The Future of Flying Robots | Vijay Kumar | TED Talks

755,090 views ・ 2015-11-04

TED


يرجى النقر نقرًا مزدوجًا فوق الترجمة الإنجليزية أدناه لتشغيل الفيديو.

المترجم: Mohammed Basheer المدقّق: mohamed abukashawa
00:13
In my lab, we build autonomous aerial robots
0
13280
3656
في مختبري، نحن نبني روبوتات جوية مستقلة
00:16
like the one you see flying here.
1
16960
1880
مثل الذي ترونه يحلق هنا.
00:20
Unlike the commercially available drones that you can buy today,
2
20720
3696
وخلافا للطائرات بدون طيار المتاحة تجاريا التي يمكنك شراءها اليوم،
00:24
this robot doesn't have any GPS on board.
3
24440
2640
هذا الروبوت لا يمتلك نظام تحديد المواقع.
00:28
So without GPS,
4
28160
1216
فبدون GPS
00:29
it's hard for robots like this to determine their position.
5
29400
3280
من الصعب على هذه الروبوتات تحديد موقعها.
00:34
This robot uses onboard sensors, cameras and laser scanners,
6
34240
4736
00:39
to scan the environment.
7
39000
1696
لمسح البيئة المحيطة به.
00:40
It detects features from the environment,
8
40720
3056
فتُحدد معالم البيئة حولها،
00:43
and it determines where it is relative to those features,
9
43800
2736
و توضح أين هو بالنسبة لتلك المعالم،
00:46
using a method of triangulation.
10
46560
2136
باستخدام طريقة الإحداثيات.
00:48
And then it can assemble all these features into a map,
11
48720
3456
وبعد ذلك يمكنها تجميع كل هذه المعالم في خريطة،
00:52
like you see behind me.
12
52200
1736
كالتي ترونها ورائي.
00:53
And this map then allows the robot to understand where the obstacles are
13
53960
3936
00:57
and navigate in a collision-free manner.
14
57920
2720
و التنقل بنمط خالي من التصادم.
01:01
What I want to show you next
15
61160
2096
ما أريد أن أريكم تاليا
01:03
is a set of experiments we did inside our laboratory,
16
63280
3216
هو مجموعة من التجارب أجريناها داخل المختبر
01:06
where this robot was able to go for longer distances.
17
66520
3480
حيث كان الروبوت قادرًا على الذهاب لمسافات أطول.
01:10
So here you'll see, on the top right, what the robot sees with the camera.
18
70400
5016
ترون هنا في أعلى اليمين، ما يراه الروبوت بالكاميرا.
01:15
And on the main screen --
19
75440
1216
وعلى الشاشة الرئيسية
01:16
and of course this is sped up by a factor of four --
20
76680
2456
وبالطبع هذا أسرع أربع أضعاف
01:19
on the main screen you'll see the map that it's building.
21
79160
2667
على الشاشة الرئيسية سترى الخريطة التي تُبنى.
01:21
So this is a high-resolution map of the corridor around our laboratory.
22
81851
4285
لذلك هذه خريطة عالية الدقة للممر حول مختبرنا.
01:26
And in a minute you'll see it enter our lab,
23
86160
2336
و في دقيقة سترونه يدخل المختبر،
01:28
which is recognizable by the clutter that you see.
24
88520
2856
الذي يتم التعرف عليه من خلال الفوضى التي ترونها.
01:31
(Laughter)
25
91400
1016
(ضحك)
01:32
But the main point I want to convey to you
26
92440
2007
الفكرة التي أريد إيصالها إليكم
01:34
is that these robots are capable of building high-resolution maps
27
94472
3584
أن هذه الروبوتات قادرة علي بناء خرائط بدقة عالية.
01:38
at five centimeters resolution,
28
98080
2496
بدقة 5 سنتميترات.
01:40
allowing somebody who is outside the lab, or outside the building
29
100600
4176
تمكّن الشخص خارج المختبر او خارج المبني
01:44
to deploy these without actually going inside,
30
104800
3216
من الإنتشار في الداخل دون الدخول فعليًا،
01:48
and trying to infer what happens inside the building.
31
108040
3760
ومحاولة إستنتاج ما يحدث بالداخل.
01:52
Now there's one problem with robots like this.
32
112400
2240
لكن هناك مشاكل لهذه الروبوتات.
01:55
The first problem is it's pretty big.
33
115600
2200
المشكلة الأولى حجمها الكبير
01:58
Because it's big, it's heavy.
34
118120
1680
ولأنها كبيرة، فهي ثقيلة.
02:00
And these robots consume about 100 watts per pound.
35
120640
3040
وهي تستهلك 100 واط للرطل الواحد.
02:04
And this makes for a very short mission life.
36
124360
2280
وهذا يجعل وقت المهمة قصير جدًا.
02:08
The second problem
37
128000
1456
المشكلة الثانية
02:09
is that these robots have onboard sensors that end up being very expensive --
38
129480
3896
هذه الروبوتات على متنها أجهزة إستشعار مكلفة جدا
02:13
a laser scanner, a camera and the processors.
39
133400
3440
ماسحة ليزر وكاميرا ومعالجات.
02:17
That drives up the cost of this robot.
40
137280
3040
وهذا يزيد من سعرها.
02:21
So we asked ourselves a question:
41
141440
2656
لذلك سألنا أنفسنا:
02:24
what consumer product can you buy in an electronics store
42
144120
3776
ماهي المنتجات التي يمكن شراؤها من متجر الإليكترونيات
02:27
that is inexpensive, that's lightweight, that has sensing onboard and computation?
43
147920
6280
التي سعرها رخيص وخفيفة الوزن وبها أجهزة إستشعار ومعالج؟
02:36
And we invented the flying phone.
44
156080
2656
فإخترعنا هاتف طائر.
02:38
(Laughter)
45
158760
1936
(ضحك)
02:40
So this robot uses a Samsung Galaxy smartphone that you can buy off the shelf,
46
160720
6176
هذا الروبوت يستخدم هاتف Samsung Galaxy الذي يمكنك شراؤه من المتجر
02:46
and all you need is an app that you can download from our app store.
47
166920
4016
وكل ما تحتاجه هو تطبيق يمكنك تحميله من متجر التطبيقات.
02:50
And you can see this robot reading the letters, "TED" in this case,
48
170960
4216
كما تري هذا الروبوت يقرأ أحرف "TED"
02:55
looking at the corners of the "T" and the "E"
49
175200
2936
ينظر إلى حواف الأحرف "T" و "E"
02:58
and then triangulating off of that, flying autonomously.
50
178160
3480
وبناءًا على إحداثياتها يحلق بشكل مستقل.
03:02
That joystick is just there to make sure if the robot goes crazy,
51
182720
3256
عصا التحكم تلك فقط للتأكد حتى لا يصبح الروبوت مهتاجًا،
03:06
Giuseppe can kill it.
52
186000
1416
جيوسيب يمكن أن تدمره.
03:07
(Laughter)
53
187440
1640
(ضحك)
03:10
In addition to building these small robots,
54
190920
3816
بالإضافة للمباني، هذه الربوتات الصغيرة،
03:14
we also experiment with aggressive behaviors, like you see here.
55
194760
4800
لديها تجربة مع السلوك العدواني، كما ترون هنا.
03:19
So this robot is now traveling at two to three meters per second,
56
199920
5296
فهذا الربوت يتحرك بسرعة 2 إلى 3 أمتار في الثانية،
03:25
pitching and rolling aggressively as it changes direction.
57
205240
3496
يتأرجح ويدور بعدوانية كلما يغيّر الإتجاه.
03:28
The main point is we can have smaller robots that can go faster
58
208760
4256
الفكرة هنا، يمكن أن يكون لدينا روبوتات أصغر وأسرع
03:33
and then travel in these very unstructured environments.
59
213040
2960
وبالتالي يمكنها التحرك في البيئات الغير منتظمة.
03:37
And in this next video,
60
217120
2056
في الفيديو التالي،
03:39
just like you see this bird, an eagle, gracefully coordinating its wings,
61
219200
5896
كما ترون هذا الطائر، نسر ينسق برشاقة بين جناحيه
03:45
its eyes and feet to grab prey out of the water,
62
225120
4296
وعينيه وقدميه، لينتزع فريسته من الماء،
03:49
our robot can go fishing, too.
63
229440
1896
روبوتنا يمكنه الإصطياد أيضًا
03:51
(Laughter)
64
231360
1496
(ضحك)
03:52
In this case, this is a Philly cheesesteak hoagie that it's grabbing out of thin air.
65
232880
4056
هنا، هذه شريحة جبن فيلي يتم انتزاعها من مكانها
03:56
(Laughter)
66
236960
2400
(ضحك)
03:59
So you can see this robot going at about three meters per second,
67
239680
3296
إذًا يمكنكم رؤية هذا الربوت يطير بسرعة 3 م/ث،
04:03
which is faster than walking speed, coordinating its arms, its claws
68
243000
5136
( أسرع من الإنسان) منسقًا أذرعه ومخالبه،
04:08
and its flight with split-second timing to achieve this maneuver.
69
248160
4120
في رحلة بدقة زمنية متناهية لينجز المناورة.
04:14
In another experiment,
70
254120
1216
في تجربة أخرى،
04:15
I want to show you how the robot adapts its flight
71
255360
3656
أريد أن أريكم كيف يكيف الربوت تحليقه
04:19
to control its suspended payload,
72
259040
2376
ليتحكم في حمولته المتدلية
04:21
whose length is actually larger than the width of the window.
73
261440
3800
التي طولها أكبر من عرض النافذة
04:25
So in order to accomplish this,
74
265680
1696
لذلك حتى يكمل هذا الدخول
04:27
it actually has to pitch and adjust the altitude
75
267400
3696
عليه أن يتأرجح ويعدل إرتفاعه
04:31
and swing the payload through.
76
271120
2320
ويدخل حمولته من خلالها.
04:38
But of course we want to make these even smaller,
77
278920
2296
لكننا بالطبع نريد أن نجعل هذا الربوت أصغر حجمًا
04:41
and we're inspired in particular by honeybees.
78
281240
3016
وقد ألهمنا نحل العسل تحديدًا.
04:44
So if you look at honeybees, and this is a slowed down video,
79
284280
3256
لأنك إذا نظرت للنحل، (فديو بالعرض البطيء)
04:47
they're so small, the inertia is so lightweight --
80
287560
3720
فهو صغير جدا ، ووزنه خفيف جدا
04:51
(Laughter)
81
291960
1176
(ضحك)
04:53
that they don't care -- they bounce off my hand, for example.
82
293160
3536
لذلك لا يهتمون إذا طردتهم بيدي، على سبيل المثال.
04:56
This is a little robot that mimics the honeybee behavior.
83
296720
3160
هذا ربوت صغير، يقلد سلوك النحل.
05:00
And smaller is better,
84
300600
1216
والأصغر أفضل
05:01
because along with the small size you get lower inertia.
85
301840
3536
لأنك مع الحجم الصغير تحصل أيضا على قصور ذاتي أقل.
05:05
Along with lower inertia --
86
305400
1536
ومع القصور الذاتي الصغير
05:06
(Robot buzzing, laughter)
87
306960
2856
(الروبوت يزن ، ضحك)
05:09
along with lower inertia, you're resistant to collisions.
88
309840
2816
مع القصور الذاتي الصغير تصبح مقاوم للإصطدام.
05:12
And that makes you more robust.
89
312680
1720
وهذا يجعلك أكثر قوة.
05:15
So just like these honeybees, we build small robots.
90
315800
2656
لذلك قمنا ببناء روبوتات صغيرة كالنحل.
05:18
And this particular one is only 25 grams in weight.
91
318480
3376
وهذا الروبوت الذي ترونه وزنه 25 جرام.
05:21
It consumes only six watts of power.
92
321880
2160
يستهلك فقط 6 واط في الساعة.
05:24
And it can travel up to six meters per second.
93
324440
2536
ويمكنه التحليق بسرعة 6 م/ث
05:27
So if I normalize that to its size,
94
327000
2336
لو عايرنا هذا بحجمه
05:29
it's like a Boeing 787 traveling ten times the speed of sound.
95
329360
3640
فإنه كطائرة بوينغ 787 تطير بعشرة أضعاف سرعة الضوء.
05:36
(Laughter)
96
336000
2096
(ضحك)
05:38
And I want to show you an example.
97
338120
1920
أريد أن أريكم مثالًا.
05:40
This is probably the first planned mid-air collision, at one-twentieth normal speed.
98
340840
5256
هذا من المحتمل أول إرتطام في الجو مخطط له بسرعة 1/20 من المعدل الطبيعي.
05:46
These are going at a relative speed of two meters per second,
99
346120
2858
الذي سيحدث بسرعة 2 م/ث ،
05:49
and this illustrates the basic principle.
100
349002
2480
وهذا يوضح المبدأ الأساسي
05:52
The two-gram carbon fiber cage around it prevents the propellers from entangling,
101
352200
4976
فالقفص الكربوني حول المراوح الذي يزن جرامين، يحميها من التشابك.
05:57
but essentially the collision is absorbed and the robot responds to the collisions.
102
357200
5296
لكن التصادم يتم إمتصاصه، والروبوت يستجيب لهذا التصادم.
06:02
And so small also means safe.
103
362520
2560
وصغير جدًا مما يعني آمن.
06:05
In my lab, as we developed these robots,
104
365400
2016
في مختبرنا وبينما نطور هذه الروبوتات،
06:07
we start off with these big robots
105
367440
1620
إبتدأنا بهذه الروبوتات الكبيرة.
06:09
and then now we're down to these small robots.
106
369084
2812
وها نحن الآن في النهاية وصلنا لهذه الروبوتات الصغيرة.
06:11
And if you plot a histogram of the number of Band-Aids we've ordered
107
371920
3456
وإذا رسمت رسم بياني لعدد الإسعافات التي طلبناها في الماضي
06:15
in the past, that sort of tailed off now.
108
375400
2576
فقد تلاشت الآن.
06:18
Because these robots are really safe.
109
378000
1960
لأن هذه الروبوتات فعلًا آمنة.
06:20
The small size has some disadvantages,
110
380760
2456
الحجم الصغير له بعض العيوب،
06:23
and nature has found a number of ways to compensate for these disadvantages.
111
383240
4080
والطبيعة قد إكتشفت عدد من الطرق لتعويض هذه العيوب.
06:27
The basic idea is they aggregate to form large groups, or swarms.
112
387960
4000
الفكرة الأساسية أنها تتجمع في مجموعات كبيرة أو أسراب.
06:32
So, similarly, in our lab, we try to create artificial robot swarms.
113
392320
3976
بالمثل في مختبرنا حاولنا خلق سرب صناعي من الروبوتات.
06:36
And this is quite challenging
114
396320
1381
وهذا كان تحديًا كبيرًا
06:37
because now you have to think about networks of robots.
115
397725
3320
لأنك الآن يجب أن تفكر في شبكات من الربوتات
06:41
And within each robot,
116
401360
1296
وداخل كل روبوت،
06:42
you have to think about the interplay of sensing, communication, computation --
117
402680
5616
يجب أن تفكر في التفاعل والإستشعار والتواصل والحساب
06:48
and this network then becomes quite difficult to control and manage.
118
408320
4960
وبالتالي هذه الشبكة يصبح من الصعب التحكم فيها وإدارتها
06:54
So from nature we take away three organizing principles
119
414160
3296
لقد إخذنا من الطبيعة 3 مباديء تنظيمية
06:57
that essentially allow us to develop our algorithms.
120
417480
3160
حيث سمحت لنا بتطوير خوارزمياتنا.
07:01
The first idea is that robots need to be aware of their neighbors.
121
421640
4536
الفكرة الأولى أن الربوت يحتاج أن يكون مدركا لجيرانه.
07:06
They need to be able to sense and communicate with their neighbors.
122
426200
3440
يحتاج أن يكون قادرا على التواصل معهم.
07:10
So this video illustrates the basic idea.
123
430040
2656
لذلك هذا الفيديو يوضح الفكرة الأساسية.
07:12
You have four robots --
124
432720
1296
لديك 4 ربوتات
07:14
one of the robots has actually been hijacked by a human operator, literally.
125
434040
4240
أحد الروبوتات يتحكم فيه شخص.
07:19
But because the robots interact with each other,
126
439217
2239
ولأن الروبوتات تتفاعل مع بعضها البعض.
07:21
they sense their neighbors,
127
441480
1656
فإنها تشعر بجيرانها،
07:23
they essentially follow.
128
443160
1296
وتتابع بعضها.
07:24
And here there's a single person able to lead this network of followers.
129
444480
5360
وهنا شخص واحد قادر على قيادة هذه الشبكة من الأتباع.
07:32
So again, it's not because all the robots know where they're supposed to go.
130
452000
5056
وهذا ليس لأنها جميعها تعرف إلى أين يجب تتجه.
07:37
It's because they're just reacting to the positions of their neighbors.
131
457080
4320
ولكن لأنها فقط تتفاعل مع موقع جيراتها.
07:43
(Laughter)
132
463720
4120
(ضحك)
07:48
So the next experiment illustrates the second organizing principle.
133
468280
5240
التجربة التالية تشرح المبدأ التنظيمي الثاني.
07:54
And this principle has to do with the principle of anonymity.
134
474920
3800
وهذا المبدأ يأتي مع مبدأ إخفاء الهوية.
07:59
Here the key idea is that
135
479400
4296
الفكرة الرئيسية هنا
08:03
the robots are agnostic to the identities of their neighbors.
136
483720
4240
أن الروبوتات تُنكر هويات جيرانها.
08:08
They're asked to form a circular shape,
137
488440
2616
إذا طُلب منهم تشكيل شكل دائري،
08:11
and no matter how many robots you introduce into the formation,
138
491080
3296
لا يهم العدد الذي أدرجته في التشكيل،
08:14
or how many robots you pull out,
139
494400
2576
أو كم عدد الروبوتات التي أخرجتها.
08:17
each robot is simply reacting to its neighbor.
140
497000
3136
ببساطة كل روبوت يتفاعل مع جاره.
08:20
It's aware of the fact that it needs to form the circular shape,
141
500160
4976
إنها مدركة تماما لحقيقة أنها يجب أن تشكل شكل دائري،
08:25
but collaborating with its neighbors
142
505160
1776
ولكن بالتعاون مع جيرانها
08:26
it forms the shape without central coordination.
143
506960
3720
وتكون الشكل بدون إحداثيات مركزية.
08:31
Now if you put these ideas together,
144
511520
2416
لو قمنا الآن بوضع هذه الأفكار سوية،
08:33
the third idea is that we essentially give these robots
145
513960
3896
فالفكرة الثالثة هي أننا نعطي هذه الروبوتات
08:37
mathematical descriptions of the shape they need to execute.
146
517880
4296
وصف رياضي للشكل الذي عليها إنشائه.
08:42
And these shapes can be varying as a function of time,
147
522200
3496
وهذه الأشكال يمكن أن تتغير مع الزمن،
08:45
and you'll see these robots start from a circular formation,
148
525720
4496
وسترى هذه الروبوتات تبدأ بالشكل الدائري
08:50
change into a rectangular formation, stretch into a straight line,
149
530240
3256
مرورا بالشكل المثلث ثم تنبسط في خط مستقيم،
08:53
back into an ellipse.
150
533520
1375
لتعود للشكل البيضاوي.
08:54
And they do this with the same kind of split-second coordination
151
534919
3617
وهي تفعل هذا بنفس نوع التنسيق الزمني
08:58
that you see in natural swarms, in nature.
152
538560
3280
الذي نراه في أسراب الطيور علي الطبيعة.
09:03
So why work with swarms?
153
543080
2136
إذا لماذا نعمل علي الأسراب؟
09:05
Let me tell you about two applications that we are very interested in.
154
545240
4120
دعوني أخبركم عن تطبيقين نحن مهتمون بهما.
09:10
The first one has to do with agriculture,
155
550160
2376
الأول يتعلق بالزراعة،
09:12
which is probably the biggest problem that we're facing worldwide.
156
552560
3360
التي من المحتمل أنها أكبر مشكلة تواجهنا علي نطاق العالم.
09:16
As you well know,
157
556760
1256
كما تعلمون جيدًا،
09:18
one in every seven persons in this earth is malnourished.
158
558040
3520
واحد من كل 7 أشخاص في هذا الكوكب مصاب بسوء التغذية.
09:21
Most of the land that we can cultivate has already been cultivated.
159
561920
3480
معظم الأراضي التي يمكننا زراعتها هي بالفعل قد زُرعت.
09:25
And the efficiency of most systems in the world is improving,
160
565960
3216
وكفاءة معظم الأنظمة في العالم في تحسُن مستمر،
09:29
but our production system efficiency is actually declining.
161
569200
3520
لكن كفاءة نظامنا الإنتاجي في الحقيقة تنخفض.
09:33
And that's mostly because of water shortage, crop diseases, climate change
162
573080
4216
وهذا غالبا بسبب شُح المياه و أمراض البذور وتغير المناخ
09:37
and a couple of other things.
163
577320
1520
وبعض الأشياء الأخرى.
09:39
So what can robots do?
164
579360
1480
إذا ماذا يمكن أن تفعل الربوتات؟
09:41
Well, we adopt an approach that's called Precision Farming in the community.
165
581200
4616
حسنا، لقد تبنينا منهجا أسميناه "Precision Farming" الإحكام الزراعي في المجتمع،
09:45
And the basic idea is that we fly aerial robots through orchards,
166
585840
5376
والفكرة الأساسية له أن الربوتات تحلق عبر البساتين،
09:51
and then we build precision models of individual plants.
167
591240
3120
ثم نبني نماذج دقيقة لكل نبتة.
09:54
So just like personalized medicine,
168
594829
1667
تماما مثل الطب البشري،
09:56
while you might imagine wanting to treat every patient individually,
169
596520
4816
قد تتخيلون أننا نريد علاج كل مريض على حدة،
10:01
what we'd like to do is build models of individual plants
170
601360
3696
لكن ما نود فعله، أننا نريد بناء نماذج فردية للنباتات
10:05
and then tell the farmer what kind of inputs every plant needs --
171
605080
4136
ثم نخبر المزارع بما تحتاجه كل نبتة.
10:09
the inputs in this case being water, fertilizer and pesticide.
172
609240
4440
في هذه الحالة النبتة تحتاج ماء وسماد ومبيدات حشرية.
10:14
Here you'll see robots traveling through an apple orchard,
173
614640
3616
هنا سترى الروبوت يطير عبر بستان من تفاح،
10:18
and in a minute you'll see two of its companions
174
618280
2256
وبعد دقيقة ترى إثنان من رفقائه
10:20
doing the same thing on the left side.
175
620560
1810
يفعلان نفس الشيء في الجانب الأيسر.
10:22
And what they're doing is essentially building a map of the orchard.
176
622800
3656
ما تفعله الربوتات ببساطة أنها تبني خريطة للبستان.
10:26
Within the map is a map of every plant in this orchard.
177
626480
2816
وداخل الخريطة خريطة لكل نبتة في البستان.
10:29
(Robot buzzing)
178
629320
1656
(طنين الربوت)
10:31
Let's see what those maps look like.
179
631000
1896
دعونا نرى كيف تبدو هذه الخرائط.
10:32
In the next video, you'll see the cameras that are being used on this robot.
180
632920
4296
في الفيديو القادم سترون الكاميرات التي تستخدم علي هذا الروبوت.
10:37
On the top-left is essentially a standard color camera.
181
637240
3240
في أعلى اليسار كاميرا أساسية ملونة.
10:41
On the left-center is an infrared camera.
182
641640
3296
في منتصف اليسار كاميرا أشعة تحت الحمراء.
10:44
And on the bottom-left is a thermal camera.
183
644960
3776
وفي أسفل اليسار كاميرا حرارية.
10:48
And on the main panel, you're seeing a three-dimensional reconstruction
184
648760
3336
وعلي الشاشة الرئيسية ترون بنية ثلاثية الأبعاد
10:52
of every tree in the orchard as the sensors fly right past the trees.
185
652120
6120
لكل شجرة في البستان حينما تعبر منها أجهزة الإستشعار.
10:59
Armed with information like this, we can do several things.
186
659640
4040
متسلحين بمثل هذه المعلومات، يمكن أن نفعل العديد من الأشياء.
11:04
The first and possibly the most important thing we can do is very simple:
187
664200
4256
الشي الأول والأهم الذي يمكننا فعله بسيط جدًا:
11:08
count the number of fruits on every tree.
188
668480
2440
حساب عدد الثمار في كل شجرة.
11:11
By doing this, you tell the farmer how many fruits she has in every tree
189
671520
4536
بفعلك لهذا فإنك تخبر المزارع كم ثمرة لديه في كل شجرة
11:16
and allow her to estimate the yield in the orchard,
190
676080
4256
وبهذا تعطيه القدرة على تقدير المحصول في البستان،
11:20
optimizing the production chain downstream.
191
680360
2840
وتحسين الإنتاجية ليواكب التيار.
11:23
The second thing we can do
192
683640
1616
الشيء الثاني الذي يمكننا فعله هو
11:25
is take models of plants, construct three-dimensional reconstructions,
193
685280
4496
أخذ نماذج النباتات وإنشاء أشكال ثلاثية الأبعاد،
11:29
and from that estimate the canopy size,
194
689800
2536
ومنها تقدير حجم ظل الشجرة،
11:32
and then correlate the canopy size to the amount of leaf area on every plant.
195
692360
3776
ثم ربط حجم الظل بحجم مساحة الورقة في كل شجرة.
11:36
And this is called the leaf area index.
196
696160
2176
وهذا يسمي مؤشر مساحة الورقة.
11:38
So if you know this leaf area index,
197
698360
1936
فإذا عرفت هذا المؤشر،
11:40
you essentially have a measure of how much photosynthesis is possible in every plant,
198
700320
5456
تستطيع معرفة كمية عملية التمثيل الضوئي المحتمل في كل نبتة.
11:45
which again tells you how healthy each plant is.
199
705800
2880
الذي يخبرك مرة أخرى مدي صحيّة كل نبتة.
11:49
By combining visual and infrared information,
200
709520
4216
أيضًا عبر الجمع بين البيانات البصرية وتحت الحمراء،
11:53
we can also compute indices such as NDVI.
201
713760
3296
يمكننا إحصاء المؤشرات مثل (NDVI) المؤشر الموحد لتباين الغطاء النباتي.
11:57
And in this particular case, you can essentially see
202
717080
2816
وفي هذه الحالة بالتحديد يمكنك أن ترى
11:59
there are some crops that are not doing as well as other crops.
203
719920
3016
أن هنالك بعض المحاصيل ليست جيدة كالأخرى.
12:02
This is easily discernible from imagery,
204
722960
4056
هذا يمكن تمييزه بسهولة من الصور،
12:07
not just visual imagery but combining
205
727040
2216
ليس فقط الصور البصرية،
12:09
both visual imagery and infrared imagery.
206
729280
2776
ولكن بتكامل كلاهما البصرية وتحت الحمراء.
12:12
And then lastly,
207
732080
1336
وأخيرًا،
12:13
one thing we're interested in doing is detecting the early onset of chlorosis --
208
733440
4016
شيء نحن مهتمون به وهو الكشف المبكر عن الإصابة في الإخضرار.
12:17
and this is an orange tree --
209
737480
1496
هذه شجرة برتقال
12:19
which is essentially seen by yellowing of leaves.
210
739000
2560
كما ترون إصفرار الأوراق.
12:21
But robots flying overhead can easily spot this autonomously
211
741880
3896
والروبوتات تطير فوقها ويمكنها إكتشاف ذلك بشكل تلقائي
12:25
and then report to the farmer that he or she has a problem
212
745800
2936
تم ترسل تقريرًا للمزارع بأنه لديه مشكلة
12:28
in this section of the orchard.
213
748760
1520
في هذا الجزء من البستان.
12:30
Systems like this can really help,
214
750800
2696
أنظمة كهذه يمكنها فعلًا مساعدتنا.
12:33
and we're projecting yields that can improve by about ten percent
215
753520
5816
ونتصور أن المحاصيل يمكن أن تتحسن بنسبة 10%
12:39
and, more importantly, decrease the amount of inputs such as water
216
759360
3216
والأهم تخفيض المنصرفات، كالماء بنسبة 25%
12:42
by 25 percent by using aerial robot swarms.
217
762600
3280
عند إستخدام أسراب الروبوتات الطائرة
12:47
Lastly, I want you to applaud the people who actually create the future,
218
767200
5736
أخيرًا، أود منكم تحية الفريق الذي إكتشف المستقبل
12:52
Yash Mulgaonkar, Sikang Liu and Giuseppe Loianno,
219
772960
4920
ياش مولغونكار وسكانغ ليو وجوزيف لويانو،
12:57
who are responsible for the three demonstrations that you saw.
220
777920
3496
المسؤولون عن الثلاثة أمثلة التي رأيتموها.
13:01
Thank you.
221
781440
1176
شكرًا لكم.
13:02
(Applause)
222
782640
5920
(تصفيق)
حول هذا الموقع

سيقدم لك هذا الموقع مقاطع فيديو YouTube المفيدة لتعلم اللغة الإنجليزية. سترى دروس اللغة الإنجليزية التي يتم تدريسها من قبل مدرسين من الدرجة الأولى من جميع أنحاء العالم. انقر نقرًا مزدوجًا فوق الترجمة الإنجليزية المعروضة على كل صفحة فيديو لتشغيل الفيديو من هناك. يتم تمرير الترجمات بالتزامن مع تشغيل الفيديو. إذا كان لديك أي تعليقات أو طلبات ، يرجى الاتصال بنا باستخدام نموذج الاتصال هذا.

https://forms.gle/WvT1wiN1qDtmnspy7