TEDxPenn
Vijay Kumar: The future of flying robots
Vijay Kumar: Przyszłość latających robotów
Filmed:
Readability: 4.9
1,780,679 views
W swoim laboratorium na Uniwersytecie w Pensylwanii, Vijay Kumar i jego zespół stworzyli niezależne roboty, które zostały zainspirowane przez pszczoły. Ich ostatni przełom: Precyzyjne Rolnictwo, w którym roje robotów tworzą mapy, rekonstruują i analizują każde drzewo i owoc w sadzie, dostarczając tym samym istotnych informacji dla rolników co może przyczynić się do poprawy wydajności i stworzyć mądrzejszą gospodarkę wodną.
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
W moim labolatorium tworzymy
niezależne powietrzne roboty
niezależne powietrzne roboty
00:16
like the one you see flying here.
1
4960
1880
jak ten latający tutaj.
00:20
Unlike the commercially available drones
that you can buy today,
that you can buy today,
2
8720
3696
W przeciwieństwie do dostępnych
w handlu dronów, które można dziś kupić,
w handlu dronów, które można dziś kupić,
00:24
this robot doesn't have any GPS on board.
3
12440
2640
te roboty nie mają wbudowanego
żadnego odbiornika GPS.
żadnego odbiornika GPS.
00:28
So without GPS,
4
16160
1216
Więc bez odbiornika GPS,
00:29
it's hard for robots like this
to determine their position.
to determine their position.
5
17400
3280
ciężko jest takim robotom
ustalić swoją pozycje.
ustalić swoją pozycje.
00:34
This robot uses onboard sensors,
cameras and laser scanners,
cameras and laser scanners,
6
22240
4736
Te roboty używają pokładowych czujników,
kamer i skanerów laserowych
kamer i skanerów laserowych
00:39
to scan the environment.
7
27000
1696
by badać otoczenie.
00:40
It detects features from the environment,
8
28720
3056
Wykrywają elementy otoczenia
00:43
and it determines where it is
relative to those features,
relative to those features,
9
31800
2736
i określają swoje położenie
w stosunku do tych elementów
w stosunku do tych elementów
00:46
using a method of triangulation.
10
34560
2136
używając metody triangulacji.
00:48
And then it can assemble
all these features into a map,
all these features into a map,
11
36720
3456
Następnie mogą zgromadzić
te wszystkie elementy na mapie
te wszystkie elementy na mapie
00:52
like you see behind me.
12
40200
1736
takiej jak ta widoczna za mną.
00:53
And this map then allows the robot
to understand where the obstacles are
to understand where the obstacles are
13
41960
3936
Mapa pozwala robotowi
zrozumieć położenie przeszkód
zrozumieć położenie przeszkód
00:57
and navigate in a collision-free manner.
14
45920
2720
i nawigować w sposób bezkolizyjny.
01:01
What I want to show you next
15
49160
2096
Kolejną rzeczą, którą chciałbym pokazać
01:03
is a set of experiments
we did inside our laboratory,
we did inside our laboratory,
16
51280
3216
jest zbiór eksperymentów
jakich dokonaliśmy w laboratorium,
jakich dokonaliśmy w laboratorium,
01:06
where this robot was able
to go for longer distances.
to go for longer distances.
17
54520
3480
gdzie robot mógł
przebywać dłuższe odległości.
przebywać dłuższe odległości.
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
Na górze z prawej strony
widzimy obraz z kamery robota.
widzimy obraz z kamery robota.
01:15
And on the main screen --
19
63440
1216
A na głównym ekranie --
01:16
and of course this is sped up
by a factor of four --
by a factor of four --
20
64680
2456
oczywiście obraz jest
przyśpieszony czterokrotnie --
przyśpieszony czterokrotnie --
01:19
on the main screen you'll see
the map that it's building.
the map that it's building.
21
67160
2667
widzimy powstającą mapę.
01:21
So this is a high-resolution map
of the corridor around our laboratory.
of the corridor around our laboratory.
22
69851
4285
Jest to wysokiej rozdzielczości mapa
korytarza otaczającego nasze laboratorium.
korytarza otaczającego nasze laboratorium.
01:26
And in a minute
you'll see it enter our lab,
you'll see it enter our lab,
23
74160
2336
Za chwilę zobaczycie
jak dociera do laboratorium,
jak dociera do laboratorium,
01:28
which is recognizable
by the clutter that you see.
by the clutter that you see.
24
76520
2856
co można poznać
dzięki widocznym rupieciom.
dzięki widocznym rupieciom.
01:31
(Laughter)
25
79400
1016
(Śmiech)
01:32
But the main point I want to convey to you
26
80440
2007
Jednak głównym punktem,
który chcę wam przedstawić
który chcę wam przedstawić
01:34
is that these robots are capable
of building high-resolution maps
of building high-resolution maps
27
82472
3584
jest fakt, iż te roboty są w stanie
stworzyć mapy wysokiej rozdzielczości,
stworzyć mapy wysokiej rozdzielczości,
01:38
at five centimeters resolution,
28
86080
2496
nawet 5-centymetrowej rozdzielczości,
01:40
allowing somebody who is outside the lab,
or outside the building
or outside the building
29
88600
4176
pozwalającej osobie będącej
poza laboratorium lub poza budynkiem
poza laboratorium lub poza budynkiem
01:44
to deploy these
without actually going inside,
without actually going inside,
30
92800
3216
zajrzeć tam bez wchodzenia do środka
01:48
and trying to infer
what happens inside the building.
what happens inside the building.
31
96040
3760
i wywnioskować, co dzieje się wewnątrz.
01:52
Now there's one problem
with robots like this.
with robots like this.
32
100400
2240
Jednak jest jeden problem
z takimi robotami.
z takimi robotami.
01:55
The first problem is it's pretty big.
33
103600
2200
Po pierwsze robot jest dosyć duży.
01:58
Because it's big, it's heavy.
34
106120
1680
A skoro jest duży jest też ciężki.
02:00
And these robots consume
about 100 watts per pound.
about 100 watts per pound.
35
108640
3040
Roboty zużywają około
200 watów na kilogram.
200 watów na kilogram.
02:04
And this makes for
a very short mission life.
a very short mission life.
36
112360
2280
co sprawia, że ich misje
mają bardzo krótki żywot.
mają bardzo krótki żywot.
02:08
The second problem
37
116000
1456
Drugi problem
02:09
is that these robots have onboard sensors
that end up being very expensive --
that end up being very expensive --
38
117480
3896
to fakt, że roboty posiadające
pokładowe czujniki są bardzo drogie --
pokładowe czujniki są bardzo drogie --
02:13
a laser scanner, a camera
and the processors.
and the processors.
39
121400
3440
skaner laserowy, kamera i procesory.
02:17
That drives up the cost of this robot.
40
125280
3040
Podnosi to koszty robota.
02:21
So we asked ourselves a question:
41
129440
2656
Więc zadaliśmy sobie pytanie:
02:24
what consumer product
can you buy in an electronics store
can you buy in an electronics store
42
132120
3776
Jaki produkt zakupiłbyś
w sklepie elektronicznym,
w sklepie elektronicznym,
02:27
that is inexpensive, that's lightweight,
that has sensing onboard and computation?
that has sensing onboard and computation?
43
135920
6280
który jest niedrogi, mało waży,
ma wbudowane czujniki i moc obliczeniową?
ma wbudowane czujniki i moc obliczeniową?
02:36
And we invented the flying phone.
44
144080
2656
Więc stworzyliśmy latający telefon.
02:38
(Laughter)
45
146760
1936
(Śmiech)
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
Ten robot używa telefonu Samsung Galaxy,
który jest dostępny od ręki,
który jest dostępny od ręki,
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
a wszystko czego potrzebujesz
to aplikacja dostępna w app store.
to aplikacja dostępna w app store.
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
Zauważcie, że robot jest w stanie
odczytywać litery, w tym przypadku "TED",
odczytywać litery, w tym przypadku "TED",
02:55
looking at the corners
of the "T" and the "E"
of the "T" and the "E"
49
163200
2936
dzięki obserwacji brzegów liter "T" i "E",
02:58
and then triangulating off of that,
flying autonomously.
flying autonomously.
50
166160
3480
a następnie triangulując je,
latając samodzielnie.
latając samodzielnie.
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
Kontroler jest po to, by zapanować
nad robotem, gdyby zaczął szaleć.
nad robotem, gdyby zaczął szaleć.
03:06
Giuseppe can kill it.
52
174000
1416
Giuseppe może go wyłączyć.
03:07
(Laughter)
53
175440
1640
(Śmiech)
03:10
In addition to building
these small robots,
these small robots,
54
178920
3816
Budując te roboty
03:14
we also experiment with aggressive
behaviors, like you see here.
behaviors, like you see here.
55
182760
4800
testowaliśmy agresywne zachowania,
takie jak widoczne tutaj.
takie jak widoczne tutaj.
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
Robot porusza się dwa,
trzy metry na sekundę
trzy metry na sekundę
03:25
pitching and rolling aggressively
as it changes direction.
as it changes direction.
57
193240
3496
kołysając się agresywnie,
kiedy zmienia kierunek lotu.
kiedy zmienia kierunek lotu.
03:28
The main point is we can have
smaller robots that can go faster
smaller robots that can go faster
58
196760
4256
Naszym głównym celem jest posiadanie
mniejszego robota, który jest szybszy
mniejszego robota, który jest szybszy
03:33
and then travel in these
very unstructured environments.
very unstructured environments.
59
201040
2960
i przemieszcza się
w nieuporządkowanym otoczeniu.
w nieuporządkowanym otoczeniu.
03:37
And in this next video,
60
205120
2056
Na kolejnym nagraniu
03:39
just like you see this bird, an eagle,
gracefully coordinating its wings,
gracefully coordinating its wings,
61
207200
5896
widzicie ptaka, orła,
który z wdziękiem panuje nad skrzydłami,
który z wdziękiem panuje nad skrzydłami,
03:45
its eyes and feet
to grab prey out of the water,
to grab prey out of the water,
62
213120
4296
oczami i kończynami
by chwycić zdobycz z wody.
by chwycić zdobycz z wody.
03:49
our robot can go fishing, too.
63
217440
1896
Cóż, nasz robot także potrafi łowić.
03:51
(Laughter)
64
219360
1496
(Śmiech)
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
W tym przypadku jest to kanapka z serem
i befsztykiem, przechwycona w powietrzu.
i befsztykiem, przechwycona w powietrzu.
03:56
(Laughter)
66
224960
2400
(Śmiech)
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
Ten robot może poruszać się
około trzech metrów na sekundę,
około trzech metrów na sekundę,
04:03
which is faster than walking speed,
coordinating its arms, its claws
coordinating its arms, its claws
68
231000
5136
jest więc szybszy niż tempo chodu,
współgrając z ramionami, chwytakami
współgrając z ramionami, chwytakami
04:08
and its flight with split-second timing
to achieve this maneuver.
to achieve this maneuver.
69
236160
4120
oraz kontrolując lot w ułamku sekundy,
aby osiągnąć ten manewr.
aby osiągnąć ten manewr.
04:14
In another experiment,
70
242120
1216
W innym eksperymencie,
04:15
I want to show you
how the robot adapts its flight
how the robot adapts its flight
71
243360
3656
chciałem pokazać,
jak robot dostosowuje lot
jak robot dostosowuje lot
04:19
to control its suspended payload,
72
247040
2376
kontrolując zawieszony ładunek,
04:21
whose length is actually larger
than the width of the window.
than the width of the window.
73
249440
3800
który jest dłuższy niż szerokość okna.
04:25
So in order to accomplish this,
74
253680
1696
W celu osiągnięcia tego manewru
04:27
it actually has to pitch
and adjust the altitude
and adjust the altitude
75
255400
3696
potrzebuje się kołysać,
wyregulować wysokość
wyregulować wysokość
04:31
and swing the payload through.
76
259120
2320
i znowu rozhuśtać ładunek w drugą stronę.
04:38
But of course we want
to make these even smaller,
to make these even smaller,
77
266920
2296
Oczywiście chcemy to jeszcze zmniejszyć,
04:41
and we're inspired
in particular by honeybees.
in particular by honeybees.
78
269240
3016
a zainspirowały nas do tego pszczoły.
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
Jeżeli spojrzymy na pszczoły,
a mamy tutaj zwolnione wideo
a mamy tutaj zwolnione wideo
04:47
they're so small,
the inertia is so lightweight --
the inertia is so lightweight --
80
275560
3720
widzimy, że są małe,
a ich bezwładność niewielka --
a ich bezwładność niewielka --
04:51
(Laughter)
81
279960
1176
(Śmiech)
04:53
that they don't care --
they bounce off my hand, for example.
they bounce off my hand, for example.
82
281160
3536
że nawet o nią nie dbają --
i odbijają się na przykład od mojej ręki.
i odbijają się na przykład od mojej ręki.
04:56
This is a little robot
that mimics the honeybee behavior.
that mimics the honeybee behavior.
83
284720
3160
Ten mały robot naśladuje
zachowanie pszczół.
zachowanie pszczół.
05:00
And smaller is better,
84
288600
1216
A im mniejsze tym lepsze,
05:01
because along with the small size
you get lower inertia.
you get lower inertia.
85
289840
3536
ponieważ wraz z niewielkim rozmiarem
zyskujesz mniejszą bezwładność.
zyskujesz mniejszą bezwładność.
05:05
Along with lower inertia --
86
293400
1536
Wraz z mniejszą bezwładnością --
05:06
(Robot buzzing, laughter)
87
294960
2856
(Robot bzyczy, Śmiech)
05:09
along with lower inertia,
you're resistant to collisions.
you're resistant to collisions.
88
297840
2816
wraz z mniejszą bezwładnością
jesteś odporny na zderzenia.
jesteś odporny na zderzenia.
05:12
And that makes you more robust.
89
300680
1720
A to sprawia, że jesteś bardziej odporny.
05:15
So just like these honeybees,
we build small robots.
we build small robots.
90
303800
2656
Zbudowaliśmy robota podobnego do pszczoły.
05:18
And this particular one
is only 25 grams in weight.
is only 25 grams in weight.
91
306480
3376
Waży on dokładnie 25 gramów.
05:21
It consumes only six watts of power.
92
309880
2160
Zużywa tylko sześć watów energii.
05:24
And it can travel
up to six meters per second.
up to six meters per second.
93
312440
2536
I jest w stanie przemieszczać się
sześć metrów na sekundę.
sześć metrów na sekundę.
05:27
So if I normalize that to its size,
94
315000
2336
Gdybym ujednolicił to do jego rozmiaru,
05:29
it's like a Boeing 787 traveling
ten times the speed of sound.
ten times the speed of sound.
95
317360
3640
to jak Boeing 787 przemieszczający się
dziesięć razy szybciej od dźwięku.
dziesięć razy szybciej od dźwięku.
05:36
(Laughter)
96
324000
2096
(Śmiech)
05:38
And I want to show you an example.
97
326120
1920
Pokażę wam przykład.
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
Prawdopodobnie to pierwsza
zaplanowana kolizja w powietrzu
zaplanowana kolizja w powietrzu
w jednej dwudziestej
normalnej prędkości.
normalnej prędkości.
05:46
These are going at a relative speed
of two meters per second,
of two meters per second,
99
334120
2858
Przy prędkości względnej
2 metrów na sekundę,
2 metrów na sekundę,
05:49
and this illustrates the basic principle.
100
337002
2480
ilustruje ona podstawowe zasady.
05:52
The two-gram carbon fiber cage around it
prevents the propellers from entangling,
prevents the propellers from entangling,
101
340200
4976
Osłona karbonowa ważąca dwa gramy
zapobiega oplatywaniu się śmigieł.
zapobiega oplatywaniu się śmigieł.
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
W zasadzie kolizja jest zaobserwowana
a robot reaguje na kolizje.
a robot reaguje na kolizje.
06:02
And so small also means safe.
103
350520
2560
Małe znaczy także bezpieczne.
06:05
In my lab, as we developed these robots,
104
353400
2016
W moim laboratorium,
gdzie stworzyliśmy te roboty
gdzie stworzyliśmy te roboty
06:07
we start off with these big robots
105
355440
1620
zaczynaliśmy od tych dużych,
06:09
and then now we're down
to these small robots.
to these small robots.
106
357084
2812
a potem przeszliśmy na małe robty.
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
Jeżeli przeanalizowałbyś
histogram liczby Band-Aids (bandaży),
histogram liczby Band-Aids (bandaży),
06:15
in the past, that sort of tailed off now.
108
363400
2576
które zamówiliśmy,
zauważyłbyś, że teraz zmalała.
zauważyłbyś, że teraz zmalała.
06:18
Because these robots are really safe.
109
366000
1960
Te roboty są bardzo bezpieczne.
06:20
The small size has some disadvantages,
110
368760
2456
Mały rozmiar ma pewne wady,
06:23
and nature has found a number of ways
to compensate for these disadvantages.
to compensate for these disadvantages.
111
371240
4080
ale natura znalazła sposoby
na zrekompensowanie tych wad.
na zrekompensowanie tych wad.
06:27
The basic idea is they aggregate
to form large groups, or swarms.
to form large groups, or swarms.
112
375960
4000
Podstawowym pomysłem jest
zbieranie się w duże grupy lub roje.
zbieranie się w duże grupy lub roje.
06:32
So, similarly, in our lab,
we try to create artificial robot swarms.
we try to create artificial robot swarms.
113
380320
3976
Więc znów w naszym laboratorium
próbujemy stworzyć sztuczne roja robotów.
próbujemy stworzyć sztuczne roja robotów.
06:36
And this is quite challenging
114
384320
1381
A jest to dość trudne,
06:37
because now you have to think
about networks of robots.
about networks of robots.
115
385725
3320
ponieważ należy pomyśleć o sieci robotów.
06:41
And within each robot,
116
389360
1296
A pomiędzy każdym
robotem należy pomyśleć
robotem należy pomyśleć
06:42
you have to think about the interplay
of sensing, communication, computation --
of sensing, communication, computation --
117
390680
5616
o wspólnym oddziaływaniu
czujników, komunikacji i wyliczeń --
czujników, komunikacji i wyliczeń --
06:48
and this network then becomes
quite difficult to control and manage.
quite difficult to control and manage.
118
396320
4960
a taka sieć staje się trudna
do kontrolowania i zarządzania.
do kontrolowania i zarządzania.
06:54
So from nature we take away
three organizing principles
three organizing principles
119
402160
3296
Wzięliśmy więc trzy
podstawowe pomysły z natury,
podstawowe pomysły z natury,
06:57
that essentially allow us
to develop our algorithms.
to develop our algorithms.
120
405480
3160
które zasadniczo pozwalają nam
rozwinąć nasze algorytmy.
rozwinąć nasze algorytmy.
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
Po pierwsze roboty muszą mieć
pojęcie o swoich sąsiadach.
pojęcie o swoich sąsiadach.
07:06
They need to be able to sense
and communicate with their neighbors.
and communicate with their neighbors.
122
414200
3440
Muszą mieć zdolność wyczuwania
i komunikowania się z sąsiadami.
i komunikowania się z sąsiadami.
07:10
So this video illustrates the basic idea.
123
418040
2656
Filmik ilustruje ten pomysł.
07:12
You have four robots --
124
420720
1296
Mamy cztery roboty --
07:14
one of the robots has actually been
hijacked by a human operator, literally.
hijacked by a human operator, literally.
125
422040
4240
jeden z robotów został
dosłownie porwany przez człowieka.
dosłownie porwany przez człowieka.
07:19
But because the robots
interact with each other,
interact with each other,
126
427217
2239
Ale ponieważ roboty współpracują ze sobą
07:21
they sense their neighbors,
127
429480
1656
wyczuły sąsiada
07:23
they essentially follow.
128
431160
1296
i podążają za nim.
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
Więc jedna osoba może
nadzorować sieć zwolenników.
nadzorować sieć zwolenników.
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
To nie tak, że wszystkie roboty
wiedzą gdzie powinny podążać.
wiedzą gdzie powinny podążać.
07:37
It's because they're just reacting
to the positions of their neighbors.
to the positions of their neighbors.
131
445080
4320
Dzieje się tak, ponieważ
reagują na położenie sąsiada.
reagują na położenie sąsiada.
07:43
(Laughter)
132
451720
4120
(Śmiech)
07:48
So the next experiment illustrates
the second organizing principle.
the second organizing principle.
133
456280
5240
Kolejny eksperyment przedstawia
następną zasadę organizacji.
następną zasadę organizacji.
07:54
And this principle has to do
with the principle of anonymity.
with the principle of anonymity.
134
462920
3800
Jest ona związana
z zasadą anonimowości.
z zasadą anonimowości.
07:59
Here the key idea is that
135
467400
4296
Tutaj kluczowe jest to,
08:03
the robots are agnostic
to the identities of their neighbors.
to the identities of their neighbors.
136
471720
4240
że roboty są agnostykami
dla tożsamości sąsiadów.
dla tożsamości sąsiadów.
08:08
They're asked to form a circular shape,
137
476440
2616
Zostały poproszone,
by stworzyć okrągły kształt,
by stworzyć okrągły kształt,
08:11
and no matter how many robots
you introduce into the formation,
you introduce into the formation,
138
479080
3296
i nieważne, jak wiele robotów
bierze udział w formowaniu
bierze udział w formowaniu
08:14
or how many robots you pull out,
139
482400
2576
lub jak wiele odpadnie,
08:17
each robot is simply
reacting to its neighbor.
reacting to its neighbor.
140
485000
3136
każdy robot reaguje na sąsiada.
08:20
It's aware of the fact that it needs
to form the circular shape,
to form the circular shape,
141
488160
4976
Oczywiścię roboty są świadome tego,
że muszą stworzyć okrąg,
że muszą stworzyć okrąg,
08:25
but collaborating with its neighbors
142
493160
1776
ale współpracując z sąsiadami
08:26
it forms the shape
without central coordination.
without central coordination.
143
494960
3720
tworzą kształt bez centralnej koordynacji.
08:31
Now if you put these ideas together,
144
499520
2416
Teraz jeżeli połączymy te dwie idee,
08:33
the third idea is that we
essentially give these robots
essentially give these robots
145
501960
3896
trzecia polega na tym,
że zasadniczo dajemy robotom
że zasadniczo dajemy robotom
08:37
mathematical descriptions
of the shape they need to execute.
of the shape they need to execute.
146
505880
4296
opis matematyczny kształtu,
który mają zrealizować.
który mają zrealizować.
08:42
And these shapes can be varying
as a function of time,
as a function of time,
147
510200
3496
A kształty mogą być
różnorodne w czasie.
różnorodne w czasie.
08:45
and you'll see these robots
start from a circular formation,
start from a circular formation,
148
513720
4496
Zobaczycie, że roboty
zaczną formować okręg
zaczną formować okręg
08:50
change into a rectangular formation,
stretch into a straight line,
stretch into a straight line,
149
518240
3256
potem zmienią się w prostokąt,
rozciągną do prostej linii
rozciągną do prostej linii
08:53
back into an ellipse.
150
521520
1375
i wrócą do kształtu elipsy.
08:54
And they do this with the same
kind of split-second coordination
kind of split-second coordination
151
522919
3617
Wykonują to w tym samym ułamku sekundy,
08:58
that you see in natural swarms, in nature.
152
526560
3280
co możecie zaobserwować
w naturalnych rojach.
w naturalnych rojach.
09:03
So why work with swarms?
153
531080
2136
Dlaczego współpracować z rojami?
09:05
Let me tell you about two applications
that we are very interested in.
that we are very interested in.
154
533240
4120
Pozwólcie, że opowiem wam
o dwóch zastosowaniach,
o dwóch zastosowaniach,
które nas bardzo interesują.
09:10
The first one has to do with agriculture,
155
538160
2376
Pierwsze jest związany z rolnictwem
09:12
which is probably the biggest problem
that we're facing worldwide.
that we're facing worldwide.
156
540560
3360
i to zapewne największy problem
światowy, jakiemu stawiamy czoła.
światowy, jakiemu stawiamy czoła.
09:16
As you well know,
157
544760
1256
Jak dobrze wiecie,
09:18
one in every seven persons
in this earth is malnourished.
in this earth is malnourished.
158
546040
3520
jeden na siedmiu mieszkańców
ziemi jest niedożywiony.
ziemi jest niedożywiony.
09:21
Most of the land that we can cultivate
has already been cultivated.
has already been cultivated.
159
549920
3480
Większość ziemi dostępna pod uprawę
została już wykorzystana.
została już wykorzystana.
09:25
And the efficiency of most systems
in the world is improving,
in the world is improving,
160
553960
3216
Efektywność większości systemów
światowych udaje się polepszyć,
światowych udaje się polepszyć,
09:29
but our production system
efficiency is actually declining.
efficiency is actually declining.
161
557200
3520
jednak efektywność naszego
systemu produkcyjnego spada,
systemu produkcyjnego spada,
09:33
And that's mostly because of water
shortage, crop diseases, climate change
shortage, crop diseases, climate change
162
561080
4216
w większości z powodu braku wody,
chorób uprawnych, zmian klimatycznych
chorób uprawnych, zmian klimatycznych
09:37
and a couple of other things.
163
565320
1520
i kilku innych rzeczy.
09:39
So what can robots do?
164
567360
1480
Więc co mogą zrobić roboty?
09:41
Well, we adopt an approach that's
called Precision Farming in the community.
called Precision Farming in the community.
165
569200
4616
Stworzyliśmy metodę, która nazywa się
Precyzyjne Rolnictwo w społeczeństwie.
Precyzyjne Rolnictwo w społeczeństwie.
09:45
And the basic idea is that we fly
aerial robots through orchards,
aerial robots through orchards,
166
573840
5376
Podstawowym pomysłem jest latanie
powietrznymi robotami nad sadami,
powietrznymi robotami nad sadami,
09:51
and then we build
precision models of individual plants.
precision models of individual plants.
167
579240
3120
a następnie tworzenie precyzyjnego
modelu poszczególnych roślin.
modelu poszczególnych roślin.
09:54
So just like personalized medicine,
168
582829
1667
Dokładnie tak, jak lekarstwa
dostosowane do indywidualnych potrzeb,
dostosowane do indywidualnych potrzeb,
09:56
while you might imagine wanting
to treat every patient individually,
to treat every patient individually,
169
584520
4816
kiedy wyobrażasz sobie potrzebę leczenia
każdego pacjenta indywidualnie,
każdego pacjenta indywidualnie,
10:01
what we'd like to do is build
models of individual plants
models of individual plants
170
589360
3696
chcemy stworzyć modele
indywidualnych roślin,
indywidualnych roślin,
10:05
and then tell the farmer
what kind of inputs every plant needs --
what kind of inputs every plant needs --
171
593080
4136
a następnie powiedzieć rolnikom,
jakie są potrzeby danej rośliny --
jakie są potrzeby danej rośliny --
10:09
the inputs in this case being water,
fertilizer and pesticide.
fertilizer and pesticide.
172
597240
4440
potrzebami w tym przypadku
będą woda, nawóz i pestycydy.
będą woda, nawóz i pestycydy.
10:14
Here you'll see robots
traveling through an apple orchard,
traveling through an apple orchard,
173
602640
3616
Tutaj widzicie roboty
lecące nad sadem jabłkowym,
lecące nad sadem jabłkowym,
10:18
and in a minute you'll see
two of its companions
two of its companions
174
606280
2256
a za chwilę zobaczycie
ich dwóch kompanów
ich dwóch kompanów
10:20
doing the same thing on the left side.
175
608560
1810
robiacych to samo
po lewej stronie.
po lewej stronie.
10:22
And what they're doing is essentially
building a map of the orchard.
building a map of the orchard.
176
610800
3656
Zasadniczo tworzą mapy sadu.
10:26
Within the map is a map
of every plant in this orchard.
of every plant in this orchard.
177
614480
2816
Na tej mapie zawiera się
mapa każdej rośliny z osobna.
mapa każdej rośliny z osobna.
10:29
(Robot buzzing)
178
617320
1656
(Robot bzyczy)
10:31
Let's see what those maps look like.
179
619000
1896
Zobaczmy, jak taka mapa wygląda.
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
Na kolejnym nagraniu zobaczycie kamery,
których użyto na robotach.
których użyto na robotach.
10:37
On the top-left is essentially
a standard color camera.
a standard color camera.
181
625240
3240
Na górze po lewej stronie jest
widok z dobrej kolorowej kamery.
widok z dobrej kolorowej kamery.
10:41
On the left-center is an infrared camera.
182
629640
3296
na środku z kamery na podczerwień,
10:44
And on the bottom-left
is a thermal camera.
is a thermal camera.
183
632960
3776
a na dole z kamery termalnej.
10:48
And on the main panel, you're seeing
a three-dimensional reconstruction
a three-dimensional reconstruction
184
636760
3336
Na głównym ekranie widzicie
trójwymiarową rekonstrukcje
trójwymiarową rekonstrukcje
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
każdego drzewa w sadzie,
gdyż czujniki latają tuż nad drzewami.
gdyż czujniki latają tuż nad drzewami.
10:59
Armed with information like this,
we can do several things.
we can do several things.
186
647640
4040
Uzbrojeni w takie informacje
możemy zrobić kilka rzeczy.
możemy zrobić kilka rzeczy.
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
Po pierwsze i chyba najważniejsze:
11:08
count the number of fruits on every tree.
188
656480
2440
policzyć ilość owoców na każdym drzewie.
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
Poprzez takie wyliczenia
dajesz rolnikowi informację,
dajesz rolnikowi informację,
jak wiele owoców ma na każdym drzewie,
11:16
and allow her to estimate
the yield in the orchard,
the yield in the orchard,
190
664080
4256
dzięki czemu może
oszacować wydajność sadu
oszacować wydajność sadu
11:20
optimizing the production
chain downstream.
chain downstream.
191
668360
2840
i zoptymalizować łańcuch produkcyjny.
Kolejną rzeczą, jaką możemy zrobić,
11:23
The second thing we can do
192
671640
1616
jest trójwymiarowa rekonstrukcja
11:25
is take models of plants, construct
three-dimensional reconstructions,
three-dimensional reconstructions,
193
673280
4496
na podstawie modelu drzewa
11:29
and from that estimate the canopy size,
194
677800
2536
i oszacowanie wielkości czaszy,
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
a następnie zestawienie wielkości czaszy
z powierzchnią liści na każdym drzewie.
z powierzchnią liści na każdym drzewie.
11:36
And this is called the leaf area index.
196
684160
2176
To indeksowanie powierzchni liści.
11:38
So if you know this leaf area index,
197
686360
1936
Jeżeli znasz wartość
indeksowania powierzchni liści
indeksowania powierzchni liści
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
zasadniczo wiesz, jaki duży proces
fotosyntezy może zajść na każdym drzewie,
fotosyntezy może zajść na każdym drzewie,
11:45
which again tells you
how healthy each plant is.
how healthy each plant is.
199
693800
2880
a to daje ci informacje
czy drzewo jest zdrowe.
czy drzewo jest zdrowe.
11:49
By combining visual
and infrared information,
and infrared information,
200
697520
4216
Poprzez łączenie wizualnych
i podczerwonych informacji
i podczerwonych informacji
11:53
we can also compute indices such as NDVI.
201
701760
3296
możesz również obliczyć
wskaźniki takie jak NDVI.
wskaźniki takie jak NDVI.
11:57
And in this particular case,
you can essentially see
you can essentially see
202
705080
2816
W tym konkretnym przypadku
możesz zauważyć,
możesz zauważyć,
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
że część roślin nie rośnie
tak dobrze jak inne.
tak dobrze jak inne.
12:02
This is easily discernible from imagery,
204
710960
4056
Jest to mocno zauważalne na obrazie
12:07
not just visual imagery but combining
205
715040
2216
właściwie nie tylko
na obrazie, ale połączeniu
na obrazie, ale połączeniu
12:09
both visual imagery and infrared imagery.
206
717280
2776
obrazu widzialnego i podczerwonego.
12:12
And then lastly,
207
720080
1336
Na koniec - rzeczą,
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
która nas interesuje jest wykrywanie
wczesnego występowania chlorozy -
wczesnego występowania chlorozy -
12:17
and this is an orange tree --
209
725480
1496
tutaj mamy drzewo pomarańczy,
12:19
which is essentially seen
by yellowing of leaves.
by yellowing of leaves.
210
727000
2560
na którym widać żółknące liście.
12:21
But robots flying overhead
can easily spot this autonomously
can easily spot this autonomously
211
729880
3896
Roboty latające nad sadem
łatwo wykrywają zależność,
łatwo wykrywają zależność,
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
a następnie raportują rolnikom,
że mają problem
że mają problem
12:28
in this section of the orchard.
213
736760
1520
w tej części sadu.
12:30
Systems like this can really help,
214
738800
2696
Takie systemy naprawdę mogą pomóc,
12:33
and we're projecting yields
that can improve by about ten percent
that can improve by about ten percent
215
741520
5816
przewidujemy, że plony mogą
poprawić się o około dziesięć procent,
poprawić się o około dziesięć procent,
12:39
and, more importantly, decrease
the amount of inputs such as water
the amount of inputs such as water
216
747360
3216
a co ważniejsze potrzebna
ilość materiałów, na przykład wody,
ilość materiałów, na przykład wody,
12:42
by 25 percent by using
aerial robot swarms.
aerial robot swarms.
217
750600
3280
zmniejszy się o 25 procent
przy użyciu powietrznych rojów z robotów.
przy użyciu powietrznych rojów z robotów.
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
Na koniec chciałbym prosić o brawa
dla ludzi, którzy tworzą tę przyszłość,
dla ludzi, którzy tworzą tę przyszłość,
12:52
Yash Mulgaonkar, Sikang Liu
and Giuseppe Loianno,
and Giuseppe Loianno,
219
760960
4920
Yash Mulgaonkar, Sikang Liu
i Giuseppe Loianno,
i Giuseppe Loianno,
12:57
who are responsible for the three
demonstrations that you saw.
demonstrations that you saw.
220
765920
3496
którzy są odpowiedzialni za wszystkie
trzy prezentacje jakie widzieliście.
trzy prezentacje jakie widzieliście.
13:01
Thank you.
221
769440
1176
Dziękuję.
13:02
(Applause)
222
770640
5920
(Brawa)
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