TED2012
Vijay Kumar: Robots that fly ... and cooperate
Vijay Kumar: Roboty, które latają i... współpracują ze sobą.
Filmed:
Readability: 4.5
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.
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
Dzień dobry.
00:22
I'm here today to talk
1
7000
2000
Dziś będę mówić
00:24
about autonomous, flying beach balls.
2
9000
3000
o autonomicznych, latających piłkach plażowych.
00:27
No, agile aerial robots like this one.
3
12000
4000
Nie. Oczywiście o takich robotach, jak ten tutaj.
00:31
I'd like to tell you a little bit about the challenges in building these
4
16000
3000
Chciałbym opowiedzieć wam o wyzwaniach w ich konstruowaniu
00:34
and some of the terrific opportunities
5
19000
2000
i o niektórych niesamowitych możliwościach
00:36
for applying this technology.
6
21000
2000
wykorzystania tej technologii.
00:38
So these robots
7
23000
2000
Te roboty
00:40
are related to unmanned aerial vehicles.
8
25000
3000
nawiązują do bezzałogowych statków powietrznych.
00:43
However, the vehicles you see here are big.
9
28000
3000
Jednak te, które tu widzicie, są duże.
00:46
They weigh thousands of pounds,
10
31000
2000
Ważą tysiące kilogramów
00:48
are not by any means agile.
11
33000
2000
i w żadnym razie nie są zwinne.
00:50
They're not even autonomous.
12
35000
2000
Nie są nawet autonomiczne.
00:52
In fact, many of these vehicles
13
37000
2000
Tak naprawdę wiele z nich
00:54
are operated by flight crews
14
39000
2000
jest sterowanych przez załogi,
00:56
that can include multiple pilots,
15
41000
3000
w skład których wchodzi wielu pilotów,
00:59
operators of sensors
16
44000
2000
operatorów czujników
01:01
and mission coordinators.
17
46000
2000
i koordynatorów misji.
01:03
What we're interested in is developing robots like this --
18
48000
2000
Jesteśmy zainteresowani rozwojem takich robotów -
01:05
and here are two other pictures --
19
50000
2000
są jeszcze 2 inne zdjęcia -
01:07
of robots that you can buy off the shelf.
20
52000
3000
robotów, które możecie kupić w sklepie.
01:10
So these are helicopters with four rotors
21
55000
3000
To są helikoptery z 4 wirnikami,
01:13
and they're roughly a meter or so in scale
22
58000
4000
mają około metra długości
01:17
and weigh several pounds.
23
62000
2000
i ważą kilka kilogramów.
01:19
And so we retrofit these with sensors and processors,
24
64000
3000
Ulepszamy je czujnikami i procesorami,
01:22
and these robots can fly indoors
25
67000
2000
mogą więc latać wewnątrz budynków
01:24
without GPS.
26
69000
2000
bez GPS.
01:26
The robot I'm holding in my hand
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 created by two students,
29
75000
3000
i został stworzony przez 2 studentów,
01:33
Alex and Daniel.
30
78000
2000
Alexa i Daniela.
01:35
So this weighs a little more
31
80000
2000
Waży nieco ponad 50 gramów.
01:37
than a tenth of a pound.
32
82000
2000
Waży nieco ponad 50 gramów.
01:39
It consumes about 15 watts of power.
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 eight inches in diameter.
35
88000
2000
ma około 20 cm średnicy.
01:45
So let me give you just a very quick tutorial
36
90000
3000
Pozwólcie, że szybko pokażę wam,
01:48
on how these robots work.
37
93000
2000
jak te roboty działają.
01:50
So it has four rotors.
38
95000
2000
Ten robot ma 4 wirniki.
01:52
If you spin these rotors at the same speed,
39
97000
2000
Jeśli obracają się z tą samą prędkością,
01:54
the robot hovers.
40
99000
2000
robot zawiśnie w powietrzu.
01:56
If you increase the speed of each of these rotors,
41
101000
3000
Jeśli zwiększymy prędkość któregoś z wirników,
01:59
then the robot flies up, it accelerates up.
42
104000
3000
robot leci w górę, przyspiesza.
02:02
Of course, if the robot were tilted,
43
107000
2000
Jeśli byłby przechylony
02:04
inclined to the horizontal,
44
109000
2000
w poziomie,
02:06
then it would accelerate in this direction.
45
111000
3000
przyspieszyłby właśnie w tym kierunku.
02:09
So to get it to tilt, there's one of two ways of doing it.
46
114000
3000
Przechył można wywołać na 2 sposoby.
02:12
So in this picture
47
117000
2000
Na tym rysunku widać
02:14
you see that rotor four is spinning faster
48
119000
2000
wirnik nr 4 obracający się szybciej
02:16
and rotor two is spinning slower.
49
121000
2000
i wirnik nr 2 obracający się wolniej.
02:18
And when that happens
50
123000
2000
Wtedy robot
02:20
there's moment that causes this robot to roll.
51
125000
3000
zaczyna się obracać.
02:23
And the other way around,
52
128000
2000
Teraz w drugą stronę.
02:25
if you increase the speed of rotor three
53
130000
3000
Zwiększenie prędkości wirnika nr 3
02:28
and decrease the speed of rotor one,
54
133000
2000
i zmniejszenie prędkości wirnika nr 1
02:30
then the robot pitches forward.
55
135000
3000
spowoduje przechylenie się robota do przodu.
02:33
And then finally,
56
138000
2000
Wreszcie,
02:35
if you spin opposite pairs of rotors
57
140000
2000
obracając przeciwległe wirniki
02:37
faster than the other pair,
58
142000
2000
szybciej niż pozostałe dwa,
02:39
then the robot yaws about the vertical axis.
59
144000
2000
spowodujemy, że robot obróci się w osi pionowej.
02:41
So an on-board processor
60
146000
2000
Procesor pokładowy
02:43
essentially looks at what motions need to be executed
61
148000
3000
sprawdza jakie ruchy należy wykonać,
02:46
and combines these motions
62
151000
2000
łączy je
02:48
and figures out what commands to send to the motors
63
153000
3000
i decyduje, jakie komendy wysłać do wirników
02:51
600 times a second.
64
156000
2000
600 razy na sekundę.
02:53
That's basically how this thing operates.
65
158000
2000
W taki sposób działają te roboty.
02:55
So one of the advantages of this design
66
160000
2000
Jedną z zalet takiej konstrukcji jest to,
02:57
is, when you scale things down,
67
162000
2000
że zmniejszając skalę,
02:59
the robot naturally becomes agile.
68
164000
3000
roboty w naturalny sposób stają się zwinne.
03:02
So here R
69
167000
2000
Tutaj R
03:04
is the characteristic length of the robot.
70
169000
2000
jest tzw. "długością charakterystyczną" robota.
03:06
It's actually half the diameter.
71
171000
3000
Dokładnie połową jego średnicy.
03:09
And there are lots of physical parameters that change
72
174000
3000
Wiele parametrów fizycznych zmienia się,
03:12
as you reduce R.
73
177000
2000
gdy zmniejszamy R.
03:14
The one that's the most important
74
179000
2000
Najważniejszym jest
03:16
is the inertia or the resistance to motion.
75
181000
2000
inercja (moment bezwładności) lub opór ruchu.
03:18
So it turns out,
76
183000
2000
Okazuje się,
03:20
the inertia, which governs angular motion,
77
185000
3000
że inercja, która decyduje o ruchu kątowym,
03:23
scales as a fifth power of R.
78
188000
3000
równa się R do potęgi piątej.
03:26
So the smaller you make R,
79
191000
2000
Więc im mniejsze R,
03:28
the more dramatically the inertia reduces.
80
193000
3000
tym gwałtowniej zmniejsza się inercja.
03:31
So as a result, the angular acceleration,
81
196000
3000
W rezultacie, przyspieszenie kątowe
03:34
denoted by Greek letter alpha here,
82
199000
2000
oznaczone grecką literą α (alfa),
03:36
goes as one over R.
83
201000
2000
wynosi ułamek 1 / R.
03:38
It's inversely proportional to R.
84
203000
2000
Jest odwrotnie proporcjonalne do R.
03:40
The smaller you make it the more quickly you can turn.
85
205000
3000
Im jest mniejsze, tym łatwiej skręcić.
03:43
So this should be clear in these videos.
86
208000
2000
Na filmach widać to najlepiej.
03:45
At the bottom right you see a robot
87
210000
3000
U dołu po prawej stronie mamy robota
03:48
performing a 360 degree flip
88
213000
2000
wykonującego przewrót o 360 stopni
03:50
in less than half a second.
89
215000
2000
w mniej niż pół sekundy.
03:52
Multiple flips, a little more time.
90
217000
3000
Wielokrotne przewroty zajmują trochę więcej czasu.
03:55
So here the processes on board
91
220000
2000
Procesory pokładowe
03:57
are getting feedback from accelerometers
92
222000
2000
otrzymują dane od czujników przyspieszenia
03:59
and gyros on board
93
224000
2000
i żyroskopów
04:01
and calculating, like I said before,
94
226000
2000
i obliczają, jak już wspomniałem wcześniej,
04:03
commands at 600 times a second
95
228000
2000
komendy 600 razy na sekundę
04:05
to stabilize this robot.
96
230000
2000
by stabilizować robota.
04:07
So on the left, you see Daniel throwing this robot up into the air.
97
232000
3000
Po lewej widzimy Daniela rzucającego robota w powietrze.
04:10
And it shows you how robust the control is.
98
235000
2000
Widać tu, jak skuteczna jest kontrola nad lotem.
04:12
No matter how you throw it,
99
237000
2000
Nieważne jak go rzucić,
04:14
the robot recovers and comes back to him.
100
239000
4000
robot odzyskuje równowagę i wraca.
04:18
So why build robots like this?
101
243000
2000
Po co budować takie roboty?
04:20
Well robots like this have many applications.
102
245000
3000
Takie roboty maja wiele zastosowań.
04:23
You can send them inside buildings like this
103
248000
3000
Można je wysłać do budynków, takich jak ten,
04:26
as first responders to look for intruders,
104
251000
3000
jako siły szybkiego reagowania w poszukiwaniu intruzów,
04:29
maybe look for biochemical leaks,
105
254000
3000
mogą szukać wycieków biochemicznych,
04:32
gaseous leaks.
106
257000
2000
wycieków gazu.
04:34
You can also use them
107
259000
2000
Można ich używać
04:36
for applications like construction.
108
261000
2000
również w budownictwie.
04:38
So here are robots carrying beams, columns
109
263000
4000
Tu widzimy roboty przenoszące belki, kolumny
04:42
and assembling cube-like structures.
110
267000
3000
i montujące konstrukcje sześcienne.
04:45
I'll tell you a little bit more about this.
111
270000
3000
Opowiem o tym trochę więcej.
04:48
The robots can be used for transporting cargo.
112
273000
3000
Można je wykorzystać do transportu ładunków.
04:51
So one of the problems with these small robots
113
276000
3000
Problem tych robotów
04:54
is their payload carrying capacity.
114
279000
2000
to ich ładowność.
04:56
So you might want to have multiple robots
115
281000
2000
Potrzeba wielu robotów
04:58
carry payloads.
116
283000
2000
by przenosić ładunki.
05:00
This is a picture of a recent experiment we did --
117
285000
2000
To zdjęcie z przeprowadzonego przez nas ostatnio eksperymentu,
05:02
actually not so recent anymore --
118
287000
2000
może nie aż tak ostatnio,
05:04
in Sendai shortly after the earthquake.
119
289000
3000
w Sendai krótko po trzęsieniu ziemi.
05:07
So robots like this could be sent into collapsed buildings
120
292000
3000
Te roboty można wysyłać do zawalonych budynków
05:10
to assess the damage after natural disasters,
121
295000
2000
w celu oceny uszkodzeń w katastrofach naturalnych,
05:12
or sent into reactor buildings
122
297000
3000
lub do radioaktywnych budynków
05:15
to map radiation levels.
123
300000
3000
w celu zmierzenia poziomu promieniowania.
05:19
So one fundamental problem
124
304000
2000
Głównym problemem,
05:21
that the robots have to solve if they're to be autonomous
125
306000
3000
jaki roboty muszą rozwiązać, jeśli mają być autonomiczne,
05:24
is essentially figuring out
126
309000
2000
to zasadniczo odkrycie
05:26
how to get from point A to point B.
127
311000
2000
jak dostać się z punktu A do puntu B.
05:28
So this gets a little challenging
128
313000
2000
Jest to nie lada wyzwanie,
05:30
because the dynamics of this robot are quite complicated.
129
315000
3000
ponieważ dynamika tego robota jest dość skomplikowana.
05:33
In fact, they live in a 12-dimensional space.
130
318000
2000
Funkcjonują dosłownie w 12-wymiarowej przestrzeni.
05:35
So we use a little trick.
131
320000
2000
Używamy więc pewnej sztuczki.
05:37
We take this curved 12-dimensional space
132
322000
3000
Bierzemy tę zakrzywioną 12-wymiarową przestrzeń
05:40
and transform it
133
325000
2000
i ją modyfikujemy
05:42
into a flat four-dimensional space.
134
327000
2000
w płaską przestrzeń 4-wymiarową.
05:44
And that four-dimensional space
135
329000
2000
A ta przestrzeń 4-wymiarowa
05:46
consists of X, Y, Z and then the yaw angle.
136
331000
3000
składa się z X, Y, Z i kąta odchylenia.
05:49
And so what the robot does
137
334000
2000
Robot planuje
05:51
is it plans what we call a minimum snap trajectory.
138
336000
4000
coś, co nazywamy trajektorią minimalnych drgań.
05:55
So to remind you of physics,
139
340000
2000
Jak pamiętamy z fizyki,
05:57
you have position, derivative, velocity,
140
342000
2000
mamy położenie, pochodną, prędkość,
05:59
then acceleration,
141
344000
2000
potem przyspieszenie,
06:01
and then comes jerk
142
346000
2000
następnie zryw,
06:03
and then comes snap.
143
348000
2000
a później drganie.
06:05
So this robot minimizes snap.
144
350000
3000
Ten robot minimalizuje drganie.
06:08
So what that effectively does
145
353000
2000
W rezultacie
06:10
is produces a smooth and graceful motion.
146
355000
2000
wykonuje płynny i pełen gracji ruch.
06:12
And it does that avoiding obstacles.
147
357000
3000
Robi to unikając przeszkód.
06:15
So these minimum snap trajectories in this flat space
148
360000
3000
W tej płaskiej przestrzeni te trajektorie minimalnych drań
06:18
are then transformed back
149
363000
2000
są następnie zamieniane z powrotem
06:20
into this complicated 12-dimensional space,
150
365000
2000
na tę skomplikowaną przestrzeń 12-wymiarową,
06:22
which the robot must do
151
367000
2000
którą robot musi przetworzyć
06:24
for control and then execution.
152
369000
2000
dla kontroli i działania.
06:26
So let me show you some examples
153
371000
2000
Przedstawię przykłady na to,
06:28
of what these minimum snap trajectories look like.
154
373000
2000
jak wyglądają te trajektorie minimalnych drgań.
06:30
And in the first video,
155
375000
2000
Na pierwszym video
06:32
you'll see the robot going from point A to point B
156
377000
2000
zobaczycie robota zmierzającego z punktu A do punktu B,
06:34
through an intermediate point.
157
379000
2000
przez punkt pośredni.
06:42
So the robot is obviously capable
158
387000
2000
Robot może
06:44
of executing any curve trajectory.
159
389000
2000
poruszać się po każdej krzywej trajektorii.
06:46
So these are circular trajectories
160
391000
2000
To są trajektorie kołowe,
06:48
where the robot pulls about two G's.
161
393000
3000
gdzie robot osiąga przeciążenie wartości 2 G.
06:52
Here you have overhead motion capture cameras on the top
162
397000
4000
U góry umieszczone są kamery wykrywające ruch,
06:56
that tell the robot where it is 100 times a second.
163
401000
3000
które informują robota o jego położeniu 100 razy na sekundę.
06:59
It also tells the robot where these obstacles are.
164
404000
3000
Podają również robotowi położenie przeszkód,
07:02
And the obstacles can be moving.
165
407000
2000
które mogą być ruchome.
07:04
And here you'll see Daniel throw this hoop into the air,
166
409000
3000
Tutaj Daniel podrzuca w powietrzu hula-hop,
07:07
while the robot is calculating the position of the hoop
167
412000
2000
a robot oblicza jego położenie
07:09
and trying to figure out how to best go through the hoop.
168
414000
4000
i próbuje obrać najlepszą drogę przez jego środek.
07:13
So as an academic,
169
418000
2000
Jako pracownicy akademiccy,
07:15
we're always trained to be able to jump through hoops to raise funding for our labs,
170
420000
3000
zawsze jesteśmy szkoleni, by umieć przeskoczyć przez przeszkody
07:18
and we get our robots to do that.
171
423000
3000
w celu zebrania funduszy na badania, a teraz robią to za nas roboty.
07:21
(Applause)
172
426000
6000
(Oklaski)
07:27
So another thing the robot can do
173
432000
2000
Roboty potrafią również
07:29
is it remembers pieces of trajectory
174
434000
3000
zapamiętywać elementy trajektorii,
07:32
that it learns or is pre-programmed.
175
437000
2000
których się uczą lub są im zaprogramowane.
07:34
So here you see the robot
176
439000
2000
Tu widzimy robota
07:36
combining a motion
177
441000
2000
wykonującego sekwencję ruchów,
07:38
that builds up momentum
178
443000
2000
który nabiera pędu,
07:40
and then changes its orientation and then recovers.
179
445000
3000
potem zmienia pozycję lotu i odzyskuje równowagę.
07:43
So it has to do this because this gap in the window
180
448000
3000
Musi to robić, ponieważ otwór w okienku
07:46
is only slightly larger than the width of the robot.
181
451000
4000
jest niewiele większy od szerokości robota.
07:50
So just like a diver stands on a springboard
182
455000
3000
Jak skoczek stojący na trampolinie,
07:53
and then jumps off it to gain momentum,
183
458000
2000
skaczący by nabrać pędu,
07:55
and then does this pirouette, this two and a half somersault through
184
460000
3000
który później wykonuje obroty, te 2,5 salta
07:58
and then gracefully recovers,
185
463000
2000
i z gracją odzyskuje równowagę,
08:00
this robot is basically doing that.
186
465000
2000
mniej więcej to robi ten robot.
08:02
So it knows how to combine little bits and pieces of trajectories
187
467000
3000
Robot wie jak łączyć odpowiednie elementy trajektorii,
08:05
to do these fairly difficult tasks.
188
470000
4000
by wykonać te dość trudne zadania.
08:09
So I want change gears.
189
474000
2000
Chciałbym teraz zmienić temat.
08:11
So one of the disadvantages of these small robots is its size.
190
476000
3000
Jedną z wad tych małych robotów jest ich rozmiar.
08:14
And I told you earlier
191
479000
2000
Jak wspomniałem wcześniej,
08:16
that we may want to employ lots and lots of robots
192
481000
2000
możemy potrzebować wielu robotów,
08:18
to overcome the limitations of size.
193
483000
3000
by pokonać ograniczenia ich rozmiarów.
08:21
So one difficulty
194
486000
2000
Jedną z trudności jest to,
08:23
is how do you coordinate lots of these robots?
195
488000
3000
jak skoordynować dużą liczbę robotów?
08:26
And so here we looked to nature.
196
491000
2000
Tu z pomocą przyszła natura.
08:28
So I want to show you a clip
197
493000
2000
Pokażę wam film
08:30
of Aphaenogaster desert ants
198
495000
2000
o pustynnych mrówkach Aphaenogaster,
08:32
in Professor Stephen Pratt's lab carrying an object.
199
497000
3000
które w laboratorium prof. Stephena Pratta przenoszą przedmiot.
08:35
So this is actually a piece of fig.
200
500000
2000
To kawałek figi.
08:37
Actually you take any object coated with fig juice
201
502000
2000
Można użyć czegokolwiek pokrytego sokiem figowym,
08:39
and the ants will carry them back to the nest.
202
504000
3000
a mrówki zaniosą to do gniazda.
08:42
So these ants don't have any central coordinator.
203
507000
3000
Te mrówki nie mają głównego koordynatora.
08:45
They sense their neighbors.
204
510000
2000
Wyczuwają się nawzajem.
08:47
There's no explicit communication.
205
512000
2000
Nie zachodzi wyraźna komunikacja,
08:49
But because they sense the neighbors
206
514000
2000
ale wyczuwając siebie nawzajem
08:51
and because they sense the object,
207
516000
2000
i wyczuwając przedmiot
08:53
they have implicit coordination across the group.
208
518000
3000
ma miejsce ukryta koordynacja grupy.
08:56
So this is the kind of coordination
209
521000
2000
Chcielibyśmy, żeby nasze roboty
08:58
we want our robots to have.
210
523000
3000
miały taką koordynację.
09:01
So when we have a robot
211
526000
2000
Robot otoczony innymi robotami,
09:03
which is surrounded by neighbors --
212
528000
2000
Robot otoczony innymi robotami,
09:05
and let's look at robot I and robot J --
213
530000
2000
spójrzmy na roboty I oraz J,
09:07
what we want the robots to do
214
532000
2000
chcemy by roboty
09:09
is to monitor the separation between them
215
534000
3000
monitorowały odstęp pomiędzy sobą
09:12
as they fly in formation.
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 separation is within acceptable levels.
218
541000
2000
że te odstępy mieszczą się w określonych granicach.
09:18
So again the robots monitor this error
219
543000
3000
Roboty monitorują margines błędu
09:21
and calculate the control commands
220
546000
2000
i obliczają komendy
09:23
100 times a second,
221
548000
2000
100 razy na sekundę,
09:25
which then translates to the motor commands 600 times a second.
222
550000
3000
które później przekazują do wirników 600 razy na sekundę.
09:28
So this also has to be done
223
553000
2000
To również trzeba wykonać
09:30
in a decentralized way.
224
555000
2000
w bardziej decentralizujący sposób.
09:32
Again, if you have lots and lots of robots,
225
557000
2000
Mając wiele robotów,
09:34
it's impossible to coordinate all this information centrally
226
559000
4000
nie mogą być centralnie sterowane
09:38
fast enough in order for the robots to accomplish the task.
227
563000
3000
na tyle szybko, by mogły wykonywać zadania.
09:41
Plus the robots have to base their actions
228
566000
2000
Dodatkowo roboty muszą opierać swe działania
09:43
only on local information,
229
568000
2000
na informacjach lokalnych,
09:45
what they sense from their neighbors.
230
570000
2000
na tym, co odbierają od sąsiednich robotów.
09:47
And then finally,
231
572000
2000
Powinny również być
09:49
we insist that the robots be agnostic
232
574000
2000
"agnostycznie" nastawione
09:51
to who their neighbors are.
233
576000
2000
do sąsiednich robotów.
09:53
So this is what we call anonymity.
234
578000
3000
Nazywamy to "anonimowością".
09:56
So what I want to show you next
235
581000
2000
Pokażę Wam teraz nagranie
09:58
is a video
236
583000
2000
Pokażę Wam teraz nagranie
10:00
of 20 of these little robots
237
585000
3000
20 małych robotów
10:03
flying in formation.
238
588000
2000
lecących w formacji.
10:05
They're monitoring their neighbors' position.
239
590000
3000
Monitorują położenie swoich sąsiadów.
10:08
They're maintaining formation.
240
593000
2000
Utrzymują formację.
10:10
The formations can change.
241
595000
2000
Formacje mogą się zmieniać.
10:12
They can be planar formations,
242
597000
2000
Mogą być płaskie,
10:14
they can be three-dimensional formations.
243
599000
2000
lub trójwymiarowe.
10:16
As you can see here,
244
601000
2000
Jak widać,
10:18
they collapse from a three-dimensional formation into planar formation.
245
603000
3000
przechodzą z formacji trójwymiarowej do płaskiej
10:21
And to fly through obstacles
246
606000
2000
i aby pokonać przeszkody,
10:23
they can adapt the formations on the fly.
247
608000
4000
mogą dostosowywać formację w locie.
10:27
So again, these robots come really close together.
248
612000
3000
Roboty mogą być bardzo blisko siebie.
10:30
As you can see in this figure-eight flight,
249
615000
2000
Jak widać podczas robionej przez nie ósemki,
10:32
they come within inches of each other.
250
617000
2000
lecą od ciebie w odległości kilku centymetrów.
10:34
And despite the aerodynamic interactions
251
619000
3000
Pomimo oddziaływań aerodynamicznych śmigieł,
10:37
of these propeller blades,
252
622000
2000
Pomimo oddziaływań aerodynamicznych śmigieł,
10:39
they're able to maintain stable flight.
253
624000
2000
mogą utrzymać stabilny lot.
10:41
(Applause)
254
626000
7000
(Oklaski)
10:48
So once you know how to fly in formation,
255
633000
2000
Umiejąc latać w formacji,
10:50
you can actually pick up objects cooperatively.
256
635000
2000
można wspólnie podnosić przedmioty.
10:52
So this just shows
257
637000
2000
Siłę robota można zwiększyć nawet czterokrotnie,
10:54
that we can double, triple, quadruple
258
639000
3000
Siłę robota można zwiększyć nawet czterokrotnie,
10:57
the robot strength
259
642000
2000
Siłę robota można zwiększyć nawet czterokrotnie,
10:59
by just getting them to team with neighbors, as you can see here.
260
644000
2000
jeżeli będą współpracować z sąsiadami.
11:01
One of the disadvantages of doing that
261
646000
3000
Jedną z wad jest to,
11:04
is, as you scale things up --
262
649000
2000
że powiększając skalę,
11:06
so if you have lots of robots carrying the same thing,
263
651000
2000
czyli mając wiele robotów unoszących tę samą rzecz,
11:08
you're essentially effectively increasing the inertia,
264
653000
3000
znacznie zwiększamy inercję,
11:11
and therefore you pay a price; they're not as agile.
265
656000
3000
tak więc płacimy określoną cenę; roboty nie są już tak zwinne.
11:14
But you do gain in terms of payload carrying capacity.
266
659000
3000
Zyskujemy jednak na ładowności.
11:17
Another application I want to show you --
267
662000
2000
Pokażę inne zastosowanie robotów,
11:19
again, this is in our lab.
268
664000
2000
jesteśmy znów w naszym laboratorium.
11:21
This is work done by Quentin Lindsey who's a graduate student.
269
666000
2000
Autorem jest nasz absolwent Quentin Lindsey.
11:23
So his algorithm essentially tells these robots
270
668000
3000
Jego algorytm mówi robotom,
11:26
how to autonomously build
271
671000
2000
jak samodzielnie zbudować
11:28
cubic structures
272
673000
2000
sześcienne struktury
11:30
from truss-like elements.
273
675000
3000
z elementów kratownicy.
11:33
So his algorithm tells the robot
274
678000
2000
Algorytm mówi robotowi,
11:35
what part to pick up,
275
680000
2000
którą część podnieść,
11:37
when and where to place it.
276
682000
2000
kiedy i gdzie ją umieścić.
11:39
So in this video you see --
277
684000
2000
Na filmie,
11:41
and it's sped up 10, 14 times --
278
686000
2000
który przyspieszono ok. 14 razy,
11:43
you see three different structures being built by these robots.
279
688000
3000
widzimy 3 różne struktury budowane przez te roboty.
11:46
And again, everything is autonomous,
280
691000
2000
Wszystko wykonują samodzielnie,
11:48
and all Quentin has to do
281
693000
2000
a Quentin musi jedynie
11:50
is to get them a blueprint
282
695000
2000
dać im projekt
11:52
of the design that he wants to build.
283
697000
4000
konstrukcji, jaką mają stworzyć.
11:56
So all these experiments you've seen thus far,
284
701000
3000
Wszystkie eksperymenty, które do tej pory zobaczyliśmy,
11:59
all these demonstrations,
285
704000
2000
wszystkie te prezentacje,
12:01
have been done with the help of motion capture systems.
286
706000
3000
zostały wykonane przy pomocy systemów wykrywających ruch.
12:04
So what happens when you leave your lab
287
709000
2000
A co się stanie, jeśli opuścimy laboratorium
12:06
and you go outside into the real world?
288
711000
3000
i wyjdziemy do prawdziwego świata?
12:09
And what if there's no GPS?
289
714000
3000
Co, jeśli nie mamy GPS?
12:12
So this robot
290
717000
2000
Ten robot
12:14
is actually equipped with a camera
291
719000
2000
wyposażony jest w kamerę
12:16
and a laser rangefinder, laser scanner.
292
721000
3000
i skaner laserowy.
12:19
And it uses these sensors
293
724000
2000
Używa tych czujników
12:21
to build a map of the environment.
294
726000
2000
do stworzenia mapy otoczenia.
12:23
What that map consists of are features --
295
728000
3000
Mapa ta składa się z elementów takich,
12:26
like doorways, windows,
296
731000
2000
jak drzwi, okna,
12:28
people, furniture --
297
733000
2000
ludzie, meble,
12:30
and it then figures out where its position is
298
735000
2000
robot następnie określa swoje położenie
12:32
with respect to the features.
299
737000
2000
względem tych obiektów.
12:34
So there is no global coordinate system.
300
739000
2000
Nie istnieje więc globalny system sterujący.
12:36
The coordinate system is defined based on the robot,
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 navigates with respect to those features.
303
747000
3000
Nawiguje uwzględniając te dane.
12:45
So I want to show you a clip
304
750000
2000
Pokażę wam film
12:47
of algorithms developed by Frank Shen
305
752000
2000
o algorytmach opracowanych przez Franka Shena
12:49
and Professor Nathan Michael
306
754000
2000
i prof. Nathana Michaela,
12:51
that shows this robot entering a building for the very first time
307
756000
4000
który przedstawia robota wlatującego po raz pierwszy do budynku
12:55
and creating this map on the fly.
308
760000
3000
i tworzącego w locie tę mapę.
12:58
So the robot then figures out what the features are.
309
763000
3000
Robot określa cechy budynku.
13:01
It builds the map.
310
766000
2000
Tworzy mapę.
13:03
It figures out where it is with respect to the features
311
768000
2000
Określa swoje położenie względem obiektów
13:05
and then estimates its position
312
770000
2000
i oblicza swoją pozycję
13:07
100 times a second
313
772000
2000
100 razy na sekundę,
13:09
allowing us to use the control algorithms
314
774000
2000
pozwalając nam zastosować algorytmy sterujące,
13:11
that I described to you earlier.
315
776000
2000
które omówiłem wcześniej.
13:13
So this robot is actually being commanded
316
778000
2000
Ten robot jest zdalnie sterowany przez Franka,
13:15
remotely by Frank.
317
780000
2000
Ten robot jest zdalnie sterowany przez Franka,
13:17
But the robot can also figure out
318
782000
2000
ale może również
13:19
where to go on its own.
319
784000
2000
poruszać się samodzielnie.
13:21
So suppose I were to send this into a building
320
786000
2000
Powiedzmy, że miałbym go wysłać do budynku,
13:23
and I had no idea what this building looked like,
321
788000
2000
a nie wiedziałbym jak ten budynek wygląda.
13:25
I can ask this robot to go in,
322
790000
2000
Robot może stworzyć mapę
13:27
create a map
323
792000
2000
Robot może stworzyć mapę
13:29
and then come back and tell me what the building looks like.
324
794000
3000
i wrócić z danymi opisującymi budynek.
13:32
So here, the robot is not only solving the problem,
325
797000
3000
Robot tu nie tylko rozwiązuje problem,
13:35
how to go from point A to point B in this map,
326
800000
3000
jak dostać się z punktu A do punktu B,
13:38
but it's figuring out
327
803000
2000
ale za każdym razem określa
13:40
what the best point B is at every time.
328
805000
2000
najlepsze położenie punktu B.
13:42
So essentially it knows where to go
329
807000
3000
Wie gdzie ma się udać,
13:45
to look for places that have the least information.
330
810000
2000
by odnaleźć miejsca, o których ma najmniej danych.
13:47
And that's how it populates this map.
331
812000
3000
W ten sposób uzupełnia mapę.
13:50
So I want to leave you
332
815000
2000
Pokażę ostatnie zastosowanie tej technologii,
13:52
with one last application.
333
817000
2000
Pokażę ostatnie zastosowanie tej technologii,
13:54
And there are many applications of this technology.
334
819000
3000
a jest ich wiele.
13:57
I'm a professor, and we're passionate about education.
335
822000
2000
Jestem profesorem zafascynowanym edukacją.
13:59
Robots like this can really change the way
336
824000
2000
Takie roboty mogą naprawdę zmienić
14:01
we do K through 12 education.
337
826000
2000
obraz szkolnictwa.
14:03
But we're in Southern California,
338
828000
2000
Jesteśmy jednak w Południowej Kalifornii,
14:05
close to Los Angeles,
339
830000
2000
niedaleko Los Angeles,
14:07
so I have to conclude
340
832000
2000
więc muszę zakończyć
14:09
with something focused on entertainment.
341
834000
2000
czymś związanym z rozrywką.
14:11
I want to conclude with a music video.
342
836000
2000
Zakończę teledyskiem.
14:13
I want to introduce the creators, Alex and Daniel,
343
838000
3000
Chciałbym przedstawić Alexa i Daniela,
14:16
who created this video.
344
841000
2000
którzy stworzyli to nagranie.
14:18
(Applause)
345
843000
7000
(Oklaski)
14:25
So before I play this video,
346
850000
2000
Zanim je puszczę,
14:27
I want to tell you that they created it in the last three days
347
852000
3000
chcę powiedzieć, że stworzyli je w ciągu ostatnich 3 dni,
14:30
after getting a call from Chris.
348
855000
2000
po telefonie od Chrisa.
14:32
And the robots that play the video
349
857000
2000
Roboty z filmu
14:34
are completely autonomous.
350
859000
2000
są całkowicie samodzielne.
14:36
You will see nine robots play six different instruments.
351
861000
3000
Zobaczycie 9 robotów grających na 6 różnych instrumentach.
14:39
And of course, it's made exclusively for TED 2012.
352
864000
4000
Oczywiście wszystko specjalnie dla TED 2012.
14:43
Let's watch.
353
868000
3000
Obejrzyjmy.
15:19
(Music)
354
904000
10000
(Muzyka)
16:23
(Applause)
355
968000
17000
(Oklaski)
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