TEDxPenn
Vijay Kumar: The future of flying robots
Vijay Kumar: El futuro de los robots voladores
Filmed:
Readability: 4.9
1,780,679 views
En su laboratorio en la Universidad de Pennsylvania, Vijay Kumar y su equipo han creado robots aéreos autónomos inspirados en las abejas. Su último avance: agricultura de precisión, en la que los enjambres de robots mapean, reconstruyan y analizan cada planta y fruta en un huerto, proporcionando información vital para los agricultores que puede ayudar a mejorar el rendimiento y hacer más inteligente la gestión del agua.
Vijay Kumar - Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations. Full bio
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations. Full bio
Double-click the English transcript below to play the video.
00:13
In my lab, we build
autonomous aerial robots
autonomous aerial robots
0
1280
3656
En mi laboratorio,
construimos robots aéreos autónomos
construimos robots aéreos autónomos
00:16
like the one you see flying here.
1
4960
1880
como el que ven volar aquí.
00:20
Unlike the commercially available drones
that you can buy today,
that you can buy today,
2
8720
3696
A diferencia de los drones que
se pueden comprar hoy en el mercado,
se pueden comprar hoy en el mercado,
00:24
this robot doesn't have any GPS on board.
3
12440
2640
este robot no tiene ningún GPS a bordo.
00:28
So without GPS,
4
16160
1216
Así que sin GPS,
00:29
it's hard for robots like this
to determine their position.
to determine their position.
5
17400
3280
es difícil para los robots como este
determinar su posición.
determinar su posición.
00:34
This robot uses onboard sensors,
cameras and laser scanners,
cameras and laser scanners,
6
22240
4736
Este robot utiliza sensores a bordo,
cámaras y escáneres láser,
cámaras y escáneres láser,
00:39
to scan the environment.
7
27000
1696
para escanear el medio ambiente.
00:40
It detects features from the environment,
8
28720
3056
Detecta las características del entorno,
y determina dónde está
en relación con esas características,
en relación con esas características,
00:43
and it determines where it is
relative to those features,
relative to those features,
9
31800
2736
00:46
using a method of triangulation.
10
34560
2136
utilizando un método de triangulación.
00:48
And then it can assemble
all these features into a map,
all these features into a map,
11
36720
3456
Entonces puede reunir todas
estas características en un mapa,
estas características en un mapa,
00:52
like you see behind me.
12
40200
1736
como se ve detrás de mí.
00:53
And this map then allows the robot
to understand where the obstacles are
to understand where the obstacles are
13
41960
3936
Este mapa permite que el robot
comprenda dónde están los obstáculos
comprenda dónde están los obstáculos
00:57
and navigate in a collision-free manner.
14
45920
2720
y navegar libre de colisiones.
01:01
What I want to show you next
15
49160
2096
Lo que quiero mostrarles a continuación
01:03
is a set of experiments
we did inside our laboratory,
we did inside our laboratory,
16
51280
3216
es un conjunto de experimentos
que hicimos en nuestro laboratorio,
que hicimos en nuestro laboratorio,
01:06
where this robot was able
to go for longer distances.
to go for longer distances.
17
54520
3480
en los que este robot fue capaz de ir
a distancias más largas.
a distancias más largas.
01:10
So here you'll see, on the top right,
what the robot sees with the camera.
what the robot sees with the camera.
18
58400
5016
Verán, en la parte superior derecha,
lo que el robot ve con la cámara.
lo que el robot ve con la cámara.
01:15
And on the main screen --
19
63440
1216
En la pantalla principal
01:16
and of course this is sped up
by a factor of four --
by a factor of four --
20
64680
2456
--por supuesto acelerado
por un factor de cuatro--
por un factor de cuatro--
01:19
on the main screen you'll see
the map that it's building.
the map that it's building.
21
67160
2667
verán el mapa que está construyendo.
01:21
So this is a high-resolution map
of the corridor around our laboratory.
of the corridor around our laboratory.
22
69851
4285
Este es un mapa de alta resolución del
corredor de nuestro laboratorio.
corredor de nuestro laboratorio.
01:26
And in a minute
you'll see it enter our lab,
you'll see it enter our lab,
23
74160
2336
En un minuto verán que entra
en nuestro laboratorio,
en nuestro laboratorio,
01:28
which is recognizable
by the clutter that you see.
by the clutter that you see.
24
76520
2856
que es reconocible
por el desorden que se ve.
por el desorden que se ve.
01:31
(Laughter)
25
79400
1016
(Risas)
01:32
But the main point I want to convey to you
26
80440
2007
Pero el punto que quiero transmitirles
01:34
is that these robots are capable
of building high-resolution maps
of building high-resolution maps
27
82472
3584
es que estos robots son capaces
de construir mapas de alta resolución
de construir mapas de alta resolución
01:38
at five centimeters resolution,
28
86080
2496
a resoluciones de 5 cm,
01:40
allowing somebody who is outside the lab,
or outside the building
or outside the building
29
88600
4176
permitiendo a alguien que esté fuera
del laboratorio, o fuera del edificio
del laboratorio, o fuera del edificio
01:44
to deploy these
without actually going inside,
without actually going inside,
30
92800
3216
realizarlos sin tener que entrar,
01:48
and trying to infer
what happens inside the building.
what happens inside the building.
31
96040
3760
y tratar de inferir lo que sucede
en el interior del edificio.
en el interior del edificio.
01:52
Now there's one problem
with robots like this.
with robots like this.
32
100400
2240
Hay un problema con los robots como éste.
01:55
The first problem is it's pretty big.
33
103600
2200
El primer problema
es que es bastante grande.
es que es bastante grande.
01:58
Because it's big, it's heavy.
34
106120
1680
Como es grande, es pesado.
02:00
And these robots consume
about 100 watts per pound.
about 100 watts per pound.
35
108640
3040
Y estos robots consumen
alrededor de 220 vatios por kilo,
alrededor de 220 vatios por kilo,
02:04
And this makes for
a very short mission life.
a very short mission life.
36
112360
2280
que hace su tiempo
de misión muy corto.
de misión muy corto.
02:08
The second problem
37
116000
1456
El segundo problema
02:09
is that these robots have onboard sensors
that end up being very expensive --
that end up being very expensive --
38
117480
3896
es que estos robots tienen sensores
a bordo que terminan siendo muy caros:
a bordo que terminan siendo muy caros:
02:13
a laser scanner, a camera
and the processors.
and the processors.
39
121400
3440
un escáner láser, una cámara
y los procesadores.
y los procesadores.
02:17
That drives up the cost of this robot.
40
125280
3040
Eso aumenta el costo de este robot.
02:21
So we asked ourselves a question:
41
129440
2656
Así que nos hicimos una pregunta:
02:24
what consumer product
can you buy in an electronics store
can you buy in an electronics store
42
132120
3776
¿qué productos de consumo se pueden
comprar en una tienda de electrónica
comprar en una tienda de electrónica
02:27
that is inexpensive, that's lightweight,
that has sensing onboard and computation?
that has sensing onboard and computation?
43
135920
6280
que sean de bajo costo, ligeros, que
hagan detección a bordo y computación?
hagan detección a bordo y computación?
02:36
And we invented the flying phone.
44
144080
2656
E inventamos el teléfono volador.
02:38
(Laughter)
45
146760
1936
(Risas)
02:40
So this robot uses a Samsung Galaxy
smartphone that you can buy off the shelf,
smartphone that you can buy off the shelf,
46
148720
6176
Este robot utiliza un Samsung Galaxy
que se puede comprar comercialmente,
que se puede comprar comercialmente,
02:46
and all you need is an app that you
can download from our app store.
can download from our app store.
47
154920
4016
y todo lo que se necesita es una
aplicación descargable en nuestra tienda.
aplicación descargable en nuestra tienda.
02:50
And you can see this robot
reading the letters, "TED" in this case,
reading the letters, "TED" in this case,
48
158960
4216
Se puede ver a este robot leyendo
las letras, "TED" en este caso,
las letras, "TED" en este caso,
02:55
looking at the corners
of the "T" and the "E"
of the "T" and the "E"
49
163200
2936
mirando las esquinas de la "T" y la "E"
02:58
and then triangulating off of that,
flying autonomously.
flying autonomously.
50
166160
3480
y luego triangulando eso,
volando de forma autónoma.
volando de forma autónoma.
03:02
That joystick is just there
to make sure if the robot goes crazy,
to make sure if the robot goes crazy,
51
170720
3256
Esa palanca está ahí para asegurar
que si el robot se vuelve loco,
que si el robot se vuelve loco,
03:06
Giuseppe can kill it.
52
174000
1416
Giuseppe puede matarlo.
03:07
(Laughter)
53
175440
1640
(Risas)
03:10
In addition to building
these small robots,
these small robots,
54
178920
3816
Además de la construcción
de estos pequeños robots,
de estos pequeños robots,
03:14
we also experiment with aggressive
behaviors, like you see here.
behaviors, like you see here.
55
182760
4800
también experimentamos con
comportamientos agresivos, como ven aquí.
comportamientos agresivos, como ven aquí.
03:19
So this robot is now traveling
at two to three meters per second,
at two to three meters per second,
56
187920
5296
Este robot está ahora viajando
a dos o tres m por segundo,
a dos o tres m por segundo,
03:25
pitching and rolling aggressively
as it changes direction.
as it changes direction.
57
193240
3496
con cabeceo y balanceo agresivo,
ya que cambia de dirección.
ya que cambia de dirección.
03:28
The main point is we can have
smaller robots that can go faster
smaller robots that can go faster
58
196760
4256
El punto principal es que podemos tener
robots más pequeños que vayan más rápido
robots más pequeños que vayan más rápido
03:33
and then travel in these
very unstructured environments.
very unstructured environments.
59
201040
2960
y luego viajar en estos ambientes
muy desestructurados.
muy desestructurados.
03:37
And in this next video,
60
205120
2056
En el siguiente video,
03:39
just like you see this bird, an eagle,
gracefully coordinating its wings,
gracefully coordinating its wings,
61
207200
5896
igual que vemos esta ave, un águila,
coordinando con gracia sus alas,
coordinando con gracia sus alas,
03:45
its eyes and feet
to grab prey out of the water,
to grab prey out of the water,
62
213120
4296
sus ojos y pies para agarrar
presas fuera del agua,
presas fuera del agua,
03:49
our robot can go fishing, too.
63
217440
1896
nuestro robot puede ir a pescar, también.
03:51
(Laughter)
64
219360
1496
(Risas)
03:52
In this case, this is a Philly cheesesteak
hoagie that it's grabbing out of thin air.
hoagie that it's grabbing out of thin air.
65
220880
4056
En este caso, un embutido
que está agarrado de la nada.
que está agarrado de la nada.
03:56
(Laughter)
66
224960
2400
(Risas)
03:59
So you can see this robot
going at about three meters per second,
going at about three meters per second,
67
227680
3296
Pueden ver este robot que va a
unos 3 m por segundo,
unos 3 m por segundo,
04:03
which is faster than walking speed,
coordinating its arms, its claws
coordinating its arms, its claws
68
231000
5136
más rápido que la velocidad al caminar,
coordinando sus brazos, sus garras
coordinando sus brazos, sus garras
04:08
and its flight with split-second timing
to achieve this maneuver.
to achieve this maneuver.
69
236160
4120
y su vuelo en fracciones de segundo
para lograr esta maniobra.
para lograr esta maniobra.
04:14
In another experiment,
70
242120
1216
En otro experimento,
04:15
I want to show you
how the robot adapts its flight
how the robot adapts its flight
71
243360
3656
Quiero mostrar cómo
el robot adapta su vuelo
el robot adapta su vuelo
04:19
to control its suspended payload,
72
247040
2376
para controlar su carga suspendida,
04:21
whose length is actually larger
than the width of the window.
than the width of the window.
73
249440
3800
cuya longitud es en realidad mayor
que la anchura de la ventana.
que la anchura de la ventana.
04:25
So in order to accomplish this,
74
253680
1696
Para lograr esto,
04:27
it actually has to pitch
and adjust the altitude
and adjust the altitude
75
255400
3696
en realidad tiene que lanzar
y ajustar la altitud
y ajustar la altitud
04:31
and swing the payload through.
76
259120
2320
y oscilar la carga.
04:38
But of course we want
to make these even smaller,
to make these even smaller,
77
266920
2296
Por supuesto, queremos
hacer esto aún menor,
hacer esto aún menor,
04:41
and we're inspired
in particular by honeybees.
in particular by honeybees.
78
269240
3016
y estamos inspirados
en particular por las abejas.
en particular por las abejas.
04:44
So if you look at honeybees,
and this is a slowed down video,
and this is a slowed down video,
79
272280
3256
Si nos fijamos en las abejas,
y este es un vídeo ralentizado,
y este es un vídeo ralentizado,
04:47
they're so small,
the inertia is so lightweight --
the inertia is so lightweight --
80
275560
3720
son tan pequeñas, la inercia es tan ligera
04:51
(Laughter)
81
279960
1176
(Risas)
04:53
that they don't care --
they bounce off my hand, for example.
they bounce off my hand, for example.
82
281160
3536
que no les importa,
rebotan en mi mano, por ejemplo.
rebotan en mi mano, por ejemplo.
04:56
This is a little robot
that mimics the honeybee behavior.
that mimics the honeybee behavior.
83
284720
3160
Este es un pequeño robot
que imita a las abejas.
que imita a las abejas.
05:00
And smaller is better,
84
288600
1216
Y más pequeño es mejor,
05:01
because along with the small size
you get lower inertia.
you get lower inertia.
85
289840
3536
porque junto con el pequeño tamaño
se obtiene más baja inercia.
se obtiene más baja inercia.
05:05
Along with lower inertia --
86
293400
1536
Junto con menor inercia
05:06
(Robot buzzing, laughter)
87
294960
2856
(Robot zumbando, risas)
05:09
along with lower inertia,
you're resistant to collisions.
you're resistant to collisions.
88
297840
2816
junto con una menor inercia,
se es resistente a colisiones.
se es resistente a colisiones.
05:12
And that makes you more robust.
89
300680
1720
Y eso te hace más fuerte.
05:15
So just like these honeybees,
we build small robots.
we build small robots.
90
303800
2656
Así como estas abejas,
construimos pequeños robots.
construimos pequeños robots.
05:18
And this particular one
is only 25 grams in weight.
is only 25 grams in weight.
91
306480
3376
Este en particular es de solo
25 gr peso.
25 gr peso.
05:21
It consumes only six watts of power.
92
309880
2160
Consume solo 6 vatios de potencia.
05:24
And it can travel
up to six meters per second.
up to six meters per second.
93
312440
2536
Y puede viajar hasta
a 6 m por segundo.
a 6 m por segundo.
05:27
So if I normalize that to its size,
94
315000
2336
Si lo normalizo a su tamaño,
05:29
it's like a Boeing 787 traveling
ten times the speed of sound.
ten times the speed of sound.
95
317360
3640
es como un Boeing 787 viajando
a 10 veces la velocidad del sonido.
a 10 veces la velocidad del sonido.
05:36
(Laughter)
96
324000
2096
(Risas)
05:38
And I want to show you an example.
97
326120
1920
Quiero mostrarles un ejemplo.
05:40
This is probably the first planned mid-air
collision, at one-twentieth normal speed.
collision, at one-twentieth normal speed.
98
328840
5256
Esta es probablemente la primera colisión en vuelo planeado, a una vigésima de la velocidad normal.
05:46
These are going at a relative speed
of two meters per second,
of two meters per second,
99
334120
2858
Estos van a una velocidad relativa
de 2 m por segundo,
de 2 m por segundo,
05:49
and this illustrates the basic principle.
100
337002
2480
y esto ilustra el principio básico.
05:52
The two-gram carbon fiber cage around it
prevents the propellers from entangling,
prevents the propellers from entangling,
101
340200
4976
La jaula de fibra de carbono de 2 gr
impide que las hélices se enreden,
impide que las hélices se enreden,
05:57
but essentially the collision is absorbed
and the robot responds to the collisions.
and the robot responds to the collisions.
102
345200
5296
pero en esencia la colisión es absorbida
y el robot responde a las colisiones.
y el robot responde a las colisiones.
06:02
And so small also means safe.
103
350520
2560
Y muy pequeño también significa seguro.
06:05
In my lab, as we developed these robots,
104
353400
2016
En mi laboratorio, al
desarrollar estos robots,
desarrollar estos robots,
06:07
we start off with these big robots
105
355440
1620
comenzamos con estos grandes robots
06:09
and then now we're down
to these small robots.
to these small robots.
106
357084
2812
y luego ahora bajamos
a estos pequeños robots.
a estos pequeños robots.
06:11
And if you plot a histogram
of the number of Band-Aids we've ordered
of the number of Band-Aids we've ordered
107
359920
3456
Si se traza un histograma
del número de banditas que pedimos
del número de banditas que pedimos
06:15
in the past, that sort of tailed off now.
108
363400
2576
en el pasado, mostraría
un cola disminuyendo. (Risas)
un cola disminuyendo. (Risas)
06:18
Because these robots are really safe.
109
366000
1960
Porque estos robots
son muy seguros.
son muy seguros.
06:20
The small size has some disadvantages,
110
368760
2456
El tamaño pequeño
tiene algunas desventajas,
tiene algunas desventajas,
06:23
and nature has found a number of ways
to compensate for these disadvantages.
to compensate for these disadvantages.
111
371240
4080
y la naturaleza ha encontrado formas
de compensar estas desventajas.
de compensar estas desventajas.
06:27
The basic idea is they aggregate
to form large groups, or swarms.
to form large groups, or swarms.
112
375960
4000
La idea básica es que ellas se unen para
formar grandes grupos o enjambres.
formar grandes grupos o enjambres.
06:32
So, similarly, in our lab,
we try to create artificial robot swarms.
we try to create artificial robot swarms.
113
380320
3976
Del mismo modo, en nuestro laboratorio,
tratamos de crear enjambres de robots.
tratamos de crear enjambres de robots.
06:36
And this is quite challenging
114
384320
1381
Y esto es todo un reto
06:37
because now you have to think
about networks of robots.
about networks of robots.
115
385725
3320
porque ahora tienes que pensar
en redes de robots.
en redes de robots.
06:41
And within each robot,
116
389360
1296
Y dentro de cada robot,
06:42
you have to think about the interplay
of sensing, communication, computation --
of sensing, communication, computation --
117
390680
5616
tienes que pensar en la interacción de
detección, comunicación, computación,
detección, comunicación, computación,
06:48
and this network then becomes
quite difficult to control and manage.
quite difficult to control and manage.
118
396320
4960
y esta red se vuelve muy difícil
de controlar y gestionar.
de controlar y gestionar.
06:54
So from nature we take away
three organizing principles
three organizing principles
119
402160
3296
Así que de la naturaleza nos llevamos
3 principios organizativos
3 principios organizativos
06:57
that essentially allow us
to develop our algorithms.
to develop our algorithms.
120
405480
3160
que, básicamente, nos permiten
desarrollar nuestros algoritmos.
desarrollar nuestros algoritmos.
07:01
The first idea is that robots
need to be aware of their neighbors.
need to be aware of their neighbors.
121
409640
4536
La primera idea es que los robots tienen
que ser conscientes de sus vecinos.
que ser conscientes de sus vecinos.
07:06
They need to be able to sense
and communicate with their neighbors.
and communicate with their neighbors.
122
414200
3440
Tienen que ser capaces de sentir
y comunicarse con sus vecinos.
y comunicarse con sus vecinos.
07:10
So this video illustrates the basic idea.
123
418040
2656
Así que este video ilustra la idea básica.
07:12
You have four robots --
124
420720
1296
Tienes cuatro robots,
07:14
one of the robots has actually been
hijacked by a human operator, literally.
hijacked by a human operator, literally.
125
422040
4240
uno ha sido secuestrado por
un operador humano, literalmente.
un operador humano, literalmente.
07:19
But because the robots
interact with each other,
interact with each other,
126
427217
2239
Pero debido a que los robots
interactúan entre sí,
interactúan entre sí,
07:21
they sense their neighbors,
127
429480
1656
sienten a sus vecinos,
07:23
they essentially follow.
128
431160
1296
que en esencia siguen.
07:24
And here there's a single person
able to lead this network of followers.
able to lead this network of followers.
129
432480
5360
Y aquí hay una sola persona capaz
de liderar esta red de seguidores.
de liderar esta red de seguidores.
07:32
So again, it's not because all the robots
know where they're supposed to go.
know where they're supposed to go.
130
440000
5056
Así que de nuevo, no es porque todos los
robots saben dónde se supone que deben ir.
robots saben dónde se supone que deben ir.
07:37
It's because they're just reacting
to the positions of their neighbors.
to the positions of their neighbors.
131
445080
4320
Es porque sólo están reaccionando
a las posiciones de sus vecinos.
a las posiciones de sus vecinos.
07:43
(Laughter)
132
451720
4120
(Risas)
07:48
So the next experiment illustrates
the second organizing principle.
the second organizing principle.
133
456280
5240
El siguiente experimento ilustra
el segundo principio de organización.
el segundo principio de organización.
07:54
And this principle has to do
with the principle of anonymity.
with the principle of anonymity.
134
462920
3800
Y este principio tiene que ver con
el principio de anonimato.
el principio de anonimato.
07:59
Here the key idea is that
135
467400
4296
Aquí la idea clave es que
08:03
the robots are agnostic
to the identities of their neighbors.
to the identities of their neighbors.
136
471720
4240
los robots son agnósticos
a la identidad de sus vecinos.
a la identidad de sus vecinos.
08:08
They're asked to form a circular shape,
137
476440
2616
Se les pide que hagan
una forma circular,
una forma circular,
08:11
and no matter how many robots
you introduce into the formation,
you introduce into the formation,
138
479080
3296
y no importa cuántos robots
se introducen dentro de la formación,
se introducen dentro de la formación,
08:14
or how many robots you pull out,
139
482400
2576
o cuántos robots se sacan,
08:17
each robot is simply
reacting to its neighbor.
reacting to its neighbor.
140
485000
3136
cada robot está simplemente
reaccionando a su vecino.
reaccionando a su vecino.
08:20
It's aware of the fact that it needs
to form the circular shape,
to form the circular shape,
141
488160
4976
Es consciente del hecho de que
se necesita para hacer la forma circular,
se necesita para hacer la forma circular,
08:25
but collaborating with its neighbors
142
493160
1776
pero colaborando con sus vecinos
08:26
it forms the shape
without central coordination.
without central coordination.
143
494960
3720
hace esta forma sin coordinación central.
08:31
Now if you put these ideas together,
144
499520
2416
Ahora bien,
si uno pone estas ideas juntas,
si uno pone estas ideas juntas,
08:33
the third idea is that we
essentially give these robots
essentially give these robots
145
501960
3896
la tercera idea es que esencialmente
damos a estos robots
damos a estos robots
08:37
mathematical descriptions
of the shape they need to execute.
of the shape they need to execute.
146
505880
4296
descripciones matemáticas de la forma
que necesitan ejecutar.
que necesitan ejecutar.
08:42
And these shapes can be varying
as a function of time,
as a function of time,
147
510200
3496
Y estas formas pueden ser variables
en función del tiempo,
en función del tiempo,
08:45
and you'll see these robots
start from a circular formation,
start from a circular formation,
148
513720
4496
y verán a estos robots comenzar
a partir de una formación circular,
a partir de una formación circular,
08:50
change into a rectangular formation,
stretch into a straight line,
stretch into a straight line,
149
518240
3256
cambiar a una formación rectangular,
estirada a una línea recta,
estirada a una línea recta,
08:53
back into an ellipse.
150
521520
1375
de nuevo a una elipse.
08:54
And they do this with the same
kind of split-second coordination
kind of split-second coordination
151
522919
3617
Y lo hacen con el mismo tipo de
coordinación de fracción de segundo
coordinación de fracción de segundo
08:58
that you see in natural swarms, in nature.
152
526560
3280
que se ve en los enjambres naturales,
en la naturaleza.
en la naturaleza.
09:03
So why work with swarms?
153
531080
2136
¿Por qué trabajar con enjambres?
09:05
Let me tell you about two applications
that we are very interested in.
that we are very interested in.
154
533240
4120
Déjenme decirles de 2 aplicaciones
en las que estamos muy interesados.
en las que estamos muy interesados.
09:10
The first one has to do with agriculture,
155
538160
2376
La primera tiene que ver
con la agricultura,
con la agricultura,
09:12
which is probably the biggest problem
that we're facing worldwide.
that we're facing worldwide.
156
540560
3360
que es probablemente el mayor problema
que enfrentando en el mundo.
que enfrentando en el mundo.
09:16
As you well know,
157
544760
1256
Como bien saben,
09:18
one in every seven persons
in this earth is malnourished.
in this earth is malnourished.
158
546040
3520
1 de cada 7 personas
en la Tierra está desnutrida.
en la Tierra está desnutrida.
09:21
Most of the land that we can cultivate
has already been cultivated.
has already been cultivated.
159
549920
3480
La mayor parte de la tierra que
podemos cultivar ya ha sido cultivada.
podemos cultivar ya ha sido cultivada.
09:25
And the efficiency of most systems
in the world is improving,
in the world is improving,
160
553960
3216
La eficiencia de la mayoría de
sistemas en el mundo está mejorando,
sistemas en el mundo está mejorando,
09:29
but our production system
efficiency is actually declining.
efficiency is actually declining.
161
557200
3520
pero nuestra eficiencia del sistema
de producción está disminuyendo,
de producción está disminuyendo,
09:33
And that's mostly because of water
shortage, crop diseases, climate change
shortage, crop diseases, climate change
162
561080
4216
debido a falta de agua, enfermedades
de los cultivos, cambio climático
de los cultivos, cambio climático
09:37
and a couple of other things.
163
565320
1520
y un par de otras cosas.
09:39
So what can robots do?
164
567360
1480
¿Qué pueden hacer los robots?
09:41
Well, we adopt an approach that's
called Precision Farming in the community.
called Precision Farming in the community.
165
569200
4616
Bueno, adoptamos un enfoque que se llama
agricultura de precisión en la comunidad.
agricultura de precisión en la comunidad.
09:45
And the basic idea is that we fly
aerial robots through orchards,
aerial robots through orchards,
166
573840
5376
Y la idea básica es que volamos
robots a través de los huertos,
robots a través de los huertos,
09:51
and then we build
precision models of individual plants.
precision models of individual plants.
167
579240
3120
y luego construimos modelos
de precisión de las plantas individuales.
de precisión de las plantas individuales.
09:54
So just like personalized medicine,
168
582829
1667
Así como la medicina personalizada,
09:56
while you might imagine wanting
to treat every patient individually,
to treat every patient individually,
169
584520
4816
mientras que uno puede imaginar tratar
a cada paciente de forma individual,
a cada paciente de forma individual,
10:01
what we'd like to do is build
models of individual plants
models of individual plants
170
589360
3696
lo que nos gustaría hacer es construir
modelos de plantas individuales
modelos de plantas individuales
10:05
and then tell the farmer
what kind of inputs every plant needs --
what kind of inputs every plant needs --
171
593080
4136
y luego decirle al agricultor qué tipo
de insumos necesita cada planta;
de insumos necesita cada planta;
10:09
the inputs in this case being water,
fertilizer and pesticide.
fertilizer and pesticide.
172
597240
4440
las entradas en este caso son
el agua, fertilizantes y pesticidas.
el agua, fertilizantes y pesticidas.
10:14
Here you'll see robots
traveling through an apple orchard,
traveling through an apple orchard,
173
602640
3616
Aquí podrán ver los robots viajar
a través de un huerto de manzanas,
a través de un huerto de manzanas,
10:18
and in a minute you'll see
two of its companions
two of its companions
174
606280
2256
y en un minuto verán
2 de sus compañeros
2 de sus compañeros
10:20
doing the same thing on the left side.
175
608560
1810
haciendo lo mismo a la izquierda.
10:22
And what they're doing is essentially
building a map of the orchard.
building a map of the orchard.
176
610800
3656
Y lo que están construyendo
esencialmente es un mapa de la huerta.
esencialmente es un mapa de la huerta.
10:26
Within the map is a map
of every plant in this orchard.
of every plant in this orchard.
177
614480
2816
Dentro del mapa hay uno de
las plantas en este huerto.
las plantas en este huerto.
10:29
(Robot buzzing)
178
617320
1656
(Zumbido de robot)
10:31
Let's see what those maps look like.
179
619000
1896
Veamos cómo se ven esos mapas parecen.
10:32
In the next video, you'll see the cameras
that are being used on this robot.
that are being used on this robot.
180
620920
4296
En el siguiente video, verán las cámaras
que está utilizando este robot.
que está utilizando este robot.
10:37
On the top-left is essentially
a standard color camera.
a standard color camera.
181
625240
3240
Arriba a la izquierda esencialmente
una cámara de color destacada.
una cámara de color destacada.
10:41
On the left-center is an infrared camera.
182
629640
3296
A la izquierda en el centro
una cámara infrarroja.
una cámara infrarroja.
10:44
And on the bottom-left
is a thermal camera.
is a thermal camera.
183
632960
3776
Y en la parte inferior izquierda
una cámara térmica.
una cámara térmica.
10:48
And on the main panel, you're seeing
a three-dimensional reconstruction
a three-dimensional reconstruction
184
636760
3336
Y en el panel principal, se ve
una reconstrucción tridimensional
una reconstrucción tridimensional
10:52
of every tree in the orchard
as the sensors fly right past the trees.
as the sensors fly right past the trees.
185
640120
6120
de todo árbol del huerto al pasar los
sensores sobre los árboles.
sensores sobre los árboles.
10:59
Armed with information like this,
we can do several things.
we can do several things.
186
647640
4040
Armados con información de este tipo,
podemos hacer varias cosas.
podemos hacer varias cosas.
11:04
The first and possibly the most important
thing we can do is very simple:
thing we can do is very simple:
187
652200
4256
Primero y posiblemente
lo más importante es muy simple:
lo más importante es muy simple:
11:08
count the number of fruits on every tree.
188
656480
2440
contar el número de frutas en cada árbol.
11:11
By doing this, you tell the farmer
how many fruits she has in every tree
how many fruits she has in every tree
189
659520
4536
Hacer esto, le dice al agricultor
cuántas frutas que tiene en cada árbol
cuántas frutas que tiene en cada árbol
11:16
and allow her to estimate
the yield in the orchard,
the yield in the orchard,
190
664080
4256
y le permitirá estimar
el rendimiento del huerto,
el rendimiento del huerto,
11:20
optimizing the production
chain downstream.
chain downstream.
191
668360
2840
optimizar la cadena
de producción aguas abajo.
de producción aguas abajo.
11:23
The second thing we can do
192
671640
1616
La segunda cosa que podemos hacer
11:25
is take models of plants, construct
three-dimensional reconstructions,
three-dimensional reconstructions,
193
673280
4496
es tomar los modelos de las plantas,
la reconstrucción tridimensional,
la reconstrucción tridimensional,
11:29
and from that estimate the canopy size,
194
677800
2536
y de allí estimar el tamaño del manto,
11:32
and then correlate the canopy size
to the amount of leaf area on every plant.
to the amount of leaf area on every plant.
195
680360
3776
y luego correlacionar el manto con
la cantidad de área foliar en cada planta.
la cantidad de área foliar en cada planta.
11:36
And this is called the leaf area index.
196
684160
2176
Esto se llama el índice de área foliar.
11:38
So if you know this leaf area index,
197
686360
1936
Si uno sabe este índice de área foliar,
11:40
you essentially have a measure of how much
photosynthesis is possible in every plant,
photosynthesis is possible in every plant,
198
688320
5456
esencialmente hace medición de qué
tanta fotosíntesis hace cada planta,
tanta fotosíntesis hace cada planta,
11:45
which again tells you
how healthy each plant is.
how healthy each plant is.
199
693800
2880
que a su vez dice qué tan saludable
es cada planta.
es cada planta.
11:49
By combining visual
and infrared information,
and infrared information,
200
697520
4216
Mediante la combinación
de información visual y de infrarrojos,
de información visual y de infrarrojos,
11:53
we can also compute indices such as NDVI.
201
701760
3296
también podemos
calcular índices como el NDVI.
calcular índices como el NDVI.
11:57
And in this particular case,
you can essentially see
you can essentially see
202
705080
2816
Y en este caso en particular,
en esencia se puede ver que
en esencia se puede ver que
11:59
there are some crops that are
not doing as well as other crops.
not doing as well as other crops.
203
707920
3016
algunos cultivos no lo están
haciendo tan bien como otros.
haciendo tan bien como otros.
12:02
This is easily discernible from imagery,
204
710960
4056
Esto es fácilmente perceptible
a partir de imágenes,
a partir de imágenes,
12:07
not just visual imagery but combining
205
715040
2216
no solo las imágenes visuales,
sino combinadas
sino combinadas
12:09
both visual imagery and infrared imagery.
206
717280
2776
tanto imágenes visuales
como de infrarrojos.
como de infrarrojos.
12:12
And then lastly,
207
720080
1336
Y por último,
12:13
one thing we're interested in doing is
detecting the early onset of chlorosis --
detecting the early onset of chlorosis --
208
721440
4016
algo que nos interesa hacer es detectar
la aparición temprana de la clorosis
la aparición temprana de la clorosis
12:17
and this is an orange tree --
209
725480
1496
--esto es un árbol de naranja--
12:19
which is essentially seen
by yellowing of leaves.
by yellowing of leaves.
210
727000
2560
que se ve esencialmente por
el amarillamiento de las hojas.
el amarillamiento de las hojas.
12:21
But robots flying overhead
can easily spot this autonomously
can easily spot this autonomously
211
729880
3896
Pero los robots pueden detectar
fácilmente esto de manera autónoma
fácilmente esto de manera autónoma
12:25
and then report to the farmer
that he or she has a problem
that he or she has a problem
212
733800
2936
y luego informar al agricultor
que él o ella tiene un problema
que él o ella tiene un problema
12:28
in this section of the orchard.
213
736760
1520
en esta parte de la huerta.
12:30
Systems like this can really help,
214
738800
2696
Sistemas como estos
realmente pueden ayudar,
realmente pueden ayudar,
12:33
and we're projecting yields
that can improve by about ten percent
that can improve by about ten percent
215
741520
5816
y estamos proyectando rendimientos
mejores en alrededor de un 10 %
mejores en alrededor de un 10 %
12:39
and, more importantly, decrease
the amount of inputs such as water
the amount of inputs such as water
216
747360
3216
y, sobre todo, disminuir
la cantidad de insumos como el agua
la cantidad de insumos como el agua
12:42
by 25 percent by using
aerial robot swarms.
aerial robot swarms.
217
750600
3280
un 25 % mediante el uso
de enjambres de robots aéreos.
de enjambres de robots aéreos.
12:47
Lastly, I want you to applaud
the people who actually create the future,
the people who actually create the future,
218
755200
5736
Por último, quiero aplaudir a la gente
que realmente crea el futuro,
que realmente crea el futuro,
12:52
Yash Mulgaonkar, Sikang Liu
and Giuseppe Loianno,
and Giuseppe Loianno,
219
760960
4920
Yash Mulgaonkar, Sikang Liu
y Giuseppe Loianno,
y Giuseppe Loianno,
12:57
who are responsible for the three
demonstrations that you saw.
demonstrations that you saw.
220
765920
3496
quienes son responsables de las 3
demostraciones que vieron.
demostraciones que vieron.
13:01
Thank you.
221
769440
1176
Gracias.
13:02
(Applause)
222
770640
5920
(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