TEDxPenn
Vijay Kumar: The future of flying robots
ヴィージェイ・クーマー: 空飛ぶロボットの未来
Filmed:
Readability: 4.9
1,780,679 views
ペンシルベニア大学の研究室でヴィージェイ・クーマーのチームは蜜蜂の動きに触発された自律飛行ロボットを作りました。彼らの最新の成果は精密農業への応用で、ロボットの一群が果樹園にある個々の果樹や果実を解析してモデルを作成し、収穫量を増やしたり水の管理を改善する上で重要な情報を農家に提供するというものです。
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.
私の研究室では ご覧のような
00:13
In my lab, we build
autonomous aerial robots
autonomous aerial robots
0
1280
3656
自律飛行ロボットを作っています
00:16
like the one you see flying here.
1
4960
1880
00:20
Unlike the commercially available drones
that you can buy today,
that you can buy today,
2
8720
3696
今時 お店で売っているような
ドローンとは違って
ドローンとは違って
00:24
this robot doesn't have any GPS on board.
3
12440
2640
GPSは搭載していません
00:28
So without GPS,
4
16160
1216
GPSなしでは
00:29
it's hard for robots like this
to determine their position.
to determine their position.
5
17400
3280
このようなロボットが
自分の位置を特定するのは困難です
自分の位置を特定するのは困難です
00:34
This robot uses onboard sensors,
cameras and laser scanners,
cameras and laser scanners,
6
22240
4736
このロボットの場合 搭載したセンサー、
カメラ、レーザースキャナーで
カメラ、レーザースキャナーで
00:39
to scan the environment.
7
27000
1696
周囲を走査していて
00:40
It detects features from the environment,
8
28720
3056
周りにあるものを検知し
00:43
and it determines where it is
relative to those features,
relative to those features,
9
31800
2736
三角測量によって
それらに対する
それらに対する
00:46
using a method of triangulation.
10
34560
2136
相対的な位置を把握しています
00:48
And then it can assemble
all these features into a map,
all these features into a map,
11
36720
3456
それらのデータをまとめて
後ろに出ているような
後ろに出ているような
マップを構築することが出来ます
00:52
like you see behind me.
12
40200
1736
00:53
And this map then allows the robot
to understand where the obstacles are
to understand where the obstacles are
13
41960
3936
こうやってマップができると
どこに障害物があるか分かり
どこに障害物があるか分かり
00:57
and navigate in a collision-free manner.
14
45920
2720
ロボットは衝突することなく
飛行することが出来ます
飛行することが出来ます
01:01
What I want to show you next
15
49160
2096
次にお見せしたいのは
01:03
is a set of experiments
we did inside our laboratory,
we did inside our laboratory,
16
51280
3216
このロボットに
もっと長い距離を飛行させてみた
もっと長い距離を飛行させてみた
01:06
where this robot was able
to go for longer distances.
to go for longer distances.
17
54520
3480
私たちの研究所で行った
一連の実験です
一連の実験です
01:10
So here you'll see, on the top right,
what the robot sees with the camera.
what the robot sees with the camera.
18
58400
5016
右上にあるのは
ロボットのカメラが撮った映像です
ロボットのカメラが撮った映像です
01:15
And on the main screen --
19
63440
1216
メインスクリーンでは
01:16
and of course this is sped up
by a factor of four --
by a factor of four --
20
64680
2456
―４倍速でお見せしていますが―
01:19
on the main screen you'll see
the map that it's building.
the map that it's building.
21
67160
2667
マップ構築の様子をご覧になれます
01:21
So this is a high-resolution map
of the corridor around our laboratory.
of the corridor around our laboratory.
22
69851
4285
これは研究室周辺の廊下を
高解像度でマップ化したもので
高解像度でマップ化したもので
01:26
And in a minute
you'll see it enter our lab,
you'll see it enter our lab,
23
74160
2336
まもなく研究室へと入ってきます
01:28
which is recognizable
by the clutter that you see.
by the clutter that you see.
24
76520
2856
散らかっている様子で
それと分かるかと思いますが—
それと分かるかと思いますが—
01:31
(Laughter)
25
79400
1016
(笑)
01:32
But the main point I want to convey to you
26
80440
2007
ここで最も強調したいのは
01:34
is that these robots are capable
of building high-resolution maps
of building high-resolution maps
27
82472
3584
これらのロボットは
５センチという高い解像度で
５センチという高い解像度で
01:38
at five centimeters resolution,
28
86080
2496
マップを作成することが
出来るということで
出来るということで
01:40
allowing somebody who is outside the lab,
or outside the building
or outside the building
29
88600
4176
研究室や建物の外部にいる人でも
01:44
to deploy these
without actually going inside,
without actually going inside,
30
92800
3216
このロボットを放つことで
実際に中に入ることなく
実際に中に入ることなく
中で何が起こっているか
推察することができます
推察することができます
01:48
and trying to infer
what happens inside the building.
what happens inside the building.
31
96040
3760
01:52
Now there's one problem
with robots like this.
with robots like this.
32
100400
2240
このようなロボットには
問題点があります
問題点があります
01:55
The first problem is it's pretty big.
33
103600
2200
１つ目の問題は
大きいということです
大きいということです
01:58
Because it's big, it's heavy.
34
106120
1680
大きいので重量もあります
02:00
And these robots consume
about 100 watts per pound.
about 100 watts per pound.
35
108640
3040
１キログラムにつき約200ワットの
電力を消費します
電力を消費します
02:04
And this makes for
a very short mission life.
a very short mission life.
36
112360
2280
ですからあまり長くは作業できません
02:08
The second problem
37
116000
1456
２つ目の問題は
02:09
is that these robots have onboard sensors
that end up being very expensive --
that end up being very expensive --
38
117480
3896
ロボットに搭載されている
レーザースキャナーやカメラや
レーザースキャナーやカメラや
02:13
a laser scanner, a camera
and the processors.
and the processors.
39
121400
3440
CPUがとても高価だということです
02:17
That drives up the cost of this robot.
40
125280
3040
そのためロボットのコストが
跳ね上がります
跳ね上がります
02:21
So we asked ourselves a question:
41
129440
2656
そこで私達は自問しました
02:24
what consumer product
can you buy in an electronics store
can you buy in an electronics store
42
132120
3776
消費者が電気屋で買えるような
センサーやCPUを搭載した
高価でない軽量な商品はないだろうか？
高価でない軽量な商品はないだろうか？
02:27
that is inexpensive, that's lightweight,
that has sensing onboard and computation?
that has sensing onboard and computation?
43
135920
6280
02:36
And we invented the flying phone.
44
144080
2656
そうやって空飛ぶ携帯電話が
生まれました
生まれました
02:38
(Laughter)
45
146760
1936
(笑)
02:40
So this robot uses a Samsung Galaxy
smartphone that you can buy off the shelf,
smartphone that you can buy off the shelf,
46
148720
6176
このロボットは お店ですぐに買える
サムスンのギャラクシー携帯を利用し
サムスンのギャラクシー携帯を利用し
アプリはAppストアから
ダウンロードできます
ダウンロードできます
02:46
and all you need is an app that you
can download from our app store.
can download from our app store.
47
154920
4016
02:50
And you can see this robot
reading the letters, "TED" in this case,
reading the letters, "TED" in this case,
48
158960
4216
このロボットは 今
「TED」の文字を読み取っているところです
「TED」の文字を読み取っているところです
02:55
looking at the corners
of the "T" and the "E"
of the "T" and the "E"
49
163200
2936
「T」と「E」の角を探し出し
02:58
and then triangulating off of that,
flying autonomously.
flying autonomously.
50
166160
3480
三角測量しつつ自律飛行しています
03:02
That joystick is just there
to make sure if the robot goes crazy,
to make sure if the robot goes crazy,
51
170720
3256
ジョイスティックは
ロボットが暴走した時のためで
ロボットが暴走した時のためで
その時にはジュゼッペ君が
止めてくれます
止めてくれます
03:06
Giuseppe can kill it.
52
174000
1416
03:07
(Laughter)
53
175440
1640
(笑)
03:10
In addition to building
these small robots,
these small robots,
54
178920
3816
単に小さなロボットを
作るというだけでなく
作るというだけでなく
03:14
we also experiment with aggressive
behaviors, like you see here.
behaviors, like you see here.
55
182760
4800
このような激しい動きをさせる
実験もしています
実験もしています
03:19
So this robot is now traveling
at two to three meters per second,
at two to three meters per second,
56
187920
5296
このロボットは秒速２－３メートルで動き
方向転換をするときには
上下運動や回転運動を素早く行います
上下運動や回転運動を素早く行います
03:25
pitching and rolling aggressively
as it changes direction.
as it changes direction.
57
193240
3496
03:28
The main point is we can have
smaller robots that can go faster
smaller robots that can go faster
58
196760
4256
重要な点は 小さなロボットは
素早く動け
素早く動け
03:33
and then travel in these
very unstructured environments.
very unstructured environments.
59
201040
2960
障害の多い環境中を
うまく移動できることです
うまく移動できることです
03:37
And in this next video,
60
205120
2056
次のビデオでお見せするのは
03:39
just like you see this bird, an eagle,
gracefully coordinating its wings,
gracefully coordinating its wings,
61
207200
5896
鷲のような鳥が
羽と目と足を優雅に連携させて
羽と目と足を優雅に連携させて
水中の獲物を捉まえるように
03:45
its eyes and feet
to grab prey out of the water,
to grab prey out of the water,
62
213120
4296
私たちのロボットにも
魚採りができることです
魚採りができることです
03:49
our robot can go fishing, too.
63
217440
1896
03:51
(Laughter)
64
219360
1496
(笑)
03:52
In this case, this is a Philly cheesesteak
hoagie that it's grabbing out of thin air.
hoagie that it's grabbing out of thin air.
65
220880
4056
どこからともなくやって来て
チーズ & ステーキのロールパンサンドを
チーズ & ステーキのロールパンサンドを
かっさらっています (笑)
03:56
(Laughter)
66
224960
2400
03:59
So you can see this robot
going at about three meters per second,
going at about three meters per second,
67
227680
3296
このロボットは人の歩く速さよりも速い
秒速約３メートルで動き
秒速約３メートルで動き
04:03
which is faster than walking speed,
coordinating its arms, its claws
coordinating its arms, its claws
68
231000
5136
腕と爪と飛行を
絶妙なタイミングで連携させ
絶妙なタイミングで連携させ
04:08
and its flight with split-second timing
to achieve this maneuver.
to achieve this maneuver.
69
236160
4120
このような動作を達成しています
04:14
In another experiment,
70
242120
1216
別の実験でお見せするのは
04:15
I want to show you
how the robot adapts its flight
how the robot adapts its flight
71
243360
3656
枠の幅よりも長い紐で
重りを吊したロボットが
04:19
to control its suspended payload,
72
247040
2376
その枠の中を
上手くくぐり抜ける様子です
上手くくぐり抜ける様子です
04:21
whose length is actually larger
than the width of the window.
than the width of the window.
73
249440
3800
04:25
So in order to accomplish this,
74
253680
1696
これを成し遂げるには
04:27
it actually has to pitch
and adjust the altitude
and adjust the altitude
75
255400
3696
上下に動いて 高度を調整することで
04:31
and swing the payload through.
76
259120
2320
重りをスイングさせる
必要があります
必要があります
しかし もっと小さいものが
作れたらと思っています
作れたらと思っています
04:38
But of course we want
to make these even smaller,
to make these even smaller,
77
266920
2296
04:41
and we're inspired
in particular by honeybees.
in particular by honeybees.
78
269240
3016
特にミツバチにヒントを得ました
04:44
So if you look at honeybees,
and this is a slowed down video,
and this is a slowed down video,
79
272280
3256
これはスローモーションで
再生したビデオですが
再生したビデオですが
04:47
they're so small,
the inertia is so lightweight --
the inertia is so lightweight --
80
275560
3720
ミツバチはとても小さく
その慣性力は僅かです
その慣性力は僅かです
04:51
(Laughter)
81
279960
1176
(笑)
04:53
that they don't care --
they bounce off my hand, for example.
they bounce off my hand, for example.
82
281160
3536
例えば 私の手にぶつかっても
ほとんど気にかけません
ほとんど気にかけません
04:56
This is a little robot
that mimics the honeybee behavior.
that mimics the honeybee behavior.
83
284720
3160
これはミツバチの動きをまねた
小型ロボットです
小型ロボットです
05:00
And smaller is better,
84
288600
1216
小さいほど
05:01
because along with the small size
you get lower inertia.
you get lower inertia.
85
289840
3536
慣性力が小さくなるので
都合がいいのです
都合がいいのです
05:05
Along with lower inertia --
86
293400
1536
慣性力が小さいと—
05:06
(Robot buzzing, laughter)
87
294960
2856
(周りをブンブン飛び回るロボット) (笑)
05:09
along with lower inertia,
you're resistant to collisions.
you're resistant to collisions.
88
297840
2816
慣性力が小さいと
衝突に対し強くなります
衝突に対し強くなります
05:12
And that makes you more robust.
89
300680
1720
より丈夫になるということです
05:15
So just like these honeybees,
we build small robots.
we build small robots.
90
303800
2656
そういうわけでミツバチのように
小さなロボットを作ります
小さなロボットを作ります
05:18
And this particular one
is only 25 grams in weight.
is only 25 grams in weight.
91
306480
3376
これは僅か25グラムしかありません
05:21
It consumes only six watts of power.
92
309880
2160
消費電力はほんの６ワットです
05:24
And it can travel
up to six meters per second.
up to six meters per second.
93
312440
2536
秒速６メートルまで出せます
05:27
So if I normalize that to its size,
94
315000
2336
ボーイング787の大きさだったら
05:29
it's like a Boeing 787 traveling
ten times the speed of sound.
ten times the speed of sound.
95
317360
3640
音速の10倍に相当する速さです
05:36
(Laughter)
96
324000
2096
(笑)
05:38
And I want to show you an example.
97
326120
1920
実例をお見せしましょう
05:40
This is probably the first planned mid-air
collision, at one-twentieth normal speed.
collision, at one-twentieth normal speed.
98
328840
5256
これはたぶん初めての空中衝突実験で
20分の１のスピードでお見せしています
20分の１のスピードでお見せしています
05:46
These are going at a relative speed
of two meters per second,
of two meters per second,
99
334120
2858
(ロボット同士の) 相対速度は
毎秒２メートルで
毎秒２メートルで
05:49
and this illustrates the basic principle.
100
337002
2480
お話しした基本原理を例示しています
05:52
The two-gram carbon fiber cage around it
prevents the propellers from entangling,
prevents the propellers from entangling,
101
340200
4976
機体を保護する２グラムの炭素繊維のカゴは
プロペラ同士が絡まるのを防いでいます
プロペラ同士が絡まるのを防いでいます
05:57
but essentially the collision is absorbed
and the robot responds to the collisions.
and the robot responds to the collisions.
102
345200
5296
衝撃は吸収され
ロボットは衝突に対応しています
ロボットは衝突に対応しています
06:02
And so small also means safe.
103
350520
2560
小さいということは安全も意味します
06:05
In my lab, as we developed these robots,
104
353400
2016
研究室ではこんなロボットを作ってきました
06:07
we start off with these big robots
105
355440
1620
大型のロボットから始め
06:09
and then now we're down
to these small robots.
to these small robots.
106
357084
2812
小型のものへと移っていきました
06:11
And if you plot a histogram
of the number of Band-Aids we've ordered
of the number of Band-Aids we've ordered
107
359920
3456
これまで研究室で発注した絆創膏の数を
ヒストグラムにしたら
ヒストグラムにしたら
06:15
in the past, that sort of tailed off now.
108
363400
2576
どんどん小さくなっていることが
分るでしょう
分るでしょう
06:18
Because these robots are really safe.
109
366000
1960
ロボットが安全になってきたからです
06:20
The small size has some disadvantages,
110
368760
2456
小さいと不利な点もあります
06:23
and nature has found a number of ways
to compensate for these disadvantages.
to compensate for these disadvantages.
111
371240
4080
自然はこの不利な点を補う方法を
進化させてきました
進化させてきました
06:27
The basic idea is they aggregate
to form large groups, or swarms.
to form large groups, or swarms.
112
375960
4000
基本的には集団や群れを作る
ということです
ということです
06:32
So, similarly, in our lab,
we try to create artificial robot swarms.
we try to create artificial robot swarms.
113
380320
3976
我々の研究室でも 同様に
人工的なロボットの集団を試してみました
人工的なロボットの集団を試してみました
06:36
And this is quite challenging
114
384320
1381
これはかなり難しい技術です
06:37
because now you have to think
about networks of robots.
about networks of robots.
115
385725
3320
ロボット間のネットワークを
考慮しなければならないからです
考慮しなければならないからです
06:41
And within each robot,
116
389360
1296
各ロボットの
06:42
you have to think about the interplay
of sensing, communication, computation --
of sensing, communication, computation --
117
390680
5616
センサー、通信、計算の
連携を考えなければなりません
連携を考えなければなりません
06:48
and this network then becomes
quite difficult to control and manage.
quite difficult to control and manage.
118
396320
4960
このネットワークの制御、管理が
実にやっかいなのです
実にやっかいなのです
06:54
So from nature we take away
three organizing principles
three organizing principles
119
402160
3296
自然から３つの(自己)組織化の原理を
見習うことによって
見習うことによって
06:57
that essentially allow us
to develop our algorithms.
to develop our algorithms.
120
405480
3160
制御のアルゴリズムを
開発することができます
開発することができます
07:01
The first idea is that robots
need to be aware of their neighbors.
need to be aware of their neighbors.
121
409640
4536
１つ目のアイデアは
ロボットが近くの個体を認識することです
ロボットが近くの個体を認識することです
07:06
They need to be able to sense
and communicate with their neighbors.
and communicate with their neighbors.
122
414200
3440
近隣の個体を認識して
互いに通信できなければなりません
互いに通信できなければなりません
07:10
So this video illustrates the basic idea.
123
418040
2656
このビデオはその基本原理を示しています
07:12
You have four robots --
124
420720
1296
４機のロボットがいます
07:14
one of the robots has actually been
hijacked by a human operator, literally.
hijacked by a human operator, literally.
125
422040
4240
その内１機が 文字通り
人間のオペレータによってハイジャックされています
人間のオペレータによってハイジャックされています
07:19
But because the robots
interact with each other,
interact with each other,
126
427217
2239
ロボットは互いに相互作用し
07:21
they sense their neighbors,
127
429480
1656
近くの個体を認識しているので
07:23
they essentially follow.
128
431160
1296
動きに追従します
07:24
And here there's a single person
able to lead this network of followers.
able to lead this network of followers.
129
432480
5360
この例では１人の人間が
追従するロボットを先導しています
追従するロボットを先導しています
07:32
So again, it's not because all the robots
know where they're supposed to go.
know where they're supposed to go.
130
440000
5056
どのロボットもどこへ行くべきか
分っているわけではなく
分っているわけではなく
07:37
It's because they're just reacting
to the positions of their neighbors.
to the positions of their neighbors.
131
445080
4320
ただ近くのロボットの位置に対し
反応しているだけです
反応しているだけです
07:43
(Laughter)
132
451720
4120
(笑)
07:48
So the next experiment illustrates
the second organizing principle.
the second organizing principle.
133
456280
5240
次の実験は
組織化の２つ目の原理を示すものです
組織化の２つ目の原理を示すものです
07:54
And this principle has to do
with the principle of anonymity.
with the principle of anonymity.
134
462920
3800
この原理は匿名性の原理と関連しています
07:59
Here the key idea is that
135
467400
4296
ここで基本となる考えは
ロボットは近隣の個体を
識別していないということです
識別していないということです
08:03
the robots are agnostic
to the identities of their neighbors.
to the identities of their neighbors.
136
471720
4240
08:08
They're asked to form a circular shape,
137
476440
2616
円陣を組めという指令を受けると
08:11
and no matter how many robots
you introduce into the formation,
you introduce into the formation,
138
479080
3296
編隊を組むロボットの数を
いかに増やそうと
いかに増やそうと
08:14
or how many robots you pull out,
139
482400
2576
あるいは 何体か取り除こうと
08:17
each robot is simply
reacting to its neighbor.
reacting to its neighbor.
140
485000
3136
各ロボットは単に
隣にいるロボットに反応するだけなのです
隣にいるロボットに反応するだけなのです
08:20
It's aware of the fact that it needs
to form the circular shape,
to form the circular shape,
141
488160
4976
円陣を組むという
指示を受けるものの
指示を受けるものの
隣のロボットと協調するだけで
08:25
but collaborating with its neighbors
142
493160
1776
08:26
it forms the shape
without central coordination.
without central coordination.
143
494960
3720
中央制御によって
編隊を形成しているわけではありません
編隊を形成しているわけではありません
08:31
Now if you put these ideas together,
144
499520
2416
これらのアイデアを一緒にすると
08:33
the third idea is that we
essentially give these robots
essentially give these robots
145
501960
3896
３つ目のアイデアが得られます
08:37
mathematical descriptions
of the shape they need to execute.
of the shape they need to execute.
146
505880
4296
ロボットに編隊の形の
数学的記述を与えるということです
数学的記述を与えるということです
08:42
And these shapes can be varying
as a function of time,
as a function of time,
147
510200
3496
形は時間と共に変わっていきます
08:45
and you'll see these robots
start from a circular formation,
start from a circular formation,
148
513720
4496
ご覧の様に
円形から始まり
円形から始まり
08:50
change into a rectangular formation,
stretch into a straight line,
stretch into a straight line,
149
518240
3256
長方形を形作った後
直線状に広がり
直線状に広がり
08:53
back into an ellipse.
150
521520
1375
また楕円に戻ります
08:54
And they do this with the same
kind of split-second coordination
kind of split-second coordination
151
522919
3617
自然界における生物の群れと同様に
08:58
that you see in natural swarms, in nature.
152
526560
3280
瞬間瞬間の協調によって
こういったことを成し遂げています
こういったことを成し遂げています
09:03
So why work with swarms?
153
531080
2136
なぜ群れについて研究しているのか？
09:05
Let me tell you about two applications
that we are very interested in.
that we are very interested in.
154
533240
4120
我々がとても興味を抱いている
２つの応用があります
２つの応用があります
09:10
The first one has to do with agriculture,
155
538160
2376
１つ目は農業に関するものです
09:12
which is probably the biggest problem
that we're facing worldwide.
that we're facing worldwide.
156
540560
3360
我々が世界で直面している
最大の問題と言って良いでしょう
最大の問題と言って良いでしょう
09:16
As you well know,
157
544760
1256
ご存知の通り
09:18
one in every seven persons
in this earth is malnourished.
in this earth is malnourished.
158
546040
3520
世界では
７人に１人が栄養失調です
７人に１人が栄養失調です
09:21
Most of the land that we can cultivate
has already been cultivated.
has already been cultivated.
159
549920
3480
耕作可能な土地は
既に殆ど開拓されています
既に殆ど開拓されています
09:25
And the efficiency of most systems
in the world is improving,
in the world is improving,
160
553960
3216
こんにちの世界では
多くのシステムの効率が向上していますが
多くのシステムの効率が向上していますが
09:29
but our production system
efficiency is actually declining.
efficiency is actually declining.
161
557200
3520
農業の生産効率は低下しています
09:33
And that's mostly because of water
shortage, crop diseases, climate change
shortage, crop diseases, climate change
162
561080
4216
原因はおそらく 水不足、穀物の病気
気候変動や
気候変動や
09:37
and a couple of other things.
163
565320
1520
その他の理由にあります
ロボットに何が出来るでしょう？
09:39
So what can robots do?
164
567360
1480
09:41
Well, we adopt an approach that's
called Precision Farming in the community.
called Precision Farming in the community.
165
569200
4616
この分野で精密農業(プレシジョンファーミング）
と呼ばれる手法を取り入れてみました
と呼ばれる手法を取り入れてみました
09:45
And the basic idea is that we fly
aerial robots through orchards,
aerial robots through orchards,
166
573840
5376
基本的な考えはこうです
果樹園にロボットを飛ばし
果樹園にロボットを飛ばし
個々の木の精密なモデルを作成します
09:51
and then we build
precision models of individual plants.
precision models of individual plants.
167
579240
3120
09:54
So just like personalized medicine,
168
582829
1667
個々の患者の
遺伝体質に合わせた
遺伝体質に合わせた
09:56
while you might imagine wanting
to treat every patient individually,
to treat every patient individually,
169
584520
4816
オーダーメード医療のように
10:01
what we'd like to do is build
models of individual plants
models of individual plants
170
589360
3696
個々の木のモデルを製作することによって
10:05
and then tell the farmer
what kind of inputs every plant needs --
what kind of inputs every plant needs --
171
593080
4136
農家はそれぞれの木が必要とするもの―
10:09
the inputs in this case being water,
fertilizer and pesticide.
fertilizer and pesticide.
172
597240
4440
この場合 水、肥料や殺虫剤といったものですが
それを知ることができます
それを知ることができます
10:14
Here you'll see robots
traveling through an apple orchard,
traveling through an apple orchard,
173
602640
3616
ロボットがリンゴ園を飛び交っています
10:18
and in a minute you'll see
two of its companions
two of its companions
174
606280
2256
仲間の２機が同じようなことを
しているのが
しているのが
10:20
doing the same thing on the left side.
175
608560
1810
すぐに 左手に見えてきます
10:22
And what they're doing is essentially
building a map of the orchard.
building a map of the orchard.
176
610800
3656
果樹園のマップを作成しているところで
果樹園にある１本１本の木を
マッピングしています
マッピングしています
10:26
Within the map is a map
of every plant in this orchard.
of every plant in this orchard.
177
614480
2816
10:29
(Robot buzzing)
178
617320
1656
(ブンブン)
10:31
Let's see what those maps look like.
179
619000
1896
ではそのマップを見てみましょう
10:32
In the next video, you'll see the cameras
that are being used on this robot.
that are being used on this robot.
180
620920
4296
次のビデオではロボットに搭載された
カメラの映像をご覧になれます
カメラの映像をご覧になれます
10:37
On the top-left is essentially
a standard color camera.
a standard color camera.
181
625240
3240
左上は通常のカラー映像です
10:41
On the left-center is an infrared camera.
182
629640
3296
左中央は赤外線映像で
10:44
And on the bottom-left
is a thermal camera.
is a thermal camera.
183
632960
3776
左下はサーマルカメラのものです
10:48
And on the main panel, you're seeing
a three-dimensional reconstruction
a three-dimensional reconstruction
184
636760
3336
中央のパネルでは
各センサーが木々を通過するのに合わせ
各センサーが木々を通過するのに合わせ
10:52
of every tree in the orchard
as the sensors fly right past the trees.
as the sensors fly right past the trees.
185
640120
6120
果樹園の木の状態が
３次元的に再構成されていく様子が見られます
３次元的に再構成されていく様子が見られます
10:59
Armed with information like this,
we can do several things.
we can do several things.
186
647640
4040
こういった情報を用いて
多くのことが出来ます
多くのことが出来ます
11:04
The first and possibly the most important
thing we can do is very simple:
thing we can do is very simple:
187
652200
4256
１つ目はおそらく最も重要なことですが
とても単純なこと
とても単純なこと
11:08
count the number of fruits on every tree.
188
656480
2440
木になっている果実の数を
数えるということです
数えるということです
11:11
By doing this, you tell the farmer
how many fruits she has in every tree
how many fruits she has in every tree
189
659520
4536
これによって農家は
個々の木になる果実の数を知り
個々の木になる果実の数を知り
11:16
and allow her to estimate
the yield in the orchard,
the yield in the orchard,
190
664080
4256
果樹園全体の収穫量を見積もり
11:20
optimizing the production
chain downstream.
chain downstream.
191
668360
2840
生産販売経路を
最適化することができます
最適化することができます
11:23
The second thing we can do
192
671640
1616
２つ目に可能なことは
11:25
is take models of plants, construct
three-dimensional reconstructions,
three-dimensional reconstructions,
193
673280
4496
木のモデルに基づき
３次元形状を再構成し
３次元形状を再構成し
11:29
and from that estimate the canopy size,
194
677800
2536
そこから樹冠の面積を
推定することで
推定することで
11:32
and then correlate the canopy size
to the amount of leaf area on every plant.
to the amount of leaf area on every plant.
195
680360
3776
土地単位面積あたりの
葉面積を求めるということです
葉面積を求めるということです
11:36
And this is called the leaf area index.
196
684160
2176
これは葉面積指数と呼ばれます
11:38
So if you know this leaf area index,
197
686360
1936
葉面積指数は
11:40
you essentially have a measure of how much
photosynthesis is possible in every plant,
photosynthesis is possible in every plant,
198
688320
5456
それぞれの木がどれだけの光合成を
行っているかの指標となり
行っているかの指標となり
11:45
which again tells you
how healthy each plant is.
how healthy each plant is.
199
693800
2880
個々の木の健康度を示します
11:49
By combining visual
and infrared information,
and infrared information,
200
697520
4216
可視光と赤外線データを組み合わせると
11:53
we can also compute indices such as NDVI.
201
701760
3296
正規化植生指標といった指標を
計算することができます
計算することができます
11:57
And in this particular case,
you can essentially see
you can essentially see
202
705080
2816
ご覧の例では
ある作物が他の作物に比べて
状態が悪いことが見て取れます
状態が悪いことが見て取れます
11:59
there are some crops that are
not doing as well as other crops.
not doing as well as other crops.
203
707920
3016
12:02
This is easily discernible from imagery,
204
710960
4056
これは通常の可視光だけでなく
可視光と赤外線イメージを
組み合わせることで
組み合わせることで
12:07
not just visual imagery but combining
205
715040
2216
12:09
both visual imagery and infrared imagery.
206
717280
2776
容易に識別できるようになります
12:12
And then lastly,
207
720080
1336
最後に
12:13
one thing we're interested in doing is
detecting the early onset of chlorosis --
detecting the early onset of chlorosis --
208
721440
4016
我々が関心を持っているのは
植物の黄白化の早期発見です
植物の黄白化の早期発見です
12:17
and this is an orange tree --
209
725480
1496
これはオレンジの木です
12:19
which is essentially seen
by yellowing of leaves.
by yellowing of leaves.
210
727000
2560
葉が黄色くなっています
12:21
But robots flying overhead
can easily spot this autonomously
can easily spot this autonomously
211
729880
3896
上空にロボットを飛ばすことで
これは自動で容易に発見できます
これは自動で容易に発見できます
12:25
and then report to the farmer
that he or she has a problem
that he or she has a problem
212
733800
2936
そして果樹園のこの区域に
異常があることを
異常があることを
12:28
in this section of the orchard.
213
736760
1520
農家に知らせます
12:30
Systems like this can really help,
214
738800
2696
このようなシステムはとても有効で
12:33
and we're projecting yields
that can improve by about ten percent
that can improve by about ten percent
215
741520
5816
10％の収穫量増加が期待できますが
12:39
and, more importantly, decrease
the amount of inputs such as water
the amount of inputs such as water
216
747360
3216
さらに重要なのは
飛行ロボットを使うことで
飛行ロボットを使うことで
12:42
by 25 percent by using
aerial robot swarms.
aerial robot swarms.
217
750600
3280
水の25％削減など
投入資源を減らせることです
投入資源を減らせることです
12:47
Lastly, I want you to applaud
the people who actually create the future,
the people who actually create the future,
218
755200
5736
最後になりますが 未来を創造する
この人達に拍手をお願いしたいと思います
この人達に拍手をお願いしたいと思います
12:52
Yash Mulgaonkar, Sikang Liu
and Giuseppe Loianno,
and Giuseppe Loianno,
219
760960
4920
ヤッシュ・ムルガンカー、シカン・リウ
ジュゼッペ・ロイアーノ
ジュゼッペ・ロイアーノ
12:57
who are responsible for the three
demonstrations that you saw.
demonstrations that you saw.
220
765920
3496
彼らがご覧になった３つのデモを
作成してくれました
作成してくれました
13:01
Thank you.
221
769440
1176
有難うございました
13:02
(Applause)
222
770640
5920
(拍手)
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