TED2012
Vijay Kumar: Robots that fly ... and cooperate
Vijay Kumar: Robot che volano... e che cooperano tra di loro
Filmed:
Readability: 4.5
5,188,706 views
Nel suo laboratorio a Penn, Vijay Kumar e la sua squadra costruiscono quadrirotori volanti, agili robot che si muovono in formazione, interagiscono l'uno con l'altro e formano gruppi specializzati - usati per le costruzioni, per il monitoraggio di aree disastrate e per molto altro.
Vijay Kumar - Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations. Full bio
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations. Full bio
Double-click the English transcript below to play the video.
00:20
Good morning.
0
5000
2000
Buongiorno.
00:22
I'm here today to talk
1
7000
2000
Oggi mi trovo qui per parlarvi
00:24
about autonomous, flying beach balls.
2
9000
3000
di palloni da spiaggia che volano da soli.
00:27
No, agile aerial robots like this one.
3
12000
4000
Scherzo, si tratta di agili robot volanti come questo.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Vorrei dirvi delle difficoltà che abbiamo affrontato per costruirli,
00:34
and some of the terrific opportunities
5
19000
2000
e di alcune delle incredibili opportunità
00:36
for applying this technology.
6
21000
2000
che questa tecnologia offre.
00:38
So these robots
7
23000
2000
Questi robot
00:40
are related to unmanned aerial vehicles.
8
25000
3000
sono come gli aeromobili a pilotaggio remoto,
00:43
However, the vehicles you see here are big.
9
28000
3000
solo che questi ultimi sono molto grandi,
00:46
They weigh thousands of pounds,
10
31000
2000
pesano qualche tonnellata
00:48
are not by any means agile.
11
33000
2000
e non sono affatto agili.
00:50
They're not even autonomous.
12
35000
2000
Non sono nemmeno autonomi.
00:52
In fact, many of these vehicles
13
37000
2000
Infatti molti di questi velivoli
00:54
are operated by flight crews
14
39000
2000
sono gestiti da personale a terra,
00:56
that can include multiple pilots,
15
41000
3000
tra cui diversi piloti,
00:59
operators of sensors
16
44000
2000
operatori di sensori
01:01
and mission coordinators.
17
46000
2000
e coordinatori di missione.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Quello che a noi interessa nello sviluppare i nostri robot -
01:05
and here are two other pictures --
19
50000
2000
ecco qui due immagini -
01:07
of robots that you can buy off the shelf.
20
52000
3000
è di poterli vendere direttamente in negozio.
01:10
So these are helicopters with four rotors
21
55000
3000
Qui vediamo degli elicotteri a quattro rotori,
01:13
and they're roughly a meter or so in scale
22
58000
4000
lunghi circa un metro
01:17
and weigh several pounds.
23
62000
2000
e dal peso di qualche chilo.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Abbiamo aggiunto sensori e processori
01:22
and these robots can fly indoors
25
67000
2000
per farli volare all'interno di edifici
01:24
without GPS.
26
69000
2000
senza l'aiuto del GPS.
01:26
The robot I'm holding in my hand
27
71000
2000
Il robot che sto tenendo in mano
01:28
is this one,
28
73000
2000
è proprio questo;
01:30
and it's been created by two students,
29
75000
3000
è stato realizzato da due studenti,
01:33
Alex and Daniel.
30
78000
2000
Alex e Daniel.
01:35
So this weighs a little more
31
80000
2000
Pesa circa
01:37
than a tenth of a pound.
32
82000
2000
mezzo etto
01:39
It consumes about 15 watts of power.
33
84000
2000
e consuma intorno ai 15 watt di corrente.
01:41
And as you can see,
34
86000
2000
Come potete vedere,
01:43
it's about eight inches in diameter.
35
88000
2000
ha un diametro di circa 20 centimetri.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Ora vi farò una breve dimostrazione
01:48
on how these robots work.
37
93000
2000
del funzionamento del robot.
01:50
So it has four rotors.
38
95000
2000
Ha quattro rotori.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Se li fate girare alla stessa velocità
01:54
the robot hovers.
40
99000
2000
il robot rimane sospeso.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Se ne aumentate la velocità
01:59
then the robot flies up, it accelerates up.
42
104000
3000
si alza in verticale.
02:02
Of course, if the robot were tilted,
43
107000
2000
Naturalmente se il robot si trova
02:04
inclined to the horizontal,
44
109000
2000
in posizione orizzontale,
02:06
then it would accelerate in this direction.
45
111000
3000
l'accelerazione avverrà in quella direzione.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Per farlo piegare da un lato, ecco il primo modo per farlo.
02:12
So in this picture
47
117000
2000
In questa immagine
02:14
you see that rotor four is spinning faster
48
119000
2000
vedete che il rotore 4 gira più velocemente
02:16
and rotor two is spinning slower.
49
121000
2000
mentre il 2 è più lento.
02:18
And when that happens
50
123000
2000
In questo caso
02:20
there's moment that causes this robot to roll.
51
125000
3000
si crea un momento che fa inclinare il robot.
02:23
And the other way around,
52
128000
2000
Allo stesso modo,
02:25
if you increase the speed of rotor three
53
130000
3000
se si aumenta la velocità del rotore tre
02:28
and decrease the speed of rotor one,
54
133000
2000
e si riduce quella del rotore uno,
02:30
then the robot pitches forward.
55
135000
3000
il robot si sposta in avanti.
02:33
And then finally,
56
138000
2000
Ed infine,
02:35
if you spin opposite pairs of rotors
57
140000
2000
se si fanno girare più velocemente
02:37
faster than the other pair,
58
142000
2000
coppie opposte di rotori,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
il robot si imbarda sull'asse verticale.
02:41
So an on-board processor
60
146000
2000
Dunque il processore del robot
02:43
essentially looks at what motions need to be executed
61
148000
3000
analizza, in pratica, i vari movimenti da effettuare
02:46
and combines these motions
62
151000
2000
e li combina pianificando
02:48
and figures out what commands to send to the motors
63
153000
3000
il tipo di impulsi da inviare ai motori,
02:51
600 times a second.
64
156000
2000
600 volte al secondo.
02:53
That's basically how this thing operates.
65
158000
2000
Questo è il funzionamento di base.
02:55
So one of the advantages of this design
66
160000
2000
Uno dei vantaggi del progetto è che,
02:57
is, when you scale things down,
67
162000
2000
riducendo le dimensioni,
02:59
the robot naturally becomes agile.
68
164000
3000
il robot ovviamente guadagna in agilità.
03:02
So here R
69
167000
2000
Qui R indica
03:04
is the characteristic length of the robot.
70
169000
2000
la lunghezza caratteristica del robot.
03:06
It's actually half the diameter.
71
171000
3000
Di fatto è la metà del diametro.
03:09
And there are lots of physical parameters that change
72
174000
3000
E sono svariati i parametri fisici che cambiano
03:12
as you reduce R.
73
177000
2000
riducendo il fattore R.
03:14
The one that's the most important
74
179000
2000
Quello più importante
03:16
is the inertia or the resistance to motion.
75
181000
2000
è l'inerzia o resistenza al movimento.
03:18
So it turns out,
76
183000
2000
Ne risulta che
03:20
the inertia, which governs angular motion,
77
185000
3000
l'inerzia, che controlla il movimento angolare,
03:23
scales as a fifth power of R.
78
188000
3000
diminuisce come quinta potenza di R.
03:26
So the smaller you make R,
79
191000
2000
Perciò più si riduce R
03:28
the more dramatically the inertia reduces.
80
193000
3000
più si riduce l'inerzia, e in modo esponenziale.
03:31
So as a result, the angular acceleration,
81
196000
3000
Il risultato è che l'accelerazione angolare
03:34
denoted by Greek letter alpha here,
82
199000
2000
indicata dalla lettera alfa
03:36
goes as one over R.
83
201000
2000
diventa uno fratto R.
03:38
It's inversely proportional to R.
84
203000
2000
E' inversamente proporzionale a R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Più la si riduce, più aumenta la rapidità della virata.
03:43
So this should be clear in these videos.
86
208000
2000
Si capisce chiaramente dai video.
03:45
At the bottom right you see a robot
87
210000
3000
In basso a destra vedete un robot
03:48
performing a 360 degree flip
88
213000
2000
che fa un giro su se stesso di 360°
03:50
in less than half a second.
89
215000
2000
in meno di mezzo secondo.
03:52
Multiple flips, a little more time.
90
217000
3000
Per eseguire giri multipli ci vuole un po' di più.
03:55
So here the processes on board
91
220000
2000
Tutte le manovre ricevono
03:57
are getting feedback from accelerometers
92
222000
2000
un feedback dagli accelerometri
03:59
and gyros on board
93
224000
2000
e dai giroscopi di bordo,
04:01
and calculating, like I said before,
94
226000
2000
e calcolano i comandi, come vi dicevo,
04:03
commands at 600 times a second
95
228000
2000
600 volte al secondo
04:05
to stabilize this robot.
96
230000
2000
per stabilizzare il robot.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
A sinistra vedete Daniel che lancia il robot in aria.
04:10
And it shows you how robust the control is.
98
235000
2000
E vedete quanto il controllo del movimento sia totale.
04:12
No matter how you throw it,
99
237000
2000
Non importa come lo si lancia,
04:14
the robot recovers and comes back to him.
100
239000
4000
il robot stabilizza la sua traiettoria e torna indietro.
04:18
So why build robots like this?
101
243000
2000
Ma perché costruiamo questi robot?
04:20
Well robots like this have many applications.
102
245000
3000
Beh, robot come questi hanno molti impieghi.
04:23
You can send them inside buildings like this
103
248000
3000
Potreste inviarli all'interno di edifici come questo
04:26
as first responders to look for intruders,
104
251000
3000
come primo intervento per il controllo di intrusi,
04:29
maybe look for biochemical leaks,
105
254000
3000
o magari per cercare delle perdite biochimiche,
04:32
gaseous leaks.
106
257000
2000
o di gas.
04:34
You can also use them
107
259000
2000
Si possono usare
04:36
for applications like construction.
108
261000
2000
anche per le costruzioni.
04:38
So here are robots carrying beams, columns
109
263000
4000
Qui li vedete trasportare travi, colonne,
04:42
and assembling cube-like structures.
110
267000
3000
e assemblare delle strutture cubiche.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Vi dirò qualcosa in più su questo.
04:48
The robots can be used for transporting cargo.
112
273000
3000
I robot si possono impiegare per trasportare materiali.
04:51
So one of the problems with these small robots
113
276000
3000
E uno dei problemi è rappresentato
04:54
is their payload carrying capacity.
114
279000
2000
dalla loro modesta capacità di carico.
04:56
So you might want to have multiple robots
115
281000
2000
Ma si possono combinare diversi robot
04:58
carry payloads.
116
283000
2000
per aumentarla.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
Questa è un'immagine di un nostro recente esperimento -
05:02
actually not so recent anymore --
118
287000
2000
beh, non tanto recente, ormai -
05:04
in Sendai shortly after the earthquake.
119
289000
3000
condotto a Sendai dopo il terremoto.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Questi robot potrebbero volare all'interno di edifici crollati
05:10
to assess the damage after natural disasters,
121
295000
2000
per stimare l'entità dei danni causati da disastri naturali,
05:12
or sent into reactor buildings
122
297000
3000
o in edifici esposti a radiazioni
05:15
to map radiation levels.
123
300000
3000
per determinarne il livello di pericolosità.
05:19
So one fundamental problem
124
304000
2000
Il problema fondamentale
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
da risolvere è dare loro autonomia di calcolo
05:24
is essentially figuring out
126
309000
2000
per stabilire come spostarsi
05:26
how to get from point A to point B.
127
311000
2000
dal punto A al punto B.
05:28
So this gets a little challenging
128
313000
2000
Qui le cose si complicano un po'
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
per via dell'intrinseca complessità dinamica dei robot.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
Infatti si devono spostare in uno spazio a 12 dimensioni.
05:35
So we use a little trick.
131
320000
2000
Così ricorriamo a un trucchetto.
05:37
We take this curved 12-dimensional space
132
322000
3000
Prendiamo questo spazio curvo 12-dimensionale
05:40
and transform it
133
325000
2000
e lo trasformiamo
05:42
into a flat four-dimensional space.
134
327000
2000
in uno a 4 dimensioni.
05:44
And that four-dimensional space
135
329000
2000
Quest'ultimo è costituito
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
da X, Y, Z, e dall'angolo di imbardata.
05:49
And so what the robot does
137
334000
2000
Quello che fa il robot
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
è pianificare la traiettoria più breve e veloce.
05:55
So to remind you of physics,
139
340000
2000
In fisica, come ricorderete,
05:57
you have position, derivative, velocity,
140
342000
2000
abbiamo posizione, derivata, velocità,
05:59
then acceleration,
141
344000
2000
poi accelerazione,
06:01
and then comes jerk
142
346000
2000
quindi contrazione
06:03
and then comes snap.
143
348000
2000
e poi scatto.
06:05
So this robot minimizes snap.
144
350000
3000
E questo robot minimizza lo scatto.
06:08
So what that effectively does
145
353000
2000
Di fatto produce
06:10
is produces a smooth and graceful motion.
146
355000
2000
un movimento lineare e aggraziato.
06:12
And it does that avoiding obstacles.
147
357000
3000
E lo fa evitando eventuali ostacoli.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
Dunque queste traiettorie a scatto ridotto nello spazio piatto
06:18
are then transformed back
149
363000
2000
vengono adattate
06:20
into this complicated 12-dimensional space,
150
365000
2000
a questo complicato spazio 12-dimensionale,
06:22
which the robot must do
151
367000
2000
che il robot deve analizzare
06:24
for control and then execution.
152
369000
2000
e poi eseguire.
06:26
So let me show you some examples
153
371000
2000
Lasciate che vi mostri alcuni esempi
06:28
of what these minimum snap trajectories look like.
154
373000
2000
di questo tipo di traiettoria.
06:30
And in the first video,
155
375000
2000
Nel primo video
06:32
you'll see the robot going from point A to point B
156
377000
2000
vediamo il robot che va da A a B passando
06:34
through an intermediate point.
157
379000
2000
per un punto intermedio.
06:42
So the robot is obviously capable
158
387000
2000
Ovviamente il robot riesce a eseguire
06:44
of executing any curve trajectory.
159
389000
2000
qualsiasi traiettoria curva.
06:46
So these are circular trajectories
160
391000
2000
Queste sono traiettorie circolari
06:48
where the robot pulls about two G's.
161
393000
3000
che imprimono accelerazioni di due G.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
Le microcamere di bordo dicono al robot
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
dove si trova, 100 volte al secondo.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
E gli indicano la posizione degli ostacoli.
07:02
And the obstacles can be moving.
165
407000
2000
Ostacoli che possono muoversi.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Qui si vede Daniel mentre lancia un cerchio in aria,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
e il robot che calcola la posizione del cerchio
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
per scegliere il momento adatto per attraversarlo.
07:13
So as an academic,
169
418000
2000
Come accademici
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
siamo abituati a fare salti mortali per raccogliere fondi per i nostri esperimenti,
07:18
and we get our robots to do that.
171
423000
3000
ma qui lo facciamo fare ai robot.
07:21
(Applause)
172
426000
6000
(Applausi)
07:27
So another thing the robot can do
173
432000
2000
Un'altra cosa che i robot possono fare
07:29
is it remembers pieces of trajectory
174
434000
3000
è memorizzare segmenti di traiettoria
07:32
that it learns or is pre-programmed.
175
437000
2000
pre-programmati o che apprendono da sé.
07:34
So here you see the robot
176
439000
2000
Qui vedete il robot
07:36
combining a motion
177
441000
2000
che combina un movimento
07:38
that builds up momentum
178
443000
2000
per prendere velocità,
07:40
and then changes its orientation and then recovers.
179
445000
3000
e poi modifica assetto e torna in posizione normale.
07:43
So it has to do this because this gap in the window
180
448000
3000
E' obbligato a farlo perché l'apertura attraverso cui
07:46
is only slightly larger than the width of the robot.
181
451000
4000
deve passare è di poco più larga del robot.
07:50
So just like a diver stands on a springboard
182
455000
3000
E alla stregua di un tuffatore sul trampolino,
07:53
and then jumps off it to gain momentum,
183
458000
2000
che salta per prendere lo slancio sufficiente
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
per eseguire piroetta e doppia capriola,
07:58
and then gracefully recovers,
185
463000
2000
per poi rimettersi in assetto con grazia,
08:00
this robot is basically doing that.
186
465000
2000
anche il robot esegue le sue evoluzioni.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Dunque sa combinare piccoli segmenti di traiettoria
08:05
to do these fairly difficult tasks.
188
470000
4000
per eseguire dei compiti alquanto complessi.
08:09
So I want change gears.
189
474000
2000
Ma passiamo ad altro.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Uno degli svantaggi di questi piccoli robot è la loro dimensione.
08:14
And I told you earlier
191
479000
2000
Vi dicevo poc'anzi
08:16
that we may want to employ lots and lots of robots
192
481000
2000
che sarebbe possibile utilizzare svariati robottini
08:18
to overcome the limitations of size.
193
483000
3000
per superare i limiti imposti dalle dimensioni.
08:21
So one difficulty
194
486000
2000
Ma una delle difficoltà
08:23
is how do you coordinate lots of these robots?
195
488000
3000
è come coordinare il loro movimento in gruppo.
08:26
And so here we looked to nature.
196
491000
2000
E così abbiamo guardato alla natura.
08:28
So I want to show you a clip
197
493000
2000
Vorrei mostrarvi un video
08:30
of Aphaenogaster desert ants
198
495000
2000
sulle formiche del deserto, le aphaenogaster,
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
nel laboratorio del Prof.Stephen Pratt, mentre trasportano un oggetto.
08:35
So this is actually a piece of fig.
200
500000
2000
E' un pezzetto di fico.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Basta che qualsiasi oggetto sia ricoperto di succo di fico
08:39
and the ants will carry them back to the nest.
202
504000
3000
perché le formiche se lo portino nel loro nido.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Queste formiche non hanno un coordinamento centrale.
08:45
They sense their neighbors.
204
510000
2000
Si basano sulle loro vicine.
08:47
There's no explicit communication.
205
512000
2000
Nessuna comunicazione esplicita.
08:49
But because they sense the neighbors
206
514000
2000
Ma dato che si relazionano alle vicine
08:51
and because they sense the object,
207
516000
2000
e che sono in contatto con l'oggetto,
08:53
they have implicit coordination across the group.
208
518000
3000
esiste nel gruppo una coordinazione implicita.
08:56
So this is the kind of coordination
209
521000
2000
Ed è proprio il tipo di coordinazione
08:58
we want our robots to have.
210
523000
3000
che serve ai nostri robot.
09:01
So when we have a robot
211
526000
2000
Quindi quando un robot
09:03
which is surrounded by neighbors --
212
528000
2000
è circondato da altri robot -
09:05
and let's look at robot I and robot J --
213
530000
2000
prendiamo i robot I e J -
09:07
what we want the robots to do
214
532000
2000
quello che vogliamo che facciano
09:09
is to monitor the separation between them
215
534000
3000
è monitorare la distanza reciproca
09:12
as they fly in formation.
216
537000
2000
mentre volano in formazione.
09:14
And then you want to make sure
217
539000
2000
E poi vorrete accertarvi
09:16
that this separation is within acceptable levels.
218
541000
2000
che la distanza rientri in limiti accettabili.
09:18
So again the robots monitor this error
219
543000
3000
Dunque i robot monitorano questo errore
09:21
and calculate the control commands
220
546000
2000
e ricalcolano i comandi di controllo
09:23
100 times a second,
221
548000
2000
100 volte al secondo,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
il che si traduce in 600 volte al secondo per i comandi dei motori.
09:28
So this also has to be done
223
553000
2000
E anche questo deve poter essere fatto
09:30
in a decentralized way.
224
555000
2000
in maniera decentralizzata.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Di nuovo, se fate volare grandi quantità di robot,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
è impossibile coordinare centralmente tutte le informazioni
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
abbastanza rapidamente da far loro portare a termine il lavoro.
09:41
Plus the robots have to base their actions
228
566000
2000
Inoltre i robot devono basare le loro azioni
09:43
only on local information,
229
568000
2000
solo su informazioni locali,
09:45
what they sense from their neighbors.
230
570000
2000
su ciò che percepiscono dai loro vicini.
09:47
And then finally,
231
572000
2000
Ed infine vogliamo
09:49
we insist that the robots be agnostic
232
574000
2000
che i robot siano agnostici
09:51
to who their neighbors are.
233
576000
2000
nei confronti dei loro vicini.
09:53
So this is what we call anonymity.
234
578000
3000
E' ciò che chiamiamo anonimato.
09:56
So what I want to show you next
235
581000
2000
Ora vi mostrerò
09:58
is a video
236
583000
2000
un video
10:00
of 20 of these little robots
237
585000
3000
di 20 piccoli robot
10:03
flying in formation.
238
588000
2000
che volano in formazione.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Controllano la posizione dei loro vicini.
10:08
They're maintaining formation.
240
593000
2000
Si mantengono in formazione.
10:10
The formations can change.
241
595000
2000
Le formazioni possono cambiare.
10:12
They can be planar formations,
242
597000
2000
Possono essere disposte
10:14
they can be three-dimensional formations.
243
599000
2000
su un piano orizzontale o tridimensionale.
10:16
As you can see here,
244
601000
2000
Come potete vedere
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
cambiano formazione, da una tridimensionale ad una orizzontale.
10:21
And to fly through obstacles
246
606000
2000
E per volare attraverso gli ostacoli
10:23
they can adapt the formations on the fly.
247
608000
4000
riescono rapidamente ad adattare la formazione.
10:27
So again, these robots come really close together.
248
612000
3000
E volano a distanza veramente ravvicinata.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Come vedete in questo volo a forma di 8,
10:32
they come within inches of each other.
250
617000
2000
volano a pochi centimetri uno dall'altro.
10:34
And despite the aerodynamic interactions
251
619000
3000
E malgrado le interazioni aerodinamiche
10:37
of these propeller blades,
252
622000
2000
delle loro pale,
10:39
they're able to maintain stable flight.
253
624000
2000
il volo resta stabile.
10:41
(Applause)
254
626000
7000
(Applausi)
10:48
So once you know how to fly in formation,
255
633000
2000
E se riescono a volare in formazione
10:50
you can actually pick up objects cooperatively.
256
635000
2000
saranno anche in grado di sollevare degli oggetti, tutti insieme.
10:52
So this just shows
257
637000
2000
Vuol dire che potremo
10:54
that we can double, triple, quadruple
258
639000
3000
aumentare di due, tre, quattro volte
10:57
the robot strength
259
642000
2000
la forza dei robot
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
semplicemente facendoli lavorare insieme ai loro vicini.
11:01
One of the disadvantages of doing that
261
646000
3000
Uno degli svantaggi è che, con l'aumentare
11:04
is, as you scale things up --
262
649000
2000
delle dimensioni degli oggetti -
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
e dunque con tantissimi robot che trasportano la stessa cosa -
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
essenzialmente aumenta l'inerzia,
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
e quindi il prezzo da pagare è una minore agilità.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Ma si guadagna in termini di capacità di carico.
11:17
Another application I want to show you --
267
662000
2000
Vi mostro un'altra applicazione -
11:19
again, this is in our lab.
268
664000
2000
ancora nel nostro laboratorio.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
E' il lavoro di ricerca di un neolaureato, Quentin Lindsey.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Attraverso il suo algoritmo chiede ai robot
11:26
how to autonomously build
271
671000
2000
di costruire in modo autonomo
11:28
cubic structures
272
673000
2000
delle strutture cubiche
11:30
from truss-like elements.
273
675000
3000
usando elementi sfusi.
11:33
So his algorithm tells the robot
274
678000
2000
Dunque l'algoritmo indica al robot
11:35
what part to pick up,
275
680000
2000
l'elemento da prelevare,
11:37
when and where to place it.
276
682000
2000
quando e dove posizionarlo.
11:39
So in this video you see --
277
684000
2000
In questo video,
11:41
and it's sped up 10, 14 times --
278
686000
2000
velocizzato di 10-14 volte,
11:43
you see three different structures being built by these robots.
279
688000
3000
vedete tre strutture differenti che vengono costruite dai robot.
11:46
And again, everything is autonomous,
280
691000
2000
E fanno tutto da soli,
11:48
and all Quentin has to do
281
693000
2000
l'unica cosa che fa Quentin
11:50
is to get them a blueprint
282
695000
2000
è dar loro una piantina
11:52
of the design that he wants to build.
283
697000
4000
del disegno della costruzione.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Tutti gli esperimenti che avete visto finora,
11:59
all these demonstrations,
285
704000
2000
tutte queste dimostrazioni,
12:01
have been done with the help of motion capture systems.
286
706000
3000
sono stati realizzati usando sistemi di motion capture.
12:04
So what happens when you leave your lab
287
709000
2000
Ma che succede quando uscite dal laboratorio
12:06
and you go outside into the real world?
288
711000
3000
e andate nel mondo reale?
12:09
And what if there's no GPS?
289
714000
3000
E se non avete un GPS?
12:12
So this robot
290
717000
2000
Questo robot
12:14
is actually equipped with a camera
291
719000
2000
dispone di una videocamera
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
e di un cercatore laser H, uno scansionatore laser.
12:19
And it uses these sensors
293
724000
2000
Usa questi sensori
12:21
to build a map of the environment.
294
726000
2000
per creare una mappa dell'ambiente circostante.
12:23
What that map consists of are features --
295
728000
3000
Nella mappa sono rappresentate
12:26
like doorways, windows,
296
731000
2000
porte, finestre,
12:28
people, furniture --
297
733000
2000
persone, mobilio,
12:30
and it then figures out where its position is
298
735000
2000
e il robot riesce a calcolare la propria posizione
12:32
with respect to the features.
299
737000
2000
rispetto a questi oggetti.
12:34
So there is no global coordinate system.
300
739000
2000
Quindi non c'è alcun sistema globale di coordinate.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
Questo sistema viene definito dallo stesso robot,
12:39
where it is and what it's looking at.
302
744000
3000
dalla sua ubicazione e da ciò che vede.
12:42
And it navigates with respect to those features.
303
747000
3000
E naviga in base a questi parametri.
12:45
So I want to show you a clip
304
750000
2000
Ora vi mostrerò un video
12:47
of algorithms developed by Frank Shen
305
752000
2000
degli algoritmi sviluppati da Frank Shen
12:49
and Professor Nathan Michael
306
754000
2000
e dal Prof. Nathan Michael,
12:51
that shows this robot entering a building for the very first time
307
756000
4000
in cui un robot entra per la prima volta in un edificio
12:55
and creating this map on the fly.
308
760000
3000
e ne ricrea la mappa mentre si sposta.
12:58
So the robot then figures out what the features are.
309
763000
3000
Quindi il robot analizza le caratteristiche dell'ambiente.
13:01
It builds the map.
310
766000
2000
Ne realizza una mappa.
13:03
It figures out where it is with respect to the features
311
768000
2000
Calcola la sua posizione rispetto agli oggetti
13:05
and then estimates its position
312
770000
2000
e ricalcola la propria posizione
13:07
100 times a second
313
772000
2000
100 volte al secondo,
13:09
allowing us to use the control algorithms
314
774000
2000
permettendoci di usare gli algoritmi di controllo
13:11
that I described to you earlier.
315
776000
2000
che vi descrivevo prima.
13:13
So this robot is actually being commanded
316
778000
2000
Dunque questo robot viene di fatto comandato
13:15
remotely by Frank.
317
780000
2000
in remoto da Frank.
13:17
But the robot can also figure out
318
782000
2000
Ma il robot è in grado di capire da solo
13:19
where to go on its own.
319
784000
2000
dove deve andare.
13:21
So suppose I were to send this into a building
320
786000
2000
Immaginate che debba inviare il robot in un edificio
13:23
and I had no idea what this building looked like,
321
788000
2000
di cui non conosco assolutamente alcuna caratteristica,
13:25
I can ask this robot to go in,
322
790000
2000
posso chiedere al robot di entrare,
13:27
create a map
323
792000
2000
crearne una mappa
13:29
and then come back and tell me what the building looks like.
324
794000
3000
e tornare da me e dirmi com'è fatto l'edificio.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
Qui il robot non si limita a risolvere il problema
13:35
how to go from point A to point B in this map,
326
800000
3000
dello spostamento da A a B su questa mappa,
13:38
but it's figuring out
327
803000
2000
ma ricalcola continuamente
13:40
what the best point B is at every time.
328
805000
2000
dove si trovi il miglior punto B.
13:42
So essentially it knows where to go
329
807000
3000
Essenzialmente sa dove andare
13:45
to look for places that have the least information.
330
810000
2000
per cercare i luoghi di cui possiede meno informazioni.
13:47
And that's how it populates this map.
331
812000
3000
Ed è così che arricchisce la sua mappa.
13:50
So I want to leave you
332
815000
2000
Vi farò vedere
13:52
with one last application.
333
817000
2000
un'ultima applicazione.
13:54
And there are many applications of this technology.
334
819000
3000
Questa tecnologia ha svariate applicazioni.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Noi professori siamo appassionati di sistemi educativi.
13:59
Robots like this can really change the way
336
824000
2000
Dei robot così possono realmente cambiare
14:01
we do K through 12 education.
337
826000
2000
il metodo educativo scolastico.
14:03
But we're in Southern California,
338
828000
2000
Ma ci troviamo nella California Meridionale,
14:05
close to Los Angeles,
339
830000
2000
nei pressi di Los Angeles,
14:07
so I have to conclude
340
832000
2000
dunque devo concludere
14:09
with something focused on entertainment.
341
834000
2000
con qualcosa di divertente.
14:11
I want to conclude with a music video.
342
836000
2000
Vi mostrerò un video musicale.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Ecco coloro che l'hanno realizzato,
14:16
who created this video.
344
841000
2000
Alex e Daniel.
14:18
(Applause)
345
843000
7000
(Applausi)
14:25
So before I play this video,
346
850000
2000
Ma prima vi voglio dire
14:27
I want to tell you that they created it in the last three days
347
852000
3000
che l'hanno prodotto in soli tre giorni,
14:30
after getting a call from Chris.
348
855000
2000
dopo aver ricevuto una chiamata da Chris.
14:32
And the robots that play the video
349
857000
2000
E i robot che vedrete
14:34
are completely autonomous.
350
859000
2000
sono del tutto autonomi.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Vedrete nove robot che suonano sei diversi strumenti.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Ovviamente l'hanno preparato in esclusiva per TED 2012.
14:43
Let's watch.
353
868000
3000
Vediamo.
15:19
(Music)
354
904000
10000
(Musica)
16:23
(Applause)
355
968000
17000
(Applausi)
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