TEDxNASA
Dennis Hong: My seven species of robot -- and how we created them
Dennis Hong: Az én hétféle robotom
Filmed:
Readability: 4.2
2,237,651 views
A TEDxNASA-nál Dennis Hong bemutat hét díjnyertes, sokéltű robotot -- mint például a humanoid, futballozó DARwin-t, a hegymászó CLIMBeR-t -- melyeket csapatával a RoMeLa-nál (Virginia Tech) épített. A történet végén megtudhatjuk tőle laborja hihetetlen technikai sikereinek öt kreatív titkát.
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
So, the first robot to talk about is called STriDER.
0
0
3000
Nos tehát, az első robot, amiről szó lesz, a STriDER.
00:18
It stands for Self-excited
1
3000
2000
Ez azt jelenti, hogy Öngerjesztésű,
00:20
Tripedal Dynamic Experimental Robot.
2
5000
2000
Háromlábú, Dinamikus Kísérleti Robot.
00:22
It's a robot that has three legs,
3
7000
2000
Ez egy olyan robot, aminek három lába van,
00:24
which is inspired by nature.
4
9000
3000
aminek ötletét a természetből vettük.
00:27
But have you seen anything in nature,
5
12000
2000
De láttak már önök egyetlen állatot is,
00:29
an animal that has three legs?
6
14000
2000
aminek három lába lenne?
00:31
Probably not. So, why do I call this
7
16000
2000
Valószínűleg nem. Akkor hát miért mondom, hogy
00:33
a biologically inspired robot? How would it work?
8
18000
2000
ez egy biológiai ötletre épülő robot? Hogyan működik?
00:35
But before that, let's look at pop culture.
9
20000
3000
Előtte azonban vessünk egy pillantást a popkultúrára!
00:38
So, you know H.G. Wells' "War of the Worlds," novel and movie.
10
23000
3000
Mindannyian ismerik Wells Világok háborúja című művét és a belőle készült filmet.
00:41
And what you see over here is a very popular
11
26000
2000
Amit itt látnak, az egy nagyon népszerű
00:43
video game,
12
28000
2000
videójáték.
00:45
and in this fiction they describe these alien creatures that
13
30000
3000
A fantázia leírása szerint ezek az idegen teremtmények
00:48
are robots that have three legs that terrorize Earth.
14
33000
2000
háromlábú robotok, melyek megtámadják a Földet.
00:50
But my robot, STriDER, does not move like this.
15
35000
4000
Az én robotom, a STriDER azonban nem így mozog.
00:54
So, this is an actual dynamic simulation animation.
16
39000
3000
Ez itt egy valódi dinamikus szimulációra épülő animáció.
00:57
I'm just going to show you how the robot works.
17
42000
2000
Most megmutatom önöknek, hogyan működik a robot.
00:59
It flips its body 180 degrees
18
44000
3000
180 fokkal átbillenti a testét.
01:02
and it swings its leg between the two legs and catches the fall.
19
47000
3000
Egyik lábát átlendíti a másik kettő között, hogy ne essen el.
01:05
So, that's how it walks. But when you look at us
20
50000
2000
Tehát így sétál. Amikor azonban magunkat,
01:07
human being, bipedal walking,
21
52000
2000
emberi lényeket figyeljük meg, két lábon járás közben,
01:09
what you're doing is you're not really using a muscle
22
54000
2000
látjuk, hogy valójában nem igazán használunk egy izmot sem
01:11
to lift your leg and walk like a robot. Right?
23
56000
3000
a lábunk felemeléséhez, hogy úgy járjunk, mint egy robot. Így van?
01:14
What you're doing is you really swing your leg and catch the fall,
24
59000
3000
Valójában annyit teszünk, hogy lendítjük a lábunkat, és kivédjük az esést,
01:17
stand up again, swing your leg and catch the fall.
25
62000
3000
felállunk, lendítjük a lábunkat és kivédjük az esést.
01:20
You're using your built-in dynamics, the physics of your body,
26
65000
3000
Használjunk a beépített dinamikánkat, testünk fizikáját,
01:23
just like a pendulum.
27
68000
2000
akárcsak egy ingát.
01:25
We call that the concept of passive dynamic locomotion.
28
70000
4000
Ezt a koncepciót passzív dinamikus mozgásnak hívjuk.
01:29
What you're doing is, when you stand up,
29
74000
2000
Annyit teszünk mindössze amikor állunk, hogy
01:31
potential energy to kinetic energy,
30
76000
2000
helyzeti energiát mozgási energiává alakítunk,
01:33
potential energy to kinetic energy.
31
78000
2000
helyzeti energiát mozgási energiává alakítunk.
01:35
It's a constantly falling process.
32
80000
2000
Ez egy állandó esések sorozata.
01:37
So, even though there is nothing in nature that looks like this,
33
82000
3000
És, bár semmi hasonló nem létezik a természetben,
01:40
really, we were inspired by biology
34
85000
2000
bennünket mégis a biológia inspirált
01:42
and applying the principles of walking
35
87000
2000
és adta az alapelvét e robot
01:44
to this robot. Thus it's a biologically inspired robot.
36
89000
3000
mozgásának, tehát ez egy biológiai elvre épülő robot.
01:47
What you see over here, this is what we want to do next.
37
92000
2000
Amit itt látnak, az a következő, amit meg akarunk valósítani.
01:49
We want to fold up the legs and shoot it up for long-range motion.
38
94000
4000
Össze akajuk hajtogatni a lábakat, hogy aztán kilőhessük őket a hosszabb hatótáv érdekében.
01:53
And it deploys legs -- it looks almost like "Star Wars" --
39
98000
3000
Ez itt lerakja a lábait, akárcsak a Star Wars-ban.
01:56
when it lands, it absorbs the shock and starts walking.
40
101000
3000
Földet éréskor elnyeli az ütközést, és járni kezd.
01:59
What you see over here, this yellow thing, this is not a death ray. (Laughter)
41
104000
3000
Amit itt látnak, ez a sárga dolog, ez nem egy halálos sugár.
02:02
This is just to show you that if you have cameras
42
107000
2000
Ez csak azt akarja mutatni, hogy ha van egy kameránk,
02:04
or different types of sensors --
43
109000
2000
ami különböző féle érzékelőkből áll,
02:06
because it is tall, it's 1.8 meters tall --
44
111000
2000
mivel ez magas, 1,8 m magas,
02:08
you can see over obstacles like bushes and those kinds of things.
45
113000
3000
akkor átláthatunk a bokrok és más efféle akadályok fölött.
02:11
So we have two prototypes.
46
116000
2000
Két prototípusunk van tehát.
02:13
The first version, in the back, that's STriDER I.
47
118000
3000
Ez az első változat itt hátul a STriDER I.
02:16
The one in front, the smaller, is STriDER II.
48
121000
2000
Ez a kisebb itt elöl a STriDER II.
02:18
The problem that we had with STriDER I is
49
123000
2000
A STriDER I-gyel az a probléma, hogy
02:20
it was just too heavy in the body. We had so many motors,
50
125000
3000
a teste túlságosan nehéz volt. Olyan sok motorra volt szükség
02:23
you know, aligning the joints, and those kinds of things.
51
128000
2000
például az ízületek és más effélék összehangolásához.
02:25
So, we decided to synthesize a mechanical mechanism
52
130000
4000
Ezért úgy döntöttünk, hogy összeállítunk egy mechanikai rendszert,
02:29
so we could get rid of all the motors, and with a single motor
53
134000
3000
hogy megszabadulhassunk a motoroktól, és mindössze egyetlen motorral
02:32
we can coordinate all the motions.
54
137000
2000
képesek legyünk minden mozgást koordinálni.
02:34
It's a mechanical solution to a problem, instead of using mechatronics.
55
139000
3000
Ez a probléma mechanikai megoldása, a mechatronikai megoldás helyett.
02:37
So, with this now the top body is light enough. So, it's walking in our lab;
56
142000
3000
Így a felső test már elég könnyű ahhoz, hogy a laborban járni tudjon.
02:40
this was the very first successful step.
57
145000
3000
Ez volt a legelső sikeres lépés.
02:43
It's still not perfected -- its coffee falls down --
58
148000
2000
Ez persze még messze van a tökéletestől. Még kiborítaná a kávéját,
02:45
so we still have a lot of work to do.
59
150000
3000
úgyhogy még rengeteg a tennivalónk.
02:48
The second robot I want to talk about is called IMPASS.
60
153000
3000
A második robot, amiről beszélni szeretnék, az IMPASS.
02:51
It stands for Intelligent Mobility Platform with Actuated Spoke System.
61
156000
4000
Jelentése: Küllőrendszer-hajtású Intelligens Mobil Platform.
02:55
So, it's a wheel-leg hybrid robot.
62
160000
3000
Ez tehát egy keréklábú hibrid robot.
02:58
So, think of a rimless wheel
63
163000
2000
Képzeljünk el egy abroncs nélküli,
03:00
or a spoke wheel,
64
165000
2000
vagy csak küllőkből álló kereket.
03:02
but the spokes individually move in and out of the hub;
65
167000
3000
A küllők azonban egyedileg mozoghatnak a kerékagyban ki-be.
03:05
so, it's a wheel-leg hybrid.
66
170000
2000
Ez tehát egy keréklábú hibrid.
03:07
We are literally re-inventing the wheel here.
67
172000
2000
Itt szó szerint újra feltaláltuk a kereket.
03:09
Let me demonstrate how it works.
68
174000
3000
Hadd mutassam meg, hogyan működik.
03:12
So, in this video we're using an approach
69
177000
2000
Ezen a videón egy olyan megközelítést használunk,
03:14
called the reactive approach.
70
179000
2000
amit úgy hívunk, hogy reaktív megközelítés.
03:16
Just simply using the tactile sensors on the feet,
71
181000
3000
Egyszerűen a lábain lévő tapintó szenzorokat használva,
03:19
it's trying to walk over a changing terrain,
72
184000
2000
próbál egy változó terepen haladni,
03:21
a soft terrain where it pushes down and changes.
73
186000
3000
puha terepen kinyújtja őket, és vált.
03:24
And just by the tactile information,
74
189000
2000
És pusztán a tapintási információ alapján,
03:26
it successfully crosses over these type of terrain.
75
191000
3000
sikeresen halad végig ilyen terepeken.
03:29
But, when it encounters a very extreme terrain,
76
194000
4000
Amikor azonban extrém terepre ér,
03:33
in this case, this obstacle is more than three times
77
198000
3000
ebben az esetben például az akadály több mint háromszorosa
03:36
the height of the robot,
78
201000
2000
a robot magasságának.
03:38
Then it switches to a deliberate mode,
79
203000
2000
Ekkor átkapcsol előrelátó módba,
03:40
where it uses a laser range finder,
80
205000
2000
amikor is egy lézeres keresőt
03:42
and camera systems, to identify the obstacle and the size,
81
207000
2000
és egy kamerás rendszert használ az akadályok és méretük meghatározására
03:44
and it plans, carefully plans the motion of the spokes
82
209000
3000
és megtervezi, alaposan megtervezi a küllők mozgását,
03:47
and coordinates it so that it can show this
83
212000
2000
és úgy koordinálja, hogy az eredmény
03:49
kind of very very impressive mobility.
84
214000
2000
ez a fajta, nagyon impresszív mobilitás legyen.
03:51
You probably haven't seen anything like this out there.
85
216000
2000
Önök még valószínűleg nem láttak ilyet.
03:53
This is a very high mobility robot
86
218000
3000
Ez egy nagyon magas mobilitású robot,
03:56
that we developed called IMPASS.
87
221000
3000
amit kifejlesztettünk, a neve IMPASS.
03:59
Ah, isn't that cool?
88
224000
2000
Ó! Hát nem klassz?
04:01
When you drive your car,
89
226000
3000
Amikor autót vezetünk,
04:04
when you steer your car, you use a method
90
229000
2000
amikor kormányozunk, az úgy nevezett
04:06
called Ackermann steering.
91
231000
2000
Ackermann kormányzási módszert használjuk.
04:08
The front wheels rotate like this.
92
233000
2000
A két első kereket forgatjuk, valahogy így.
04:10
For most small wheeled robots,
93
235000
3000
A legtöbb ilyen kis kerekű robotnál viszont
04:13
they use a method called differential steering
94
238000
2000
a differenciál-kormányzás módszerét használják,
04:15
where the left and right wheel turns the opposite direction.
95
240000
3000
ahol a bal és a jobb kerék ellenkező irányba forog.
04:18
For IMPASS, we can do many, many different types of motion.
96
243000
3000
Az IMPASS-nál sok-sok különböző mozgásformát tudunk létrehozni.
04:21
For example, in this case, even though the left and right wheel is connected
97
246000
3000
Például ebben az esetben, annak ellenére, hogy a bal és jobb kereket
04:24
with a single axle rotating at the same angle of velocity.
98
249000
2000
egyetlen tengely köti össze, és azonos szögsebességgel forognak.
04:26
We just simply change the length of the spoke.
99
251000
3000
Egyszerűen megváltoztatjuk a küllő hosszát.
04:29
It affects the diameter and then can turn to the left, turn to the right.
100
254000
2000
Ettől változik az átmérő, amitől aztán balra és jobbra fordul.
04:31
So, these are just some examples of the neat things
101
256000
2000
És ez csak néhány példa azokra a finom dolgokra,
04:33
that we can do with IMPASS.
102
258000
3000
amikre az IMPASS képes.
04:36
This robot is called CLIMBeR:
103
261000
2000
Ezt a robotot CLIMBeR-nek hívják.
04:38
Cable-suspended Limbed Intelligent Matching Behavior Robot.
104
263000
3000
Kábel-felfüggesztéses Lábakon járó, Intelligens Alkalmazkodó Robot.
04:41
So, I've been talking to a lot of NASA JPL scientists --
105
266000
3000
Számos tudóssal beszéltem, akik a NASA JPL-nél dolgoznak,
04:44
at JPL they are famous for the Mars rovers --
106
269000
2000
a JPL-nél, ami híres Mars-járó rovereiről.
04:46
and the scientists, geologists always tell me
107
271000
2000
És a tudósok, geológusok mindig azt mondják nekem,
04:48
that the real interesting science,
108
273000
3000
hogy az igazán érdekes tudomány,
04:51
the science-rich sites, are always at the cliffs.
109
276000
3000
a tudomány számára érdekes helyek mindig a szikláknál vannak.
04:54
But the current rovers cannot get there.
110
279000
2000
A mai roverek azonban nem tudnak oda jutni.
04:56
So, inspired by that we wanted to build a robot
111
281000
2000
Ez adta az ötletet egy olyan robot építéséhez,
04:58
that can climb a structured cliff environment.
112
283000
3000
ami képes átmászni egy tagolt, sziklás terepen.
05:01
So, this is CLIMBeR.
113
286000
2000
Ez lett a CLIMBeR.
05:03
So, what it does, it has three legs. It's probably difficult to see,
114
288000
2000
Van három lába. Valószínűleg nehezen látható,
05:05
but it has a winch and a cable at the top --
115
290000
3000
de van egy csörlője és egy kábel a felső részén.
05:08
and it tries to figure out the best place to put its foot.
116
293000
2000
Igyekszik megkeresni a legjobb helyet, ahol megvetheti a lábát.
05:10
And then once it figures that out
117
295000
2000
Aztán miután ezt megtalálta,
05:12
in real time, it calculates the force distribution:
118
297000
3000
valós időben kiszámítja az erőeloszlást.
05:15
how much force it needs to exert to the surface
119
300000
3000
Hogy mekkora erőt kell kifejtenie a felületre,
05:18
so it doesn't tip and doesn't slip.
120
303000
2000
hogy ne billenjen és ne is csússzon meg.
05:20
Once it stabilizes that, it lifts a foot,
121
305000
2000
Mikor stabilizálta magát, felemeli egyik lábát,
05:22
and then with the winch it can climb up these kinds of thing.
122
307000
4000
aztán a csörlő segítségével fel tud mászni ilyen dolgokra.
05:26
Also for search and rescue applications as well.
123
311000
2000
Kutatási és mentési feladatokra is jól alkalmazható.
05:28
Five years ago I actually worked at NASA JPL
124
313000
2000
Öt évvel ezelőtt én magami is dolgoztam a NASA JPL-nél,
05:30
during the summer as a faculty fellow.
125
315000
2000
nyári gyakorlaton.
05:32
And they already had a six legged robot called LEMUR.
126
317000
4000
Nekik akkor már volt egy LEMUR nevű, hatlábú robotjuk.
05:36
So, this is actually based on that. This robot is called MARS:
127
321000
3000
Ez itt valójában annak alapján épült. A neve MARS,
05:39
Multi-Appendage Robotic System. So, it's a hexapod robot.
128
324000
3000
mint Többszörös Felfüggesztésű Robotrendszer. Ez tehát egy hatlábú robot.
05:42
We developed our adaptive gait planner.
129
327000
2000
Kifejlesztettük a saját adaptív járástervezőnket.
05:44
We actually have a very interesting payload on there.
130
329000
2000
Egy igazán nagyon érdekes terhet cipel.
05:46
The students like to have fun. And here you can see that it's
131
331000
2000
A hallgatók szeretnek viccelődni. Itt jól látható, amint
05:48
walking over unstructured terrain.
132
333000
3000
egy strukturálatlan terepen keresztül sétál.
05:51
It's trying to walk on the coarse terrain,
133
336000
2000
Megpróbál a durva felületen járni,
05:53
sandy area,
134
338000
2000
homokos felületen,
05:55
but depending on the moisture content or the grain size of the sand
135
340000
5000
de a homok nedvességtartalmától és szemcseméretétől függően,
06:00
the foot's soil sinkage model changes.
136
345000
2000
a lábak talajba süppedési modellje változik.
06:02
So, it tries to adapt its gait to successfully cross over these kind of things.
137
347000
4000
Így hát igyekszik járását úgy adaptálni, hogy sikeresen vegye ezeket az akadályokat.
06:06
And also, it does some fun stuff, as can imagine.
138
351000
2000
És egyúttal valami vicceset is csinál.
06:08
We get so many visitors visiting our lab.
139
353000
3000
Nagyon sok látogatót fogadunk laboratóriumunkban.
06:11
So, when the visitors come, MARS walks up to the computer,
140
356000
2000
Amikor a látogatók érkeznek, MARS odamegy a számítógéphez,
06:13
starts typing "Hello, my name is MARS."
141
358000
2000
és elkezdi írni "Helló, a nevem MARS."
06:15
Welcome to RoMeLa,
142
360000
2000
Isten hozta önöket a RoMeLa-ban,
06:17
the Robotics Mechanisms Laboratory at Virginia Tech.
143
362000
4000
a Virginia Tech Robotmechanikai Laboratóriumában.
06:21
This robot is an amoeba robot.
144
366000
2000
Ez itt egy amőba-robot.
06:23
Now, we don't have enough time to go into technical details,
145
368000
3000
Most nincs idő a technikai részletekre,
06:26
I'll just show you some of the experiments.
146
371000
2000
így csak néhány kísérletet fogok megmutatni.
06:28
So, this is some of the early feasibility experiments.
147
373000
2000
Néhányat a korai megvalósíthatósági kísérletek közül.
06:30
We store potential energy to the elastic skin to make it move.
148
375000
4000
A mozgáshoz szükséges potenciális energiát a rugalmas bőrben tároljuk.
06:34
Or use an active tension cords to make it move
149
379000
2000
Vagy pedig aktív rugalmas húrokat használunk az
06:36
forward and backward. It's called ChIMERA.
150
381000
3000
előre-hátra mozgáshoz. A neve ChIMERA.
06:39
We also have been working with some scientists
151
384000
2000
Dolgozik velünk néhány tudós
06:41
and engineers from UPenn
152
386000
2000
és mérnök a UPenn-től is,
06:43
to come up with a chemically actuated version
153
388000
2000
hogy kifejlesszük ennek az amőba-robotnak
06:45
of this amoeba robot.
154
390000
2000
egy kémiai úton meghajtott változatát.
06:47
We do something to something
155
392000
2000
Csinálunk valamiből valamit.
06:49
And just like magic, it moves. The blob.
156
394000
6000
És csodák csodája, mozog. A folt.
06:55
This robot is a very recent project. It's called RAPHaEL.
157
400000
2000
Ez itt az egyik legújabb projektünk. A neve RAPHaEL.
06:57
Robotic Air Powered Hand with Elastic Ligaments.
158
402000
3000
Elasztikus Ízületű Levegőhajtású Robotkéz.
07:00
There are a lot of really neat, very good robotic hands out there in the market.
159
405000
4000
Jelenleg egy csomó, kiváló, jó minőségű robotkéz van a piacon.
07:04
The problem is they're just too expensive, tens of thousands of dollars.
160
409000
4000
A gond csak az, hogy nagyon drágák, több tízezer dollárba kerülnek.
07:08
So, for prosthesis applications it's probably not too practical,
161
413000
2000
Ezért protézisként valószínűleg nem túl praktikusak,
07:10
because it's not affordable.
162
415000
2000
mert csak kevesek számára megfizethetők.
07:12
We wanted to go tackle this problem in a very different direction.
163
417000
4000
Mi a problémát egy teljesen új irányból akartuk megközelíteni.
07:16
Instead of using electrical motors, electromechanical actuators,
164
421000
3000
Elektromos motorok és elektromechanikus szerkezetek helyett,
07:19
we're using compressed air.
165
424000
2000
sűrített levegőt használunk.
07:21
We developed these novel actuators for joints.
166
426000
2000
Kifejlesztettük ezeket az új fajta ízületi elemeket.
07:23
It is compliant. You can actually change the force,
167
428000
3000
Könnyedén kezelhető. Az erőhatás módosítható
07:26
simply just changing the air pressure.
168
431000
2000
a levegő nyomásának egyszerű változtatásával.
07:28
And it can actually crush an empty soda can.
169
433000
2000
Így akár egy üres üdítős palackot is képes összenyomni.
07:30
It can pick up very delicate objects like a raw egg,
170
435000
3000
De akár egy törékeny nyers tojás megfogására,
07:33
or in this case, a lightbulb.
171
438000
3000
vagy, mint ebben az esetben, egy lámpaizzó megtartására is képes.
07:36
The best part, it took only $200 dollars to make the first prototype.
172
441000
4000
És ami a legjobb benne, az első prototípus elkészítése mindössze 200 dollárba került.
07:40
This robot is actually a family of snake robots
173
445000
3000
Ez a robot a kígyórobotok családjába tartozik,
07:43
that we call HyDRAS,
174
448000
2000
amit HyDRAS-nak hívunk,
07:45
Hyper Degrees-of-freedom Robotic Articulated Serpentine.
175
450000
2000
Hipermagas Szabadságfokú Robotkígyó
07:47
This is a robot that can climb structures.
176
452000
3000
Ez egy olyan robot, ami képes különböző struktúrákra felmászni.
07:50
This is a HyDRAS's arm.
177
455000
2000
Ez egy HyDRAS karja.
07:52
It's a 12 degrees of freedom robotic arm.
178
457000
2000
Ez egy 12 szabadsági fokú robotkar.
07:54
But the cool part is the user interface.
179
459000
2000
De a legizgalmasabb része a felhasználói felület.
07:56
The cable over there, that's an optical fiber.
180
461000
3000
Az a kábel ott egy optikai szál.
07:59
And this student, probably the first time using it,
181
464000
2000
Ez a diák pedig, aki valószínűleg életében először használja,
08:01
but she can articulate it many different ways.
182
466000
2000
képes különféle módon mozgatni.
08:03
So, for example in Iraq, you know, the war zone,
183
468000
3000
Például, mint tudják, az iraki háborús zónában
08:06
there is roadside bombs. Currently you send these
184
471000
2000
gyakoriak az út menti bombák. Ezekre a helyekre jelenleg
08:08
remotely controlled vehicles that are armed.
185
473000
3000
távirányítású, karral rendelkező járműveket küldenek.
08:11
It takes really a lot of time and it's expensive
186
476000
2000
Rendkívül időigényes és költséges
08:13
to train the operator to operate this complex arm.
187
478000
4000
kiképezni a kezelőket ennek a bonyolult karnak a használatára.
08:17
In this case it's very intuitive;
188
482000
2000
Esetünkben viszont ez igazán egyszerű.
08:19
this student, probably his first time using it, doing very complex manipulation tasks,
189
484000
4000
A hallgató, aki ezt valószínűleg először használja, egy nagyon összetett manipulációs feladatot végez,
08:23
picking up objects and doing manipulation,
190
488000
2000
tárgyakat véve fel, és velük műveleteket végezve,
08:25
just like that. Very intuitive.
191
490000
3000
így, rendkívül intuitív módon.
08:30
Now, this robot is currently our star robot.
192
495000
2000
Ez most az aktuális sztár-robotunk.
08:32
We actually have a fan club for the robot, DARwIn:
193
497000
3000
A DARwIn robotnak valódi rajongói klubja van.
08:35
Dynamic Anthropomorphic Robot with Intelligence.
194
500000
3000
Dinamikus Emberformájú Intelligens Robot.
08:38
As you know, we are very interested in
195
503000
2000
Mint tudják, nagyon foglalkoztat bennünket
08:40
humanoid robot, human walking,
196
505000
2000
a humanoid robot, az emberi járás,
08:42
so we decided to build a small humanoid robot.
197
507000
2000
ezért úgy döntöttünk, hogy építünk egy emberforma robotot.
08:44
This was in 2004; at that time,
198
509000
2000
Ez 2004-ben történt, és ez akkoriban
08:46
this was something really, really revolutionary.
199
511000
2000
valami nagyon-nagyon forradalmi dolognak számított.
08:48
This was more of a feasibility study:
200
513000
2000
Ez leginkább egy megvalósíthatósági tanulmány volt,
08:50
What kind of motors should we use?
201
515000
2000
milyen motorokat használjunk?
08:52
Is it even possible? What kinds of controls should we do?
202
517000
2000
Lehetséges ez egyáltalán? Milyen legyen a vezérlése?
08:54
So, this does not have any sensors.
203
519000
2000
Így hát nincs benne egyetlen érzékelő sem.
08:56
So, it's an open loop control.
204
521000
2000
Open-loop (nyitott körű) vezérlésre épül.
08:58
For those who probably know, if you don't have any sensors
205
523000
2000
Azoknak mondom, akik valószínűleg tudják, mi történik,
09:00
and there are any disturbances, you know what happens.
206
525000
2000
ha nincs egyetlen érzékelőnk sem, és valami zavaró körülmény lép fel.
09:05
(Laughter)
207
530000
1000
(Nevetés)
09:06
So, based on that success, the following year
208
531000
2000
Így hát erre a sikerre építve, a következő évben
09:08
we did the proper mechanical design
209
533000
3000
elvégeztük az alapos mechanikai tervezési munkát,
09:11
starting from kinematics.
210
536000
2000
a mozgástannal kezdve.
09:13
And thus, DARwIn I was born in 2005.
211
538000
2000
És végül DARwIn I. 2005-ben megszületett.
09:15
It stands up, it walks -- very impressive.
212
540000
2000
Képes felállni, Sétál. Nagyon látványos.
09:17
However, still, as you can see,
213
542000
2000
Azonban, ahogy láthatják,
09:19
it has a cord, umbilical cord. So, we're still using an external power source
214
544000
4000
a köldökzsinórja még megvan. Mivel még külső áramforrás,
09:23
and external computation.
215
548000
2000
és külső számítógép működteti.
09:25
So, in 2006, now it's really time to have fun.
216
550000
4000
Most pedig, 2006-ban itt az idő a mulatságra.
09:29
Let's give it intelligence. We give it all the computing power it needs:
217
554000
3000
Adjunk neki intelligenciát! Adjunk meg neki minden számítási képességet, amire csak szüksége van.
09:32
a 1.5 gigahertz Pentium M chip,
218
557000
2000
1.5 gigahertz Pentium M chip,
09:34
two FireWire cameras, rate gyros, accelerometers,
219
559000
2000
két Firewire kamera, nyolc giroszkóp, gyorsulásmérő,
09:36
four force sensors on the foot, lithium polymer batteries.
220
561000
3000
négy nyomatékszenzor a lábon, lítium-akkumulátorok.
09:39
And now DARwIn II is completely autonomous.
221
564000
4000
És most már DARwIn II tökéletesen önálló.
09:43
It is not remote controlled.
222
568000
2000
Már nem távirányítású.
09:45
There are no tethers. It looks around, searches for the ball,
223
570000
3000
Nincs szükség pórázra. Körülnéz, keresi a labdát,
09:48
looks around, searches for the ball, and it tries to play a game of soccer,
224
573000
3000
körülnéz, keresi a labdát, és megpróbál focizni,
09:51
autonomously: artificial intelligence.
225
576000
3000
önállóan, mesterséges intelligencia.
09:54
Let's see how it does. This was our very first trial,
226
579000
3000
Lássuk, hogyan csinálja! Ez volt a legelső kísérletünk.
09:57
and... Spectators (Video): Goal!
227
582000
5000
és... Videó: Gól!
10:03
Dennis Hong: So, there is actually a competition called RoboCup.
228
588000
3000
Ez tehát egy valódi verseny, a neve RoboCup.
10:06
I don't know how many of you have heard about RoboCup.
229
591000
2000
Nem tudom, hányan hallottak már a RoboCup-ról.
10:08
It's an international autonomous robot soccer competition.
230
593000
5000
Ez az autonóm robotok nemzetközi futballbajnoksága.
10:13
And the goal of RoboCup, the actual goal is,
231
598000
3000
A RoboCup valódi célja pedig,
10:16
by the year 2050
232
601000
2000
a 2050-es évre
10:18
we want to have full size, autonomous humanoid robots
233
603000
3000
elérni, hogy emberi méretű, autonóm humanoid robotok
10:21
play soccer against the human World Cup champions
234
606000
4000
játsszanak mérkőzést az emberek világbajnok csapata ellen,
10:25
and win.
235
610000
2000
és győzzenek.
10:27
It's a true actual goal. It's a very ambitious goal,
236
612000
2000
Ez egy valódi, igazi cél. Egy nagyon ambiciózus cél,
10:29
but we truly believe that we can do it.
237
614000
2000
de hiszük benne, hogy képesek vagyunk elérni.
10:31
So, this is last year in China.
238
616000
3000
Ez itt tavaly történt Kínában.
10:34
We were the very first team in the United States that qualified
239
619000
2000
Mi voltunk az első amerikai csapat, amelyik bejutott
10:36
in the humanoid RoboCup competition.
240
621000
2000
a humanoid robotok versenyére.
10:38
This is this year in Austria.
241
623000
3000
Ez az idei esemény, a helyszín Ausztria.
10:41
You're going to see the action, three against three,
242
626000
2000
Mindjárt látják az akciót, három a három ellen,
10:43
completely autonomous.
243
628000
2000
teljesen önállóan.
10:45
There you go. Yes!
244
630000
2000
És már itt is van. Igen!
10:48
The robots track and they
245
633000
2000
A robotok mozognak és játszanak.
10:50
team play amongst themselves.
246
635000
3000
csapatjátékot játszanak egymással.
10:53
It's very impressive. It's really a research event
247
638000
2000
Lenyűgöző. Ez egy kutatási esemény,
10:55
packaged in a more exciting competition event.
248
640000
4000
egy sokkal izgalmasabb sporteseménybe csomagolva.
10:59
What you see over here, this is the beautiful
249
644000
2000
Amit itt látnak, az a csodálatos
11:01
Louis Vuitton Cup trophy.
250
646000
2000
Louis Vuitton Kupa.
11:03
So, this is for the best humanoid,
251
648000
2000
A legjobb humanoidok számára szervezik,
11:05
and we would like to bring this for the very first time, to the United States
252
650000
2000
és mi első alkalommal el szeretnénk hozni az Egyesült Államokba
11:07
next year, so wish us luck.
253
652000
2000
jövőre, úgyhogy kívánjanak nekünk szerencsét.
11:09
(Applause)
254
654000
2000
Köszönöm.
11:11
Thank you.
255
656000
3000
(Taps)
11:14
DARwIn also has a lot of other talents.
256
659000
2000
DARwIn számos egyéb dologban is tehetséges.
11:16
Last year it actually conducted the Roanoke Symphony Orchestra
257
661000
3000
A múlt évben például a Roanoke szimfónikus zenekart vezényelte
11:19
for the holiday concert.
258
664000
3000
egy ünnepi koncerten.
11:22
This is the next generation robot, DARwIn IV,
259
667000
3000
Ez itt a következő generációs robot, a DARwIn IV,
11:25
but smarter, faster, stronger.
260
670000
3000
aki kisebb, gyorsabb, erősebb.
11:28
And it's trying to show off its ability:
261
673000
2000
És éppen a képességeit igyekszik demonstrálni.
11:30
"I'm macho, I'm strong.
262
675000
3000
"Macho vagyok! Erős vagyok!"
11:33
I can also do some Jackie Chan-motion,
263
678000
3000
Tudok néhány Jackie Chan-féle
11:36
martial art movements."
264
681000
3000
küzdésformát is.
11:39
(Laughter)
265
684000
2000
(Nevetés)
11:41
And it walks away. So, this is DARwIn IV.
266
686000
2000
És most elmegy. Ez volt tehát DARwIn IV,
11:43
And again, you'll be able to see it in the lobby.
267
688000
2000
aki, ismétlem, megtekinthető az előcsarnokban.
11:45
We truly believe this is going to be the very first running
268
690000
2000
Igazán hisszük, hogy ez lesz az első futó
11:47
humanoid robot in the United States. So, stay tuned.
269
692000
3000
humanoid robot az Államokban. Úgyhogy maradjanak velünk!
11:50
All right. So I showed you some of our exciting robots at work.
270
695000
3000
Nos hát, bemutattam önöknek néhány izgalmas robotunkat munka közben.
11:53
So, what is the secret of our success?
271
698000
3000
Mi tehát a sikerünk titka?
11:56
Where do we come up with these ideas?
272
701000
2000
Honnan jönnek ezek az ötletek?
11:58
How do we develop these kinds of ideas?
273
703000
2000
Hogyan dolgozzuk ki ezeket az ötleteket?
12:00
We have a fully autonomous vehicle
274
705000
2000
Van egy teljesen önjáró járművünk,
12:02
that can drive into urban environments. We won a half a million dollars
275
707000
2000
ami képes városi környezetben közlekedni. Félmillió dollárt nyertünk vele
12:04
in the DARPA Urban Challenge.
276
709000
2000
a DARPA Városi Viadalon.
12:06
We also have the world's very first
277
711000
2000
Miénk a világ első járműve,
12:08
vehicle that can be driven by the blind.
278
713000
2000
amit vakok is vezethetnek.
12:10
We call it the Blind Driver Challenge, very exciting.
279
715000
2000
A "vak sofőr próba" nevet adtuk neki, nagyon izgalmas,
12:12
And many, many other robotics projects I want to talk about.
280
717000
4000
és van még egy csomó robotikai projekt, amiről beszélni akarok.
12:16
These are just the awards that we won in 2007 fall
281
721000
2000
Itt vannak például a díjak, amiket 2007 őszén nyertünk
12:18
from robotics competitions and those kinds of things.
282
723000
3000
különböző robotikai és egyéb versenyeken.
12:21
So, really, we have five secrets.
283
726000
2000
Valójában van öt titkunk.
12:23
First is: Where do we get inspiration?
284
728000
2000
Az első, hogy honnan származik az inspiráció,
12:25
Where do we get this spark of imagination?
285
730000
2000
honnan jönnek az isteni szikrák?
12:27
This is a true story, my personal story.
286
732000
3000
Ez egy valós történet, az én személyes történetem
12:30
At night when I go to bed, 3 - 4 a.m. in the morning,
287
735000
2000
Éjszakánként, amikor lefekszem, hajnali 3 és 4 között,
12:32
I lie down, close my eyes, and I see these lines and circles
288
737000
3000
lecsukom a szememet, ezeket a vonalakat, köröket,
12:35
and different shapes floating around.
289
740000
2000
és különböző formákat látok magam körül lebegni,
12:37
And they assemble, and they form these kinds of mechanisms.
290
742000
3000
amelyek összekapcsolódnak és ilyen mechanizmusokat alkotnak.
12:40
And then I think, "Ah this is cool."
291
745000
2000
Azt gondolom: "Ez fantasztikus."
12:42
So, right next to my bed I keep a notebook,
292
747000
2000
Az ágyam mellett mindig van egy jegyzetfüzet,
12:44
a journal, with a special pen that has a light on it, LED light,
293
749000
3000
egy napló, egy speciális tollal, amin van egy LED-es lámpa,
12:47
because I don't want to turn on the light and wake up my wife.
294
752000
2000
mer nem akarom felkapcsolni a villanyt és felébreszteni a feleségemet.
12:49
So, I see this, scribble everything down, draw things,
295
754000
2000
Ezt, amit látok, azonnal leskiccelem, lerajzolom a dolgokat,
12:51
and I go to bed.
296
756000
2000
aztán elalszom.
12:53
Every day in the morning,
297
758000
2000
Minden reggel
12:55
the first thing I do before my first cup of coffee,
298
760000
2000
az első dolog, ami megelőzi az első csésze kávét,
12:57
before I brush my teeth, I open my notebook.
299
762000
2000
és a fogmosást, hogy kinyitom a füzetet.
12:59
Many times it's empty,
300
764000
2000
Elég gyakran üres,
13:01
sometimes I have something there -- if something's there, sometimes it's junk --
301
766000
2000
sokszor összevisszaságok vannak benne,
13:03
but most of the time I can't even read my handwriting.
302
768000
3000
de legtöbbször el sem tudom olvasni a saját kézírásomat.
13:06
And so, 4 am in the morning, what do you expect, right?
303
771000
3000
De hát hajnali négykor mit várhat az ember magától?
13:09
So, I need to decipher what I wrote.
304
774000
2000
Így aztán dekódolnom kell az írást.
13:11
But sometimes I see this ingenious idea in there,
305
776000
3000
Néha azonban zseniális ötleteket találok benne,
13:14
and I have this eureka moment.
306
779000
2000
és Heuréka-érzésem van.
13:16
I directly run to my home office, sit at my computer,
307
781000
2000
Azonnal a dolgozószobába rohanok, leülök a számítógép elé,
13:18
I type in the ideas, I sketch things out
308
783000
2000
begépelem az ötleteket, felvázolom a dolgokat,
13:20
and I keep a database of ideas.
309
785000
3000
és egy adatbázisban gyűjtöm őket.
13:23
So, when we have these calls for proposals,
310
788000
2000
Amikor pedig megkapjuk ezeket a pályázati felhívásokat,
13:25
I try to find a match between my
311
790000
2000
próbálom összevetni
13:27
potential ideas
312
792000
2000
a potenciális ötleteket
13:29
and the problem. If there is a match we write a research proposal,
313
794000
2000
és a problémát, aztán ha sikerül párokat találni, akkor írunk egy kutatási pályázatot,
13:31
get the research funding in, and that's how we start our research programs.
314
796000
4000
szerzünk hozzá anyagi támogatást, aztán kezdődhet a kutatási program.
13:35
But just a spark of imagination is not good enough.
315
800000
3000
A képzelet egy szikrája azonban önmagában nem elegendő.
13:38
How do we develop these kinds of ideas?
316
803000
2000
Hogyan történik az ötletek kidolgozása?
13:40
At our lab RoMeLa, the Robotics and Mechanisms Laboratory,
317
805000
3000
Nálunk, a RoMeLa-nál, a Robotmechanizmusok Laboratóriumában,
13:43
we have these fantastic brainstorming sessions.
318
808000
3000
fantasztikus brainstorming megbeszéléseket tartunk.
13:46
So, we gather around, we discuss about problems
319
811000
2000
Összeülünk, beszélgetünk problémákról,
13:48
and social problems and talk about it.
320
813000
2000
és társadalmi problémákról.
13:50
But before we start we set this golden rule.
321
815000
3000
Mielőtt elkezdenénk azonban, rögzítjük ezt az aranyszabályt.
13:53
The rule is:
322
818000
2000
A szabály:
13:55
Nobody criticizes anybody's ideas.
323
820000
3000
Senki nem kritizálja mások ötleteit.
13:58
Nobody criticizes any opinion.
324
823000
2000
Senki nem kritizál egyetlen véleményt sem.
14:00
This is important, because many times students, they fear
325
825000
2000
Ez nagyon fontos, mert a hallgatók gyakran félnek,
14:02
or they feel uncomfortable how others might think
326
827000
3000
vagy feszélyezettek amiatt, hogy vajon mit gondolnak a többiek
14:05
about their opinions and thoughts.
327
830000
2000
az ő véleményükről és gondolataikról.
14:07
So, once you do this, it is amazing
328
832000
2000
Ha viszont így csináljuk, akkor csodálatos,
14:09
how the students open up.
329
834000
2000
ahogy a hallgatók megnyílnak.
14:11
They have these wacky, cool, crazy, brilliant ideas, and
330
836000
3000
Őrülten eszement és brilliáns ötleteik vannak,
14:14
the whole room is just electrified with creative energy.
331
839000
3000
az egész szoba szinte vibrál a kreatív energiától.
14:17
And this is how we develop our ideas.
332
842000
3000
Így fejlesztjük ki az ötleteinket.
14:20
Well, we're running out of time. One more thing I want to talk about is,
333
845000
3000
Lassan kezdek kifutni az időből, de van még valami, amiről beszélni akarok,
14:23
you know, just a spark of idea and development is not good enough.
334
848000
4000
mégpedig az, hogy egy kiváló ötlet és a kidolgozás nem elég.
14:27
There was a great TED moment,
335
852000
2000
Volt egy kiváló TED-előadás,
14:29
I think it was Sir Ken Robinson, was it?
336
854000
3000
Sir Ken Robinson tartotta, azt hiszem.
14:32
He gave a talk about how education
337
857000
2000
Arról beszélt, hogyan öli meg az oktatás
14:34
and school kills creativity.
338
859000
2000
és az iskola a kreativitást.
14:36
Well, actually, there are two sides to the story.
339
861000
3000
Valójában két oldala van a történetnek.
14:39
So, there is only so much one can do
340
864000
3000
Annyi mindent tudunk kezdeni
14:42
with just ingenious ideas
341
867000
2000
pusztán zseniális ötletekkel,
14:44
and creativity and good engineering intuition.
342
869000
3000
kreativitással és jó mérnöki megérzéssel.
14:47
If you want to go beyond a tinkering,
343
872000
2000
Ha a barkácsolásnál többre vágyunk,
14:49
if you want to go beyond a hobby of robotics
344
874000
2000
ha a robotikát nem csak hobbiként akarjuk művelni,
14:51
and really tackle the grand challenges of robotics
345
876000
3000
és ha a robotika igazi nagy kihívásait keressük,
14:54
through rigorous research
346
879000
2000
alapos és módszeres kutatás révén,
14:56
we need more than that. This is where school comes in.
347
881000
3000
akkor ennél többre van szükség. És itt jön be az iskola.
14:59
Batman, fighting against bad guys,
348
884000
3000
Batman-nél, miközben a rosszfiúkkal harcol,
15:02
he has his utility belt, he has his grappling hook,
349
887000
2000
van egy szerszámkészlet, egy csáklyázóhorog,
15:04
he has all different kinds of gadgets.
350
889000
2000
egy csomó különféle hasznos eszköz.
15:06
For us roboticists, engineers and scientists,
351
891000
2000
Számunkra, robotikusk, mérnökök és tudósok számára
15:08
these tools, these are the courses and classes you take in class.
352
893000
5000
ezek a szerszámok a tanórák, tanfolyamok, kurzusok, amiket végigjárunk.
15:13
Math, differential equations.
353
898000
2000
Matematika, differenciál-egyenletek.
15:15
I have linear algebra, science, physics,
354
900000
2000
Én most is tanulok algebrát, tudományt, fizikát,
15:17
even nowadays, chemistry and biology, as you've seen.
355
902000
3000
kémiát és biológiát, amint látják.
15:20
These are all the tools that we need.
356
905000
2000
Ezek azok a szerszámok, amikre szükségünk van.
15:22
So, the more tools you have, for Batman,
357
907000
2000
A több szerszám, ami Batman számára azt jelenti,
15:24
more effective at fighting the bad guys,
358
909000
2000
hogy hatékonyabban tud harcolni a rosszfiúk ellen,
15:26
for us, more tools to attack these kinds of big problems.
359
911000
4000
nekünk abban segít, hogy megküzdjünk ezekkel a súlyos problémákkal.
15:30
So, education is very important.
360
915000
3000
Az oktatás tehát rendkívül fontos.
15:33
Also, it's not about that,
361
918000
2000
Ez nem arról szól,
15:35
only about that. You also have to work really, really hard.
362
920000
2000
nem csak arról szól, hogy nagyon-nagyon keményen kell dolgozni.
15:37
So, I always tell my students,
363
922000
2000
Ezért mondom mindig a hallgatóimnak,
15:39
"Work smart, then work hard."
364
924000
2000
hogy dolgozzanak okosan, aztán dolgozzanak keményen.
15:41
This picture in the back this is 3 a.m. in the morning.
365
926000
3000
Ez a kép itt a háttérben hajnali 3 körül készült.
15:44
I guarantee if you come to your lab at 3 - 4 am
366
929000
2000
Biztosíthatom önöket, hogy ha hajnali 3 és 4 között bejönnek a laborba,
15:46
we have students working there,
367
931000
2000
találnak ott néhány hallgatót aki dolgozik,
15:48
not because I tell them to, but because we are having too much fun.
368
933000
3000
és nem azért, mert én mondtam nekik, hanem azért, mert örömüket lelik benne.
15:51
Which leads to the last topic:
369
936000
2000
És ezzel elértünk az utolsó témánkhoz.
15:53
Do not forget to have fun.
370
938000
2000
Ne feledkezzük meg a saját szórakozásunkról!
15:55
That's really the secret of our success, we're having too much fun.
371
940000
3000
Ez a sikerünk igazi titka. A sok-sok öröm, amiben részünk van.
15:58
I truly believe that highest productivity comes when you're having fun,
372
943000
3000
Meggyőződésem, hogy az igazi termelékenység forrása, hogy élvezetet találjunk a munkában.
16:01
and that's what we're doing.
373
946000
2000
Ez tehát, amivel mi foglalkozunk.
16:03
There you go. Thank you so much.
374
948000
2000
Köszönöm a figyelmet.
16:05
(Applause)
375
950000
5000
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