ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Vijay Kumar | Speaker | TED.com
TED2012

Vijay Kumar: Robots that fly ... and cooperate

Vijay Kumar: Roboty, które latają i... współpracują ze sobą.

Filmed:
5,188,706 views

W swoim laboratorium w Pensylwanii, Vijay Kumar ze swoim zespołem buduje quadrotory, małe, zwinne roboty, które łączą się w roje, wyczuwają się nawzajem i formują zespoły - dla budownictwa, badania zniszczeń w katastrofach i wielu innych dziedzin.
- 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

Double-click the English transcript below to play the video.

00:20
Good morningranek.
0
5000
2000
Dzień dobry.
00:22
I'm here todaydzisiaj to talk
1
7000
2000
Dziś będę mówić
00:24
about autonomousautonomiczny, flyinglatający beachplaża ballskulki.
2
9000
3000
o autonomicznych, latających piłkach plażowych.
00:27
No, agileAgile aerialantenowe robotsroboty like this one.
3
12000
4000
Nie. Oczywiście o takich robotach, jak ten tutaj.
00:31
I'd like to tell you a little bitkawałek about the challengeswyzwania in buildingbudynek these
4
16000
3000
Chciałbym opowiedzieć wam o wyzwaniach w ich konstruowaniu
00:34
and some of the terrificWspaniała opportunitiesmożliwości
5
19000
2000
i o niektórych niesamowitych możliwościach
00:36
for applyingstosowanie this technologytechnologia.
6
21000
2000
wykorzystania tej technologii.
00:38
So these robotsroboty
7
23000
2000
Te roboty
00:40
are relatedzwiązane z to unmannedbezzałogowy aerialantenowe vehiclespojazdy.
8
25000
3000
nawiązują do bezzałogowych statków powietrznych.
00:43
HoweverJednak, the vehiclespojazdy you see here are bigduży.
9
28000
3000
Jednak te, które tu widzicie, są duże.
00:46
They weighważyć thousandstysiące of poundsfunty,
10
31000
2000
Ważą tysiące kilogramów
00:48
are not by any meansznaczy agileAgile.
11
33000
2000
i w żadnym razie nie są zwinne.
00:50
They're not even autonomousautonomiczny.
12
35000
2000
Nie są nawet autonomiczne.
00:52
In factfakt, manywiele of these vehiclespojazdy
13
37000
2000
Tak naprawdę wiele z nich
00:54
are operatedobsługiwane by flightlot crewszałóg
14
39000
2000
jest sterowanych przez załogi,
00:56
that can includezawierać multiplewielokrotność pilotspiloci,
15
41000
3000
w skład których wchodzi wielu pilotów,
00:59
operatorsOperatorzy of sensorsczujniki
16
44000
2000
operatorów czujników
01:01
and missionmisja coordinatorsKoordynatorzy.
17
46000
2000
i koordynatorów misji.
01:03
What we're interestedzainteresowany in is developingrozwijanie robotsroboty like this --
18
48000
2000
Jesteśmy zainteresowani rozwojem takich robotów -
01:05
and here are two other pictureskino --
19
50000
2000
są jeszcze 2 inne zdjęcia -
01:07
of robotsroboty that you can buykupować off the shelfPółka.
20
52000
3000
robotów, które możecie kupić w sklepie.
01:10
So these are helicoptershelikoptery with fourcztery rotorsWirniki
21
55000
3000
To są helikoptery z 4 wirnikami,
01:13
and they're roughlyw przybliżeniu a metermetr or so in scaleskala
22
58000
4000
mają około metra długości
01:17
and weighważyć severalkilka poundsfunty.
23
62000
2000
i ważą kilka kilogramów.
01:19
And so we retrofitModernizacja these with sensorsczujniki and processorsprocesory,
24
64000
3000
Ulepszamy je czujnikami i procesorami,
01:22
and these robotsroboty can flylatać indoorspomieszczeniu
25
67000
2000
mogą więc latać wewnątrz budynków
01:24
withoutbez GPSGPS.
26
69000
2000
bez GPS.
01:26
The robotrobot I'm holdingtrzymać in my handdłoń
27
71000
2000
Robot, którego mam w ręce
01:28
is this one,
28
73000
2000
jest jednym z nich
01:30
and it's been createdstworzony by two studentsstudenci,
29
75000
3000
i został stworzony przez 2 studentów,
01:33
AlexAlex and DanielDaniel.
30
78000
2000
Alexa i Daniela.
01:35
So this weighsważy a little more
31
80000
2000
Waży nieco ponad 50 gramów.
01:37
than a tenthdziesiąty of a poundfunt.
32
82000
2000
Waży nieco ponad 50 gramów.
01:39
It consumeszużywa about 15 wattswatów of powermoc.
33
84000
2000
Zużywa około 15 W energii
01:41
And as you can see,
34
86000
2000
i jak widać,
01:43
it's about eightosiem inchescale in diameterśrednica.
35
88000
2000
ma około 20 cm średnicy.
01:45
So let me give you just a very quickszybki tutorialPoradnik
36
90000
3000
Pozwólcie, że szybko pokażę wam,
01:48
on how these robotsroboty work.
37
93000
2000
jak te roboty działają.
01:50
So it has fourcztery rotorsWirniki.
38
95000
2000
Ten robot ma 4 wirniki.
01:52
If you spinspin these rotorsWirniki at the samepodobnie speedprędkość,
39
97000
2000
Jeśli obracają się z tą samą prędkością,
01:54
the robotrobot hoversunosi się.
40
99000
2000
robot zawiśnie w powietrzu.
01:56
If you increasezwiększać the speedprędkość of eachkażdy of these rotorsWirniki,
41
101000
3000
Jeśli zwiększymy prędkość któregoś z wirników,
01:59
then the robotrobot fliesmuchy up, it acceleratesprzyspiesza up.
42
104000
3000
robot leci w górę, przyspiesza.
02:02
Of coursekurs, if the robotrobot were tiltednachylona,
43
107000
2000
Jeśli byłby przechylony
02:04
inclinedpochylona to the horizontalpoziomy,
44
109000
2000
w poziomie,
02:06
then it would accelerateprzyśpieszyć in this directionkierunek.
45
111000
3000
przyspieszyłby właśnie w tym kierunku.
02:09
So to get it to tiltprzechylenie, there's one of two wayssposoby of doing it.
46
114000
3000
Przechył można wywołać na 2 sposoby.
02:12
So in this pictureobrazek
47
117000
2000
Na tym rysunku widać
02:14
you see that rotorwirnik fourcztery is spinningspinning fasterszybciej
48
119000
2000
wirnik nr 4 obracający się szybciej
02:16
and rotorwirnik two is spinningspinning slowerwolniej.
49
121000
2000
i wirnik nr 2 obracający się wolniej.
02:18
And when that happensdzieje się
50
123000
2000
Wtedy robot
02:20
there's momentza chwilę that causesprzyczyny this robotrobot to rollrolka.
51
125000
3000
zaczyna się obracać.
02:23
And the other way around,
52
128000
2000
Teraz w drugą stronę.
02:25
if you increasezwiększać the speedprędkość of rotorwirnik threetrzy
53
130000
3000
Zwiększenie prędkości wirnika nr 3
02:28
and decreasezmniejszać the speedprędkość of rotorwirnik one,
54
133000
2000
i zmniejszenie prędkości wirnika nr 1
02:30
then the robotrobot pitchesStanowiska kempingowe forwardNaprzód.
55
135000
3000
spowoduje przechylenie się robota do przodu.
02:33
And then finallywreszcie,
56
138000
2000
Wreszcie,
02:35
if you spinspin oppositenaprzeciwko pairspary of rotorsWirniki
57
140000
2000
obracając przeciwległe wirniki
02:37
fasterszybciej than the other pairpara,
58
142000
2000
szybciej niż pozostałe dwa,
02:39
then the robotrobot yawsframbezja about the verticalpionowy axis.
59
144000
2000
spowodujemy, że robot obróci się w osi pionowej.
02:41
So an on-boardpokładowe processoredytor
60
146000
2000
Procesor pokładowy
02:43
essentiallygłównie lookswygląda at what motionsruchy need to be executedwykonywane
61
148000
3000
sprawdza jakie ruchy należy wykonać,
02:46
and combinesKombajny these motionsruchy
62
151000
2000
łączy je
02:48
and figuresfigury out what commandspolecenia to sendwysłać to the motorssilniki
63
153000
3000
i decyduje, jakie komendy wysłać do wirników
02:51
600 timesczasy a seconddruga.
64
156000
2000
600 razy na sekundę.
02:53
That's basicallygruntownie how this thing operatesdziała.
65
158000
2000
W taki sposób działają te roboty.
02:55
So one of the advantagesZalety of this designprojekt
66
160000
2000
Jedną z zalet takiej konstrukcji jest to,
02:57
is, when you scaleskala things down,
67
162000
2000
że zmniejszając skalę,
02:59
the robotrobot naturallynaturalnie becomesstaje się agileAgile.
68
164000
3000
roboty w naturalny sposób stają się zwinne.
03:02
So here R
69
167000
2000
Tutaj R
03:04
is the characteristicCharakterystyka lengthdługość of the robotrobot.
70
169000
2000
jest tzw. "długością charakterystyczną" robota.
03:06
It's actuallytak właściwie halfpół the diameterśrednica.
71
171000
3000
Dokładnie połową jego średnicy.
03:09
And there are lots of physicalfizyczny parametersparametry that changezmiana
72
174000
3000
Wiele parametrów fizycznych zmienia się,
03:12
as you reducezmniejszyć R.
73
177000
2000
gdy zmniejszamy R.
03:14
The one that's the mostwiększość importantważny
74
179000
2000
Najważniejszym jest
03:16
is the inertiabezwładności or the resistanceodporność to motionruch.
75
181000
2000
inercja (moment bezwładności) lub opór ruchu.
03:18
So it turnsskręca out,
76
183000
2000
Okazuje się,
03:20
the inertiabezwładności, whichktóry governsreguluje angularkątowe motionruch,
77
185000
3000
że inercja, która decyduje o ruchu kątowym,
03:23
scaleswaga as a fifthpiąty powermoc of R.
78
188000
3000
równa się R do potęgi piątej.
03:26
So the smallermniejszy you make R,
79
191000
2000
Więc im mniejsze R,
03:28
the more dramaticallydramatycznie the inertiabezwładności reducesredukuje.
80
193000
3000
tym gwałtowniej zmniejsza się inercja.
03:31
So as a resultwynik, the angularkątowe accelerationprzyśpieszenie,
81
196000
3000
W rezultacie, przyspieszenie kątowe
03:34
denotedoznaczamy by GreekGrecki letterlist alphaalfa here,
82
199000
2000
oznaczone grecką literą α (alfa),
03:36
goesidzie as one over R.
83
201000
2000
wynosi ułamek 1 / R.
03:38
It's inverselyodwrotnie proportionalproporcjonalny to R.
84
203000
2000
Jest odwrotnie proporcjonalne do R.
03:40
The smallermniejszy you make it the more quicklyszybko you can turnskręcać.
85
205000
3000
Im jest mniejsze, tym łatwiej skręcić.
03:43
So this should be clearjasny in these videosfilmy wideo.
86
208000
2000
Na filmach widać to najlepiej.
03:45
At the bottomDolny right you see a robotrobot
87
210000
3000
U dołu po prawej stronie mamy robota
03:48
performingdziałający a 360 degreestopień fliptrzepnięcie
88
213000
2000
wykonującego przewrót o 360 stopni
03:50
in lessmniej than halfpół a seconddruga.
89
215000
2000
w mniej niż pół sekundy.
03:52
MultipleWielu flipskoziołki, a little more time.
90
217000
3000
Wielokrotne przewroty zajmują trochę więcej czasu.
03:55
So here the processesprocesy on boardtablica
91
220000
2000
Procesory pokładowe
03:57
are gettinguzyskiwanie feedbackinformacje zwrotne from accelerometersakcelerometry
92
222000
2000
otrzymują dane od czujników przyspieszenia
03:59
and gyrosGyros on boardtablica
93
224000
2000
i żyroskopów
04:01
and calculatingobliczenia, like I said before,
94
226000
2000
i obliczają, jak już wspomniałem wcześniej,
04:03
commandspolecenia at 600 timesczasy a seconddruga
95
228000
2000
komendy 600 razy na sekundę
04:05
to stabilizeustabilizować this robotrobot.
96
230000
2000
by stabilizować robota.
04:07
So on the left, you see DanielDaniel throwingrzucanie this robotrobot up into the airpowietrze.
97
232000
3000
Po lewej widzimy Daniela rzucającego robota w powietrze.
04:10
And it showsprzedstawia you how robustkrzepki the controlkontrola is.
98
235000
2000
Widać tu, jak skuteczna jest kontrola nad lotem.
04:12
No mattermateria how you throwrzucać it,
99
237000
2000
Nieważne jak go rzucić,
04:14
the robotrobot recoversodzyskuje and comespochodzi back to him.
100
239000
4000
robot odzyskuje równowagę i wraca.
04:18
So why buildbudować robotsroboty like this?
101
243000
2000
Po co budować takie roboty?
04:20
Well robotsroboty like this have manywiele applicationsAplikacje.
102
245000
3000
Takie roboty maja wiele zastosowań.
04:23
You can sendwysłać them insidewewnątrz buildingsBudynki like this
103
248000
3000
Można je wysłać do budynków, takich jak ten,
04:26
as first respondersobiekty odpowiadające w trybie to look for intrudersintruzów,
104
251000
3000
jako siły szybkiego reagowania w poszukiwaniu intruzów,
04:29
maybe look for biochemicalBiochemiczne leaksprzecieki,
105
254000
3000
mogą szukać wycieków biochemicznych,
04:32
gaseousgazowe leaksprzecieki.
106
257000
2000
wycieków gazu.
04:34
You can alsorównież use them
107
259000
2000
Można ich używać
04:36
for applicationsAplikacje like constructionbudowa.
108
261000
2000
również w budownictwie.
04:38
So here are robotsroboty carryingNiosąc beamsbelki, columnskolumny
109
263000
4000
Tu widzimy roboty przenoszące belki, kolumny
04:42
and assemblingzłożenie cube-likekostek structuresStruktury.
110
267000
3000
i montujące konstrukcje sześcienne.
04:45
I'll tell you a little bitkawałek more about this.
111
270000
3000
Opowiem o tym trochę więcej.
04:48
The robotsroboty can be used for transportingtransportu cargoładunek.
112
273000
3000
Można je wykorzystać do transportu ładunków.
04:51
So one of the problemsproblemy with these smallmały robotsroboty
113
276000
3000
Problem tych robotów
04:54
is theirich payloadładunek carryingNiosąc capacityPojemność.
114
279000
2000
to ich ładowność.
04:56
So you mightmoc want to have multiplewielokrotność robotsroboty
115
281000
2000
Potrzeba wielu robotów
04:58
carrynieść payloadsładunki.
116
283000
2000
by przenosić ładunki.
05:00
This is a pictureobrazek of a recentniedawny experimenteksperyment we did --
117
285000
2000
To zdjęcie z przeprowadzonego przez nas ostatnio eksperymentu,
05:02
actuallytak właściwie not so recentniedawny anymorejuż --
118
287000
2000
może nie aż tak ostatnio,
05:04
in SendaiSendai shortlyWkrótce after the earthquaketrzęsienie ziemi.
119
289000
3000
w Sendai krótko po trzęsieniu ziemi.
05:07
So robotsroboty like this could be sentwysłane into collapsedzwinięty buildingsBudynki
120
292000
3000
Te roboty można wysyłać do zawalonych budynków
05:10
to assessoszacować the damageuszkodzić after naturalnaturalny disasterskatastrofy,
121
295000
2000
w celu oceny uszkodzeń w katastrofach naturalnych,
05:12
or sentwysłane into reactorreaktor buildingsBudynki
122
297000
3000
lub do radioaktywnych budynków
05:15
to mapmapa radiationpromieniowanie levelspoziomy.
123
300000
3000
w celu zmierzenia poziomu promieniowania.
05:19
So one fundamentalfundamentalny problemproblem
124
304000
2000
Głównym problemem,
05:21
that the robotsroboty have to solverozwiązać if they're to be autonomousautonomiczny
125
306000
3000
jaki roboty muszą rozwiązać, jeśli mają być autonomiczne,
05:24
is essentiallygłównie figuringzastanawianie się out
126
309000
2000
to zasadniczo odkrycie
05:26
how to get from pointpunkt A to pointpunkt B.
127
311000
2000
jak dostać się z punktu A do puntu B.
05:28
So this getsdostaje a little challengingtrudne
128
313000
2000
Jest to nie lada wyzwanie,
05:30
because the dynamicsdynamika of this robotrobot are quitecałkiem complicatedskomplikowane.
129
315000
3000
ponieważ dynamika tego robota jest dość skomplikowana.
05:33
In factfakt, they liverelacja na żywo in a 12-dimensional-wymiarowe spaceprzestrzeń.
130
318000
2000
Funkcjonują dosłownie w 12-wymiarowej przestrzeni.
05:35
So we use a little tricksztuczka.
131
320000
2000
Używamy więc pewnej sztuczki.
05:37
We take this curvedzakrzywione 12-dimensional-wymiarowe spaceprzestrzeń
132
322000
3000
Bierzemy tę zakrzywioną 12-wymiarową przestrzeń
05:40
and transformprzekształcać it
133
325000
2000
i ją modyfikujemy
05:42
into a flatmieszkanie four-dimensionalcztero-wymiarowej spaceprzestrzeń.
134
327000
2000
w płaską przestrzeń 4-wymiarową.
05:44
And that four-dimensionalcztero-wymiarowej spaceprzestrzeń
135
329000
2000
A ta przestrzeń 4-wymiarowa
05:46
consistsskłada się of X, Y, Z and then the yawodchylenia anglekąt.
136
331000
3000
składa się z X, Y, Z i kąta odchylenia.
05:49
And so what the robotrobot does
137
334000
2000
Robot planuje
05:51
is it plansplany what we call a minimumminimum snapkłapnięcie trajectorytrajektoria.
138
336000
4000
coś, co nazywamy trajektorią minimalnych drgań.
05:55
So to remindprzypominać you of physicsfizyka,
139
340000
2000
Jak pamiętamy z fizyki,
05:57
you have positionpozycja, derivativepochodna, velocityprędkość,
140
342000
2000
mamy położenie, pochodną, prędkość,
05:59
then accelerationprzyśpieszenie,
141
344000
2000
potem przyspieszenie,
06:01
and then comespochodzi jerkkretyn
142
346000
2000
następnie zryw,
06:03
and then comespochodzi snapkłapnięcie.
143
348000
2000
a później drganie.
06:05
So this robotrobot minimizesminimalizuje snapkłapnięcie.
144
350000
3000
Ten robot minimalizuje drganie.
06:08
So what that effectivelyfaktycznie does
145
353000
2000
W rezultacie
06:10
is producesprodukuje a smoothgładki and gracefultaktowny motionruch.
146
355000
2000
wykonuje płynny i pełen gracji ruch.
06:12
And it does that avoidingunikanie obstaclesprzeszkody.
147
357000
3000
Robi to unikając przeszkód.
06:15
So these minimumminimum snapkłapnięcie trajectoriestrajektorie in this flatmieszkanie spaceprzestrzeń
148
360000
3000
W tej płaskiej przestrzeni te trajektorie minimalnych drań
06:18
are then transformedprzekształcone back
149
363000
2000
są następnie zamieniane z powrotem
06:20
into this complicatedskomplikowane 12-dimensional-wymiarowe spaceprzestrzeń,
150
365000
2000
na tę skomplikowaną przestrzeń 12-wymiarową,
06:22
whichktóry the robotrobot mustmusi do
151
367000
2000
którą robot musi przetworzyć
06:24
for controlkontrola and then executionwykonanie.
152
369000
2000
dla kontroli i działania.
06:26
So let me showpokazać you some examplesprzykłady
153
371000
2000
Przedstawię przykłady na to,
06:28
of what these minimumminimum snapkłapnięcie trajectoriestrajektorie look like.
154
373000
2000
jak wyglądają te trajektorie minimalnych drgań.
06:30
And in the first videowideo,
155
375000
2000
Na pierwszym video
06:32
you'llTy będziesz see the robotrobot going from pointpunkt A to pointpunkt B
156
377000
2000
zobaczycie robota zmierzającego z punktu A do punktu B,
06:34
throughprzez an intermediatepośredni pointpunkt.
157
379000
2000
przez punkt pośredni.
06:42
So the robotrobot is obviouslyoczywiście capablezdolny
158
387000
2000
Robot może
06:44
of executingwykonywanie any curvekrzywa trajectorytrajektoria.
159
389000
2000
poruszać się po każdej krzywej trajektorii.
06:46
So these are circularokólnik trajectoriestrajektorie
160
391000
2000
To są trajektorie kołowe,
06:48
where the robotrobot pullsciągnie about two G'sG's.
161
393000
3000
gdzie robot osiąga przeciążenie wartości 2 G.
06:52
Here you have overheadobciążenie motionruch capturezdobyć cameraskamery on the topTop
162
397000
4000
U góry umieszczone są kamery wykrywające ruch,
06:56
that tell the robotrobot where it is 100 timesczasy a seconddruga.
163
401000
3000
które informują robota o jego położeniu 100 razy na sekundę.
06:59
It alsorównież tellsmówi the robotrobot where these obstaclesprzeszkody are.
164
404000
3000
Podają również robotowi położenie przeszkód,
07:02
And the obstaclesprzeszkody can be movingw ruchu.
165
407000
2000
które mogą być ruchome.
07:04
And here you'llTy będziesz see DanielDaniel throwrzucać this hoopHoop into the airpowietrze,
166
409000
3000
Tutaj Daniel podrzuca w powietrzu hula-hop,
07:07
while the robotrobot is calculatingobliczenia the positionpozycja of the hoopHoop
167
412000
2000
a robot oblicza jego położenie
07:09
and tryingpróbować to figurepostać out how to bestNajlepiej go throughprzez the hoopHoop.
168
414000
4000
i próbuje obrać najlepszą drogę przez jego środek.
07:13
So as an academicakademicki,
169
418000
2000
Jako pracownicy akademiccy,
07:15
we're always trainedprzeszkolony to be ablezdolny to jumpskok throughprzez hoopsobręcze to raisepodnieść fundingfinansowanie for our labslaboratoria,
170
420000
3000
zawsze jesteśmy szkoleni, by umieć przeskoczyć przez przeszkody
07:18
and we get our robotsroboty to do that.
171
423000
3000
w celu zebrania funduszy na badania, a teraz robią to za nas roboty.
07:21
(ApplauseAplauz)
172
426000
6000
(Oklaski)
07:27
So anotherinne thing the robotrobot can do
173
432000
2000
Roboty potrafią również
07:29
is it rememberspamięta piecessztuk of trajectorytrajektoria
174
434000
3000
zapamiętywać elementy trajektorii,
07:32
that it learnsuczy się or is pre-programmedwstępnie zaprogramowane.
175
437000
2000
których się uczą lub są im zaprogramowane.
07:34
So here you see the robotrobot
176
439000
2000
Tu widzimy robota
07:36
combiningłącząc a motionruch
177
441000
2000
wykonującego sekwencję ruchów,
07:38
that buildsbuduje up momentumpęd
178
443000
2000
który nabiera pędu,
07:40
and then changeszmiany its orientationOrientacja and then recoversodzyskuje.
179
445000
3000
potem zmienia pozycję lotu i odzyskuje równowagę.
07:43
So it has to do this because this gapszczelina in the windowokno
180
448000
3000
Musi to robić, ponieważ otwór w okienku
07:46
is only slightlynieco largerwiększy than the widthszerokość of the robotrobot.
181
451000
4000
jest niewiele większy od szerokości robota.
07:50
So just like a divernurek standsstojaki on a springboardtrampolina
182
455000
3000
Jak skoczek stojący na trampolinie,
07:53
and then jumpsskacze off it to gainzdobyć momentumpęd,
183
458000
2000
skaczący by nabrać pędu,
07:55
and then does this pirouettePiruet, this two and a halfpół somersaultSalto throughprzez
184
460000
3000
który później wykonuje obroty, te 2,5 salta
07:58
and then gracefullywdziękiem recoversodzyskuje,
185
463000
2000
i z gracją odzyskuje równowagę,
08:00
this robotrobot is basicallygruntownie doing that.
186
465000
2000
mniej więcej to robi ten robot.
08:02
So it knowswie how to combinepołączyć little bitsbity and piecessztuk of trajectoriestrajektorie
187
467000
3000
Robot wie jak łączyć odpowiednie elementy trajektorii,
08:05
to do these fairlydość difficulttrudny taskszadania.
188
470000
4000
by wykonać te dość trudne zadania.
08:09
So I want changezmiana gearskoła zębate.
189
474000
2000
Chciałbym teraz zmienić temat.
08:11
So one of the disadvantageswady of these smallmały robotsroboty is its sizerozmiar.
190
476000
3000
Jedną z wad tych małych robotów jest ich rozmiar.
08:14
And I told you earlierwcześniej
191
479000
2000
Jak wspomniałem wcześniej,
08:16
that we maymoże want to employzatrudniać lots and lots of robotsroboty
192
481000
2000
możemy potrzebować wielu robotów,
08:18
to overcomeprzezwyciężać the limitationsograniczenia of sizerozmiar.
193
483000
3000
by pokonać ograniczenia ich rozmiarów.
08:21
So one difficultytrudność
194
486000
2000
Jedną z trudności jest to,
08:23
is how do you coordinatewspółrzędnych lots of these robotsroboty?
195
488000
3000
jak skoordynować dużą liczbę robotów?
08:26
And so here we lookedspojrzał to natureNatura.
196
491000
2000
Tu z pomocą przyszła natura.
08:28
So I want to showpokazać you a clipspinacz
197
493000
2000
Pokażę wam film
08:30
of AphaenogasterAphaenogaster desertpustynia antsmrówki
198
495000
2000
o pustynnych mrówkach Aphaenogaster,
08:32
in ProfessorProfesor StephenStephen Pratt'sPratt's lablaboratorium carryingNiosąc an objectobiekt.
199
497000
3000
które w laboratorium prof. Stephena Pratta przenoszą przedmiot.
08:35
So this is actuallytak właściwie a piecekawałek of figrys..
200
500000
2000
To kawałek figi.
08:37
ActuallyFaktycznie you take any objectobiekt coatedpowlekane with figrys. juicesok
201
502000
2000
Można użyć czegokolwiek pokrytego sokiem figowym,
08:39
and the antsmrówki will carrynieść them back to the nestgniazdo.
202
504000
3000
a mrówki zaniosą to do gniazda.
08:42
So these antsmrówki don't have any centralcentralny coordinatorKoordynator.
203
507000
3000
Te mrówki nie mają głównego koordynatora.
08:45
They sensesens theirich neighborssąsiedzi.
204
510000
2000
Wyczuwają się nawzajem.
08:47
There's no explicitwyraźny communicationkomunikacja.
205
512000
2000
Nie zachodzi wyraźna komunikacja,
08:49
But because they sensesens the neighborssąsiedzi
206
514000
2000
ale wyczuwając siebie nawzajem
08:51
and because they sensesens the objectobiekt,
207
516000
2000
i wyczuwając przedmiot
08:53
they have implicitniejawne coordinationkoordynacja acrossprzez the groupGrupa.
208
518000
3000
ma miejsce ukryta koordynacja grupy.
08:56
So this is the kinduprzejmy of coordinationkoordynacja
209
521000
2000
Chcielibyśmy, żeby nasze roboty
08:58
we want our robotsroboty to have.
210
523000
3000
miały taką koordynację.
09:01
So when we have a robotrobot
211
526000
2000
Robot otoczony innymi robotami,
09:03
whichktóry is surroundedotoczony by neighborssąsiedzi --
212
528000
2000
Robot otoczony innymi robotami,
09:05
and let's look at robotrobot I and robotrobot J --
213
530000
2000
spójrzmy na roboty I oraz J,
09:07
what we want the robotsroboty to do
214
532000
2000
chcemy by roboty
09:09
is to monitormonitor the separationseparacja betweenpomiędzy them
215
534000
3000
monitorowały odstęp pomiędzy sobą
09:12
as they flylatać in formationtworzenie.
216
537000
2000
podczas lotu w formacji.
09:14
And then you want to make sure
217
539000
2000
Chcemy też mieć pewność,
09:16
that this separationseparacja is withinw ciągu acceptabledo przyjęcia levelspoziomy.
218
541000
2000
że te odstępy mieszczą się w określonych granicach.
09:18
So again the robotsroboty monitormonitor this errorbłąd
219
543000
3000
Roboty monitorują margines błędu
09:21
and calculateobliczać the controlkontrola commandspolecenia
220
546000
2000
i obliczają komendy
09:23
100 timesczasy a seconddruga,
221
548000
2000
100 razy na sekundę,
09:25
whichktóry then translatesprzekłada się to the motorsilnik commandspolecenia 600 timesczasy a seconddruga.
222
550000
3000
które później przekazują do wirników 600 razy na sekundę.
09:28
So this alsorównież has to be doneGotowe
223
553000
2000
To również trzeba wykonać
09:30
in a decentralizedzdecentralizowany way.
224
555000
2000
w bardziej decentralizujący sposób.
09:32
Again, if you have lots and lots of robotsroboty,
225
557000
2000
Mając wiele robotów,
09:34
it's impossibleniemożliwy to coordinatewspółrzędnych all this informationInformacja centrallycentralnie
226
559000
4000
nie mogą być centralnie sterowane
09:38
fastszybki enoughdość in orderzamówienie for the robotsroboty to accomplishukończyć the taskzadanie.
227
563000
3000
na tyle szybko, by mogły wykonywać zadania.
09:41
PlusPlus the robotsroboty have to basebaza theirich actionsdziałania
228
566000
2000
Dodatkowo roboty muszą opierać swe działania
09:43
only on locallokalny informationInformacja,
229
568000
2000
na informacjach lokalnych,
09:45
what they sensesens from theirich neighborssąsiedzi.
230
570000
2000
na tym, co odbierają od sąsiednich robotów.
09:47
And then finallywreszcie,
231
572000
2000
Powinny również być
09:49
we insistdomagać się that the robotsroboty be agnosticniezależna od
232
574000
2000
"agnostycznie" nastawione
09:51
to who theirich neighborssąsiedzi are.
233
576000
2000
do sąsiednich robotów.
09:53
So this is what we call anonymityanonimowość.
234
578000
3000
Nazywamy to "anonimowością".
09:56
So what I want to showpokazać you nextNastępny
235
581000
2000
Pokażę Wam teraz nagranie
09:58
is a videowideo
236
583000
2000
Pokażę Wam teraz nagranie
10:00
of 20 of these little robotsroboty
237
585000
3000
20 małych robotów
10:03
flyinglatający in formationtworzenie.
238
588000
2000
lecących w formacji.
10:05
They're monitoringmonitorowanie theirich neighbors'sąsiadów positionpozycja.
239
590000
3000
Monitorują położenie swoich sąsiadów.
10:08
They're maintainingutrzymywanie formationtworzenie.
240
593000
2000
Utrzymują formację.
10:10
The formationsformacje can changezmiana.
241
595000
2000
Formacje mogą się zmieniać.
10:12
They can be planarplanarne formationsformacje,
242
597000
2000
Mogą być płaskie,
10:14
they can be three-dimensionaltrójwymiarowy formationsformacje.
243
599000
2000
lub trójwymiarowe.
10:16
As you can see here,
244
601000
2000
Jak widać,
10:18
they collapsezawalić się from a three-dimensionaltrójwymiarowy formationtworzenie into planarplanarne formationtworzenie.
245
603000
3000
przechodzą z formacji trójwymiarowej do płaskiej
10:21
And to flylatać throughprzez obstaclesprzeszkody
246
606000
2000
i aby pokonać przeszkody,
10:23
they can adaptprzystosować się the formationsformacje on the flylatać.
247
608000
4000
mogą dostosowywać formację w locie.
10:27
So again, these robotsroboty come really closeblisko togetherRazem.
248
612000
3000
Roboty mogą być bardzo blisko siebie.
10:30
As you can see in this figure-eightósemki flightlot,
249
615000
2000
Jak widać podczas robionej przez nie ósemki,
10:32
they come withinw ciągu inchescale of eachkażdy other.
250
617000
2000
lecą od ciebie w odległości kilku centymetrów.
10:34
And despitepomimo the aerodynamicaerodynamiczny interactionsinterakcje
251
619000
3000
Pomimo oddziaływań aerodynamicznych śmigieł,
10:37
of these propellerśmigło bladesostrza,
252
622000
2000
Pomimo oddziaływań aerodynamicznych śmigieł,
10:39
they're ablezdolny to maintainutrzymać stablestabilny flightlot.
253
624000
2000
mogą utrzymać stabilny lot.
10:41
(ApplauseAplauz)
254
626000
7000
(Oklaski)
10:48
So oncepewnego razu you know how to flylatać in formationtworzenie,
255
633000
2000
Umiejąc latać w formacji,
10:50
you can actuallytak właściwie pickwybierać up objectsobiekty cooperativelywspólnie.
256
635000
2000
można wspólnie podnosić przedmioty.
10:52
So this just showsprzedstawia
257
637000
2000
Siłę robota można zwiększyć nawet czterokrotnie,
10:54
that we can doublepodwójnie, triplepotroić, quadruplePokój Czteroosobowy
258
639000
3000
Siłę robota można zwiększyć nawet czterokrotnie,
10:57
the robotrobot strengthwytrzymałość
259
642000
2000
Siłę robota można zwiększyć nawet czterokrotnie,
10:59
by just gettinguzyskiwanie them to teamzespół with neighborssąsiedzi, as you can see here.
260
644000
2000
jeżeli będą współpracować z sąsiadami.
11:01
One of the disadvantageswady of doing that
261
646000
3000
Jedną z wad jest to,
11:04
is, as you scaleskala things up --
262
649000
2000
że powiększając skalę,
11:06
so if you have lots of robotsroboty carryingNiosąc the samepodobnie thing,
263
651000
2000
czyli mając wiele robotów unoszących tę samą rzecz,
11:08
you're essentiallygłównie effectivelyfaktycznie increasingwzrastający the inertiabezwładności,
264
653000
3000
znacznie zwiększamy inercję,
11:11
and thereforew związku z tym you payzapłacić a pricecena; they're not as agileAgile.
265
656000
3000
tak więc płacimy określoną cenę; roboty nie są już tak zwinne.
11:14
But you do gainzdobyć in termswarunki of payloadładunek carryingNiosąc capacityPojemność.
266
659000
3000
Zyskujemy jednak na ładowności.
11:17
AnotherInnym applicationpodanie I want to showpokazać you --
267
662000
2000
Pokażę inne zastosowanie robotów,
11:19
again, this is in our lablaboratorium.
268
664000
2000
jesteśmy znów w naszym laboratorium.
11:21
This is work doneGotowe by QuentinQuentin LindseyLindsey who'skto jest a graduateukończyć studentstudent.
269
666000
2000
Autorem jest nasz absolwent Quentin Lindsey.
11:23
So his algorithmalgorytm essentiallygłównie tellsmówi these robotsroboty
270
668000
3000
Jego algorytm mówi robotom,
11:26
how to autonomouslyautonomicznie buildbudować
271
671000
2000
jak samodzielnie zbudować
11:28
cubicsześcienny structuresStruktury
272
673000
2000
sześcienne struktury
11:30
from truss-likekratownicy przypominające elementselementy.
273
675000
3000
z elementów kratownicy.
11:33
So his algorithmalgorytm tellsmówi the robotrobot
274
678000
2000
Algorytm mówi robotowi,
11:35
what partczęść to pickwybierać up,
275
680000
2000
którą część podnieść,
11:37
when and where to placemiejsce it.
276
682000
2000
kiedy i gdzie ją umieścić.
11:39
So in this videowideo you see --
277
684000
2000
Na filmie,
11:41
and it's spedSped up 10, 14 timesczasy --
278
686000
2000
który przyspieszono ok. 14 razy,
11:43
you see threetrzy differentróżne structuresStruktury beingistota builtwybudowany by these robotsroboty.
279
688000
3000
widzimy 3 różne struktury budowane przez te roboty.
11:46
And again, everything is autonomousautonomiczny,
280
691000
2000
Wszystko wykonują samodzielnie,
11:48
and all QuentinQuentin has to do
281
693000
2000
a Quentin musi jedynie
11:50
is to get them a blueprintPlan wytworzenia
282
695000
2000
dać im projekt
11:52
of the designprojekt that he wants to buildbudować.
283
697000
4000
konstrukcji, jaką mają stworzyć.
11:56
So all these experimentseksperymenty you've seenwidziany thusa zatem fardaleko,
284
701000
3000
Wszystkie eksperymenty, które do tej pory zobaczyliśmy,
11:59
all these demonstrationsdemonstracje,
285
704000
2000
wszystkie te prezentacje,
12:01
have been doneGotowe with the help of motionruch capturezdobyć systemssystemy.
286
706000
3000
zostały wykonane przy pomocy systemów wykrywających ruch.
12:04
So what happensdzieje się when you leavepozostawiać your lablaboratorium
287
709000
2000
A co się stanie, jeśli opuścimy laboratorium
12:06
and you go outsidena zewnątrz into the realreal worldświat?
288
711000
3000
i wyjdziemy do prawdziwego świata?
12:09
And what if there's no GPSGPS?
289
714000
3000
Co, jeśli nie mamy GPS?
12:12
So this robotrobot
290
717000
2000
Ten robot
12:14
is actuallytak właściwie equippedwyposażony with a cameraaparat fotograficzny
291
719000
2000
wyposażony jest w kamerę
12:16
and a laserlaser rangefinderDalmierz, laserlaser scannerskaner.
292
721000
3000
i skaner laserowy.
12:19
And it usesużywa these sensorsczujniki
293
724000
2000
Używa tych czujników
12:21
to buildbudować a mapmapa of the environmentśrodowisko.
294
726000
2000
do stworzenia mapy otoczenia.
12:23
What that mapmapa consistsskłada się of are featurescechy --
295
728000
3000
Mapa ta składa się z elementów takich,
12:26
like doorwaysotwory drzwiowe, windowsWindows,
296
731000
2000
jak drzwi, okna,
12:28
people, furnituremeble --
297
733000
2000
ludzie, meble,
12:30
and it then figuresfigury out where its positionpozycja is
298
735000
2000
robot następnie określa swoje położenie
12:32
with respectPoszanowanie to the featurescechy.
299
737000
2000
względem tych obiektów.
12:34
So there is no globalświatowy coordinatewspółrzędnych systemsystem.
300
739000
2000
Nie istnieje więc globalny system sterujący.
12:36
The coordinatewspółrzędnych systemsystem is definedokreślone basedna podstawie on the robotrobot,
301
741000
3000
System sterujący jest określany w oparciu o robota,
12:39
where it is and what it's looking at.
302
744000
3000
na tym gdzie jest i na co patrzy.
12:42
And it navigatesnawiguje with respectPoszanowanie to those featurescechy.
303
747000
3000
Nawiguje uwzględniając te dane.
12:45
So I want to showpokazać you a clipspinacz
304
750000
2000
Pokażę wam film
12:47
of algorithmsalgorytmy developedrozwinięty by FrankFrank ShenShen
305
752000
2000
o algorytmach opracowanych przez Franka Shena
12:49
and ProfessorProfesor NathanNathan MichaelMichael
306
754000
2000
i prof. Nathana Michaela,
12:51
that showsprzedstawia this robotrobot enteringwstępowanie a buildingbudynek for the very first time
307
756000
4000
który przedstawia robota wlatującego po raz pierwszy do budynku
12:55
and creatingtworzenie this mapmapa on the flylatać.
308
760000
3000
i tworzącego w locie tę mapę.
12:58
So the robotrobot then figuresfigury out what the featurescechy are.
309
763000
3000
Robot określa cechy budynku.
13:01
It buildsbuduje the mapmapa.
310
766000
2000
Tworzy mapę.
13:03
It figuresfigury out where it is with respectPoszanowanie to the featurescechy
311
768000
2000
Określa swoje położenie względem obiektów
13:05
and then estimatesszacunki its positionpozycja
312
770000
2000
i oblicza swoją pozycję
13:07
100 timesczasy a seconddruga
313
772000
2000
100 razy na sekundę,
13:09
allowingpozwalać us to use the controlkontrola algorithmsalgorytmy
314
774000
2000
pozwalając nam zastosować algorytmy sterujące,
13:11
that I describedopisane to you earlierwcześniej.
315
776000
2000
które omówiłem wcześniej.
13:13
So this robotrobot is actuallytak właściwie beingistota commandeddowodził
316
778000
2000
Ten robot jest zdalnie sterowany przez Franka,
13:15
remotelyzdalnie by FrankFrank.
317
780000
2000
Ten robot jest zdalnie sterowany przez Franka,
13:17
But the robotrobot can alsorównież figurepostać out
318
782000
2000
ale może również
13:19
where to go on its ownwłasny.
319
784000
2000
poruszać się samodzielnie.
13:21
So supposeprzypuszczać I were to sendwysłać this into a buildingbudynek
320
786000
2000
Powiedzmy, że miałbym go wysłać do budynku,
13:23
and I had no ideapomysł what this buildingbudynek lookedspojrzał like,
321
788000
2000
a nie wiedziałbym jak ten budynek wygląda.
13:25
I can askzapytać this robotrobot to go in,
322
790000
2000
Robot może stworzyć mapę
13:27
createStwórz a mapmapa
323
792000
2000
Robot może stworzyć mapę
13:29
and then come back and tell me what the buildingbudynek lookswygląda like.
324
794000
3000
i wrócić z danymi opisującymi budynek.
13:32
So here, the robotrobot is not only solvingrozwiązywanie the problemproblem,
325
797000
3000
Robot tu nie tylko rozwiązuje problem,
13:35
how to go from pointpunkt A to pointpunkt B in this mapmapa,
326
800000
3000
jak dostać się z punktu A do punktu B,
13:38
but it's figuringzastanawianie się out
327
803000
2000
ale za każdym razem określa
13:40
what the bestNajlepiej pointpunkt B is at everykażdy time.
328
805000
2000
najlepsze położenie punktu B.
13:42
So essentiallygłównie it knowswie where to go
329
807000
3000
Wie gdzie ma się udać,
13:45
to look for placesmiejsca that have the leastnajmniej informationInformacja.
330
810000
2000
by odnaleźć miejsca, o których ma najmniej danych.
13:47
And that's how it populateswypełnia this mapmapa.
331
812000
3000
W ten sposób uzupełnia mapę.
13:50
So I want to leavepozostawiać you
332
815000
2000
Pokażę ostatnie zastosowanie tej technologii,
13:52
with one last applicationpodanie.
333
817000
2000
Pokażę ostatnie zastosowanie tej technologii,
13:54
And there are manywiele applicationsAplikacje of this technologytechnologia.
334
819000
3000
a jest ich wiele.
13:57
I'm a professorprofesor, and we're passionatenamiętny about educationEdukacja.
335
822000
2000
Jestem profesorem zafascynowanym edukacją.
13:59
RobotsRoboty like this can really changezmiana the way
336
824000
2000
Takie roboty mogą naprawdę zmienić
14:01
we do K throughprzez 12 educationEdukacja.
337
826000
2000
obraz szkolnictwa.
14:03
But we're in SouthernPołudniowej CaliforniaCalifornia,
338
828000
2000
Jesteśmy jednak w Południowej Kalifornii,
14:05
closeblisko to LosLos AngelesAngeles,
339
830000
2000
niedaleko Los Angeles,
14:07
so I have to concludewyciągnąć wniosek
340
832000
2000
więc muszę zakończyć
14:09
with something focusedskupiony on entertainmentzabawa.
341
834000
2000
czymś związanym z rozrywką.
14:11
I want to concludewyciągnąć wniosek with a musicmuzyka videowideo.
342
836000
2000
Zakończę teledyskiem.
14:13
I want to introduceprzedstawiać the creatorsTwórcy, AlexAlex and DanielDaniel,
343
838000
3000
Chciałbym przedstawić Alexa i Daniela,
14:16
who createdstworzony this videowideo.
344
841000
2000
którzy stworzyli to nagranie.
14:18
(ApplauseAplauz)
345
843000
7000
(Oklaski)
14:25
So before I playgrać this videowideo,
346
850000
2000
Zanim je puszczę,
14:27
I want to tell you that they createdstworzony it in the last threetrzy daysdni
347
852000
3000
chcę powiedzieć, że stworzyli je w ciągu ostatnich 3 dni,
14:30
after gettinguzyskiwanie a call from ChrisChris.
348
855000
2000
po telefonie od Chrisa.
14:32
And the robotsroboty that playgrać the videowideo
349
857000
2000
Roboty z filmu
14:34
are completelycałkowicie autonomousautonomiczny.
350
859000
2000
są całkowicie samodzielne.
14:36
You will see ninedziewięć robotsroboty playgrać sixsześć differentróżne instrumentsinstrumenty.
351
861000
3000
Zobaczycie 9 robotów grających na 6 różnych instrumentach.
14:39
And of coursekurs, it's madezrobiony exclusivelywyłącznie for TEDTED 2012.
352
864000
4000
Oczywiście wszystko specjalnie dla TED 2012.
14:43
Let's watch.
353
868000
3000
Obejrzyjmy.
15:19
(MusicMuzyka)
354
904000
10000
(Muzyka)
16:23
(ApplauseAplauz)
355
968000
17000
(Oklaski)
Translated by Bartłomiej Szóstak
Reviewed by Grzegorz Partyka

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Vijay Kumar | Speaker | TED.com