The Future of Flying Robots | Vijay Kumar | TED Talks

Překladatel: Jiří Rambousek Korektor: Kateřina Jabůrková

In my lab, we build autonomous aerial robots

V mé laboratoři stavíme autonomní létající roboty

like the one you see flying here.

jako je ten, kterého tu vidíte létat.

Unlike the commercially available drones that you can buy today,

Na rozdíl od komerčních dronů

this robot doesn't have any GPS on board.

tento robot nemá žádnou GPS.

So without GPS,

A bez GPS

it's hard for robots like this to determine their position.

je pro roboty těžké určit svou polohu.

This robot uses onboard sensors, cameras and laser scanners,

Tento robot používá palubní senzory, kamery a laserové snímače

to scan the environment.

a snímá jimi své okolí.

It detects features from the environment,

Rozpoznává prvky v okolním prostředí

and it determines where it is relative to those features,

a vzhledem k těmto prvkům pak určuje svou polohu

using a method of triangulation.

za použití triangulační metody.

And then it can assemble all these features into a map,

Poté dokáže ze všeho, co zjistil, poskládat mapu,

like you see behind me.

jakou vidíte za mnou.

And this map then allows the robot to understand where the obstacles are

Tato mapa umožňuje robotovi chápat, kde jsou překážky,

and navigate in a collision-free manner.

a při letu se vyhnout kolizím.

What I want to show you next

Teď vám ukážu několik experimentů,

is a set of experiments we did inside our laboratory,

které jsme provedli v naší laboratoři,

where this robot was able to go for longer distances.

kde mohl tento robot létat na větší vzdálenosti než tady.

So here you'll see, on the top right, what the robot sees with the camera.

Vpravo nahoře vidíte, co vidí robot svojí kamerou.

And on the main screen --

A na hlavní ploše –

and of course this is sped up by a factor of four --

ovšem ve čtyřnásobném zrychlení –

on the main screen you'll see the map that it's building.

vidíte mapu, kterou si robot sestavuje.

So this is a high-resolution map of the corridor around our laboratory.

Je ve vysokém rozlišení a je to mapa chodby kolem naší laboratoře.

And in a minute you'll see it enter our lab,

Za chvilku už vletí do naší laboratoře –

which is recognizable by the clutter that you see.

poznáte ji podle toho nepořádku.

(Laughter)

(Smích.)

But the main point I want to convey to you

Ale to hlavní, co jsem chtěl ukázat

is that these robots are capable of building high-resolution maps

je, že tito roboti umí vytvářet velmi přesné mapy

at five centimeters resolution,

s rozlišením na pět centimetrů,

allowing somebody who is outside the lab, or outside the building

takže člověk, který se nachází mimo laboratoř nebo venku mimo budovu

to deploy these without actually going inside,

je může vypouštět, aniž vůbec vstoupí dovnitř,

and trying to infer what happens inside the building.

a může tak zjišťovat, co se v budově děje.

Now there's one problem with robots like this.

S podobnými roboty je ale několik problémů.

The first problem is it's pretty big.

Především je dost velký.

Because it's big, it's heavy.

A protože je velký, je také těžký.

And these robots consume about 100 watts per pound.

Proto tito roboti spotřebují na půl kilogramu asi 100 wattů.

And this makes for a very short mission life.

Trvání jejich mise je proto velmi krátké.

The second problem

Druhý problém je,

is that these robots have onboard sensors that end up being very expensive --

že mají na palubě velmi drahé senzory –

a laser scanner, a camera and the processors.

laserový skener, kameru a potřebné procesory.

That drives up the cost of this robot.

To neúnosně zvyšuje cenu robota.

So we asked ourselves a question:

Proto jsme si položili otázku:

what consumer product can you buy in an electronics store

jaký si můžete v obchodě s elektronikou koupit výrobek,

that is inexpensive, that's lightweight, that has sensing onboard and computation?

který je levný, lehký a má zabudované senzory a schopnost provádět výpočty?

And we invented the flying phone.

A tak jsme vynalezli létající mobil.

(Laughter)

(Smích.)

So this robot uses a Samsung Galaxy smartphone that you can buy off the shelf,

Tento robot používá smartphone Samsung Galaxy, který dostanete v obchodě,

and all you need is an app that you can download from our app store.

a potřebujete jen aplikaci, kterou si stáhnete z našeho app store.

And you can see this robot reading the letters, "TED" in this case,

A vidíte, že náš robot čte písmena, v tomto případě písmena "TED",

looking at the corners of the "T" and the "E"

dívá se na vrcholy písmen "T" a "E"

and then triangulating off of that, flying autonomously.

a používá je k triangulaci, takže může samostatně létat.

That joystick is just there to make sure if the robot goes crazy,

Ten joystick tam je jen pro jistotu, aby ho Giuseppe mohl zabít,

Giuseppe can kill it.

kdyby se robot zbláznil.

(Laughter)

(Smích.)

In addition to building these small robots,

Kromě stavby těchto malých robotů

we also experiment with aggressive behaviors, like you see here.

experimentujeme také s agresivním chováním, jako zde.

So this robot is now traveling at two to three meters per second,

Tento robot nyní letí rychlostí 2-3 metry za sekundu

pitching and rolling aggressively as it changes direction.

a při změně směru sebou agresivně hází a natáčí se.

The main point is we can have smaller robots that can go faster

To hlavní ale je, že můžeme mít nemší roboty, kteří létají rychleji

and then travel in these very unstructured environments.

a pouštět se s nimi do těchto velmi neuspořádaných prostředí.

And in this next video,

Na dalším videu vidíte ptáka,

just like you see this bird, an eagle, gracefully coordinating its wings,

orla, který s grácií koordinuje svá křídla, oči a pařáty

its eyes and feet to grab prey out of the water,

při lovu kořisti z vody –

our robot can go fishing, too.

a náš robot může rybařit právě tak.

(Laughter)

(Smích.)

In this case, this is a Philly cheesesteak hoagie that it's grabbing out of thin air.

V tomto případě ulovil plněnou bagetu s masem a sýrem.

(Laughter)

(Smích.)

So you can see this robot going at about three meters per second,

Takže máme robota letícího rychlostí asi tři metry za sekundu,

which is faster than walking speed, coordinating its arms, its claws

tedy více než rychlostí chůze, který za letu na sekundu přesně koordinuje

and its flight with split-second timing to achieve this maneuver.

své končetiny a pařáty při velmi složitém manévru.

In another experiment,

Další pokus ukazuje,

I want to show you how the robot adapts its flight

jak umí robot přizpůsobit svůj let,

to control its suspended payload,

když potřebuje ovládat zavěšený náklad.

whose length is actually larger than the width of the window.

Závěs je totiž delší, než je rozměr okna.

So in order to accomplish this,

Aby to robot zvládl,

it actually has to pitch and adjust the altitude

musí se zhoupnout, upravit výšku

and swing the payload through.

a švihem dostat náklad do otvoru.

But of course we want to make these even smaller,

Rádi bychom je ovšem zmenšili ještě více,

and we're inspired in particular by honeybees.

v tom nás nejvíce inspirovaly včely.

So if you look at honeybees, and this is a slowed down video,

Když se na včely podíváte – tady jsou na zpomaleném videu –

they're so small, the inertia is so lightweight --

jsou tak malé a mají tak malou setrvačnou hmotnost,

(Laughter)

(Smích.)

that they don't care -- they bounce off my hand, for example.

že je jim to jedno. Klidně se odrazí třeba od mé hlavy.

This is a little robot that mimics the honeybee behavior.

Tohle je malý robot, který napodobuje chování včel.

And smaller is better,

A menší znamená lepší,

because along with the small size you get lower inertia.

protože malé rozměry znamenají malou setrvačnou hmotnost.

Along with lower inertia --

A malá setrvačná hmotnost –

(Robot buzzing, laughter)

(Bzučení robota, smích.)

along with lower inertia, you're resistant to collisions.

znamená odolnost při kolizích.

And that makes you more robust.

A jste tedy odolnější.

So just like these honeybees, we build small robots.

A tak jsme postavili maličké roboty právě jako ty včely.

And this particular one is only 25 grams in weight.

Konkrétně tenhle váží jen 25 gramů,

It consumes only six watts of power.

má spotřebu jen šest wattů

And it can travel up to six meters per second.

a letí rychlostí až šest metrů za sekundu.

So if I normalize that to its size,

Pokud to přepočteme na jeho velikost,

it's like a Boeing 787 traveling ten times the speed of sound.

je to jako by Boeing 787 letěl desetinásobkem rychlosti zvuku.

(Laughter)

(Smích.)

And I want to show you an example.

Ukážu vám příklad.

This is probably the first planned mid-air collision, at one-twentieth normal speed.

Toto je možná první úmyslná vzdušná srážka, dvacetkrát zpomalená.

These are going at a relative speed of two meters per second,

Vzájemná rychlost robotů je dva metry za sekundu

and this illustrates the basic principle.

a dobře to ilustruje základní princip.

The two-gram carbon fiber cage around it prevents the propellers from entangling,

Je tu dvougramová klec z uhlíkových vláken, která brání kontaktu vrtulí,

but essentially the collision is absorbed and the robot responds to the collisions.

ale jinak roboti náraz absorbují a s kolizí se úspěšně vyrovnají.

And so small also means safe.

Takže malý znamený také bezpečný.

In my lab, as we developed these robots,

V mé laboratoři jsme vývoj začali

we start off with these big robots

u těch velkých robotů

and then now we're down to these small robots.

a nyní jsme přešli k malým.

And if you plot a histogram of the number of Band-Aids we've ordered

A když si vyneseme do grafu, kolik jsme objednávali leukoplasti dříve

in the past, that sort of tailed off now.

a kolik dnes, ta křivka se blíží nule –

Because these robots are really safe.

tito roboti jsou skutečně bezpeční.

The small size has some disadvantages,

Malé rozměry mají ovšem i některé nevýhody

and nature has found a number of ways to compensate for these disadvantages.

a příroda přišla na to, jak je kompenzovat.

The basic idea is they aggregate to form large groups, or swarms.

Základní idea je sdružovat se a tvořit velké skupiny, neboli roje.

So, similarly, in our lab, we try to create artificial robot swarms.

A podobně i v naší laboratoři se snažíme vyvinout umělé robotí roje.

And this is quite challenging

A to je dost náročné,

because now you have to think about networks of robots.

protože najednou musíte uvažovat o síťově propojených robotech.

And within each robot,

A v každém z nich

you have to think about the interplay of sensing, communication, computation --

musíte počítat se souhrou vnímání, komunikace a výpočtů –

and this network then becomes quite difficult to control and manage.

a celá síť je pak poměrně složitá na řízení a správu.

So from nature we take away three organizing principles

Z přírody jsme převzali tři organizační principy,

that essentially allow us to develop our algorithms.

které nám v podstatě stačí k vývoji našich algoritmů.

The first idea is that robots need to be aware of their neighbors.

První idea je, že roboti musí vědět o svých sousedech.

They need to be able to sense and communicate with their neighbors.

Musí své sousedy umět vnímat a komunikovat s nimi.

So this video illustrates the basic idea.

Toto video ilustruje základní ideu.

You have four robots --

Máme čtyři roboty –

one of the robots has actually been hijacked by a human operator, literally.

a teď zrovna jednoho z nich unesl lidský operátor, doslova.

But because the robots interact with each other,

Ale protože roboti spolu interagují,

they sense their neighbors,

vnímají své sousedy,

they essentially follow.

v podstatě ho následují.

And here there's a single person able to lead this network of followers.

Takže jediný člověk může vést celou síť následovatelů.

So again, it's not because all the robots know where they're supposed to go.

A opakuji, není to tím, že by všichni roboti věděli, kam mají letět.

It's because they're just reacting to the positions of their neighbors.

Jenom reagují na polohu svých sousedů.

(Laughter)

(Smích.)

So the next experiment illustrates the second organizing principle.

Další experiment ilustruje druhý organizační princip.

And this principle has to do with the principle of anonymity.

Ten souvisí s principem anonymity.

Here the key idea is that

Klíčové zde je,

the robots are agnostic to the identities of their neighbors.

že roboti se nestarají o identitu sousedů.

They're asked to form a circular shape,

Mají za úkol vytvořit kruhovou formaci

and no matter how many robots you introduce into the formation,

a bez ohledu na to, kolik robotů do formace vpustíte

or how many robots you pull out,

nebo kolik jich odeberete,

each robot is simply reacting to its neighbor.

každý robot prostě reaguje na své sousedy.

It's aware of the fact that it needs to form the circular shape,

Ví, že má vytvořit kruh

but collaborating with its neighbors

a ve spolupráci se sousedy ho vytvoří

it forms the shape without central coordination.

bez centrální koordinace.

Now if you put these ideas together,

Když to spojíme dohromady,

the third idea is that we essentially give these robots

třetí idea je dát robotům

mathematical descriptions of the shape they need to execute.

matematický popis tvarů, které mají vytvořit.

And these shapes can be varying as a function of time,

Tvary se mohou v čase měnit

and you'll see these robots start from a circular formation,

a vidíte, jak roboti začínají u kruhu,

change into a rectangular formation, stretch into a straight line,

mění ho na čtyřúhelník, pak přímku

back into an ellipse.

a zpět k elipse.

And they do this with the same kind of split-second coordination

A dělají to se stejnou bleskovou koordinací,

that you see in natural swarms, in nature.

jakou vidíme u přirozených rojů, v přírodě.

So why work with swarms?

A proč se roji vůbec zabývat?

Let me tell you about two applications that we are very interested in.

Řeknu vám o dvou uplatněních, která nás velmi zajímají.

The first one has to do with agriculture,

První souvisí se zemědělstvím,

which is probably the biggest problem that we're facing worldwide.

asi největším problémem, kterému celosvětově čelíme.

As you well know,

Jak víte,

one in every seven persons in this earth is malnourished.

každý sedmý člověk na zemi trpí podvýživou.

Most of the land that we can cultivate has already been cultivated.

Většina půdy, kterou lze obdělávat, se již obdělává.

And the efficiency of most systems in the world is improving,

Ale zatímco efektivita většiny systémů na Zemi roste,

but our production system efficiency is actually declining.

efektivita zemědělské výroby klesá.

And that's mostly because of water shortage, crop diseases, climate change

Je to dáno nedostatkem vody, chorobami plodin, změnou klimatu

and a couple of other things.

a některými dalšími vlivy.

So what can robots do?

Jak by mohli roboti pomoci?

Well, we adopt an approach that's called Precision Farming in the community.

Náš přístup nazýváme přesné farmářství v dané komunitě.

And the basic idea is that we fly aerial robots through orchards,

Hlavní idea je, že pustíme roboty do sadů

and then we build precision models of individual plants.

a vyhotovíme přesné modely jednotlivých rostlin.

So just like personalized medicine,

Podobně jako u personalizovaného zdravotnictví,

while you might imagine wanting to treat every patient individually,

kde si lze představit individuální přístup ke každému pacientovi,

what we'd like to do is build models of individual plants

chceme vytvořit model každé rostliny

and then tell the farmer what kind of inputs every plant needs --

a moci pak farmáři říkat, jaké každá rostlina potřebuje vstupy –

the inputs in this case being water, fertilizer and pesticide.

přičemž vstupy jsou zde voda, hnojivo a pesticidy.

Here you'll see robots traveling through an apple orchard,

Tady vidíte robota, jak postupuje jabloňovým sadem

and in a minute you'll see two of its companions

a za chviličku uvidíte dva jeho kolegy

doing the same thing on the left side.

jak dělají totéž na levé straně.

And what they're doing is essentially building a map of the orchard.

A společně v podstatě vytvářejí mapu sadu.

Within the map is a map of every plant in this orchard.

Součástí mapy je i obraz každého stromu.

(Robot buzzing)

(Bzukot robotů.)

Let's see what those maps look like.

Podívejme se jak ty mapy vypadají.

In the next video, you'll see the cameras that are being used on this robot.

Na dalším videu uvidíte kamery, které na tomto robotu používáme.

On the top-left is essentially a standard color camera.

Vlevo nahoře je v podstatě standardní barevná kamera,

On the left-center is an infrared camera.

vlevo uprostřed je obraz z infračervené kamery

And on the bottom-left is a thermal camera.

a vlevo dole z termokamery.

And on the main panel, you're seeing a three-dimensional reconstruction

A na hlavní ploše vidíte vznikat trojrozměrnou rekonstrukci

of every tree in the orchard as the sensors fly right past the trees.

jednotlivých stromů v sadu, jak kolem nich senzory prolétají.

Armed with information like this, we can do several things.

Vyzbrojeni těmito informacemi pak můžeme dělat mnoho věcí.

The first and possibly the most important thing we can do is very simple:

První, a možná nejdůležitější, je velmi jednoduchá:

count the number of fruits on every tree.

spočítat plody na každém stromě.

By doing this, you tell the farmer how many fruits she has in every tree

Když farmáři řeknete, kolik je na stromech plodů,

and allow her to estimate the yield in the orchard,

může odhadnout úrodu celého sadu

optimizing the production chain downstream.

a optimalizovat všech následující operace.

The second thing we can do

Druhá věc, kterou můžeme udělat,

is take models of plants, construct three-dimensional reconstructions,

jsou modely rostlin. Sestavíme jejich trojrozměrné rekonstrukce

and from that estimate the canopy size,

a z nich odhadneme plošný průmět koruny.

and then correlate the canopy size to the amount of leaf area on every plant.

Ten pak vztáhneme k celkové ploše listů na dané rostlině

And this is called the leaf area index.

a získáme takzvaný index listové plochy.

So if you know this leaf area index,

A znáte-li index listové plochy,

you essentially have a measure of how much photosynthesis is possible in every plant,

máte měřítko toho, nakolik je rostlina schopna fotosyntézy,

which again tells you how healthy each plant is.

a to zase vypovídá o tom, jak je zdravá.

By combining visual and infrared information,

Spojením vizuální a infračervené složky můžeme vypočítat

we can also compute indices such as NDVI.

také indikace jako NDVI – normalizovaný diferenční vegetační index.

And in this particular case, you can essentially see

V tomto konkrétním případě vidíte,

there are some crops that are not doing as well as other crops.

že se některým rostlinám nevede tak dobře jako ostatním.

This is easily discernible from imagery,

To lze z pořízených obrazů jasně určit –

not just visual imagery but combining

ne pouze z viditelného obrazu,

both visual imagery and infrared imagery.

ale z jeho kombinace s infračerveným zobrazením.

And then lastly,

A dále nás zajímá možnost

one thing we're interested in doing is detecting the early onset of chlorosis --

zjistit chlorózu v raném stádiu –

and this is an orange tree --

tady je třeba pomerančovník.

which is essentially seen by yellowing of leaves.

Toto stádium se v podstatě projevuje žloutnutím listů.

But robots flying overhead can easily spot this autonomously

Roboti pozorující strom shora to snadno samostatně zjistí

and then report to the farmer that he or she has a problem

a nahlásí farmáři, že v dané části sadu

in this section of the orchard.

je problém.

Systems like this can really help,

Podobné systémy mohou skutečně pomoci, a my předpokládáme

and we're projecting yields that can improve by about ten percent

při použití rojů létajících robotů možné zvýšení výnosů kolem deseti procent

and, more importantly, decrease the amount of inputs such as water

a hlavně pokles potřebných vstupů,

by 25 percent by using aerial robot swarms.

například vody, o 25 procent.

Lastly, I want you to applaud the people who actually create the future,

Na závěr bych vás požádal o potlesk pro ty, kdo doslova tvoří budoucnost:

Yash Mulgaonkar, Sikang Liu and Giuseppe Loianno,

jsou to Yash Mulgaonkar, Sikang Liu a Giuseppe Loianno,

who are responsible for the three demonstrations that you saw.

autoři těch tří demonstrací, které jste viděli.

Thank you.

Děkuji vám.

(Applause)

(Potlesk.)