TED2011
Dennis Hong: Making a car for blind drivers
Dennis Hong: Autófejlesztés vak sofőrök számára
Filmed:
Readability: 4.3
923,134 views
Robotika, lézeres távmérők, GPS és intelligens visszacsatoló eszközök felhasználásával, Dennis Hong autót épít azoknak az gépkocsivezetőknek, akik vakok. Ez nem egy "saját magát vezető" autó, igyekszik Dennis aláhúzni, hanem egy olyan jármű, amiben egy nemlátó vezető képes megszabni a sebességet, érzékelni az akadályok távolságát, eldönteni az útvonalat -- és függetlenül vezetni.
Dennis Hong - Roboticist
Dennis Hong is the founder and director of RoMeLa -- a Virginia Tech robotics lab that has pioneered several breakthroughs in robot design and engineering. Full bio
Dennis Hong is the founder and director of RoMeLa -- a Virginia Tech robotics lab that has pioneered several breakthroughs in robot design and engineering. Full bio
Double-click the English transcript below to play the video.
00:15
Many believe driving is an activity
0
0
3000
Sokan hiszik azt, hogy az autóvezetés olyan tevékenység,
00:18
solely reserved for those who can see.
1
3000
2000
ami csak azok számára van fenntartva, akik látnak.
00:20
A blind person driving a vehicle safely and independently
2
5000
3000
Az, hogy egy vak ember biztonságosan és önállóan vezessen
00:23
was thought to be an impossible task, until now.
3
8000
3000
egy járművet, lehetetlen feladatnak tűnt, egészen mostanáig.
00:26
Hello, my name is Dennis Hong,
4
11000
2000
Helló, a nevem Dennis Hong,
00:28
and we're bringing freedom and independence to the blind
5
13000
2000
szabadságot és a függetlenséget hozunk a vakok számára,
00:30
by building a vehicle for the visually impaired.
6
15000
3000
azáltal, hogy járművet építünk a látássérülteknek.
00:33
So before I talk about this car for the blind,
7
18000
3000
Mielőtt beszélnék erről a vakoknak készült autóról,
00:36
let me briefly tell you about another project that I worked on
8
21000
2000
hadd meséljek röviden egy másik projektről, amin dolgoztam,
00:38
called the DARPA Urban Challenge.
9
23000
2000
az úgynevezett DARPA Városi Kihívásról.
00:40
Now this was about building a robotic car
10
25000
2000
Nos, ez egy robotautó megépítéséről szólt,
00:42
that can drive itself.
11
27000
2000
ami képes saját magát vezetni.
00:44
You press start, nobody touches anything,
12
29000
2000
Megnyomjuk a start gombot, senki nem ér semmihez,
00:46
and it can reach its destination fully autonomously.
13
31000
3000
és teljesen önállóan megérkezik a rendeltetési helyére.
00:49
So in 2007, our team won half a million dollars
14
34000
3000
Így 2007-ben, a csapatunk nyert félmillió dollárt
00:52
by placing third place in this competition.
15
37000
2000
azáltal, hogy harmadik helyen végzett a versenyben.
00:54
So about that time,
16
39000
2000
Nagyjából abban az időben
00:56
the National Federation of the Blind, or NFB,
17
41000
2000
a "National Federation of the Blind" avagy az "NFB" [a "Vakok Nemzeti Szövetsége"],
00:58
challenged the research committee
18
43000
2000
kihívta a kutatók közösségét,
01:00
about who can develop a car
19
45000
2000
arra, hogy ki tud olyan autót fejleszteni,
01:02
that lets a blind person drive safely and independently.
20
47000
2000
amely lehetővé teszi, hogy egy vak biztonságosan és önállóan vezetni tudjon.
01:04
We decided to give it a try,
21
49000
2000
Úgy döntöttünk, teszünk egy próbát,
01:06
because we thought, "Hey, how hard could it be?"
22
51000
2000
mert azt gondoltuk, hej, ez nem is lehet olyan nehéz!
01:08
We have already an autonomous vehicle.
23
53000
2000
Hiszen már van egy önállóan közlekedő járművünk!
01:10
We just put a blind person in it and we're done, right?
24
55000
2000
Csak beleteszünk egy vak embert és kész is vagyunk, ugye?
01:12
(Laughter)
25
57000
2000
(Nevetés)
01:14
We couldn't have been more wrong.
26
59000
2000
Nem is tévedhettünk volna nagyobbat!
01:16
What NFB wanted
27
61000
2000
Amit az NFB akart,
01:18
was not a vehicle that can drive a blind person around,
28
63000
3000
az nem egy jármű, ami körbevisz egy vak embert,
01:21
but a vehicle where a blind person can make active decisions and drive.
29
66000
3000
hanem olyan autó, amiben egy vak aktív döntéseket hozhat, és vezethet.
01:24
So we had to throw everything out the window
30
69000
2000
Így hát dobhattunk ki mindent az ablakon,
01:26
and start from scratch.
31
71000
2000
és kezdhettük megint elölről.
01:28
So to test this crazy idea,
32
73000
2000
Hogy kipróbáljuk ezt az őrült ötletet,
01:30
we developed a small dune buggy prototype vehicle
33
75000
2000
megépítettünk egy kis homokfutó prototípust,
01:32
to test the feasibility.
34
77000
2000
hogy a megvalósíthatóságot tesztelhessük.
01:34
And in the summer of 2009,
35
79000
2000
És 2009 nyarán,
01:36
we invited dozens of blind youth from all over the country
36
81000
3000
meghívtunk tucatnyi vak fiatalt az egész országból,
01:39
and gave them a chance to take it for a spin.
37
84000
2000
akik elvihették egy körre.
01:41
It was an absolutely amazing experience.
38
86000
2000
Egészen elképesztő élmény volt.
01:43
But the problem with this car was
39
88000
2000
De a probléma ezzel az autóval az volt,
01:45
it was designed to only be driven in a very controlled environment,
40
90000
3000
hogy egy nagyon kontrollált környezetre terveztük,
01:48
in a flat, closed-off parking lot --
41
93000
2000
egy sík, zárt parkolóba --
01:50
even the lanes defined by red traffic cones.
42
95000
2000
még a sávokat is piros bóják jelölték.
01:52
So with this success,
43
97000
2000
Eme siker után,
01:54
we decided to take the next big step,
44
99000
2000
elhatároztuk, a következő nagy lépés az lesz,
01:56
to develop a real car that can be driven on real roads.
45
101000
3000
hogy kifejlesztünk egy igazi autót, amit valódi utakon lehet vezetni.
01:59
So how does it work?
46
104000
2000
Szóval, hogy is működik?
02:01
Well, it's a rather complex system,
47
106000
2000
Nos, ez egy elég bonyolult rendszer,
02:03
but let me try to explain it, maybe simplify it.
48
108000
3000
de hadd próbáljam elmagyarázni, talán leegyszerűsítve.
02:06
So we have three steps.
49
111000
2000
Három lépésből áll.
02:08
We have perception, computation
50
113000
2000
Érzékelés, számítás
02:10
and non-visual interfaces.
51
115000
2000
és nem-vizuális felületek.
02:12
Now obviously the driver cannot see,
52
117000
2000
Nos, nyilván a vezető nem lát,
02:14
so the system needs to perceive the environment
53
119000
2000
így a rendszernek kell érzékelnie a környezetet,
02:16
and gather information for the driver.
54
121000
2000
és információkat kell gyűjtenie a vezetőnek.
02:18
For that, we use an initial measurement unit.
55
123000
3000
Ehhez egy alap mérőegységet használunk.
02:21
So it measures acceleration, angular acceleration --
56
126000
2000
Ez méri a gyorsulást, szöggyorsulást --
02:23
like a human ear, inner ear.
57
128000
2000
mint az emberi fül, a belső fül.
02:25
We fuse that information with a GPS unit
58
130000
2000
Ezt az információt összevetjük egy GPS-készülékkel,
02:27
to get an estimate of the location of the car.
59
132000
3000
hogy meg tudjuk becsülni az autó helyét.
02:30
We also use two cameras to detect the lanes of the road.
60
135000
3000
Használunk még két kamerát, amik érzékelik a sávokat az úton,
02:33
And we also use three laser range finders.
61
138000
2000
valamint három lézeres távmérőt.
02:35
The lasers scan the environment to detect obstacles --
62
140000
3000
A lézerek letapogatják a környezetet, és észlelik az akadályokat --
02:38
a car approaching from the front, the back
63
143000
2000
egy közeledő autót szemből vagy hátulról,
02:40
and also any obstacles that run into the roads,
64
145000
3000
és minden olyan akadályt, ami befut az útra,
02:43
any obstacles around the vehicle.
65
148000
2000
minden akadályt a jármű körül.
02:45
So all this vast amount of information is then fed into the computer,
66
150000
3000
Szóval ezt a hatalmas mennyiségű információt, továbbítjuk a számítógépnek,
02:48
and the computer can do two things.
67
153000
2000
és a számítógép két dolgot tesz.
02:50
One is, first of all, process this information
68
155000
3000
Az egyik, mindenek előtt, hogy feldolgozza ezt az információhalmazt,
02:53
to have an understanding of the environment --
69
158000
2000
hogy tisztában legyen a környezettel --
02:55
these are the lanes of the road, there's the obstacles --
70
160000
3000
ezek a sávok az úton, itt vannak az akadályok --,
02:58
and convey this information to the driver.
71
163000
2000
és eljuttassa ezeket az információkat a vezetőnek.
03:00
The system is also smart enough
72
165000
2000
A rendszer elég okos ahhoz is,
03:02
to figure out the safest way to operate the car.
73
167000
2000
hogy kitalálja, mi a legbiztonságosabb módja az autó működtetésének.
03:04
So we can also generate instructions
74
169000
2000
Így utasításokat is elő tudunk állítani,
03:06
on how to operate the controls of the vehicle.
75
171000
2000
arról, hogy hogyan kell vezetni az autót.
03:08
But the problem is this: How do we convey
76
173000
2000
De a probléma a következő: Hogyan közöljük
03:10
this information and instructions
77
175000
2000
ezt az információt és az utasításokat
03:12
to a person who cannot see
78
177000
2000
egy olyan személlyel, aki nem lát
03:14
fast enough and accurate enough so he can drive?
79
179000
3000
elég gyorsan és pontosan ahhoz, hogy vezetni tudjon?
03:17
So for this, we developed many different types
80
182000
2000
Ehhez, kifejlesztettünk több különböző
03:19
of non-visual user interface technology.
81
184000
3000
módot, melyek nem-vizuálisan érik el a felhasználót.
03:22
So starting from a three-dimensional ping sound system,
82
187000
2000
Többek között egy háromdimenziós pittyegő hangrendszert,
03:24
a vibrating vest,
83
189000
2000
egy rezgő mellényt,
03:26
a click wheel with voice commands, a leg strip,
84
191000
3000
egy hang-vezérelhető kattintókereket, egy lábpántot,
03:29
even a shoe that applies pressure to the foot.
85
194000
2000
de még egy cipőt is, ami nyomást gyakorol a lábra.
03:31
But today we're going to talk about
86
196000
2000
De ma, három ilyen nem-vizuális
03:33
three of these non-visual user interfaces.
87
198000
2000
felhasználói felületről fogunk beszélni.
03:35
Now the first interface is called a DriveGrip.
88
200000
3000
Nos, az első eszköz neve DriveGrip.
03:38
So these are a pair of gloves,
89
203000
2000
Ez egy pár kesztyű,
03:40
and it has vibrating elements on the knuckle part
90
205000
2000
és rezgő részei vannak az ujjperceken,
03:42
so you can convey instructions about how to steer --
91
207000
3000
így utasításokat közvetíthetünk arról, hogyan kell kormányozni --
03:45
the direction and the intensity.
92
210000
2000
azt irányt és az intenzitást.
03:47
Another device is called SpeedStrip.
93
212000
2000
Egy másik eszköz az úgynevezett SpeedStrip.
03:49
So this is a chair -- as a matter of fact, it's actually a massage chair.
94
214000
3000
Ez egy szék -- ami azt illeti, valójában egy masszázsszék.
03:52
We gut it out, and we rearrange the vibrating elements in different patterns,
95
217000
4000
Kibeleztük, és átrendeztük a rezgő elemeket egy másik alakba.
03:56
and we actuate them to convey information about the speed,
96
221000
3000
És úgy működtetjük azokat, hogy információt közvetítsenek a sebességről,
03:59
and also instructions how to use the gas and the brake pedal.
97
224000
3000
és utasításokat arról, hogyan kell használni a gáz- és fékpedált.
04:02
So over here, you can see
98
227000
2000
Szóval itt látható,
04:04
how the computer understands the environment,
99
229000
2000
hogyan értelmezi a számítógép a környezetet.
04:06
and because you cannot see the vibration,
100
231000
2000
És mivel a rezgés nem látható,
04:08
we actually put red LED's on the driver so that you can see what's happening.
101
233000
3000
piros LED-eket tettünk a vezetőre, hogy láthassuk, mi is történik valójában.
04:11
This is the sensory data,
102
236000
2000
Ezek az érzékszervi adatok,
04:13
and that data is transferred to the devices through the computer.
103
238000
3000
és ezek az adatok a számítógépen át jutnak el az eszközökbe.
04:16
So these two devices, DriveGrip and SpeedStrip,
104
241000
2000
Tehát ez a két eszköz, a DriveGrip és a SpeedStrip,
04:18
are very effective.
105
243000
2000
nagyon hatékony.
04:20
But the problem is
106
245000
2000
De a gond az, hogy
04:22
these are instructional cue devices.
107
247000
2000
ezek utasításközlő eszközök.
04:24
So this is not really freedom, right?
108
249000
2000
Ez azért nem az igazi szabadság, ugye?
04:26
The computer tells you how to drive --
109
251000
2000
A számítógép megmondja, hogyan kell vezetni --
04:28
turn left, turn right, speed up, stop.
110
253000
2000
fordulj balra, jobbra, gyorsíts, állj meg!
04:30
We call this the "backseat-driver problem."
111
255000
2000
Ezt hívjuk az okoskodó utas problémájának.
04:32
So we're moving away from the instructional cue devices,
112
257000
3000
Szóval már távolodunk az utasításközlő eszközöktől,
04:35
and we're now focusing more
113
260000
2000
és most már egyre inkább
04:37
on the informational devices.
114
262000
2000
a tájékoztató eszközökre fókuszálunk.
04:39
A good example for this informational non-visual user interface
115
264000
2000
Jó példa egy tájékoztató, nem-vizuális, felhasználói felületre
04:41
is called AirPix.
116
266000
2000
az úgynevezett AirPix.
04:43
So think of it as a monitor for the blind.
117
268000
2000
Próbálják úgy elképzelni, mint egy képernyőt a vakok számára.
04:45
So it's a small tablet, has many holes in it,
118
270000
2000
Szóval ez egy kis tábla, amin sok lyuk van,
04:47
and compressed air comes out,
119
272000
2000
és sűrített levegő jön ki belőle,
04:49
so it can actually draw images.
120
274000
2000
így aztán képes képeket rajzolni.
04:51
So even though you are blind, you can put your hand over it,
121
276000
2000
Így, még ha valaki vak is, ráteheti a kezét,
04:53
you can see the lanes of the road and obstacles.
122
278000
2000
és láthatja a sávokat az úton és az akadályokat.
04:55
Actually, you can also change the frequency of the air coming out
123
280000
3000
Tulajdonképpen, a kiáramló levegő frekvenciáját is változtathatjuk,
04:58
and possibly the temperature.
124
283000
2000
és esetleg a hőmérsékletét is.
05:00
So it's actually a multi-dimensional user interface.
125
285000
3000
Tehát ez valójában egy többdimenziós felhasználói felület.
05:03
So here you can see the left camera, the right camera from the vehicle
126
288000
3000
Itt látható a bal oldali kamera, a jobb oldali kamera a járműből,
05:06
and how the computer interprets that and sends that information to the AirPix.
127
291000
3000
és hogy a számítógép hogyan értelmezi, és küldi az információkat az AirPixnek.
05:09
For this, we're showing a simulator,
128
294000
2000
Ehhez, mutatunk egy szimulátort,
05:11
a blind person driving using the AirPix.
129
296000
3000
egy vak vezetővel, aki használja az AirPixet.
05:14
This simulator was also very useful for training the blind drivers
130
299000
3000
Ez a szimulátor a vak sofőrök képzésére is nagyon hasznos volt,
05:17
and also quickly testing different types of ideas
131
302000
2000
és hogy gyorsan teszteljük a különböző ötleteket
05:19
for different types of non-visual user interfaces.
132
304000
2000
a különféle, nem-vizuális, felhasználói felületekhez.
05:21
So basically that's how it works.
133
306000
2000
Tehát alapvetően így működik.
05:23
So just a month ago,
134
308000
2000
Mindössze egy hónapja,
05:25
on January 29th,
135
310000
2000
január 29-én,
05:27
we unveiled this vehicle for the very first time to the public
136
312000
2000
legelső alkalommal mutattuk be ezt a járművet közönség előtt
05:29
at the world-famous Daytona International Speedway
137
314000
3000
a világhírű Daytona International Speedway versenypályán,
05:32
during the Rolex 24 racing event.
138
317000
2000
a Rolex 24 órás verseny alatt.
05:34
We also had some surprises. Let's take a look.
139
319000
3000
Volt néhány meglepetésünk is. Nézzük meg!
05:37
(Music)
140
322000
10000
(Zene)
05:47
(Video) Announcer: This is an historic day in January.
141
332000
4000
(Videó) Bemondó: Ez egy történelmi nap!
05:51
He's coming up to the grandstand, fellow Federationists.
142
336000
4000
Közeledik a nagy tribünhöz, tagtársaim!
05:55
(Cheering)
143
340000
6000
(Éljenzés)
06:01
(Honking)
144
346000
3000
(Dudálás)
06:04
There's the grandstand now.
145
349000
2000
Ez már a nagy tribün.
06:06
And he's [unclear] following that van that's out in front of him.
146
351000
4000
És most követi azt a kisteherautót, ami előtte halad.
06:10
Well there comes the first box.
147
355000
2000
És már jön is az első doboz.
06:12
Now let's see if Mark avoids it.
148
357000
3000
Most lássuk, hogy Mark elkerüli-e?
06:15
He does. He passes it on the right.
149
360000
3000
És igen! Jobbról kikerüli.
06:20
Third box is out. The fourth box is out.
150
365000
3000
A harmadik doboz is kint van. A negyedik doboz is.
06:23
And he's perfectly making his way between the two.
151
368000
3000
És tökéletesen áthajt a kettő között.
06:26
He's closing in on the van
152
371000
2000
Közeledik a kisteherautóhoz,
06:28
to make the moving pass.
153
373000
3000
hogy megelőzhesse.
06:32
Well this is what it's all about,
154
377000
2000
Hiszen erről szól ez,
06:34
this kind of dynamic display of audacity and ingenuity.
155
379000
4000
erről a fajta dinamizmusról, vakmerőségről és találékonyságról.
06:39
He's approaching the end of the run,
156
384000
3000
Most közeledik a kör vége felé,
06:42
makes his way between the barrels that are set up there.
157
387000
5000
áthajt a hordók között, amelyeket odakészítettek.
06:47
(Honking)
158
392000
3000
(Dudálás)
06:50
(Applause)
159
395000
3000
(Taps)
06:56
Dennis Hong: I'm so happy for you.
160
401000
2000
Dennis Hong: Annyira örülök neked!
06:58
Mark's going to give me a ride back to the hotel.
161
403000
2000
Majd Mark visszavisz a szállodába, kocsival.
07:00
Mark Riccobono: Yes.
162
405000
2000
Mark Riccobono: Igen!
07:05
(Applause)
163
410000
9000
(Taps)
07:14
DH: So since we started this project,
164
419000
2000
DH: Szóval, mióta elkezdtük ezt a projektet,
07:16
we've been getting hundreds of letters, emails, phone calls
165
421000
3000
több száz levelet, e-mailt, telefonhívást kaptunk
07:19
from people from all around the world.
166
424000
2000
emberektől a világ minden tájáról.
07:21
Letters thanking us, but sometimes you also get funny letters like this one:
167
426000
3000
Köszönő leveleket, de néha kapunk vicces leveleket is, mint ez itt:
07:24
"Now I understand why there is Braille on a drive-up ATM machine."
168
429000
4000
"Most már értem, miért van Braille írás a csak autóval megközelíthető bankautomatán."
07:28
(Laughter)
169
433000
2000
(Nevetés)
07:30
But sometimes --
170
435000
2000
De néha...
07:32
(Laughter)
171
437000
2000
(Nevetés)
07:34
But sometimes I also do get --
172
439000
2000
De néha olyat is kapok --
07:36
I wouldn't call it hate mail --
173
441000
2000
nem nevezném gyűlölködő levélnek --,
07:38
but letters of really strong concern:
174
443000
2000
melyek erősen kételkedő levelek:
07:40
"Dr. Hong, are you insane,
175
445000
2000
"Dr. Hong, maga megőrült,
07:42
trying to put blind people on the road?
176
447000
2000
hogy vakokat enged ki az útra?
07:44
You must be out of your mind."
177
449000
2000
Minden bizonnyal elment az esze!"
07:46
But this vehicle is a prototype vehicle,
178
451000
2000
De ez a jármű, egy prototípus jármű,
07:48
and it's not going to be on the road
179
453000
2000
és nem lesz az utakon, amíg be nem bizonyosodik,
07:50
until it's proven as safe as, or safer than, today's vehicle.
180
455000
2000
hogy legalább annyira biztonságos, mint a mai járművek.
07:52
And I truly believe that this can happen.
181
457000
3000
És én igazán hiszem, hogy ez megtörténhet.
07:55
But still, will the society,
182
460000
2000
De mégis, a társadalom
07:57
would they accept such a radical idea?
183
462000
2000
elfogadna-e egy ilyen radikális ötletet?
07:59
How are we going to handle insurance?
184
464000
2000
Hogyan fogjuk kezelni a biztosításokat?
08:01
How are we going to issue driver's licenses?
185
466000
2000
Hogyan fogjuk kiadni a jogosítványokat?
08:03
There's many of these different kinds of hurdles besides technology challenges
186
468000
3000
Sok ilyen jellegű akadály van még a technológiai kihívások mellett,
08:06
that we need to address before this becomes a reality.
187
471000
3000
amelyeket kezelnünk kell, mielőtt ez valósággá válik.
08:09
Of course, the main goal of this project
188
474000
2000
Természetesen a fő célja ennek a projektnek az,
08:11
is to develop a car for the blind.
189
476000
2000
hogy kifejlesszünk egy autót a vakok számára.
08:13
But potentially more important than this
190
478000
2000
De potenciálisan ennél is sokkal fontosabb,
08:15
is the tremendous value of the spin-off technology
191
480000
3000
azoknak a technológiáknak az óriási értéke,
08:18
that can come from this project.
192
483000
2000
amelyek ebben a projektben kifejlődnek.
08:20
The sensors that are used can see through the dark,
193
485000
2000
Az érzékelők, amiket használtunk, látnak a sötétben,
08:22
the fog and rain.
194
487000
2000
ködben és esőben.
08:24
And together with this new type of interfaces,
195
489000
2000
És az új típusú felhasználói felületekkel együtt,
08:26
we can use these technologies
196
491000
2000
felhasználhatjuk ezeket a technológiákat,
08:28
and apply them to safer cars for sighted people.
197
493000
2000
hogy biztonságosabb autókat készítsünk a látó emberek számára.
08:30
Or for the blind, everyday home appliances --
198
495000
3000
Vagy a vakok számára, mindennapi, háztartási gépeket --
08:33
in the educational setting, in the office setting.
199
498000
2000
vagy az oktatási vagy az irodai környezetben.
08:35
Just imagine, in a classroom a teacher writes on the blackboard
200
500000
3000
Képzeljük csak el, egy osztályteremben a tanár ír a táblára,
08:38
and a blind student can see what's written and read
201
503000
3000
és a vak diák láthatja, mit írt fel, és olvashatja
08:41
using these non-visual interfaces.
202
506000
2000
egy ilyen nem-vizuális eszközzel.
08:43
This is priceless.
203
508000
3000
Ez megfizethetetlen.
08:46
So today, the things I've showed you today, is just the beginning.
204
511000
3000
Tehát ma, amit ma megmutattam, az még csak a kezdet.
08:49
Thank you very much.
205
514000
2000
Köszönöm szépen.
08:51
(Applause)
206
516000
11000
(Taps)
ABOUT THE SPEAKER
Dennis Hong - RoboticistDennis Hong is the founder and director of RoMeLa -- a Virginia Tech robotics lab that has pioneered several breakthroughs in robot design and engineering.
Why you should listen
As director of a groundbreaking robotics lab, Dennis Hong guides his team of students through projects on robot locomotion and mechanism design, creating award-winning humanoid robots like DARwIn (Dynamic Anthropomorphic Robot with Intelligence). His team is known as RoMeLa (Robotics & Mechanisms Laboratory) and operates at Virginia Tech.
Hong has also pioneered various innovations in soft-body robots, using a “whole-skin locomotion” as inspired by amoebae. Marrying robotics with biochemistry, he has been able to generate new types of motion with these ingenious forms. For his contributions to the field, Hong was selected as a NASA Summer Faculty Fellow in 2005, given the CAREER award by the National Science Foundation in 2007 and in 2009, named as one of Popular Science's Brilliant 10. He is also a gourmet chef and a magician, performing shows for charity and lecturing on the science of magic.
Dennis Hong | Speaker | TED.com