TED2012
Vijay Kumar: Robots that fly ... and cooperate
비제이 쿠마르: 날면서 협업하는 로봇들
Filmed:
Readability: 4.5
5,188,706 views
펜실베니아 대학교 연구실에서, 쿠마르와 그의 연구팀은 4륜회전 비행 로봇을 만들었습니다. 무리를 지어 날아다니고, 각자가 서로를 인지하는 작고 민첩한 로봇들이죠. 또한 건설현장이나 재난시설을 점검하는 등의 특별한 목적을 위해 팀을 형성하기도 합니다.
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
안녕하세요.
00:22
I'm here today to talk
1
7000
2000
저는 오늘 자율적으로 날아다니는
00:24
about autonomous, flying beach balls.
2
9000
3000
비치볼에 대해서 말하려고 합니다.
00:27
No, agile aerial robots like this one.
3
12000
4000
아닙니다, 이와같은 민첩한 비행 로봇들입니다.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
이런 기술을 적용 할 수 있는 몇가지 기막힌 방법들과
00:34
and some of the terrific opportunities
5
19000
2000
이런 로봇들을 제작할 때 어려운점에 대해서
00:36
for applying this technology.
6
21000
2000
말하려고 합니다.
00:38
So these robots
7
23000
2000
이 로봇들은
00:40
are related to unmanned aerial vehicles.
8
25000
3000
무인 항공기와 관련이 있습니다.
00:43
However, the vehicles you see here are big.
9
28000
3000
하지만 여러분이 보는 이 항공기들은 너무 크죠.
00:46
They weigh thousands of pounds,
10
31000
2000
수천 파운드에 달하는 무게이고,
00:48
are not by any means agile.
11
33000
2000
전혀 민첩하지 않습니다.
00:50
They're not even autonomous.
12
35000
2000
자율적으로 움직이는 것도 아닙니다.
00:52
In fact, many of these vehicles
13
37000
2000
사실 많은 이런 항공기들은
00:54
are operated by flight crews
14
39000
2000
다수의 조종사가 포함된
00:56
that can include multiple pilots,
15
41000
3000
운항 승무원들과
00:59
operators of sensors
16
44000
2000
작동 센서들, 그리고 관제 시스템들에 의해
01:01
and mission coordinators.
17
46000
2000
운항되어 집니다.
01:03
What we're interested in is developing robots like this --
18
48000
2000
저희는 이런 로봇들을 발전시키는 데 관심이 있는데요
01:05
and here are two other pictures --
19
50000
2000
-- 여기 두개 사진이 있지요 --
01:07
of robots that you can buy off the shelf.
20
52000
3000
여러분이 흔히 구입 할 수 있는 로봇들입니다.
01:10
So these are helicopters with four rotors
21
55000
3000
이 로봇들은 4개의 날개가 달린 헬리콥터이며,
01:13
and they're roughly a meter or so in scale
22
58000
4000
대략 1미터 정도 크기에
01:17
and weigh several pounds.
23
62000
2000
몇 파운드정도 무게가 나갑니다.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
그래서 센서들과 프로세서 등을 재장착하여
01:22
and these robots can fly indoors
25
67000
2000
GPS 없이도
01:24
without GPS.
26
69000
2000
실내에서 날 수 있도록 했습니다.
01:26
The robot I'm holding in my hand
27
71000
2000
제손에 들고 있는 로봇이
01:28
is this one,
28
73000
2000
바로 그 로봇입니다.
01:30
and it's been created by two students,
29
75000
3000
이 로봇은 두 학생인,
01:33
Alex and Daniel.
30
78000
2000
알렉스와 다니엘이 만들었죠.
01:35
So this weighs a little more
31
80000
2000
이 로봇은 약 0.1파운드(약 45g)
01:37
than a tenth of a pound.
32
82000
2000
보다 조금 더 나갑니다.
01:39
It consumes about 15 watts of power.
33
84000
2000
약 15와트의 전력을 소모하구요.
01:41
And as you can see,
34
86000
2000
그리고 보시다시피,
01:43
it's about eight inches in diameter.
35
88000
2000
지름이 약 8인치(약 20cm) 정도 됩니다.
01:45
So let me give you just a very quick tutorial
36
90000
3000
이 로봇들이 어떻게 작동되는지
01:48
on how these robots work.
37
93000
2000
간단하게 설명을 드리겠습니다.
01:50
So it has four rotors.
38
95000
2000
4개의 회전날개가 있습니다.
01:52
If you spin these rotors at the same speed,
39
97000
2000
같은 속도로 이 회전날개들 돌리면,
01:54
the robot hovers.
40
99000
2000
로봇이 부양하게 되죠.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
이 각각의 회전날개의 속도를 올리면,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
로봇이 날아 오르게 되고, 속도를 올리게 됩니다.
02:02
Of course, if the robot were tilted,
43
107000
2000
물론, 수평방향으로
02:04
inclined to the horizontal,
44
109000
2000
기울어지면,
02:06
then it would accelerate in this direction.
45
111000
3000
이쪽 방향으로 속도를 올리게 됩니다.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
몸체를 기울이기 위해서는 한가지 방법이 있는데요.
02:12
So in this picture
47
117000
2000
이 그림을 보시면,
02:14
you see that rotor four is spinning faster
48
119000
2000
네번째 회전날개가 더 빨리 회전하는걸 보실 수 있죠.
02:16
and rotor two is spinning slower.
49
121000
2000
그리고 두번째 회전날개는 더 천천히 돌고있구요.
02:18
And when that happens
50
123000
2000
이런 상태가 되면
02:20
there's moment that causes this robot to roll.
51
125000
3000
이 로봇이 빙빙 돌게 되는거죠.
02:23
And the other way around,
52
128000
2000
다른 방향으로는,
02:25
if you increase the speed of rotor three
53
130000
3000
세번째 날개의 속도를 올리고,
02:28
and decrease the speed of rotor one,
54
133000
2000
첫번째 날개의 속도를 줄이면,
02:30
then the robot pitches forward.
55
135000
3000
앞으로 고개를 숙이게 되죠.
02:33
And then finally,
56
138000
2000
그리고 마지막으로,
02:35
if you spin opposite pairs of rotors
57
140000
2000
날개 한 쌍을 반대쪽보다
02:37
faster than the other pair,
58
142000
2000
더 빨리 돌리면,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
로봇은 수직축을 중심으로 한쪽으로 기울어집니다.
02:41
So an on-board processor
60
146000
2000
보드에 탑재된 프로세서가
02:43
essentially looks at what motions need to be executed
61
148000
3000
어떤 동작이 실행 되어야 하는지를 관할하고,
02:46
and combines these motions
62
151000
2000
동작들을 조합해서,
02:48
and figures out what commands to send to the motors
63
153000
3000
초당 600번 정도로 모터에
02:51
600 times a second.
64
156000
2000
어떤 명령을 내릴 것인지를 결정합니다.
02:53
That's basically how this thing operates.
65
158000
2000
이것이 기본적으로 이 로봇이 작동되는 방식입니다.
02:55
So one of the advantages of this design
66
160000
2000
이런 로봇 설계의 장점들 중 한가지는
02:57
is, when you scale things down,
67
162000
2000
로봇의 크기를 줄이면
02:59
the robot naturally becomes agile.
68
164000
3000
자연스럽게 민첩해지죠.
03:02
So here R
69
167000
2000
여기 "R"이
03:04
is the characteristic length of the robot.
70
169000
2000
로봇의 길이를 표시합니다.
03:06
It's actually half the diameter.
71
171000
3000
지름의 반정도이죠.
03:09
And there are lots of physical parameters that change
72
174000
3000
R을 줄여가면,
03:12
as you reduce R.
73
177000
2000
많은 물리적 변수들이 변하게 됩니다.
03:14
The one that's the most important
74
179000
2000
아주 중요한것 중 한가지는
03:16
is the inertia or the resistance to motion.
75
181000
2000
동작에 미치는 관성이나 저항력입니다.
03:18
So it turns out,
76
183000
2000
각운동을 좌우하는 관성은
03:20
the inertia, which governs angular motion,
77
185000
3000
R의 1/5씩 늘어 난다고
03:23
scales as a fifth power of R.
78
188000
3000
알려져있습니다.
03:26
So the smaller you make R,
79
191000
2000
R의 크기를 더 작게하면 할 수록
03:28
the more dramatically the inertia reduces.
80
193000
3000
관성은 더욱더 급속히 감소합니다.
03:31
So as a result, the angular acceleration,
81
196000
3000
결과적으로, 그리스 문자 "알파"로 쓰는
03:34
denoted by Greek letter alpha here,
82
199000
2000
각 가속도는 1/R로
03:36
goes as one over R.
83
201000
2000
늘어납니다.
03:38
It's inversely proportional to R.
84
203000
2000
이것은 R에 반비례하는거죠.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
더 작게 만들면 만들 수록 더 빨리 방향을 바꿀 수 있는 것입니다.
03:43
So this should be clear in these videos.
86
208000
2000
이 비디오에서 더 명확하게 보여드리겠습니다.
03:45
At the bottom right you see a robot
87
210000
3000
오른쪽 밑에 로봇을 보면,
03:48
performing a 360 degree flip
88
213000
2000
0.5초도 안되는 시간만에
03:50
in less than half a second.
89
215000
2000
360도 뒤집기를 합니다.
03:52
Multiple flips, a little more time.
90
217000
3000
몇번 더 다중 뒤집기를 합니다.
03:55
So here the processes on board
91
220000
2000
여기 프로세서들이
03:57
are getting feedback from accelerometers
92
222000
2000
가속계로부터 정보를 받고
03:59
and gyros on board
93
224000
2000
이전에 말한대로
04:01
and calculating, like I said before,
94
226000
2000
초당 600번 정도
04:03
commands at 600 times a second
95
228000
2000
평행 회전자가 계산해서
04:05
to stabilize this robot.
96
230000
2000
로봇이 평행을 유지하도록 합니다.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
왼쪽에, 다니엘이 로봇을 하늘로 날리는 모습을 볼 수 있습니다.
04:10
And it shows you how robust the control is.
98
235000
2000
제어가 얼마나 잘 되는지 보여주죠.
04:12
No matter how you throw it,
99
237000
2000
어떻게 던지더라도,
04:14
the robot recovers and comes back to him.
100
239000
4000
로봇은 복구하여 다니엘에게 돌아갑니다.
04:18
So why build robots like this?
101
243000
2000
그럼 왜 이런 로봇을 만들었을까요?
04:20
Well robots like this have many applications.
102
245000
3000
이런 로봇은 많은 응용분야에 사용 될 수 있습니다.
04:23
You can send them inside buildings like this
103
248000
3000
이처럼 침입자를 탐지하기 위해
04:26
as first responders to look for intruders,
104
251000
3000
건물 내부로 보낼 수 도 있고,
04:29
maybe look for biochemical leaks,
105
254000
3000
생화학 물질 유출이나
04:32
gaseous leaks.
106
257000
2000
가스 유출을 탐지하기 위해서 사용 될 수 도 있죠.
04:34
You can also use them
107
259000
2000
건설과 같은 응용분야에서도
04:36
for applications like construction.
108
261000
2000
사용 될 수 있습니다.
04:38
So here are robots carrying beams, columns
109
263000
4000
빔을 운반하거나, 육면체의 구조물을
04:42
and assembling cube-like structures.
110
267000
3000
나열하거나 조합 할 수 도 있습니다.
04:45
I'll tell you a little bit more about this.
111
270000
3000
이부분에 대해 좀더 이야기 해 보겠습니다.
04:48
The robots can be used for transporting cargo.
112
273000
3000
로봇은 화물 운송을 위해서 사용 될 수 있습니다.
04:51
So one of the problems with these small robots
113
276000
3000
이런 작은 로봇들의 문제중 한가지는
04:54
is their payload carrying capacity.
114
279000
2000
운반가능한 용량의 적재하중입니다.
04:56
So you might want to have multiple robots
115
281000
2000
그래서 탑재량을 위해
04:58
carry payloads.
116
283000
2000
여러대의 로봇들을 사용 할 수 도 있겠죠.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
이 그림이 최근에 실험했던 모습니다.
05:02
actually not so recent anymore --
118
287000
2000
-- 사실 더이상 최근은 아니지만요 --
05:04
in Sendai shortly after the earthquake.
119
289000
3000
지진후의 센다이 지방입니다.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
로봇들은 천재지변 재난 이후에 위험물에 접근하려고
05:10
to assess the damage after natural disasters,
121
295000
2000
붕괴된 건물들 안으로 들어 갈 수 있습니다.
05:12
or sent into reactor buildings
122
297000
3000
또는 방사능 수치를 그리기 위해
05:15
to map radiation levels.
123
300000
3000
원자로 건물로 들어 갈 수 도 있구요.
05:19
So one fundamental problem
124
304000
2000
그래서 이런 로봇들이 풀어야만 하는
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
아주 기본적인 문제점은
05:24
is essentially figuring out
126
309000
2000
자율적인 로봇이라면
05:26
how to get from point A to point B.
127
311000
2000
A지점에서 B지점으로 어떻게 가느냐 입니다.
05:28
So this gets a little challenging
128
313000
2000
이건 조금 어려운 문제인데요,
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
이 로봇의 역학구조가 복잡하기 때문입니다.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
이 로봇들은 12차원의 공간에서 산다고 볼 수 있습니다.
05:35
So we use a little trick.
131
320000
2000
그래서 약간의 트릭을 사용합니다.
05:37
We take this curved 12-dimensional space
132
322000
3000
이 구불어진 12차원 공간을
05:40
and transform it
133
325000
2000
평평한 4차원 공간으로
05:42
into a flat four-dimensional space.
134
327000
2000
변형합니다.
05:44
And that four-dimensional space
135
329000
2000
4차원 공간은
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
X, Y, Z, 그리고 요잉축으로 구성됩니다.
05:49
And so what the robot does
137
334000
2000
그리고 로봇이 하는것은
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
최소 목표 궤적이라고 불리는 궤적을 계산합니다.
05:55
So to remind you of physics,
139
340000
2000
물리학으로 알려드리면,
05:57
you have position, derivative, velocity,
140
342000
2000
위치, 미분, 속력,
05:59
then acceleration,
141
344000
2000
그리고 가속도 입니다.
06:01
and then comes jerk
142
346000
2000
그래서 갑자기 움직이고
06:03
and then comes snap.
143
348000
2000
순간적으로 하강합니다..
06:05
So this robot minimizes snap.
144
350000
3000
그래서 이 로봇은 순간하강을 최소화합니다.
06:08
So what that effectively does
145
353000
2000
그래서 로봇이 효과적으로 하는 것은
06:10
is produces a smooth and graceful motion.
146
355000
2000
부드럽고 우아한 동작을 하는것 입니다.
06:12
And it does that avoiding obstacles.
147
357000
3000
그래서 장애물을 피하기 위한 것이죠.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
이런 평평한 공간에서 최소 목표 궤적들은
06:18
are then transformed back
149
363000
2000
로봇들이 제어하고
06:20
into this complicated 12-dimensional space,
150
365000
2000
실행해야하는
06:22
which the robot must do
151
367000
2000
복잡한 12차원 공간으로
06:24
for control and then execution.
152
369000
2000
다시 재변형하게 됩니다.
06:26
So let me show you some examples
153
371000
2000
이런 최소 목표 궤적들이
06:28
of what these minimum snap trajectories look like.
154
373000
2000
어떤것인지 몇가지 예를 보여 드리 겠습니다.
06:30
And in the first video,
155
375000
2000
첫번째 비디오에서,
06:32
you'll see the robot going from point A to point B
156
377000
2000
중간지점을 통과해서
06:34
through an intermediate point.
157
379000
2000
A지점에서 B지점으로 이동하는 로봇을 보시게됩니다.
06:42
So the robot is obviously capable
158
387000
2000
그래서 이 로봇이 분명하게 곡선 궤적을
06:44
of executing any curve trajectory.
159
389000
2000
따라 갈 수 있다는 것을 볼 수 있습니다.
06:46
So these are circular trajectories
160
391000
2000
로봇은 중력의 2배를 이겨내고
06:48
where the robot pulls about two G's.
161
393000
3000
타원궤적을 돌기도 합니다.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
초당 100번정도 로봇이 어디 있는지를 확인시켜주는
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
모션캡쳐 카메라를 천장에 달았습니다.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
이 카메라는 로봇에게 장애물이 어디에 있는지도 알려줍니다.
07:02
And the obstacles can be moving.
165
407000
2000
장애물은 움직일수도 있구요.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
다니엘이 허공에 훌라후프를 던지는 것을 볼 수 있는데요,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
로봇이 훌라후프의 위치를 계산하고,
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
훌라후프를 잘 통과 하도록 시도하는 것을 볼 수 있습니다.
07:13
So as an academic,
169
418000
2000
학자로써, 연구자금을 확보 하기 위해서
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
훌라후프를 뛰어넘는 훈련을 해왔습니다.
07:18
and we get our robots to do that.
171
423000
3000
그리고 우리의 로봇들이 해냈습니다.
07:21
(Applause)
172
426000
6000
(박수)
07:27
So another thing the robot can do
173
432000
2000
로봇이 할 수 있는 또다른 것은
07:29
is it remembers pieces of trajectory
174
434000
3000
미리 프로그램 되거나 학습된 궤도를
07:32
that it learns or is pre-programmed.
175
437000
2000
기억 할 수 있다는 것입니다.
07:34
So here you see the robot
176
439000
2000
운동량을 높여서
07:36
combining a motion
177
441000
2000
동작을 조합하고,
07:38
that builds up momentum
178
443000
2000
방향을 바꾸고
07:40
and then changes its orientation and then recovers.
179
445000
3000
다시 복귀하는 로봇을 볼 수 있습니다.
07:43
So it has to do this because this gap in the window
180
448000
3000
창문사이의 틈이 로봇보다 약간 더 크기 때문에
07:46
is only slightly larger than the width of the robot.
181
451000
4000
이 로봇은 이런 동작을 해야만 합니다.
07:50
So just like a diver stands on a springboard
182
455000
3000
그래서 도약판 위에 서 있는 다이버 처럼
07:53
and then jumps off it to gain momentum,
183
458000
2000
운동량을 얻기 위해서 뛰어 내립니다.
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
그래서 발레처럼 피루엣 돌기나 공중제비를 돌고,
07:58
and then gracefully recovers,
185
463000
2000
그리고 우아하게 다시 복귀하고,
08:00
this robot is basically doing that.
186
465000
2000
이 로봇이 기본적으로 하는 것입니다.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
그래서 로봇은 상당히 복잡한 임무를 수행하기 위해
08:05
to do these fairly difficult tasks.
188
470000
4000
어떻게 궤도를 조합해야하는지 알고 있습니다.
08:09
So I want change gears.
189
474000
2000
저는 장치들을 바꾸고 싶습니다.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
이 작은 로봇들의 단점 중 한가지는 크기입니다.
08:14
And I told you earlier
191
479000
2000
처음에 말씀드린대로,
08:16
that we may want to employ lots and lots of robots
192
481000
2000
크기 문제를 극복하기 위해서
08:18
to overcome the limitations of size.
193
483000
3000
더 많은 로봇들을 이용하기를 원한다고 했습니다.
08:21
So one difficulty
194
486000
2000
한가지 어려운점은
08:23
is how do you coordinate lots of these robots?
195
488000
3000
어떻게 이런 로봇들을 조직적으로 움직이느냐 입니다.
08:26
And so here we looked to nature.
196
491000
2000
그래서 자연에서 찾아보았습니다.
08:28
So I want to show you a clip
197
493000
2000
스티븐 프랏 교수의 연구실에서 가져온
08:30
of Aphaenogaster desert ants
198
495000
2000
사막개미의 동영상을
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
보여드리도록 하겠습니다.
08:35
So this is actually a piece of fig.
200
500000
2000
이것은 무화과 조각입니다.
08:37
Actually you take any object coated with fig juice
201
502000
2000
무화과 즙을 바른 다른 물건으로도 할 수 있습니다.
08:39
and the ants will carry them back to the nest.
202
504000
3000
개미들이 이 물건을 개미집으로 옮길겁니다.
08:42
So these ants don't have any central coordinator.
203
507000
3000
이 개미들은 어떤 중앙 관리자도 없습니다.
08:45
They sense their neighbors.
204
510000
2000
개미들은 자신들의 이웃을 감지합니다.
08:47
There's no explicit communication.
205
512000
2000
명확한 의사소통은 없습니다.
08:49
But because they sense the neighbors
206
514000
2000
하지만 이웃들을 감지하기 때문에,
08:51
and because they sense the object,
207
516000
2000
그리고 물건을 감지하기 때문에
08:53
they have implicit coordination across the group.
208
518000
3000
그룹 내에 묵시적인 조직화가 이루어집니다.
08:56
So this is the kind of coordination
209
521000
2000
이런것이 우리의 로봇들이 갖기를 바라는
08:58
we want our robots to have.
210
523000
3000
조직화일 일종입니다.
09:01
So when we have a robot
211
526000
2000
주위 로봇들로 둘러싸여있는
09:03
which is surrounded by neighbors --
212
528000
2000
로봇이 있을 때,
09:05
and let's look at robot I and robot J --
213
530000
2000
-- 로봇 I와 로봇 J를 보시죠. --
09:07
what we want the robots to do
214
532000
2000
우리가 그 로봇들에게 원하는 것은
09:09
is to monitor the separation between them
215
534000
3000
포메이션을 형성하고 비행하면서
09:12
as they fly in formation.
216
537000
2000
로봇들이 분리되어 비행하는지 감시하는 것 입니다.
09:14
And then you want to make sure
217
539000
2000
이런 분리 비행이 감당할 만한 수준인지를
09:16
that this separation is within acceptable levels.
218
541000
2000
확인하고 싶어지실겁니다.
09:18
So again the robots monitor this error
219
543000
3000
로봇들은 이런 오류를 감시하고
09:21
and calculate the control commands
220
546000
2000
제어 명령어를 초당 100번씩
09:23
100 times a second,
221
548000
2000
계산합니다.
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
그리고 나서 초당 600번의 모터 명령어로 바꿉니다.
09:28
So this also has to be done
223
553000
2000
그래서 이방법은
09:30
in a decentralized way.
224
555000
2000
비중앙식 방법으로 이루어집니다.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
수많은 로봇을 가지고 있다면,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
이런 작업을 수행하기 위해 모든 정보를 중앙에서
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
빨리 처리 한다는 것은 불가능합니다.
09:41
Plus the robots have to base their actions
228
566000
2000
또한 로봇들은 그들의 이웃 로봇들로부터
09:43
only on local information,
229
568000
2000
감지한 지역 정보만을
09:45
what they sense from their neighbors.
230
570000
2000
기반으로 행동해야만 합니다.
09:47
And then finally,
231
572000
2000
그리고 마지막으로,
09:49
we insist that the robots be agnostic
232
574000
2000
우리는 로봇들이
09:51
to who their neighbors are.
233
576000
2000
이웃 로봇들로부터 자유롭다고 말합니다.
09:53
So this is what we call anonymity.
234
578000
3000
우리는 이것을 익명성이라고 부릅니다.
09:56
So what I want to show you next
235
581000
2000
다음에 보여드고 싶은 것은
09:58
is a video
236
583000
2000
20개의 작은 로봇들이
10:00
of 20 of these little robots
237
585000
3000
무리지어 날아다니는
10:03
flying in formation.
238
588000
2000
비디오 입니다.
10:05
They're monitoring their neighbors' position.
239
590000
3000
로봇들은 그들 주변 로봇들의 위치를 감시합니다.
10:08
They're maintaining formation.
240
593000
2000
그리고 포메이션을 유지합니다.
10:10
The formations can change.
241
595000
2000
포메이션은 바꿀 수 있습니다.
10:12
They can be planar formations,
242
597000
2000
평면 포메이션이 될 수 있고,
10:14
they can be three-dimensional formations.
243
599000
2000
3차원 포메이션이 될 수 도 있습니다.
10:16
As you can see here,
244
601000
2000
여기 보시는 것 처럼,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
3차원 포메이션에서 평면 포메이션으로 흐트러집니다.
10:21
And to fly through obstacles
246
606000
2000
또, 장애물을 통과하며 날기 위해서
10:23
they can adapt the formations on the fly.
247
608000
4000
비행중에 포메이션에 적응 할 수 있습니다.
10:27
So again, these robots come really close together.
248
612000
3000
다시 이 로봇들이 아주 가깝게 다가옵니다.
10:30
As you can see in this figure-eight flight,
249
615000
2000
그림에서 보실 수 있듯이,
10:32
they come within inches of each other.
250
617000
2000
로봇들을 서로 몇 인치의 간격을 두고 붙을 수 있습니다.
10:34
And despite the aerodynamic interactions
251
619000
3000
프로펠러 날개의
10:37
of these propeller blades,
252
622000
2000
공기역학적인 상호작용에도 불구하고
10:39
they're able to maintain stable flight.
253
624000
2000
안정적인 비행을 할 수 있습니다.
10:41
(Applause)
254
626000
7000
(박수)
10:48
So once you know how to fly in formation,
255
633000
2000
포메이션을 이루면서 비행하는 방법을 알게 되면
10:50
you can actually pick up objects cooperatively.
256
635000
2000
협동해서 물건을 들어 올릴 수 있습니다.
10:52
So this just shows
257
637000
2000
여기 보실 수 있는것 처럼,
10:54
that we can double, triple, quadruple
258
639000
3000
로봇들을 함께 팀으로 만들어서
10:57
the robot strength
259
642000
2000
로봇의 힘을 두 배, 세 배,
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
네 배 더 크게 만들 수 있다는 것을 보여줍니다.
11:01
One of the disadvantages of doing that
261
646000
3000
이렇게 하는데 있어 단점은
11:04
is, as you scale things up --
262
649000
2000
물건의 크기를 늘릴수록
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
같은 물건을 옮기는 많은 로봇이 있다고 가정할 때,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
기본적으로 관성이 증가하고, 따라서
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
그만큼 댓가를 치뤄야 하는데 결국 로봇이 민첩해지지 않는다는거죠.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
하지만 적재하중의 용량에 대해서는 이점을 얻게 됩니다.
11:17
Another application I want to show you --
267
662000
2000
보여드리고 싶은 또다른 응용분야는
11:19
again, this is in our lab.
268
664000
2000
-- 여기는 저희 연구실 입니다. --
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
대학원생인 쿠엔틴 린지 학생이 작업한 것인데요.
11:23
So his algorithm essentially tells these robots
270
668000
3000
그의 알고리즘은 이런 로봇들에게
11:26
how to autonomously build
271
671000
2000
교량 구조물에서
11:28
cubic structures
272
673000
2000
어떻게 육면체 구조물을 만드는지
11:30
from truss-like elements.
273
675000
3000
알려주고 있습니다.
11:33
So his algorithm tells the robot
274
678000
2000
그래서 그의 알고리즘은
11:35
what part to pick up,
275
680000
2000
어떤 부분을 들어올리고, 언제, 어디로 옮기는지를
11:37
when and where to place it.
276
682000
2000
로봇에게 말해줍니다.
11:39
So in this video you see --
277
684000
2000
여러분은 이 비디오에서
11:41
and it's sped up 10, 14 times --
278
686000
2000
-- 속도를 10, 14배 올리죠 --
11:43
you see three different structures being built by these robots.
279
688000
3000
로봇들에 의해 만들어진 3개의 서로 다른 구조물들을 보실 수 있습니다.
11:46
And again, everything is autonomous,
280
691000
2000
모든것이 자율적입니다.
11:48
and all Quentin has to do
281
693000
2000
쿠엔틴 학생이 해야 하는 것은
11:50
is to get them a blueprint
282
695000
2000
만들고 싶은 디자인의 청사진을
11:52
of the design that he wants to build.
283
697000
4000
로봇들에게 알려만 주는 것입니다.
11:56
So all these experiments you've seen thus far,
284
701000
3000
지금까지 보셨던 모든 실험들과,
11:59
all these demonstrations,
285
704000
2000
모든 시연들은
12:01
have been done with the help of motion capture systems.
286
706000
3000
동작감지 시스템의 도움으로 이루어졌습니다.
12:04
So what happens when you leave your lab
287
709000
2000
연구실을 떠나 실제 세상으로 나가면
12:06
and you go outside into the real world?
288
711000
3000
무슨일이 일어날까요?
12:09
And what if there's no GPS?
289
714000
3000
GPS가 없다면 어떨까요?
12:12
So this robot
290
717000
2000
그래서 이런 로봇은
12:14
is actually equipped with a camera
291
719000
2000
카메라, 레이져 H 파인더, 스캐너가
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
장착되어 있습니다.
12:19
And it uses these sensors
293
724000
2000
이것은 주변환경의 지도를 만들기 위해
12:21
to build a map of the environment.
294
726000
2000
이런 센서들을 사용합니다.
12:23
What that map consists of are features --
295
728000
3000
지도는 몇가지 구조물들로 구성되는데요
12:26
like doorways, windows,
296
731000
2000
-- 출입구, 창문들,
12:28
people, furniture --
297
733000
2000
사람들, 가구 등 --
12:30
and it then figures out where its position is
298
735000
2000
그리고 그것들이 구조물에 연관해
12:32
with respect to the features.
299
737000
2000
어디에 위치하는지를 계산합니다.
12:34
So there is no global coordinate system.
300
739000
2000
그래서 전역적인 좌표 시스템이 없습니다.
12:36
The coordinate system is defined based on the robot,
301
741000
3000
좌표 시스템은 로봇을 기반으로 정의 되는데요,
12:39
where it is and what it's looking at.
302
744000
3000
어디에 있는지, 어디를 보고 있는지를 확인 합니다.
12:42
And it navigates with respect to those features.
303
747000
3000
그리고 그런 구조물들을 따라서 비행하게 됩니다.
12:45
So I want to show you a clip
304
750000
2000
프랭크 쉔과
12:47
of algorithms developed by Frank Shen
305
752000
2000
네이썬 마이클 교수가 개발한
12:49
and Professor Nathan Michael
306
754000
2000
알고리즘의 동영상을 보드리고 싶습니다.
12:51
that shows this robot entering a building for the very first time
307
756000
4000
이 동영상은 맨 처음 로봇이 빌딩에 들어가서
12:55
and creating this map on the fly.
308
760000
3000
비행중에 지도를 작성하는 장면을 보여줍니다.
12:58
So the robot then figures out what the features are.
309
763000
3000
그 로봇은 무슨 구조물들이 있는지를 알아냅니다.
13:01
It builds the map.
310
766000
2000
그리고 지도를 만듭니다.
13:03
It figures out where it is with respect to the features
311
768000
2000
로봇은 구조물들을 비교하여 어디에 위치하는지를 계산하고
13:05
and then estimates its position
312
770000
2000
초당 100번정도 로봇의 위치를 측정합니다.
13:07
100 times a second
313
772000
2000
처음에 제가 설명드린
13:09
allowing us to use the control algorithms
314
774000
2000
제어 알고리즘을
13:11
that I described to you earlier.
315
776000
2000
사용 할 수 있게 한 것이죠.
13:13
So this robot is actually being commanded
316
778000
2000
이 로봇은 프랭크에 의해
13:15
remotely by Frank.
317
780000
2000
원격으로 명령이 내려진것입니다.
13:17
But the robot can also figure out
318
782000
2000
하지만 로봇은 어디로 가야하는지
13:19
where to go on its own.
319
784000
2000
자신이 해결합니다.
13:21
So suppose I were to send this into a building
320
786000
2000
제가 이 로봇을 빌딩안으로 들여 보냈다고 가정해보죠.
13:23
and I had no idea what this building looked like,
321
788000
2000
저는 이 빌딩이 어떻게 생겼는지 모릅니다.
13:25
I can ask this robot to go in,
322
790000
2000
이 로봇에게 들어가라고 명령하고,
13:27
create a map
323
792000
2000
지도를 만들라고 하고,
13:29
and then come back and tell me what the building looks like.
324
794000
3000
돌아와서 빌딩이 어떤 모양인지 말해달라고 할 수 있습니다.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
여기보면, 그 로봇들은 지도의 A지점에서
13:35
how to go from point A to point B in this map,
326
800000
3000
B지점으로 어떻게 가는지 뿐만 아니라,
13:38
but it's figuring out
327
803000
2000
매번 어떤 지점이 최적의 B지점인지도
13:40
what the best point B is at every time.
328
805000
2000
알아낼 수 있습니다.
13:42
So essentially it knows where to go
329
807000
3000
최소한의 정보를 가지고 특정 장소를 찾기위해
13:45
to look for places that have the least information.
330
810000
2000
어디로 가야하는지 알고 있습니다.
13:47
And that's how it populates this map.
331
812000
3000
또한, 로봇은 어떻게 지도에 덧붙이는지를 알려줍니다.
13:50
So I want to leave you
332
815000
2000
마지막 한가지 응용분야를
13:52
with one last application.
333
817000
2000
보여 드리겠습니다.
13:54
And there are many applications of this technology.
334
819000
3000
이 기술에는 많은 응용분야가 있습니다.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
저는 교수입니다. 그리고 교육에 대해 매우 열정적입니다.
13:59
Robots like this can really change the way
336
824000
2000
이와 같은 로봇은 초등학교 교육과정을
14:01
we do K through 12 education.
337
826000
2000
바꿀 수도 있습니다.
14:03
But we're in Southern California,
338
828000
2000
하지만 저희는 로스앤젤레스에 가까운
14:05
close to Los Angeles,
339
830000
2000
남부 캘리포니아 지방에 있습니다.
14:07
so I have to conclude
340
832000
2000
그래서 엔터테인먼트에 관련된 것으로
14:09
with something focused on entertainment.
341
834000
2000
결론을 맺고 싶군요.
14:11
I want to conclude with a music video.
342
836000
2000
뮤직비디오 한편으로 강연을 마치고 싶습니다.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
이 비디오를 만든
14:16
who created this video.
344
841000
2000
알렉스와 다니엘을 소개합니다.
14:18
(Applause)
345
843000
7000
(박수)
14:25
So before I play this video,
346
850000
2000
이 비디오를 실행하기 전에,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
크리스로부터 전화를 받고 3일만에
14:30
after getting a call from Chris.
348
855000
2000
이 작품을 만들었다는 것을 말씀 드리고 싶습니다.
14:32
And the robots that play the video
349
857000
2000
비디오 상영되는 로봇들은
14:34
are completely autonomous.
350
859000
2000
완전히 자율적으로 움직입니다.
14:36
You will see nine robots play six different instruments.
351
861000
3000
6개의 서로 다른 악기를 다루는 9개의 로봇들을 보실겁니다.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
물론 TED 2012를 위해서 만들었습니다.
14:43
Let's watch.
353
868000
3000
자 보시죠.
15:19
(Music)
354
904000
10000
(음악)
16:23
(Applause)
355
968000
17000
(박수)
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