These Robots Come to the Rescue after a Disaster | Robin Murphy | TED Talks

Translator: Mehran Nasri Reviewer: Amin Rasoulof

Over a million people are killed each year in disasters.

هر ساله بیش از یک میلیون انسان در بلایای طبیعی کشته می شوند.

Two and a half million people will be permanently disabled or displaced,

دو و نیم میلیون نفر برای همیشه معلول یا بی خانمان می شوند،

and the communities will take 20 to 30 years to recover

و ۲۰ تا ۳۰ سال طول می کشد تا جوامع بهبود یابند

and billions of economic losses.

و میلیاردها زیان اقتصادی می بینند.

If you can reduce the initial response by one day,

اگر بتوانید واکنش اولیه را یک روز کوتاه کنید،

you can reduce the overall recovery

می توانید زمان کلی بهبودی را

by a thousand days, or three years.

یک هزار روز یا سه سال تقلیل دهید.

See how that works?

ببینید کار چگونه است؟

If the initial responders can get in, save lives,

اگر نیروهای امدادی بتوانند به محل برسند، زندگی ها را نجات دهند

mitigate whatever flooding danger there is,

هر نوع خطر روی داده را که وجود دارد تخفیف دهند،

that means the other groups can get in

یعنی که گروه های دیگر می توانند

to restore the water, the roads, the electricity,

برای ترمیم آبرسانی، جاده و الکتریسیته بیایند

which means then the construction people, the insurance agents,

که یعنی نیروهای ساختمانی، ماموران بیمه،

all of them can get in to rebuild the houses,

همگی قادر خواهند بود برای ساختن خانه ها خود را به محل برسانند،

which then means you can restore the economy,

که یعنی می توان اقتصاد را دوباره برپا کرد،

and maybe even make it better and more resilient to the next disaster.

و حتی آنرا بهسازی هم کرد و مقاوم تر در برابر فاجعۀ بعدی

A major insurance company told me

یک شرکت بزرگ بیمه به من گفت

that if they can get a homeowner's claim processed one day earlier,

که اگر بتوانند ادعای صاحب خانه ای را یک روز زودتر دریافت کنند،

it'll make a difference of six months

تفاوتی برابر شش ماه خواهد داشت

in that person getting their home repaired.

که آن فرد بتواند خانه اش را ترمیم نماید.

And that's why I do disaster robotics --

و به همین خاطر است که من در کار روبوت های بلایای طبیعی هستم --

because robots can make a disaster go away faster.

چون روبوت ها می توانند باعث شوند این بلایا زودتر به پایان برسند.

Now, you've already seen a couple of these.

شما قبلاً چندتایی از اینها را دیده اید.

These are the UAVs.

اینها UAVها (ماشین‌های هوایی بدون سرنشین) هستند،

These are two types of UAVs:

این ها دو نوع UAV هستند:

a rotorcraft, or hummingbird;

یک چرخنده یا مرغ مگس؛

a fixed-wing, a hawk.

یک ثابت بال، یک شاهین.

And they're used extensively since 2005 --

و از سال ۲۰۰۵ درموارد بسیاری از آنها استفاده شده --

Hurricane Katrina.

در گردباد کاترینا.

Let me show you how this hummingbird, this rotorcraft, works.

اجازه دهید به شما طرز کار این چرخنده یا مرغ مگس را نشان دهم.

Fantastic for structural engineers.

برای مهندسین سازه فوق العاده است.

Being able to see damage from angles you can't get from binoculars on the ground

که قادر خواهند بود آسیب ها را از زاویه ای ببینند که با دوربین و از روی زمین نمی توانند

or from a satellite image,

یا حتی از روی تصویر ماهواره،

or anything flying at a higher angle.

یا هر چیزی که در ارتفاع بالاتری باشد.

But it's not just structural engineers and insurance people who need this.

اما این فقط مهندسین سازه یا ماموران بیمه نیستند که به این نیاز دارند.

You've got things like this fixed-wing, this hawk.

شما مانند این ثابت بال، شاهین، را در اختیار دارید

Now, this hawk can be used for geospatial surveys.

از این شاهین می توان برای بررسی های جغرافیایی استفاده کرد.

That's where you're pulling imagery together

از این طریق می توانید تصاویر متعدد گرفته و با آنها

and getting 3D reconstruction.

تصاویر سه بعدی بسازید.

We used both of these at the Oso mudslides up in Washington State,

ما از هر دوی اینها در زمان رانش زمین در اوسو در ایالت واشنگتن استفاده کردیم،

because the big problem

چون مشکل اصلی

was geospatial and hydrological understanding of the disaster --

مربوط بود به درک فضای جغرافیایی و آب شناختی محل فاجعه

not the search and rescue.

نه تنها جستجو و نجات.

The search and rescue teams had it under control

گروه جستجو و نجات کارشان را انجام می دادند

and knew what they were doing.

و خوب می دانستند چه می کنند.

The bigger problem was that river and mudslide might wipe them out

مشکل بزرگتر این بود که رودخانه و رانش گل ممکن بود همه را با خود بشورد و ببرد

and flood the responders.

همه کمک رسانان را.

And not only was it challenging to the responders and property damage,

و نه فقط این برای کمک رسانان و آسیب به اموال چالش برانگیز بود

it's also putting at risk the future of salmon fishing

آیندۀ ماهیگیریِ سالمون را به مخاطره می انداخت

along that part of Washington State.

و همینطور بخش هایی از ایالت واشنگتن را.

So they needed to understand what was going on.

بنابراین لازم داشتند بفهمند در آنجا چه خبر است.

In seven hours, going from Arlington,

هفت ساعت، رفتن از آرلینگتون به آنجا،

driving from the Incident Command Post to the site, flying the UAVs,

راندن از مرکز فرماندهی حادثه تا محل، پرواز دادن UAV ها،

processing the data, driving back to Arlington command post --

پردازش داده ها، برگشتن به مرکز فرماندهی در آرلینگتون طول کشید.

seven hours.

هفت ساعت!

We gave them in seven hours data that they could take

ما در آنها هفت ساعت به آنها داده هایی دادیم که تهیۀ آن به هر طریق دیگر

only two to three days to get any other way --

دو تا سه روز برایشان زمان می برد --

and at higher resolution.

و با وضوحی بالاتر.

It's a game changer.

این بازی را تغییر می دهد.

And don't just think about the UAVs.

و فقط به UAV ها فکر نکنید.

I mean, they are sexy -- but remember,

البته خیلی جذابند -- اما یادتان باشد،

80 percent of the world's population lives by water,

۸۰ درصد از جمعیت جهان کنار آب زندگی می کنند،

and that means our critical infrastructure is underwater --

که بدین معنی است که زیرساخت های ما زیر آب هستند --

the parts that we can't get to, like the bridges and things like that.

در مکانهایی که نمی توانیم برویم، مانند پل ها و مانند آنها.

And that's why we have unmanned marine vehicles,

به همین دلیل است که وسایل نقلیۀ زیرآبی بدون سرنشین داریم،

one type of which you've already met, which is SARbot, a square dolphin.

یکی از آنها را قبلاً دیده اید، با نام SARbot، یک دلفین مکعبی.

It goes underwater and uses sonar.

به زیر آب می رود و از سونار سود می برد.

Well, why are marine vehicles so important

خوب چرا این وسایل زیر آبی اهمیت دارند

and why are they very, very important?

و چرا خیلی خیلی اهمیت دارند؟

They get overlooked.

به آنها بی توجهی شده.

Think about the Japanese tsunami --

به سونامی ژاپن فکر کنید --

400 miles of coastland totally devastated,

حدود ۶۵۰ کیلومتر از ساحل کاملا نابود شد،

twice the amount of coastland devastated by Hurricane Katrina in the United States.

دوبرابر سواحل منهدم شده در گردباد کاترینا در آمریکا

You're talking about your bridges, your pipelines, your ports -- wiped out.

شما به پل هایتان فکر می کنید، به لوله های سوخت رسانی، پایانه ها -- همه نابود شده.

And if you don't have a port,

و اگر پایانه ای نباشد،

you don't have a way to get in enough relief supplies

راهی برای رساندن لوازم کمکی ندارید

to support a population.

تا به جمعیتی کمک برساند.

That was a huge problem at the Haiti earthquake.

در زلزلۀ هایتی همین بزرگترین مسئله بود.

So we need marine vehicles.

پس به وسایل نقلیۀ زیر آبی نیازمندیم.

Now, let's look at a viewpoint from the SARbot

حالا بیایید از دید SARbot نگاه کنیم

of what they were seeing.

و آنچه را آنها می بینند، ببینیم.

We were working on a fishing port.

ما در یک بندر ماهیگیری بودیم.

We were able to reopen that fishing port, using her sonar, in four hours.

می توانستیم بندر را با کمک سونار او در چهار ساعت دوباره فعال کنیم.

That fishing port was told it was going to be six months

به بندر ماهیگیری گفته شده بود که شش ماه طول خواهد کشید تا

before they could get a manual team of divers in,

آنکه گروه غواصان را به آنجا بیاورند

and it was going to take the divers two weeks.

و دو هفته هم کار آنها زمان می برد.

They were going to miss the fall fishing season,

آنها ماهیگیری فصل پاییز را از دست می دادند.

which was the major economy for that part, which is kind of like their Cape Cod.

که بخش اصلی اقتصاد محلی بود.

UMVs, very important.

UMV ها هم اهمیت بسیار دارند.

But you know, all the robots I've shown you have been small,

اما می بینید که همۀ روبوت هایی که نشان دادم کوچک بودند،

and that's because robots don't do things that people do.

به این خاطر که روبوت ها کارهای مردم را انجام نمی دهند.

They go places people can't go.

آنها به جاهایی می روند که آدمها نمی توانند.

And a great example of that is Bujold.

و نمونۀ عالی آن Bujold است.

Unmanned ground vehicles are particularly small,

وسایل نقلیۀ زمینی در عمل کوچک هستند،

so Bujold --

همینطور هم Bujold --

(Laughter)

خنده حضار

Say hello to Bujold.

به Bujold سلام کنید.

(Laughter)

خنده حضار

Bujold was used extensively at the World Trade Center

از Bujold به شکل گسترده در مرکز تجارت جهانی استفاده شده بود

to go through Towers 1, 2 and 4.

که به برج های ۱، ۲ و ۴ بروند.

You're climbing into the rubble, rappelling down, going deep in spaces.

اینجا از آوارها بالا می روید، به پایین سرازیر می شوید، به اعماق فضاها می روید.

And just to see the World Trade Center from Bujold's viewpoint, look at this.

و فقط برای اینکه مرکز تجارت جهانی را از دید Bujold ببینید، این را نگاه کنید.

You're talking about a disaster where you can't fit a person or a dog --

در بارۀ فاجعه ای حرف می زنیم که نمی شود یک انسان یا سگ را به آنجا فرستاد --

and it's on fire.

و در آتش می سوزد.

The only hope of getting to a survivor way in the basement,

تنها امید برای رسیدن به یک بازمانده در اعماق زیر زمین

you have to go through things that are on fire.

عبور از محل هایی است که در آتش می سوزند.

It was so hot, on one of the robots, the tracks began to melt and come off.

بقدری داغ بود که لبه های یکی از روبوت ها آب شد و از آن جدا شد.

Robots don't replace people or dogs,

روبوت ها جایگزین انسان و سگ نمی شوند،

or hummingbirds or hawks or dolphins.

یا مرغ های مگس یا شاهین ها یا دلفین ها

They do things new.

آنها کارهای جدیدی می کنند.

They assist the responders, the experts, in new and innovative ways.

آنها به کمک رسانها و متخصصین یاری رساندند، با روش هایی نوین و مبتکرانه.

The biggest problem is not making the robots smaller, though.

بزرگترین مشکل کوچک تر ساختن روبوت ها نیست،

It's not making them more heat-resistant.

مقاوم تر ساختن آنها در برابر آتش نیست،

It's not making more sensors.

در بیشتر کردن سنسورها نیست.

The biggest problem is the data, the informatics,

بزرگترین مشکل داده ها است، اطلاعات،

because these people need to get the right data at the right time.

چون این افراد به داده های درست در زمان مناسب نیازمندند

So wouldn't it be great if we could have experts immediately access the robots

پس عالی نبود اگر می توانستیم روبوت ها را بلافاصله در اختیار متخصصین قرار دهیم

without having to waste any time of driving to the site,

بدون اتلاف وقت برای رساندن آنها به محل حادثه،

so whoever's there, use their robots over the Internet.

تا هرکس که در آنجا است، بتواند از اینترنت به روبوتها دسترسی یابد.

Well, let's think about that.

خوب در باره اش فکر کنیم.

Let's think about a chemical train derailment in a rural county.

به از خط خارج شدن قطار حامل مواد شیمیایی در بیرون شهر فکر کنید.

What are the odds that the experts, your chemical engineer,

چقدر احتمال دارد که متخصصین، مهندس شیمی شما،

your railroad transportation engineers,

مهندسین حمل و نقل ریلی شما،

have been trained on whatever UAV that particular county happens to have?

با همۀ انواع UAV در آن شهر آشنا باشد؟

Probably, like, none.

احتمالاً هیچی.

So we're using these kinds of interfaces

پس ما از همه نوع رابط ها استفاده می کنیم

to allow people to use the robots without knowing what robot they're using,

تا به افراد امکان دهیم از روبوت ها استفاده کنند بدون آنکه بدانند از چه روبوتی استفاده می کنند.

or even if they're using a robot or not.

یا حتی از اینکه از روبوت استفاده می کنند یا نه.

What the robots give you, what they give the experts, is data.

آنچه روبوت به شما می دهد، آنچه به یک متخصص می دهد، داده است.

The problem becomes: who gets what data when?

پس مشکل بدل می شود به: چه کسی در چه زمانی داده را دریافت می کند؟

One thing to do is to ship all the information to everybody

یک کار ارسال همۀ داده های اطلاع رسان به همه است

and let them sort it out.

تا خودشان همه را مرتب کنند.

Well, the problem with that is it overwhelms the networks,

خوب مشکل در این است که شبکه را اشباع خواهد کرد،

and worse yet, it overwhelms the cognitive abilities

و از آن بدتر توانایی های شناختی

of each of the people trying to get that one nugget of information

افرادی که بدنبال آن قطعۀ کوچک اطلاعاتی می گردند را اشباع می‌کند که

they need to make the decision that's going to make the difference.

برای تصمیم گیری بدان نیازمندند و این تصمیم قرار است تفاوت ایجاد کند.

So we need to think about those kinds of challenges.

پس باید در مورد انواع این چالش ها فکر کنیم

So it's the data.

خوب داده ها اینها هستند.

Going back to the World Trade Center,

به مرکز تجارت جهانی باز می گردیم،

we tried to solve that problem by just recording the data from Bujold

با تنها ضبط کردن داده هایی که از Bujold می آمد تلاش در حل این مشکل نمودیم

only when she was deep in the rubble,

فقط زمانی که در اعماق آوار رفته بود،

because that's what the USAR team said they wanted.

چون این همان چیزی بود که گروه نجات گفتند می خواهند

What we didn't know at the time

آنچه در آن زمان نمی دانستیم

was that the civil engineers would have loved,

این بود که مهندسین ساختمان علاقه داشتند، نیاز داشتند به

needed the data as we recorded the box beams, the serial numbers,

داده هایی را که ما ضبط کرده بودیم، تیرهای سقف، شماره سریال ها،

the locations, as we went into the rubble.

و موقعیت ها، همینطور که در آوار به پیش می رفتیم.

We lost valuable data.

داده های ارزشمندی را از دست دادیم.

So the challenge is getting all the data

بنابراین چالش جمع آوری داده و

and getting it to the right people.

رساندن آن به دست فرد مناسب است.

Now, here's another reason.

و یک دلیل دیگر.

We've learned that some buildings --

آموختیم که برخی از ساختمانها --

things like schools, hospitals, city halls --

مانند مدارس، بیمارستان ها، ساختمان های دولتی

get inspected four times by different agencies

چهار نوبت توسط سازمان های مختلف بازرسی می شوند

throughout the response phases.

طی دوران واکنش.

Now, we're looking, if we can get the data from the robots to share,

حالا بدنبال این هستیم تا ببینیم می توانیم داده ها را از روبوت گرفته به اشتراک گذاریم،

not only can we do things like compress that sequence of phases

نه فقط می توانیم داده ها را از هر مرحله ای فشرده کنیم

to shorten the response time,

تا زمان واکنش را کوتاه نماییم،

but now we can begin to do the response in parallel.

بلکه حالا می توانیم همزمان واکنش نشان دهیم.

Everybody can see the data.

هرکسی می تواند داده ها را ببیند.

We can shorten it that way.

می توانیم اینگونه آنرا کوتاه کنیم.

So really, "disaster robotics" is a misnomer.

پس واقعاً، «روبوت‌های بلایای طبیعی»، نام بی مسمائی است

It's not about the robots.

ربطی به روبوت ها ندارد.

It's about the data.

داده ها مهم هستند.

(Applause)

تشویق حضار

So my challenge to you:

پس حرف من به شما این است:

the next time you hear about a disaster,

دفعۀ بعد که در مورد یک حادثه چیزی شنیدید،

look for the robots.

دنبال روبوت ها بگردید.

They may be underground, they may be underwater,

ممکن است زیر زمین باشند، ممکن است زیر آب باشند،

they may be in the sky,

ممکن است در آسمان باشند،

but they should be there.

اما حتما باید آنجا باشند.

Look for the robots,

دنبال روبوت ها بگردید،

because robots are coming to the rescue.

چون آنها برای کمک می آیند.

(Applause)

تشویق حضار