Robots that fly ... and cooperate | Vijay Kumar

Překladatel: Marek Vanžura Korektor: Karel Hoch

Good morning.

Dobré ráno.

I'm here today to talk about autonomous flying beach balls.

Jsem dnes zde, abych mluvil

o autonomních létajicích plážových míčích.

(Laughter)

Ne, o mrštných létajicích robotech, jako je tenhle.

No, agile aerial robots like this one.

I'd like to tell you a little bit about the challenges in building these,

Rád bych vám pověděl něco málo o výzvách při jejich stavbě

a některých úžasných možnostech

and some of the terrific opportunities for applying this technology.

pro využití této technologie.

So these robots are related to unmanned aerial vehicles.

Tyto roboty

jsou příbuznými bezpilotních letadel.

Nicméně letadla, které vidíte zde, jsou velká.

However, the vehicles you see here are big.

Váží tisíce liber (stovky kilogramů)

They weigh thousands of pounds, are not by any means agile.

a nejsou v žádném případě mrštná.

They're not even autonomous.

Navíc nejsou ani autonomní.

In fact, many of these vehicles are operated by flight crews

Ve skutečnosti je mnoho těchto strojů

ovládáno letovými posádkami,

které mohou zahrnovat několik pilotů,

that can include multiple pilots,

operators of sensors,

operátorů senzorů

and mission coordinators.

a koordinátorů misí.

What we're interested in is developing robots like this --

Co nás zajímalo, je vývoj robotů jako jsou tyto --

a tady dva další obrázky --

and here are two other pictures --

robotů, které si můžete koupit v obchodě.

of robots that you can buy off the shelf.

Takže toto jsou helikoptéry se čtyřmi rotory

So these are helicopters with four rotors,

a jsou zhruba metr velké

and they're roughly a meter or so in scale,

a váží několik liber (pár kilogramů).

and weigh several pounds.

Dodatečně jsme je vybavili senzory a procesory,

And so we retrofit these with sensors and processors,

a tak mohou tyto roboty létat v místnostech

and these robots can fly indoors.

bez GPS.

Without GPS.

Robot, který držím ve své ruce,

The robot I'm holding in my hand

je jedním z nich,

is this one,

vytvořili jej dva studenti,

and it's been created by two students,

Alex a Daniel.

Alex and Daniel.

Tenhle váží trochu víc

So this weighs a little more than a tenth of a pound.

než desetinu libry (50 gramů).

It consumes about 15 watts of power.

Spotřebuje okolo 15 wattů příkonu.

A jak můžete vidět,

And as you can see, it's about eight inches in diameter.

má v průměru přibližně osm palců (20 cm).

Dovolte mi dát vám velmi rychlý úvod

So let me give you just a very quick tutorial

on how these robots work.

do toho, jak tyto roboty pracují.

Takže má čtyři rotory.

So it has four rotors.

If you spin these rotors at the same speed,

Když mají tyto rotory stejné otáčky,

the robot hovers.

robot se vznáší.

If you increase the speed of each of these rotors,

Když zvýšíte otáčky každého z těchto rotorů,

pak robot stoupá, zrychluje.

then the robot flies up, it accelerates up.

Of course, if the robot were tilted,

Samozřejmě kdyby byl robot nakloněn,

byl skloněn oproti vodorovné ose,

inclined to the horizontal,

then it would accelerate in this direction.

pak by zrychloval tímto směrem.

So to get it to tilt,

Existují dva způsoby, jak jej naklonit.

there's one of two ways of doing it.

Na tomto obrázku

So in this picture, you see that rotor four is spinning faster

vidíte, že rotor číslo 4 se otáčí rychleji

and rotor two is spinning slower.

a rotor číslo 2 se otáčí pomaleji.

And when that happens,

A když se toto stane,

there's a moment that causes this robot to roll.

dojde k tomu, že se robot natočí.

A nebo,

And the other way around,

if you increase the speed of rotor three and decrease the speed of rotor one,

když zvýšíte otáčky rotoru číslo 3

a snížíte otáčky rotoru číslo 1,

pak se robot nahne vpřed.

then the robot pitches forward.

And then finally,

A konečně,

if you spin opposite pairs of rotors

když má pár protilehlých rotorů

faster than the other pair,

vyšší otáčky než druhý pár,

then the robot yaws about the vertical axis.

pak se robot obrací kolem svislé osy.

Procesor na palubě

So an on-board processor

essentially looks at what motions need to be executed

v podstatě sleduje, jaké pohyby je třeba vykonat

a kombinuje tyto pohyby

and combines these motions,

a řeší, jaké příkazy poslat motorům,

and figures out what commands to send to the motors --

a to dělá 600krát za sekundu.

600 times a second.

That's basically how this thing operates.

Takto v základě tato věc funguje.

Jedna z výhod tohoto přístupu

So one of the advantages of this design

je, že když tyto věci zmenšíte,

is when you scale things down,

robot se přirozeně stává mrštnějším.

the robot naturally becomes agile.

Toto R

So here, R is the characteristic length of the robot.

je charakteristická délka robota.

Činí polovinu průměru.

It's actually half the diameter.

And there are lots of physical parameters that change as you reduce R.

A je mnoho fyzikálních parametrů, které se změní,

když zmenšíte R.

The one that's most important is the inertia,

Ten nejdůležitější

je setrvačnost neboli odpor k pohybu.

or the resistance to motion.

Ukazuje se,

So it turns out the inertia, which governs angular motion,

že setrvačnost, která řídí úhlový pohyb,

je úměrná páté mocnině R.

scales as a fifth power of R.

Takže čím menší R uděláte,

So the smaller you make R,

the more dramatically the inertia reduces.

tím dramatičtěji poklesne setrvačnost.

So as a result, the angular acceleration,

Jako výsledek, úhlové zrychlení,

denoted by the Greek letter alpha here,

zde označené řeckým písmenem alfa,

goes as 1 over R.

je 1/R.

It's inversely proportional to R.

Je nepřímo úměrné R.

The smaller you make it, the more quickly you can turn.

Čím menší jej vyrobíte, tím rychleji se může otáčet.

To by mělo být jasné na těchto videích.

So this should be clear in these videos.

V pravo dole vidíte robot

On the bottom right, you see a robot performing a 360-degree flip

provádějící 360stupňový obrat

in less than half a second.

za méně než půl sekundy.

Multiple flips, a little more time.

Několik obratů za nepatrně delší čas.

Zde procesy na palubě

So here the processes on board

dostávají zpětnou vazbu z akcelerometrů

are getting feedback from accelerometers and gyros on board,

a gyroskopů na palubě

and calculating, like I said before,

a vyhodnocují, jak jsem už dříve řekl,

commands at 600 times a second,

příkazy 600krát za sekundu,

to stabilize this robot.

aby stabilizovaly robota.

So on the left, you see Daniel throwing this robot up into the air,

Nalevo vidíte Daniela, který tohoto robota háže do vzduchu.

and it shows you how robust the control is.

Předvádí se nám, jak stabilní ovládání je.

Nezáleží na tom, jak jej hodíte,

No matter how you throw it,

the robot recovers and comes back to him.

robot se stabilizuje a vrátí se k němu.

So why build robots like this?

A proč vyrábět roboty jako jsou tyto?

Nuže, takové roboty mají mnoho použití.

Well, robots like this have many applications.

Můžete je vyslat do budov jako je tato

You can send them inside buildings like this,

as first responders to look for intruders,

coby první průzkumníky hledající vetřelce,

případně hledající biochemické znečištění,

maybe look for biochemical leaks,

úniky plynu.

gaseous leaks.

Rovněž je můžete použít

You can also use them for applications like construction.

pro stavbu.

So here are robots carrying beams, columns

Tady roboty přenášejí trámy a sloupy

a skládají krychlové struktury.

and assembling cube-like structures.

I'll tell you a little bit more about this.

Řeknu vám o tom trochu víc.

The robots can be used for transporting cargo.

Roboty lze použít pro přepravu nákladu.

So one of the problems with these small robots

Jeden z problémů s těmito roboty

is their payload-carrying capacity.

je jejich nosnost.

So you might want to have multiple robots carry payloads.

Takže budeme možná chtít mnoho robotů

pro přepravu nákladu.

This is a picture of a recent experiment we did --

Tohle je obrázek nedávného experimentu, který jsme dělali --

vlastně už ne tak nedávného --

actually not so recent anymore --

in Sendai, shortly after the earthquake.

v Sendaji krátce po zemětřesení.

So robots like this could be sent into collapsed buildings,

Roboty jako je tento mohou být poslány do bortících se budov,

aby zjistily poškození po živelních katastrofách

to assess the damage after natural disasters,

nebo je lze poslat do reaktoru,

or sent into reactor buildings,

to map radiation levels.

aby prozkoumaly úroveň radiace.

So one fundamental problem that the robots have to solve

Jeden zásadní problém,

který roboty musí řešit, pokud mají být autonomní,

if they are to be autonomous,

is essentially figuring out how to get from point A to point B.

je, jak vlastně vyřešit,

jak se dostat z bodu A do bodu B.

So this gets a little challenging,

Toto je celkem výzva,

because the dynamics of this robot are quite complicated.

protože dynamika tohoto robota je docela složitá.

In fact, they live in a 12-dimensional space.

Ve skutečnosti se pohybují ve dvanáctirozměrném prostoru.

Takže používáme malý trik.

So we use a little trick.

We take this curved 12-dimensional space,

Vezmeme tento zakřivený dvanáctirozměrný prostor

a přeměníme jej

and transform it into a flat, four-dimensional space.

na plochý čtyřrozměrný prostor.

A tento čtyřrozměrný prostor

And that four-dimensional space consists of X, Y, Z,

se skládá z os X, Y, Z a úhlu vybočení.

and then the yaw angle.

And so what the robot does,

A tak co robot dělá,

is it plans what we call a minimum-snap trajectory.

je, že plánuje něco, co nazýváme minimální snapová trasa.

Abych vám připomenul fyziku,

So to remind you of physics:

You have position, derivative, velocity;

rychlost je derivací dráhy,

then acceleration;

další derivací získáte zrychlení

and then comes jerk,

a pak přichází ryv

and then comes snap.

a snap.

So this robot minimizes snap.

Takže tento robot minimalizuje snap.

So what that effectively does,

Takže co efektivně dělá, je,

is produce a smooth and graceful motion.

že koná plynulý a elegantní pohyb.

And it does that avoiding obstacles.

A vyhýbá se překážkám.

Tyto minimální snapové trasy v plochém prostoru

So these minimum-snap trajectories in this flat space are then transformed

jsou posléze převedeny zpět

back into this complicated 12-dimensional space,

do komplikovaného dvanáctirozměrného prostoru,

ve kterém se robot nachází,

which the robot must do for control and then execution.

pohybuje a jedná.

So let me show you some examples

Dovolte mi ukázat vám nějaké příklady

of what these minimum-snap trajectories look like.

toho, jak tyto minimální snapové trasy vypadají.

V prvním videu

And in the first video,

you'll see the robot going from point A to point B,

uvidíte robot, který se přesunuje z bodu A do bodu B

skrze středový bod.

through an intermediate point.

(Whirring noise)

Robot je očividně schopný

So the robot is obviously capable of executing any curve trajectory.

procházet jakkoli zakřivenou trasu.

Tohle jsou kruhové trasy,

So these are circular trajectories,

where the robot pulls about two G's.

kde na robota působí přetížení kolem 2 G.

Here you have overhead motion capture cameras on the top

Robot má na zádech kamery,

that tell the robot where it is 100 times a second.

které mu říkají, kde je -- 100krát za sekundu.

It also tells the robot where these obstacles are.

Rovněž robotu říkají, kde jsou překážky.

A překážky se mohou pohybovat.

And the obstacles can be moving.

And here, you'll see Daniel throw this hoop into the air,

Tady uvidíte Daniela, jak háže obruč do vzduchu,

while the robot is calculating the position of the hoop,

zatímco robot si spočítá polohu obruče

a snaží se vyřešit, jak nejlépe jí proletět.

and trying to figure out how to best go through the hoop.

Jako akademičtí pracovníci

So as an academic,

we're always trained to be able to jump through hoops

jsme byli vždy cvičeni ke skákání obručemi, abychom získali finance pro naše laboratoře,

to raise funding for our labs,

a tak jsme to naučili i roboty.

and we get our robots to do that.

(Applause)

(Potlesk)

Jiná věc, kterou robot dovede,

So another thing the robot can do

je, že si pamatuje trasu,

is it remembers pieces of trajectory

that it learns or is pre-programmed.

kterou se naučí nebo mu je předprogramována.

Tady vidíte robot,

So here, you see the robot combining a motion that builds up momentum,

který kombinuje pohyby,

čímž získá hybnost,

and then changes its orientation and then recovers.

a pak změní svoji orientaci a poté se dostává do výchozí polohy.

Musí to udělat, protože díra v okně

So it has to do this because this gap in the window

is only slightly larger than the width of the robot.

je pouze o trošku větší než je šířka robota.

Podobně jako skokan stojící na odrazovém můstku,

So just like a diver stands on a springboard

and then jumps off it to gain momentum,

si poskočí, aby získal hybnost,

pak provede piruetu, tohle dvou a půl salto,

and then does this pirouette, this two and a half somersault through

a pak se půvabně vrátí do výchozí pozice,

and then gracefully recovers,

this robot is basically doing that.

tento robot v podstatě tohle dělá.

So it knows how to combine little bits and pieces of trajectories

Takže ví, jak kombinovat malé části tras tak,

to do these fairly difficult tasks.

aby provedl tyhle vskutku náročné úkony.

A teď druhá strana mince.

So I want change gears.

So one of the disadvantages of these small robots is its size.

Jedna z nevýhod těchto malých robotů je jejich velikost.

Jak jsem řekl již dříve,

And I told you earlier

that we may want to employ lots and lots of robots

budeme možná chtít využít mnoho a mnoho těchto robotů

k překonání omezení daných jejich velikostí.

to overcome the limitations of size.

Jedna obtížnost je,

So one difficulty is:

How do you coordinate lots of these robots?

jak koordinovat množství těchto robotů?

And so here, we looked to nature.

A tak jsme se inspirovali u přírody.

So I want to show you a clip of Aphaenogaster desert ants,

Chci vám ukázat nahrávku

pouštních mravenců rodu Aphaenogaster,

kteří v laboratoři profesora Stephena Pratta přenášejí předmět.

in Professor Stephen Pratt's lab, carrying an object.

Tohle je kousek fíku.

So this is actually a piece of fig.

Každý předmět pokrytý fíkovým džusem

Actually you take any object coated with fig juice,

si budou chtít přinést zpátky do mraveniště.

and the ants will carry it back to the nest.

So these ants don't have any central coordinator.

Tihle mravenci nemají žádného ústředního koordinátora.

Vnímají své sousedy.

They sense their neighbors.

Není zde žádná explicitní komunikace.

There's no explicit communication.

Protože vnímají jeden druhého,

But because they sense the neighbors

a protože vnímají předmět,

and because they sense the object,

they have implicit coordination across the group.

mají implicitní koordinaci napříč skupinou.

Tohle je typ koordinace,

So this is the kind of coordination we want our robots to have.

který chceme pro naše roboty.

So when we have a robot which is surrounded by neighbors --

Takže když máme robot,

který je obklopen svými sousedy --

podívejme se na robot I a robot J --

and let's look at robot I and robot J --

co chceme, aby tyto roboty udělaly,

what we want the robots to do,

je, aby sledovaly vzdálenost mezi sebou,

is to monitor the separation between them,

as they fly in formation.

když letí ve formaci.

And then you want to make sure

A pak chceme zajistit

that this separation is within acceptable levels.

aby tato vzdálenost mezi nimi byla v přijatelných mezích.

Roboty tak sledují odchylky

So again, the robots monitor this error

and calculate the control commands 100 times a second,

a vypočítávají řídicí příkazy

100krát za sekundu,

which then translates into motor commands,

které posléze převádějí na příkazy motoru 600krát za sekundu.

600 times a second.

Tohle musí být prováděno

So this also has to be done in a decentralized way.

decentralizovaně.

Again, if you have lots and lots of robots,

Opět, pokud máte mnoho těchto robotů,

je nemožné koordinovat všechny informace centrálně

it's impossible to coordinate all this information centrally

fast enough in order for the robots to accomplish the task.

dostatečně rychle, aby roboty úspěšně splnily úkol.

Plus, the robots have to base their actions only on local information --

Navíc roboty musí zakládat své jednání

pouze na lokálních informacích,

které získávají od svých sousedů.

what they sense from their neighbors.

A nakonec,

And then finally,

we insist that the robots be agnostic to who their neighbors are.

trváme na tom, aby roboty byly agnostické

k tomu, kdo jsou jejich sousedé.

So this is what we call anonymity.

Tohle nazýváme anonymita.

Co vám chci ukázat dále,

So what I want to show you next is a video of 20 of these little robots,

je video

dvaceti těchto malých robotů

flying in formation.

letících ve formaci.

Sledují pozice svých sousedů.

They're monitoring their neighbors' positions.

Udržují formaci.

They're maintaining formation.

The formations can change.

Formace se mohou měnit.

They can be planar formations,

Mohou to být rovinné formace,

they can be three-dimensional formations.

mohou to být trojrozměrné formace.

Jak můžete vidět tady,

As you can see here,

they collapse from a three-dimensional formation into planar formation.

mohou přejít z třírozměrné formace do rovinné formace.

A aby překonaly překážky,

And to fly through obstacles,

they can adapt the formations on the fly.

mohou přizpůsobovat formaci během letu.

Znovu, tyhle malé roboty mohou letět velmi blízko sebe.

So again, these robots come really close together.

As you can see in this figure-eight flight,

Jak můžete vidět v tomto letu ve tvaru čísla 8,

they come within inches of each other.

létají od sebe ve vzdálenosti palců (centimetrů).

A přes aerodynamické interakce

And despite the aerodynamic interactions with these propeller blades,

rotorových listů,

they're able to maintain stable flight.

jsou schopné udržovat stabilní let.

(Applause)

(Potlesk)

Takže když už jednou víte, jak letět ve formaci,

So once you know how to fly in formation,

můžete zvedat ve spolupráci předměty.

you can actually pick up objects cooperatively.

Tohle ukazuje,

So this just shows that we can double, triple, quadruple

že můžeme zdvojnásobit, ztrojnásobit či zčtyřnásobit

sílu robota

the robots' strength,

by just getting them to team with neighbors, as you can see here.

jen jeho přidáním do týmu s jeho sousedy, jak můžete vidět zde.

Jedna z nevýhod tohoto řešení

One of the disadvantages of doing that is, as you scale things up --

je, když se takto věci zvětší --

so if you have lots of robots carrying the same thing,

když máte mnoho robotů nesoucích jednu věc,

v podstatě efektivně stoupá setrvačnost

you're essentially increasing the inertia,

and therefore you pay a price; they're not as agile.

a tedy vás to něco stojí -- nejsou tak mrštní.

But you do gain in terms of payload-carrying capacity.

Nicméně zisk je ve smyslu nosnosti.

Jiné použití, které vám chci předvést --

Another application I want to show you -- again, this is in our lab.

opět, tohle je v naší laboratoři.

This is work done by Quentin Lindsey, who's a graduate student.

Tohle je práce Quentina Lindseye, který je postgraduální student.

Jeho algoritmy v zásadě těmto robotům říkají,

So his algorithm essentially tells these robots

jak samostatně stavět

how to autonomously build cubic structures

krychlové struktury

z trámovitých elementů.

from truss-like elements.

Jeho algoritmy robotům říkají,

So his algorithm tells the robot what part to pick up,

kterou část vzít,

kdy a jak ji umístit.

when, and where to place it.

V tomto videu vidíte --

So in this video you see --

and it's sped up 10, 14 times --

je zrychleno 10- až 14krát --

vidíte tři rozdílné struktury, které tyhle roboty staví.

you see three different structures being built by these robots.

A opět, všechno je to samostatné,

And again, everything is autonomous,

a všechno, co Quentin musí udělat,

and all Quentin has to do

is to give them a blueprint of the design that he wants to build.

je dát jim plánek

stavby, kterou chce, aby postavily.

So all these experiments you've seen thus far,

Všechny tyhle experimenty, které jste dosud viděli,

all these demonstrations,

všechny tyto demonstrace,

have been done with the help of motion-capture systems.

byly provedeny s pomocí systémů pro snímání pohybů.

Co se stane, když opustíte laboratoř

So what happens when you leave your lab,

a půjdete do skutečného světa?

and you go outside into the real world?

And what if there's no GPS?

A co když zde není GPS?

So this robot is actually equipped with a camera,

Takže tento robot

je vybavený kamerou

a laserovým dálkoměrem, laserovým scannerem.

and a laser rangefinder, laser scanner.

A používá tyto senzory

And it uses these sensors to build a map of the environment.

k vybudování mapy prostředí.

Tato mapa se skládá z prvků --

What that map consists of are features --

jako jsou dveře, okna,

like doorways, windows, people, furniture --

lidé, nábytek --

a pak zjišťuje, kde se nachází

and it then figures out where its position is,

vzhledem k nim.

with respect to the features.

So there is no global coordinate system.

Není zde žádný globální souřadnicový systém.

Souřadnicový systém je určen dle robota,

The coordinate system is defined based on the robot,

where it is and what it's looking at.

kde je a na co se dívá.

And it navigates with respect to those features.

A navádí jej s ohledem na tyto prvky.

Chci vám ukázat nahrávku

So I want to show you a clip

of algorithms developed by Frank Shen and Professor Nathan Michael,

algoritmů vyvinutých Frankem Shenem

a profesorem Nathanem Michaelem,

that shows this robot entering a building for the very first time,

která ukazuje tohoto robota vstupujícího úplně poprvé do budovy.

and creating this map on the fly.

A vytvářejícího tuto mapu za letu.

So the robot then figures out what the features are,

Robot pak zjistí, jaké prvky tu jsou.

it builds the map,

A vybuduje si mapu.

it figures out where it is with respect to the features,

Zjistí, kde je s ohledem k těmto prvkům

and then estimates its position 100 times a second,

a poté odhadne svoji pozici,

a to 100krát za sekundu,

allowing us to use the control algorithms that I described to you earlier.

což mu dovolují řídicí algoritmy,

které jsem popsal dříve.

So this robot is actually being commanded remotely by Frank,

Tento robot je ovládán

dálkově Frankem.

Ale robot dovede zjistit,

but the robot can also figure out where to go on its own.

kam jít, i zcela sám.

Představme si, že jsem jej poslal do budovy

So suppose I were to send this into a building,

a nemám vůbec žádnou představu, jak budova vypadá,

and I had no idea what this building looked like.

mohu poslat robota dovnitř,

I can ask this robot to go in,

aby vytvořil mapu,

create a map,

a pak se vrátil a řekl mi, jak budova vypadá.

and then come back and tell me what the building looks like.

So here, the robot is not only solving the problem

A tak zde, robot neřeší jenom problém,

jak se dostat z místa A do místa B na této mapě,

of how to go from point A to point B in this map,

but it's figuring out what the best point B is at every time.

ale zjišťuje,

co je bod B.

V podstatě ví, kam jít,

So essentially it knows where to go

to look for places that have the least information,

aby se podíval po místech, o kterých má nejméně informací.

A tak zaplňuje tuto mapu.

and that's how it populates this map.

So I want to leave you with one last application.

Chci svou řeč ukončit

s ještě jednou aplikací.

And there are many applications of this technology.

Existuje mnoho použití této technologie,

I'm a professor, and we're passionate about education.

a jako profesor jsem nadšený výukou.

Roboty jako tyto mohou změnit způsob,

Robots like this can really change the way we do K-12 education.

jak provádíme výuku na prvních dvou stupních.

Ale jsme v jižní Kalifornii,

But we're in Southern California,

blízko Los Angeles,

close to Los Angeles,

takže musím vše shrnout

so I have to conclude with something focused on entertainment.

něčím, co je zaměřeno na zábavu.

Chci vše shrnout jedním hudebním klipem.

I want to conclude with a music video.

Chci vám představit autory, Alexe a Daniela,

I want to introduce the creators, Alex and Daniel, who created this video.

kteří vyrobili toto video.

(Potlesk)

(Applause)

So before I play this video,

Předtím, než pustím video,

I want to tell you that they created it in the last three days,

chci vám říct, že jej vyráběli v posledních třech dnech,

after getting a call from Chris.

po Chrisově telefonátu.

And the robots that play in the video are completely autonomous.

A roboty ve videu

jsou zcela autonomní.

You will see nine robots play six different instruments.

Uvidíte devět robotů hrajících na šest různých nástrojů.

A je samozřejmě vytvořeno exkluzivně pro TED 2012.

And of course, it's made exclusively for TED 2012.

Dívejte se.

Let's watch.

(Sound of air escaping from valve)

(Music)

(Whirring sound)

(Music)

(Hudba)

(Potlesk)

(Applause) (Cheers)