
while the robot is calculating the position of the hoop
167
412000
2000
mientras el robot calcula la posición del aro
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
y trata de averiguar la mejor manera de atravesarlo.
07:13
So as an academic,
169
418000
2000
Como académicos,
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
estamos entrenados para saltar aros y así conseguir fondos para el laboratorio
07:18
and we get our robots to do that.
171
423000
3000
y logramos que nuestros robots lo hagan.
07:21
(Applause)
172
426000
6000
(Aplausos)
07:27
So another thing the robot can do
173
432000
2000
Otra cosa que puede hacer el robot
07:29
is it remembers pieces of trajectory
174
434000
3000
es recordar partes de la trayectoria
07:32
that it learns or is pre-programmed.
175
437000
2000
que aprende o que tiene pre-programada.
07:34
So here you see the robot
176
439000
2000
Por eso aquí ven al robot
07:36
combining a motion
177
441000
2000
combinando un movimiento
07:38
that builds up momentum
178
443000
2000
que acumula impulso,
07:40
and then changes its orientation and then recovers.
179
445000
3000
después cambia su orientación y luego se recupera.
07:43
So it has to do this because this gap in the window
180
448000
3000
Tiene que hacerlo porque el hueco de la ventana
07:46
is only slightly larger than the width of the robot.
181
451000
4000
es ligeramente más grande que el ancho del robot.
07:50
So just like a diver stands on a springboard
182
455000
3000
Así, al igual que un clavadista se para en el trampolín
07:53
and then jumps off it to gain momentum,
183
458000
2000
luego salta para ganar impulso,
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
hace esa pirueta, dos saltos mortales y medio
07:58
and then gracefully recovers,
185
463000
2000
y se recupera con gracia;
08:00
this robot is basically doing that.
186
465000
2000
este robot hace básicamente eso.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Sabe cómo combinar pequeños tramos de trayectorias
08:05
to do these fairly difficult tasks.
188
470000
4000
para realizar estas tareas bastante difíciles.
08:09
So I want change gears.
189
474000
2000
Quiero cambiar de marcha.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Una de las desventajas de estos pequeños robots es el tamaño.
08:14
And I told you earlier
191
479000
2000
Como les dije antes
08:16
that we may want to employ lots and lots of robots
192
481000
2000
quisiéramos emplear gran cantidad de robots
08:18
to overcome the limitations of size.
193
483000
3000
para sortear las limitaciones del tamaño.
08:21
So one difficulty
194
486000
2000
Y una de las dificultades
08:23
is how do you coordinate lots of these robots?
195
488000
3000
es la manera de coordinar muchos de estos robots.
08:26
And so here we looked to nature.
196
491000
2000
Por eso recurrimos a la naturaleza.
08:28
So I want to show you a clip
197
493000
2000
Quiero mostrarles un video
08:30
of Aphaenogaster desert ants
198
495000
2000
de las hormigas aphaenogasters del desierto
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
cargando un objeto en el lab. del Profesor Stephen Pratt
08:35
So this is actually a piece of fig.
200
500000
2000
Es un pedacito de higo.
08:37
Actually you take any object coated with fig juice
201
502000
2000
En realidad, cualquier objeto cubierto con jugo de higo sirve
08:39
and the ants will carry them back to the nest.
202
504000
3000
para que las hormigas lo lleven al hormiguero.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Estas hormigas no tienen un coordinador central.
08:45
They sense their neighbors.
204
510000
2000
Detectan a sus vecinas.
08:47
There's no explicit communication.
205
512000
2000
No hay comunicación explícita.
08:49
But because they sense the neighbors
206
514000
2000
Pero como detectan a sus vecinas
08:51
and because they sense the object,
207
516000
2000
y detectan al objeto
08:53
they have implicit coordination across the group.
208
518000
3000
tienen, como grupo, una coordinación implícita.
08:56
So this is the kind of coordination
209
521000
2000
Ese es el tipo de coordinación
08:58
we want our robots to have.
210
523000
3000
que queremos para nuestros robots.
09:01
So when we have a robot
211
526000
2000
Cuando tenemos un robot
09:03
which is surrounded by neighbors --
212
528000
2000
rodeado por vecinos
09:05
and let's look at robot I and robot J --
213
530000
2000
-miremos al robot I y al J-
09:07
what we want the robots to do
214
532000
2000
queremos que los robots
09:09
is to monitor the separation between them
215
534000
3000
controlen la separación entre ellos
09:12
as they fly in formation.
216
537000
2000
mientras vuelan en formación,
09:14
And then you want to make sure
217
539000
2000
y asegurarnos
09:16
that this separation is within acceptable levels.
218
541000
2000
de que la separación entre ellos sea aceptable.
09:18
So again the robots monitor this error
219
543000
3000
De nuevo, los robots controlan este error
09:21
and calculate the control commands
220
546000
2000
y calculan los comandos correctivos
09:23
100 times a second,
221
548000
2000
100 veces por segundo
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
que luego se traducen en comandos al motor, 600 veces por segundo.
09:28
So this also has to be done
223
553000
2000
Esto tiene que hacerse
09:30
in a decentralized way.
224
555000
2000
de manera descentralizada.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Otra vez, si tenemos muchos robots
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
es imposible coordinarlos con información centralizada
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
lo suficientemente rápido como para que cumplan la tarea.
09:41
Plus the robots have to base their actions
228
566000
2000
Además, los robots tienen que basar sus acciones
09:43
only on local information,
229
568000
2000
sólo en la información local
09:45
what they sense from their neighbors.
230
570000
2000
que detecten de sus vecinos.
09:47
And then finally,
231
572000
2000
Y, finalmente,
09:49
we insist that the robots be agnostic
232
574000
2000
insistimos en que los robots desconozcan
09:51
to who their neighbors are.
233
576000
2000
quiénes son sus vecinos.
09:53
So this is what we call anonymity.
234
578000
3000
Esto es lo que llamamos anonimato.
09:56
So what I want to show you next
235
581000
2000
Ahora quiero mostrarles
09:58
is a video
236
583000
2000
un video
10:00
of 20 of these little robots
237
585000
3000
de 20 pequeños robots
10:03
flying in formation.
238
588000
2000
que vuelan en formación.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Observan la posición de sus vecinos.
10:08
They're maintaining formation.
240
593000
2000
Mantienen la formación.
10:10
The formations can change.
241
595000
2000
Las formaciones pueden cambiar.
10:12
They can be planar formations,
242
597000
2000
Pueden ser formaciones planas,
10:14
they can be three-dimensional formations.
243
599000
2000
pueden ser tridimensionales.
10:16
As you can see here,
244
601000
2000
Como pueden ver aquí
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
pasan de una formación tridimensional a una formación plana.
10:21
And to fly through obstacles
246
606000
2000
Y para volar sorteando obstáculos
10:23
they can adapt the formations on the fly.
247
608000
4000
pueden modificar las formaciones sobre la marcha.
10:27
So again, these robots come really close together.
248
612000
3000
Estos robots pueden acercarse mucho unos a otros.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Como pueden ver en este vuelo en forma de 8,
10:32
they come within inches of each other.
250
617000
2000
están a centímetros unos de otros.
10:34
And despite the aerodynamic interactions
251
619000
3000
Y a pesar de las interacciones aerodinámicas
10:37
of these propeller blades,
252
622000
2000
de las palas de las hélices,
10:39
they're able to maintain stable flight.
253
624000
2000
pueden mantener un vuelo estable.
10:41
(Applause)
254
626000
7000
(Aplausos)
10:48
So once you know how to fly in formation,
255
633000
2000
Así que una vez que uno sabe volar en formación,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
puede levantar objetos en forma colaborativa.
10:52
So this just shows
257
637000
2000
Esto demuestra
10:54
that we can double, triple, quadruple
258
639000
3000
que podemos duplicar, triplicar, cuadruplicar,
10:57
the robot strength
259
642000
2000
la fuerza del robot
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
con sólo hacerlo trabajar en equipo con sus vecinos, como ven aquí.
11:01
One of the disadvantages of doing that
261
646000
3000
Una de las desventajas de esto,
11:04
is, as you scale things up --
262
649000
2000
a medida que agrandamos la escala,
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
es que si tenemos muchos robots llevando la misma cosa
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
efectivamente aumentamos la inercia
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
y por ende pagamos un precio: no son tan ágiles.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Pero lo ganamos en términos de capacidad de carga útil.
11:17
Another application I want to show you --
267
662000
2000
Esta es otra aplicación que quiero mostrarles
11:19
again, this is in our lab.
268
664000
2000
de nuestro laboratorio.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Es un trabajo de Quentin Lindsey, un estudiante graduado.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Su algoritmo le dice al robot
11:26
how to autonomously build
271
671000
2000
cómo construir en forma autónoma
11:28
cubic structures
272
673000
2000
estructuras cúbicas
11:30
from truss-like elements.
273
675000
3000
con armazones.
11:33
So his algorithm tells the robot
274
678000
2000
Su algoritmo le dice al robot
11:35
what part to pick up,
275
680000
2000
qué parte levantar,
11:37
when and where to place it.
276
682000
2000
cuándo y dónde ubicarlo.
11:39
So in this video you see --
277
684000
2000
En este video vemos
11:41
and it's sped up 10, 14 times --
278
686000
2000
-está acelerado de 10 a 14 veces-
11:43
you see three different structures being built by these robots.
279
688000
3000
a los robots construyendo tres estructuras diferentes
11:46
And again, everything is autonomous,
280
691000
2000
Y nuevamente de manera autónoma,
11:48
and all Quentin has to do
281
693000
2000
lo que Quentin hace
11:50
is to get them a blueprint
282
695000
2000
es darles un plano
11:52
of the design that he wants to build.
283
697000
4000
del diseño que quiere que construyan.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Todos estos experimentos que hemos visto hasta ahora,
11:59
all these demonstrations,
285
704000
2000
todas estas demostraciones,
12:01
have been done with the help of motion capture systems.
286
706000
3000
requieren sistemas de captura de movimiento.
12:04
So what happens when you leave your lab
287
709000
2000
Pero, ¿qué pasa cuando salimos del laboratorio
12:06
and you go outside into the real world?
288
711000
3000
y vamos al mundo real?
12:09
And what if there's no GPS?
289
714000
3000
¿Y si no hay GPS?
12:12
So this robot
290
717000
2000
Pues este robot
12:14
is actually equipped with a camera
291
719000
2000
está equipado con una cámara
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
y un telémetro láser de Hokuyo.
12:19
And it uses these sensors
293
724000
2000
Y usa estos sensores
12:21
to build a map of the environment.
294
726000
2000
para trazar un mapa del entorno.
12:23
What that map consists of are features --
295
728000
3000
Ese mapa tiene características
12:26
like doorways, windows,
296
731000
2000
como puertas, ventanas,
12:28
people, furniture --
297
733000
2000
gente, muebles...
12:30
and it then figures out where its position is
298
735000
2000
y calcula su posición
12:32
with respect to the features.
299
737000
2000
respecto de esas características.
12:34
So there is no global coordinate system.
300
739000
2000
No hay sistema de posicionamiento global.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
El sistema de coordenadas se define respecto del robot,
12:39
where it is and what it's looking at.
302
744000
3000
dónde está y hacia dónde mira.
12:42
And it navigates with respect to those features.
303
747000
3000
Y navega siguiendo estas características.
12:45
So I want to show you a clip
304
750000
2000
Por eso quiero mostrarles un video
12:47
of algorithms developed by Frank Shen
305
752000
2000
de algoritmos desarrollados por Frank Shen
12:49
and Professor Nathan Michael
306
754000
2000
y el profesor Nathan Michael
12:51
that shows this robot entering a building for the very first time
307
756000
4000
que muestra al robot entrando por primera vez al edificio
12:55
and creating this map on the fly.
308
760000
3000
y trazando este mapa sobre la marcha.
12:58
So the robot then figures out what the features are.
309
763000
3000
El robot descubre las características.
13:01
It builds the map.
310
766000
2000
Traza el mapa.
13:03
It figures out where it is with respect to the features
311
768000
2000
Descubre dónde está respecto de las características
13:05
and then estimates its position
312
770000
2000
y luego estima su posición
13:07
100 times a second
313
772000
2000
100 veces por segundo
13:09
allowing us to use the control algorithms
314
774000
2000
y nos permite usar los algoritmos de control
13:11
that I described to you earlier.
315
776000
2000
que les describí antes.
13:13
So this robot is actually being commanded
316
778000
2000
Así que este robot es comandado
13:15
remotely by Frank.
317
780000
2000
a distancia por Frank.
13:17
But the robot can also figure out
318
782000
2000
Pero el robot puede averiguar
13:19
where to go on its own.
319
784000
2000
a dónde ir por su cuenta.
13:21
So suppose I were to send this into a building
320
786000
2000
Supongan que lo enviara a un edificio
13:23
and I had no idea what this building looked like,
321
788000
2000
y no tuviera idea del aspecto del edificio,
13:25
I can ask this robot to go in,
322
790000
2000
puedo pedirle al robot que entre,
13:27
create a map
323
792000
2000
que trace un mapa
13:29
and then come back and tell me what the building looks like.
324
794000
3000
y luego regrese y me diga cómo es el edificio.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
Aquí, el robot no sólo resuelve el problema
13:35
how to go from point A to point B in this map,
326
800000
3000
de cómo ir del punto A al punto B en este mapa,
13:38
but it's figuring out
327
803000
2000
sino que averigua
13:40
what the best point B is at every time.
328
805000
2000
cuál es el mejor punto B en cada momento.
13:42
So essentially it knows where to go
329
807000
3000
En esencia, sabe dónde ir
13:45
to look for places that have the least information.
330
810000
2000
a buscar lugares con la menor información.
13:47
And that's how it populates this map.
331
812000
3000
Así es como completa el mapa.
13:50
So I want to leave you
332
815000
2000
Y quiero despedirme
13:52
with one last application.
333
817000
2000
con una última aplicación.
13:54
And there are many applications of this technology.
334
819000
3000
Es una tecnología que tiene muchas aplicaciones.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Soy profesor y me apasiona la educación.
13:59
Robots like this can really change the way
336
824000
2000
Robots como estos pueden cambiar el modo
14:01
we do K through 12 education.
337
826000
2000
de educar desde la ed. preescolar hasta los 12 años.
14:03
But we're in Southern California,
338
828000
2000
Pero estamos en el sur de California,
14:05
close to Los Angeles,
339
830000
2000
cerca de Los Ángeles,
14:07
so I have to conclude
340
832000
2000
así que tengo que cerrar
14:09
with something focused on entertainment.
341
834000
2000
con algo de entretenimiento.
14:11
I want to conclude with a music video.
342
836000
2000
Quiero concluir con un video musical.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Quiero presentarles a los creadores, Alex y Daniel,
14:16
who created this video.
344
841000
2000
ellos crearon el video.
14:18
(Applause)
345
843000
7000
(Aplausos)
14:25
So before I play this video,
346
850000
2000
Pero antes de reproducir el video
14:27
I want to tell you that they created it in the last three days
347
852000
3000
quiero que sepan que lo crearon en los últimos tres días
14:30
after getting a call from Chris.
348
855000
2000
después de una llamada de Chris.
14:32
And the robots that play the video
349
857000
2000
Y los robots que actúan en el video
14:34
are completely autonomous.
350
859000
2000
son completamente autónomos.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Verán a nueve robots ejecutar seis instrumentos diferentes.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Y, claro, está hecho exclusivamente para TED 2012.
14:43
Let's watch.
353
868000
3000
Veamos.
15:19
(Music)
354
904000
10000
(Música)
16:23
(Applause)
355
968000
17000
(Aplausos)
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