TEDxPenn
Vijay Kumar: The future of flying robots
비제이 쿠말(Vijay Kumar): 비행 로봇의 미래
Filmed:
Readability: 4.9
1,780,679 views
펜실베니아 대학의 연구실에서 비제이 쿠말과 그의 팀은 꿀벌에서 영감을 얻은 자동 비행 로봇을 만들고 있습니다. 그들의 최근의 성과는 Precision Farming (정밀 농법)으로 벌떼같은 로봇들이 과수원의 모든 식물과 열매를 파악하고 재구성하며 분석하여 농부들에게 수확량을 향상시키고 농업용수 관리를 더 잘 할 수 있도록 제공합니다.
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.
00:13
In my lab, we build
autonomous aerial robots
autonomous aerial robots
0
1280
3656
제 연구실은 여기 날아다니는 것처럼
자동 비행 로봇을 만듭니다.
자동 비행 로봇을 만듭니다.
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
오늘날 구매할 수 있는
상업용 드론과는 달리
상업용 드론과는 달리
00:24
this robot doesn't have any GPS on board.
3
12440
2640
이 로봇은 GPS를
탑재하고 있지 않습니다.
탑재하고 있지 않습니다.
00:28
So without GPS,
4
16160
1216
GPS없이는
00:29
it's hard for robots like this
to determine their position.
to determine their position.
5
17400
3280
이런 로봇이 자신의 위치를
파악하기 힘듭니다.
파악하기 힘듭니다.
00:34
This robot uses onboard sensors,
cameras and laser scanners,
cameras and laser scanners,
6
22240
4736
이 로봇은 자체 센서와 카메라,
레이저 스캐너를 가지고
레이저 스캐너를 가지고
주변 환경을 탐색합니다.
00:39
to scan the environment.
7
27000
1696
환경의 특이사항들을 탐지하고
00:40
It detects features from the environment,
8
28720
3056
그 사항들이 관련있는 곳에서
00:43
and it determines where it is
relative to those features,
relative to those features,
9
31800
2736
삼각측량법을 이용해서 결정합니다.
00:46
using a method of triangulation.
10
34560
2136
그러고 나서 이 특징들을
뒤에 보시는 것 같은
뒤에 보시는 것 같은
00:48
And then it can assemble
all these features into a map,
all these features into a map,
11
36720
3456
지도로 조합할 수 있습니다.
00:52
like you see behind me.
12
40200
1736
이 지도는 로봇이
장애물의 위치를 알아서
장애물의 위치를 알아서
00:53
And this map then allows the robot
to understand where the obstacles are
to understand where the obstacles are
13
41960
3936
충돌없이 날아다닐 수 있게 합니다.
00:57
and navigate in a collision-free manner.
14
45920
2720
01:01
What I want to show you next
15
49160
2096
다음에 보여 드리고 싶은 것은
연구실에서 진행했던 몇 가지 실험인데
01:03
is a set of experiments
we did inside our laboratory,
we did inside our laboratory,
16
51280
3216
이 로봇이 장거리 비행을
할 수 있는 겁니다.
할 수 있는 겁니다.
01:06
where this robot was able
to go for longer distances.
to go for longer distances.
17
54520
3480
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
보시면 오른쪽 맨 위에 로봇이
카메라로 보는 것입니다.
카메라로 보는 것입니다.
주 화면에는 이건
4배속으로 돌린 겁니다.
4배속으로 돌린 겁니다.
01:15
And on the main screen --
19
63440
1216
01:16
and of course this is sped up
by a factor of four --
by a factor of four --
20
64680
2456
01:19
on the main screen you'll see
the map that it's building.
the map that it's building.
21
67160
2667
주 화면에 지도를
만드는 것이 보입니다.
만드는 것이 보입니다.
이것은 저희 연구실
복도의 고화질 지도입니다.
복도의 고화질 지도입니다.
01:21
So this is a high-resolution map
of the corridor around our laboratory.
of the corridor around our laboratory.
22
69851
4285
이것이 곧 연구실로
들어오는게 보일 겁니다.
들어오는게 보일 겁니다.
01:26
And in a minute
you'll see it enter our lab,
you'll see it enter our lab,
23
74160
2336
어지럽게 널린 물건들을 보고
알 수 있으시죠.
알 수 있으시죠.
01:28
which is recognizable
by the clutter that you see.
by the clutter that you see.
24
76520
2856
(웃음)
01:31
(Laughter)
25
79400
1016
여러분께 알려드릴 중요한 점은
01:32
But the main point I want to convey to you
26
80440
2007
이 로봇들이 5cm 해상도의
고화질 지도를 만들어서
고화질 지도를 만들어서
01:34
is that these robots are capable
of building high-resolution maps
of building high-resolution maps
27
82472
3584
01:38
at five centimeters resolution,
28
86080
2496
연구실이나 건물 밖에 있는 사람이
01:40
allowing somebody who is outside the lab,
or outside the building
or outside the building
29
88600
4176
안에 들어가지도 않고 로봇을 보내고
01:44
to deploy these
without actually going inside,
without actually going inside,
30
92800
3216
건물 안에서 벌어지는
일을 알아내게 해 줍니다.
일을 알아내게 해 줍니다.
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
이런 로봇에 한 가지 문제가 있습니다.
01:55
The first problem is it's pretty big.
33
103600
2200
첫 번째 문제는 이것이 매우 큽니다.
01:58
Because it's big, it's heavy.
34
106120
1680
크다보니 무겁습니다.
02:00
And these robots consume
about 100 watts per pound.
about 100 watts per pound.
35
108640
3040
이 로봇들은 1파운드 당
100와트를 소모합니다.
100와트를 소모합니다.
02:04
And this makes for
a very short mission life.
a very short mission life.
36
112360
2280
그래서 임무수행 시간이 매우 짧습니다.
02:08
The second problem
37
116000
1456
두 번째 문제는
이 로봇들이 매우 비싼 데
02:09
is that these robots have onboard sensors
that end up being very expensive --
that end up being very expensive --
38
117480
3896
내장 센서, 레이저 스캐너,
카메라와 처리장치가 있습니다.
카메라와 처리장치가 있습니다.
02:13
a laser scanner, a camera
and the processors.
and the processors.
39
121400
3440
02:17
That drives up the cost of this robot.
40
125280
3040
그것 때문에 이 로봇가격이 치솟습니다.
02:21
So we asked ourselves a question:
41
129440
2656
그래서 이런 질문을 해 봤습니다.
전자제품 매장의 어떤 소비재가
02:24
what consumer product
can you buy in an electronics store
can you buy in an electronics store
42
132120
3776
저렴하고, 가벼우며 내장
센서와 처리장치가 있을까요?
센서와 처리장치가 있을까요?
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
그래서 저희가 날아다니는
전화를 발명했습니다.
전화를 발명했습니다.
(웃음)
02:38
(Laughter)
45
146760
1936
이 로봇은 매장에서 구입할 수 있는
삼성 갤럭시 스마트폰을 썼고
삼성 갤럭시 스마트폰을 썼고
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
앱스토어에서 앱을 다운로드
하기만 하면 됩니다.
하기만 하면 됩니다.
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
로봇이 글자도 인식합니다.
여기서는 "TED"를 읽죠.
여기서는 "TED"를 읽죠.
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
T와 E의 가장자리를 보며
02:55
looking at the corners
of the "T" and the "E"
of the "T" and the "E"
49
163200
2936
자동비행을 하며 삼각측량을 합니다.
02:58
and then triangulating off of that,
flying autonomously.
flying autonomously.
50
166160
3480
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
조이스틱이 로봇이 마구
움직이지 않게 조정합니다.
움직이지 않게 조정합니다.
쥬세페가 로봇을 끌 수 있죠.
03:06
Giuseppe can kill it.
52
174000
1416
(웃음)
03:07
(Laughter)
53
175440
1640
03:10
In addition to building
these small robots,
these small robots,
54
178920
3816
이러한 작은 로봇을 제작함과 더불어
여기서 보시는 이런
역동적인 행동도 실험합니다.
역동적인 행동도 실험합니다.
03:14
we also experiment with aggressive
behaviors, like you see here.
behaviors, like you see here.
55
182760
4800
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
이 로봇은 초당 2-3m로 움직이며
방향을 바꿀 때 공격적으로
올라가거나 돕니다.
올라가거나 돕니다.
03:25
pitching and rolling aggressively
as it changes direction.
as it changes direction.
57
193240
3496
요점은 더 빨리 갈 수 있고 비구조화된
환경에서 움직일 수 있는
환경에서 움직일 수 있는
03:28
The main point is we can have
smaller robots that can go faster
smaller robots that can go faster
58
196760
4256
더 작은 로봇을 가질 수
있다는 겁니다.
있다는 겁니다.
03:33
and then travel in these
very unstructured environments.
very unstructured environments.
59
201040
2960
03:37
And in this next video,
60
205120
2056
다음 영상에서는
새나 독수리가 우아하게 날개와
03:39
just like you see this bird, an eagle,
gracefully coordinating its wings,
gracefully coordinating its wings,
61
207200
5896
눈, 다리를 조정해서 물 밖으로
먹이를 잡아 채는 걸 보시듯이
먹이를 잡아 채는 걸 보시듯이
03:45
its eyes and feet
to grab prey out of the water,
to grab prey out of the water,
62
213120
4296
우리 로봇도 낚시를 할 수 있습니다.
03:49
our robot can go fishing, too.
63
217440
1896
(웃음)
03:51
(Laughter)
64
219360
1496
이 경우에는 갑자기 필리
치즈스테이크를 낚아 챕니다.
치즈스테이크를 낚아 챕니다.
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
(웃음)
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
이 로봇이 초당 3m로
움직이는 걸 보시는데
움직이는 걸 보시는데
걷는 속도보다 빠르며
팔, 발톱과 비행을
팔, 발톱과 비행을
04:03
which is faster than walking speed,
coordinating its arms, its claws
coordinating its arms, its claws
68
231000
5136
눈 깜짝할 사이에 조정해서
이렇게 하는 겁니다.
이렇게 하는 겁니다.
04:08
and its flight with split-second timing
to achieve this maneuver.
to achieve this maneuver.
69
236160
4120
04:14
In another experiment,
70
242120
1216
다른 실험에서는
로봇이 비행을 어떻게 조절하여
04:15
I want to show you
how the robot adapts its flight
how the robot adapts its flight
71
243360
3656
부유 하중을 통제하는 지
보여드리겠습니다.
보여드리겠습니다.
04:19
to control its suspended payload,
72
247040
2376
창 넓이보다 실제로 더 큰 길이입니다.
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
이렇게 하기 위해서
고도를 높이고 조절하여
04:27
it actually has to pitch
and adjust the altitude
and adjust the altitude
75
255400
3696
적재 하중을 흔들어 통과합니다.
04:31
and swing the payload through.
76
259120
2320
04:38
But of course we want
to make these even smaller,
to make these even smaller,
77
266920
2296
물론 이것을 더욱 작게 하고 싶어서
특히 꿀벌에서 영감을 받았습니다.
04:41
and we're inspired
in particular by honeybees.
in particular by honeybees.
78
269240
3016
이것은 느린 영상인데, 꿀벌을 보시면
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
아주 작은데 관성이 매우 가벼워서
04:47
they're so small,
the inertia is so lightweight --
the inertia is so lightweight --
80
275560
3720
04:51
(Laughter)
81
279960
1176
(웃음)
가령 제 손에 튕겨도
신경도 안 씁니다.
신경도 안 씁니다.
04:53
that they don't care --
they bounce off my hand, for example.
they bounce off my hand, for example.
82
281160
3536
이것은 꿀벌의 행동을
흉내내는 소형 로봇입니다.
흉내내는 소형 로봇입니다.
04:56
This is a little robot
that mimics the honeybee behavior.
that mimics the honeybee behavior.
83
284720
3160
05:00
And smaller is better,
84
288600
1216
작을수록 더 좋은 것이
이렇게 소규모로 하면
관성이 더 낮아집니다.
관성이 더 낮아집니다.
05:01
because along with the small size
you get lower inertia.
you get lower inertia.
85
289840
3536
관성이 낮아지면 --
05:05
Along with lower inertia --
86
293400
1536
(윙윙거리는 로봇) (웃음)
05:06
(Robot buzzing, laughter)
87
294960
2856
관성이 낮아지면,
충돌에 저항력이 있습니다.
충돌에 저항력이 있습니다.
05:09
along with lower inertia,
you're resistant to collisions.
you're resistant to collisions.
88
297840
2816
그것이 더욱 튼튼하게 해 줍니다.
05:12
And that makes you more robust.
89
300680
1720
05:15
So just like these honeybees,
we build small robots.
we build small robots.
90
303800
2656
저희는 꿀벌같은 소형 로봇을 만듭니다.
특히 이것은 25g밖에 안 됩니다.
05:18
And this particular one
is only 25 grams in weight.
is only 25 grams in weight.
91
306480
3376
전력도 6와트만 소모하지요.
05:21
It consumes only six watts of power.
92
309880
2160
05:24
And it can travel
up to six meters per second.
up to six meters per second.
93
312440
2536
초당 6m까지 움직일 수 있습니다.
제가 이것을 이 크기에 표준화시키면
05:27
So if I normalize that to its size,
94
315000
2336
보잉787이 음속의 10배로
나는 것과 같습니다.
나는 것과 같습니다.
05:29
it's like a Boeing 787 traveling
ten times the speed of sound.
ten times the speed of sound.
95
317360
3640
05:36
(Laughter)
96
324000
2096
(웃음)
제가 예시를 보여드리겠습니다.
05:38
And I want to show you an example.
97
326120
1920
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
이것이 최초의 계획된 공중
충돌일텐데요, 1/20 표준속입니다.
충돌일텐데요, 1/20 표준속입니다.
초당 2m의 상대속으로 갑니다.
05:46
These are going at a relative speed
of two meters per second,
of two meters per second,
99
334120
2858
이것이 기본 원리를 잘 설명해 줍니다.
05:49
and this illustrates the basic principle.
100
337002
2480
05:52
The two-gram carbon fiber cage around it
prevents the propellers from entangling,
prevents the propellers from entangling,
101
340200
4976
2g짜리 탄소섬유로 두르면
프로펠러가 엉키는 걸 방지하지만
프로펠러가 엉키는 걸 방지하지만
기본적으로 충돌이 흡수되고
로봇이 충돌에 반응합니다.
로봇이 충돌에 반응합니다.
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
매우 작다는 건 또한
안전하다는 뜻입니다.
안전하다는 뜻입니다.
06:02
And so small also means safe.
103
350520
2560
06:05
In my lab, as we developed these robots,
104
353400
2016
제 연구실에서 이 로봇을 개발했을 때
이런 대형 로봇도 시작했고
06:07
we start off with these big robots
105
355440
1620
지금은 이런 소형 로봇에 매진합니다.
06:09
and then now we're down
to these small robots.
to these small robots.
106
357084
2812
저희가 과거에 주문한
반창고 수를 그래프로 그리면
반창고 수를 그래프로 그리면
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
지금은 그래프가 차차 감소했을 겁니다.
06:15
in the past, that sort of tailed off now.
108
363400
2576
이 로봇이 매우 안전하기 때문입니다.
06:18
Because these robots are really safe.
109
366000
1960
06:20
The small size has some disadvantages,
110
368760
2456
소형 크기는 단점이 있습니다.
자연은 이런 단점들을 여러가지
방법으로 보상할 방법을 찾았죠.
방법으로 보상할 방법을 찾았죠.
06:23
and nature has found a number of ways
to compensate for these disadvantages.
to compensate for these disadvantages.
111
371240
4080
06:27
The basic idea is they aggregate
to form large groups, or swarms.
to form large groups, or swarms.
112
375960
4000
기본적인 원리는 큰 집단,
또는 떼를 짓는 겁니다.
또는 떼를 짓는 겁니다.
06:32
So, similarly, in our lab,
we try to create artificial robot swarms.
we try to create artificial robot swarms.
113
380320
3976
연구실에서 비슷하게 인공적인
로봇 떼를 만들어 봤습니다.
로봇 떼를 만들어 봤습니다.
이건 매우 힘들었는데
06:36
And this is quite challenging
114
384320
1381
로봇의 연결망을
생각해야 했기 때문입니다.
생각해야 했기 때문입니다.
06:37
because now you have to think
about networks of robots.
about networks of robots.
115
385725
3320
06:41
And within each robot,
116
389360
1296
각각의 로봇 안에서
감지, 의사소통, 신호처리의
상호작용을 생각해야 하는데
상호작용을 생각해야 하는데
06:42
you have to think about the interplay
of sensing, communication, computation --
of sensing, communication, computation --
117
390680
5616
이 연결망은 통제 관리가
매우 어렵게 됩니다.
매우 어렵게 됩니다.
06:48
and this network then becomes
quite difficult to control and manage.
quite difficult to control and manage.
118
396320
4960
06:54
So from nature we take away
three organizing principles
three organizing principles
119
402160
3296
그래서 자연에서 필수적으로 알고리즘을
짜게 한 세 가지 조직 원리를 뽑았습니다.
짜게 한 세 가지 조직 원리를 뽑았습니다.
06:57
that essentially allow us
to develop our algorithms.
to develop our algorithms.
120
405480
3160
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
첫 번째 원리는 로봇이 근접한
로봇을 인지해야 하는 겁니다.
로봇을 인지해야 하는 겁니다.
다른 로봇들을 인식하고
소통할 수 있어야 합니다.
소통할 수 있어야 합니다.
07:06
They need to be able to sense
and communicate with their neighbors.
and communicate with their neighbors.
122
414200
3440
07:10
So this video illustrates the basic idea.
123
418040
2656
이 영상은 그 기본 원리를 보여줍니다.
로봇이 네 대가 있습니다.
07:12
You have four robots --
124
420720
1296
한 로봇이 인간 조종사에게
그야 말로 납치되었습니다.
그야 말로 납치되었습니다.
07:14
one of the robots has actually been
hijacked by a human operator, literally.
hijacked by a human operator, literally.
125
422040
4240
07:19
But because the robots
interact with each other,
interact with each other,
126
427217
2239
그러나 로봇이 서로 상호작용하기 때문에
다른 로봇을 감지하고
기본적으로 따라갑니다.
기본적으로 따라갑니다.
07:21
they sense their neighbors,
127
429480
1656
07:23
they essentially follow.
128
431160
1296
여기 한 명이 이 추종로봇의
연결망을 주도합니다.
연결망을 주도합니다.
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
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
다시 말하면 모든 로봇이
어디로 갈지 알기 때문이 아니라
어디로 갈지 알기 때문이 아니라
근접 로봇들의 위치에
그저 반응하기 때문인 겁니다.
그저 반응하기 때문인 겁니다.
07:37
It's because they're just reacting
to the positions of their neighbors.
to the positions of their neighbors.
131
445080
4320
07:43
(Laughter)
132
451720
4120
(웃음)
07:48
So the next experiment illustrates
the second organizing principle.
the second organizing principle.
133
456280
5240
다음 실험은 두 번째
조직 원리를 보여줍니다.
조직 원리를 보여줍니다.
07:54
And this principle has to do
with the principle of anonymity.
with the principle of anonymity.
134
462920
3800
이 원리는 익명의
원리와 관계가 있습니다.
원리와 관계가 있습니다.
07:59
Here the key idea is that
135
467400
4296
중심 생각은
로봇들이 다른 로봇의
정체를 모른다는 것이죠.
정체를 모른다는 것이죠.
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
이들이 원형을 만들도록 명령 받으면
이 과정에 몇 개의 로봇을 투입하거나
08:11
and no matter how many robots
you introduce into the formation,
you introduce into the formation,
138
479080
3296
몇 개를 빼든지
08:14
or how many robots you pull out,
139
482400
2576
각 로봇은 단지 다른 로봇에 반응합니다.
08:17
each robot is simply
reacting to its neighbor.
reacting to its neighbor.
140
485000
3136
원형을 만들어야 하는 사실을 인지하지만
08:20
It's aware of the fact that it needs
to form the circular shape,
to form the circular shape,
141
488160
4976
다른 로봇과 협력하여
08:25
but collaborating with its neighbors
142
493160
1776
중앙 통제가 없이 모양을 형성합니다.
08:26
it forms the shape
without central coordination.
without central coordination.
143
494960
3720
08:31
Now if you put these ideas together,
144
499520
2416
이 생각들을 한데 모으면
세 번째 생각이 기본적으로
저희는 이 로봇들에게
저희는 이 로봇들에게
08:33
the third idea is that we
essentially give these robots
essentially give these robots
145
501960
3896
실행해야 할 모양의
수학적 설명을 주는 겁니다.
수학적 설명을 주는 겁니다.
08:37
mathematical descriptions
of the shape they need to execute.
of the shape they need to execute.
146
505880
4296
이런 모양은 시간의
함수에 따라 다를 수 있는데
함수에 따라 다를 수 있는데
08:42
And these shapes can be varying
as a function of time,
as a function of time,
147
510200
3496
이 로봇들이 원형으로 움직이기 시작하고
08:45
and you'll see these robots
start from a circular formation,
start from a circular formation,
148
513720
4496
직사각형 모양으로
바뀌고 직선으로 쭉 뻗어
바뀌고 직선으로 쭉 뻗어
08:50
change into a rectangular formation,
stretch into a straight line,
stretch into a straight line,
149
518240
3256
타원형으로 다시
돌아가는 게 보이실 겁니다.
돌아가는 게 보이실 겁니다.
08:53
back into an ellipse.
150
521520
1375
로봇들이 순간적인 조정으로 하는 것인데
08:54
And they do this with the same
kind of split-second coordination
kind of split-second coordination
151
522919
3617
자연에서 보는 벌떼와 같은 것이죠.
08:58
that you see in natural swarms, in nature.
152
526560
3280
09:03
So why work with swarms?
153
531080
2136
왜 떼로 작업하느냐고요?
저희가 매우 흥미를 갖고 있는 두 가지
응용방법을 말씀드리겠습니다.
응용방법을 말씀드리겠습니다.
09:05
Let me tell you about two applications
that we are very interested in.
that we are very interested in.
154
533240
4120
09:10
The first one has to do with agriculture,
155
538160
2376
첫 번째는 농업과 관련되어 있는데
전 세계적으로 우리가
당면한 최대의 문제일 겁니다.
당면한 최대의 문제일 겁니다.
09:12
which is probably the biggest problem
that we're facing worldwide.
that we're facing worldwide.
156
540560
3360
09:16
As you well know,
157
544760
1256
여러분이 잘 아시듯이
지구상에 7명 중
한 명이 영양실조입니다.
한 명이 영양실조입니다.
09:18
one in every seven persons
in this earth is malnourished.
in this earth is malnourished.
158
546040
3520
09:21
Most of the land that we can cultivate
has already been cultivated.
has already been cultivated.
159
549920
3480
경작할 수 있는 땅은
다 농사짓고 있습니다.
다 농사짓고 있습니다.
09:25
And the efficiency of most systems
in the world is improving,
in the world is improving,
160
553960
3216
세계의 대부분 시스템의
효율성이 향상되고 있지만
효율성이 향상되고 있지만
생산 시스템의 효율성은
실제로 감소하고 있습니다.
실제로 감소하고 있습니다.
09:29
but our production system
efficiency is actually declining.
efficiency is actually declining.
161
557200
3520
09:33
And that's mostly because of water
shortage, crop diseases, climate change
shortage, crop diseases, climate change
162
561080
4216
대부분 물 부족, 작물 병, 기후 변화와
다른 몇 가지들 때문입니다.
09:37
and a couple of other things.
163
565320
1520
09:39
So what can robots do?
164
567360
1480
로봇이 무엇을 할 수 있을까요?
09:41
Well, we adopt an approach that's
called Precision Farming in the community.
called Precision Farming in the community.
165
569200
4616
농업계에는 정밀 농법이라고
하는 방법을 채택합니다.
하는 방법을 채택합니다.
기본 원리는 과수원에 로봇을 비행시켜서
09:45
And the basic idea is that we fly
aerial robots through orchards,
aerial robots through orchards,
166
573840
5376
각 작물의 정밀한
모형을 구축하는 겁니다.
모형을 구축하는 겁니다.
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
마치 개인별 맞춤 의학처럼
개별 환자들을 모두 다르게
치료하는 것을 상상하시는 것 처럼
치료하는 것을 상상하시는 것 처럼
09:56
while you might imagine wanting
to treat every patient individually,
to treat every patient individually,
169
584520
4816
저희가 하고 싶은 것이
개별 작물의 모형을 만들어서
개별 작물의 모형을 만들어서
10:01
what we'd like to do is build
models of individual plants
models of individual plants
170
589360
3696
농부에게 각 작물이 필요한
사항을 알려주는 겁니다.
사항을 알려주는 겁니다.
10:05
and then tell the farmer
what kind of inputs every plant needs --
what kind of inputs every plant needs --
171
593080
4136
이 경우에는 물, 비료,
농약을 주는 것이죠.
농약을 주는 것이죠.
10:09
the inputs in this case being water,
fertilizer and pesticide.
fertilizer and pesticide.
172
597240
4440
10:14
Here you'll see robots
traveling through an apple orchard,
traveling through an apple orchard,
173
602640
3616
여기 보시면 사과 농장을
비행하는 로봇이 보이는데
비행하는 로봇이 보이는데
잠시 후에 두 대의 동료 로봇이
10:18
and in a minute you'll see
two of its companions
two of its companions
174
606280
2256
왼쪽에서 같은 일을 하고
있는게 보일 겁니다.
있는게 보일 겁니다.
10:20
doing the same thing on the left side.
175
608560
1810
10:22
And what they're doing is essentially
building a map of the orchard.
building a map of the orchard.
176
610800
3656
이 로봇이 하는 일은 기본적으로
과수원의 지도를 제작하는 겁니다.
과수원의 지도를 제작하는 겁니다.
지도 안에는 과수원의
모든 작불이 들어 갑니다.
모든 작불이 들어 갑니다.
10:26
Within the map is a map
of every plant in this orchard.
of every plant in this orchard.
177
614480
2816
(윙윙거리는 로봇)
10:29
(Robot buzzing)
178
617320
1656
그 지도가 어떻게 생겼는지 보겠습니다.
10:31
Let's see what those maps look like.
179
619000
1896
다음 영상에서 이 로봇에
쓰이는 카메라가 보입니다.
쓰이는 카메라가 보입니다.
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
맨 위 왼쪽에 뛰어난
컬러 카메라가 있습니다.
컬러 카메라가 있습니다.
10:37
On the top-left is essentially
a standard color camera.
a standard color camera.
181
625240
3240
10:41
On the left-center is an infrared camera.
182
629640
3296
왼쪽 중앙에는 적외선
카메라가 있습니다.
카메라가 있습니다.
아래 왼쪽에는 온도감지 카메라가 있죠.
10:44
And on the bottom-left
is a thermal camera.
is a thermal camera.
183
632960
3776
주 패널에는 3차원으로 과수원의 모든
나무가 재구성된 것을 보고 계십니다.
나무가 재구성된 것을 보고 계십니다.
10:48
And on the main panel, you're seeing
a three-dimensional reconstruction
a three-dimensional reconstruction
184
636760
3336
센서가 나무 사이를
비행하면서 생긴 것이죠.
비행하면서 생긴 것이죠.
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
10:59
Armed with information like this,
we can do several things.
we can do several things.
186
647640
4040
이런 정보를 갖추고 있으면
몇 가지를 할 수 있습니다.
몇 가지를 할 수 있습니다.
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
가장 중요한 첫 번째는
매우 단순합니다.
매우 단순합니다.
모든 나무의 열매를 세는 겁니다.
11:08
count the number of fruits on every tree.
188
656480
2440
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
이렇게 하면 농부에게
모든 나무의 열매 수를 알려주고
모든 나무의 열매 수를 알려주고
과수원의 수확량을 추정하게 해 줘서
11:16
and allow her to estimate
the yield in the orchard,
the yield in the orchard,
190
664080
4256
생산과정을 최적화 하게 해 줍니다.
11:20
optimizing the production
chain downstream.
chain downstream.
191
668360
2840
11:23
The second thing we can do
192
671640
1616
두 번째로 할 수 있는 일은
작물의 모형을 따서
3차원으로 재구성하고
3차원으로 재구성하고
11:25
is take models of plants, construct
three-dimensional reconstructions,
three-dimensional reconstructions,
193
673280
4496
덮개 크기 추정치로
11:29
and from that estimate the canopy size,
194
677800
2536
모든 작물의 잎 개수와 덮개 크기의
상관관계를 알아 보는 겁니다.
상관관계를 알아 보는 겁니다.
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
이것은 잎사귀 지표라고 합니다.
11:36
And this is called the leaf area index.
196
684160
2176
이런 잎사귀 지표를 아신다면
11:38
So if you know this leaf area index,
197
686360
1936
모든 작물의 가능한 광합성
수치를 측정하는 것이고
수치를 측정하는 것이고
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
그럼 각 나무의 건강정도를
알 수 있는 겁니다.
알 수 있는 겁니다.
11:45
which again tells you
how healthy each plant is.
how healthy each plant is.
199
693800
2880
11:49
By combining visual
and infrared information,
and infrared information,
200
697520
4216
시각 정보와 적외선 정보를 결합하면
NDVI같은 지표를
계산해 낼 수 있습니다.
계산해 낼 수 있습니다.
11:53
we can also compute indices such as NDVI.
201
701760
3296
특히 이 경우에는 실제로
11:57
And in this particular case,
you can essentially see
you can essentially see
202
705080
2816
다른 작물만큼 좋지 않은
작물이 있음을 알 수 있죠.
작물이 있음을 알 수 있죠.
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
이미지를 통해 쉽게
구별할 수 있습니다.
구별할 수 있습니다.
12:02
This is easily discernible from imagery,
204
710960
4056
그저 시각 이미지가 아니라
12:07
not just visual imagery but combining
205
715040
2216
시각과 적외선 이미지를
결합하는 것이죠.
결합하는 것이죠.
12:09
both visual imagery and infrared imagery.
206
717280
2776
마지막으로
12:12
And then lastly,
207
720080
1336
저희가 흥미를 갖고 있는 것이
백화 초기상태를 탐지하는 겁니다.
백화 초기상태를 탐지하는 겁니다.
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
이것은 오렌지 나무인데
12:17
and this is an orange tree --
209
725480
1496
잎이 황색으로 보이시죠.
12:19
which is essentially seen
by yellowing of leaves.
by yellowing of leaves.
210
727000
2560
12:21
But robots flying overhead
can easily spot this autonomously
can easily spot this autonomously
211
729880
3896
하지만 로봇이 위에서
비행하면 쉽게 발견하고
비행하면 쉽게 발견하고
농부에게
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
과수원의 어느 부분에
문제가 있는지 보고합니다.
문제가 있는지 보고합니다.
12:28
in this section of the orchard.
213
736760
1520
12:30
Systems like this can really help,
214
738800
2696
이런 시스템은 정말 도움이 되는데
약 10% 정도 수확량을 향상시킬
것으로 전망하고 있습니다.
것으로 전망하고 있습니다.
12:33
and we're projecting yields
that can improve by about ten percent
that can improve by about ten percent
215
741520
5816
더욱 중요한 것은 물을 주는 것을
12:39
and, more importantly, decrease
the amount of inputs such as water
the amount of inputs such as water
216
747360
3216
로봇 떼를 이용하면
25%정도 절감할 수 있습니다.
25%정도 절감할 수 있습니다.
12:42
by 25 percent by using
aerial robot swarms.
aerial robot swarms.
217
750600
3280
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
마지막으로 실제로 미래를 만들고 있는
분들에게 박수를 보내셨으면 좋겠습니다.
분들에게 박수를 보내셨으면 좋겠습니다.
야쉬 물가온카, 시캉 리유와
쥬세페 로이아노가
쥬세페 로이아노가
12:52
Yash Mulgaonkar, Sikang Liu
and Giuseppe Loianno,
and Giuseppe Loianno,
219
760960
4920
보셨던 세 가지 시범을
담당해 주셨습니다.
담당해 주셨습니다.
12:57
who are responsible for the three
demonstrations that you saw.
demonstrations that you saw.
220
765920
3496
감사합니다.
13:01
Thank you.
221
769440
1176
(박수)
13:02
(Applause)
222
770640
5920
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