Robots that fly ... and cooperate | Vijay Kumar

2,174,801 views ・ 2012-03-01

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Csaba Lóki Lektor: Laszlo Kereszturi
00:20
Good morning.
0
20566
1159
Jó reggelt.
00:22
I'm here today to talk about autonomous flying beach balls.
1
22853
4153
Ma önállóan repülő
strandlabdákról fogok beszélni önöknek.
00:27
(Laughter)
2
27030
1008
Na jó, nem. Inkább mozgékony, repülő robotokról, mint ez itt.
00:28
No, agile aerial robots like this one.
3
28062
2865
00:31
I'd like to tell you a little bit about the challenges in building these,
4
31624
3460
Kicsit mesélnék az építésükkel járó kihívásokról,
és a tecnnológia néhány fantasztikus
00:35
and some of the terrific opportunities for applying this technology.
5
35108
3392
alkalmazási lehetőségéről.
00:38
So these robots are related to unmanned aerial vehicles.
6
38957
4608
Nos, ezek a robotok
hasonlóak a pilóta nélküli repülőgépekhez.
Ezek azonban nagy méretű járművek.
00:44
However, the vehicles you see here are big.
7
44199
2651
Súlyuk több tonnát is meghaladhat,
00:47
They weigh thousands of pounds, are not by any means agile.
8
47318
3269
és semmiképp nem nevezhetők mozgékonynak.
00:50
They're not even autonomous.
9
50611
1625
Még csak nem is önállóak.
00:52
In fact, many of these vehicles are operated by flight crews
10
52886
4182
Valójában sokat közülük
egész csapatok irányítanak,
melyek tagjai között vannak pilóták,
00:57
that can include multiple pilots,
11
57092
2560
00:59
operators of sensors,
12
59676
2206
szenzorkezelők,
01:01
and mission coordinators.
13
61906
1330
valamint bevetésirányítók.
01:03
What we're interested in is developing robots like this --
14
63922
2743
Mi ilyen, boltban vásárolható --
itt látható két további kép --
01:06
and here are two other pictures --
15
66689
1690
robotok fejlesztésével foglalkozunk.
01:08
of robots that you can buy off the shelf.
16
68403
2683
Ezek helikopterek négy légcsavarral,
01:11
So these are helicopters with four rotors,
17
71110
3284
nagyjából egyméteres átmérővel
01:14
and they're roughly a meter or so in scale,
18
74418
3690
pár kilós súllyal.
01:18
and weigh several pounds.
19
78132
1460
Ezeket felszereljük érzékelőkkel és processzorokkal,
01:20
And so we retrofit these with sensors and processors,
20
80076
3355
így aztán zárt térben is tudnak repülni,
01:23
and these robots can fly indoors.
21
83455
2206
GPS nélkül.
01:25
Without GPS.
22
85685
1319
A robot, amit a kezemben tartok,
01:27
The robot I'm holding in my hand
23
87457
1888
ez itt,
01:29
is this one,
24
89369
1650
két diák, Alex és Daniel
01:31
and it's been created by two students,
25
91043
3143
szüleménye.
01:34
Alex and Daniel.
26
94210
1648
Tömege alig több
01:36
So this weighs a little more than a tenth of a pound.
27
96493
3115
mint 5 dkg.
01:39
It consumes about 15 watts of power.
28
99632
2579
Energiafogyasztása nagyjából 15 W.
És ahogy láthatják,
01:42
And as you can see, it's about eight inches in diameter.
29
102235
2833
az átmérője körülbelül 20 cm.
Hadd adjak egy kis ízelítőt arról,
01:46
So let me give you just a very quick tutorial
30
106330
2595
01:48
on how these robots work.
31
108949
1666
hogyan is működnek ezek a robotok.
Tehát négy légcsavarjuk van.
01:51
So it has four rotors.
32
111043
1193
01:52
If you spin these rotors at the same speed,
33
112260
2048
Ha ezek azonos sebességgel forognak,
01:54
the robot hovers.
34
114332
1199
a robot lebeg.
01:56
If you increase the speed of each of these rotors,
35
116420
3636
Ha mindegyik csavar sebességét növeljük,
a robot felszáll, felfelé gyorsít.
02:00
then the robot flies up, it accelerates up.
36
120080
2539
02:02
Of course, if the robot were tilted,
37
122643
2432
Természetesen, ha a robot megdől,
eltér a vízszintestől,
02:05
inclined to the horizontal,
38
125099
1310
02:06
then it would accelerate in this direction.
39
126433
2803
akkor ebbe az irányba gyorsít.
02:09
So to get it to tilt,
40
129686
1413
Ezt kétféleképpen érhetjük el.
02:11
there's one of two ways of doing it.
41
131123
2093
Ezen a képen
02:13
So in this picture, you see that rotor four is spinning faster
42
133240
3636
a négyes csavar gyorsabban forog,
02:16
and rotor two is spinning slower.
43
136900
1968
míg a kettes lassabban.
02:18
And when that happens,
44
138892
1560
Ennek köszönhetően
02:20
there's a moment that causes this robot to roll.
45
140476
3051
a nyomaték megdönti a robotot.
A másik irányban,
02:24
And the other way around,
46
144495
1255
02:25
if you increase the speed of rotor three and decrease the speed of rotor one,
47
145774
5579
ha növeljük a hármas csavar sebességét
és csökkentjük az egyesét,
a robot előre dől.
02:31
then the robot pitches forward.
48
151377
1859
02:33
And then finally,
49
153820
1168
És végül, ha a két szemközti rotort
02:35
if you spin opposite pairs of rotors
50
155012
2894
gyorsabban forgatjuk
02:37
faster than the other pair,
51
157930
1692
mint a másik kettőt, a robot
02:39
then the robot yaws about the vertical axis.
52
159646
2721
a függőleges tengely körül fordul el.
Egy fedélzeti processzor figyeli,
02:42
So an on-board processor
53
162391
1460
02:43
essentially looks at what motions need to be executed
54
163875
3307
hogy milyen mozgásokat kell végrehajtani,
és ezeket kombinálva,
02:47
and combines these motions,
55
167206
1970
ad megfelelő parancsokat a motoroknak,
02:49
and figures out what commands to send to the motors --
56
169200
3110
másodpercenként 600-szor.
02:52
600 times a second.
57
172334
1412
02:53
That's basically how this thing operates.
58
173770
1969
Alapvetően így működik ez az egész.
E design egyik előnye,
02:56
So one of the advantages of this design
59
176247
2142
hogy a méret csökkentésével
02:58
is when you scale things down,
60
178413
1899
a robot mozgékonnyá válik.
03:00
the robot naturally becomes agile.
61
180336
2318
Itt R jelenti
03:03
So here, R is the characteristic length of the robot.
62
183194
4063
a robot karhosszát.
Ez tulajdonképpen az átmérő fele.
03:07
It's actually half the diameter.
63
187281
1674
03:09
And there are lots of physical parameters that change as you reduce R.
64
189595
4641
Az R csökkentésével számos
fizikai paraméter ugyancsak változik.
03:14
The one that's most important is the inertia,
65
194968
2631
A legfontosabb
a tehetetlenség és a mozgási ellenállás.
03:17
or the resistance to motion.
66
197623
1921
Mint az kiderül,
03:19
So it turns out the inertia, which governs angular motion,
67
199568
4476
a tehetetlenség, ami meghatározza a szögsebességet,
R ötödik hatványával arányos.
03:24
scales as a fifth power of R.
68
204068
2600
Szóval minél kisebb R,
03:27
So the smaller you make R,
69
207046
1696
03:28
the more dramatically the inertia reduces.
70
208766
2317
annál drasztikusabban csökken a tehetetlenség.
03:31
So as a result, the angular acceleration,
71
211956
2935
Ennek köszönhetően, a szöggyorsulás
03:34
denoted by the Greek letter alpha here,
72
214915
2039
itt alfával jelölve,
03:36
goes as 1 over R.
73
216978
1619
egyenlő 1/R-rel.
03:38
It's inversely proportional to R.
74
218621
1729
Azaz fordítottan arányos R-rel.
03:40
The smaller you make it, the more quickly you can turn.
75
220374
2770
Minél kisebb, annál gyorsabban fordul.
Ahogy ez a videókból is látható.
03:44
So this should be clear in these videos.
76
224219
1961
A jobb alsó sarokban látunk egy robotot,
03:46
On the bottom right, you see a robot performing a 360-degree flip
77
226204
4459
ahogy egy 360 fokos fordulatot csinál
03:50
in less than half a second.
78
230687
1548
kevesebb, mint fél másodperc alatt.
03:52
Multiple flips, a little more time.
79
232656
2580
Többszörös fordulat, kicsivel több idő.
A fedélzeti folyamatok
03:56
So here the processes on board
80
236259
1881
visszajelzést kapnak a gyorsulásmérőktől
03:58
are getting feedback from accelerometers and gyros on board,
81
238164
3184
és a giroszkópoktól,
04:01
and calculating, like I said before,
82
241372
2118
és kiszámolják, ahogy már említettem,
04:03
commands at 600 times a second,
83
243514
1809
a parancsokat másodpercenként 600-szor,
04:05
to stabilize this robot.
84
245347
1889
a robot stabilizálása érdekében.
04:07
So on the left, you see Daniel throwing this robot up into the air,
85
247607
3350
Bal oldalon látjuk, ahogy Daniel a levegőbe dobja a robotot.
04:10
and it shows you how robust the control is.
86
250981
2027
Jól mutatja, milyen kifinomult a vezérlés.
Nem számít, hogyan dobja el,
04:13
No matter how you throw it,
87
253032
1310
04:14
the robot recovers and comes back to him.
88
254366
2912
a robot magához tér, és visszarepül hozzá.
04:18
So why build robots like this?
89
258881
1777
De miért is építsünk ilyen robotokat?
Nos, számos alkalmazásuk lehet.
04:21
Well, robots like this have many applications.
90
261079
2571
Beküldhetjük őket ilyen épületekbe
04:24
You can send them inside buildings like this,
91
264198
2471
04:26
as first responders to look for intruders,
92
266693
3587
első reagálókként, a behatolók felderítésére,
esetleg biokémiai szennyezés,
04:30
maybe look for biochemical leaks,
93
270304
3301
vagy gázszivárgás keresésére.
04:33
gaseous leaks.
94
273629
1151
Használhatjuk őket például
04:35
You can also use them for applications like construction.
95
275102
3714
építési feladatokra.
04:38
So here are robots carrying beams, columns
96
278840
4524
Itt a robotok oszlopokat és gerendákat hordanak
és kockaszerű építményeket raknak össze belőlük.
04:43
and assembling cube-like structures.
97
283388
1848
04:45
I'll tell you a little bit more about this.
98
285260
2056
Erről később kicsit bővebben mesélek.
04:48
The robots can be used for transporting cargo.
99
288695
2541
A robotok használhatók teherszállításra.
04:51
So one of the problems with these small robots
100
291583
3113
Bár az egyik probléma ezekkel a kis robotokkal
04:54
is their payload-carrying capacity.
101
294720
2001
a korlátozott teherbírásuk.
04:56
So you might want to have multiple robots carry payloads.
102
296745
3017
Ezért teherszállításra érdemes
több robotot alkalmazni egyszerre.
05:00
This is a picture of a recent experiment we did --
103
300746
2355
Ez a felvétel mostanában készült --
vagy nem is annyira --
05:03
actually not so recent anymore --
104
303125
1595
05:04
in Sendai, shortly after the earthquake.
105
304744
2492
Sendaiban, nem sokkal a földrengés után.
05:07
So robots like this could be sent into collapsed buildings,
106
307938
3191
A robotokat be tudjuk küldeni az összeomlott épületekbe,
felmérni a katasztrófa utáni károkat,
05:11
to assess the damage after natural disasters,
107
311153
2891
vagy reaktorépületekbe,
05:14
or sent into reactor buildings,
108
314068
1582
05:15
to map radiation levels.
109
315674
1619
a sugárzási szint mérésére.
05:19
So one fundamental problem that the robots have to solve
110
319583
3521
Egy alapvető probléma,
melyet az önálló robotoknak meg kell oldaniuk,
05:23
if they are to be autonomous,
111
323128
1579
05:24
is essentially figuring out how to get from point A to point B.
112
324731
3505
hogy kitalálják,
hogyan jussanak A pontból B-be.
05:28
So this gets a little challenging,
113
328937
1667
Ez már kicsit komolyabb kihívás,
05:30
because the dynamics of this robot are quite complicated.
114
330628
3007
mert a robotok dinamikája elég bonyolult.
05:33
In fact, they live in a 12-dimensional space.
115
333659
2492
Konkrétan, egy 12 dimenziós térben élnek.
Ezért Itt bevetünk egy kis trükköt.
05:36
So we use a little trick.
116
336524
1444
05:37
We take this curved 12-dimensional space,
117
337992
3413
Fogjuk ezt a hajlított 12-dimenziós teret,
és transzformáljuk
05:41
and transform it into a flat, four-dimensional space.
118
341429
3894
egy lapos, négydimenziós térbe.
Ez a négydimenziós tér pedig
05:45
And that four-dimensional space consists of X, Y, Z,
119
345347
3071
az X, Y, Z tengelyből és a kitérés szögéből áll.
05:48
and then the yaw angle.
120
348442
1412
05:49
And so what the robot does,
121
349878
1358
A robot dolga megtervezni
05:51
is it plans what we call a minimum-snap trajectory.
122
351260
3976
az úgynevezett "legkisebb csapódású röppályát".
Egy kis fizikai emlékeztető:
05:56
So to remind you of physics:
123
356209
1397
05:57
You have position, derivative, velocity;
124
357630
2054
a hely deriváltja a sebesség,
05:59
then acceleration;
125
359708
1856
majd a gyorsulás,
06:01
and then comes jerk,
126
361588
2101
aztán rándulás
06:03
and then comes snap.
127
363713
1420
és azt követi a csapódás.
06:05
So this robot minimizes snap.
128
365578
2452
A robot a csapódást minimalizálja.
06:08
So what that effectively does,
129
368800
1436
Ennek eredményeként
06:10
is produce a smooth and graceful motion.
130
370260
2624
egy sima és kecses mozgás áll elő.
06:12
And it does that avoiding obstacles.
131
372908
2842
És így képes elkerülni az akadályokat.
Az ebben a lapos térben lévő csapódási pályákat
06:16
So these minimum-snap trajectories in this flat space are then transformed
132
376313
3563
aztán visszatranszformáljuk
06:19
back into this complicated 12-dimensional space,
133
379900
3325
a bonyolult, 12 dimenziós térbe,
ahol a robotok
06:23
which the robot must do for control and then execution.
134
383249
2986
vezérlése és működése zajlik.
06:26
So let me show you some examples
135
386749
1540
Hadd mutassam be, hogy is néznek ki
06:28
of what these minimum-snap trajectories look like.
136
388313
2777
a legkisebb csapódású pályák!
Az első videón látjuk,
06:31
And in the first video,
137
391114
1151
06:32
you'll see the robot going from point A to point B,
138
392289
2729
amint a robot A pontból B-be jut
egy köztes ponton keresztül.
06:35
through an intermediate point.
139
395042
1623
06:36
(Whirring noise)
140
396990
2730
A robot jól láthatóan képes
06:43
So the robot is obviously capable of executing any curve trajectory.
141
403377
3621
tetszőleges görbe pályát bejárni.
Ezeken a körkörös pályákon
06:47
So these are circular trajectories,
142
407022
1714
06:48
where the robot pulls about two G's.
143
408760
2500
a robotra kb. 2g gyorsulás hat.
06:52
Here you have overhead motion capture cameras on the top
144
412844
3702
A tetején mozgásrögzítő kamerák vannak,
06:56
that tell the robot where it is 100 times a second.
145
416570
3206
amelyek másodpercenként 100-szor közlik a robottal a helyzetét.
06:59
It also tells the robot where these obstacles are.
146
419800
2436
A robot ezen keresztül értesül az akadályokról is.
Az akadályok pedig elmozdulhatnak.
07:03
And the obstacles can be moving.
147
423140
1556
07:04
And here, you'll see Daniel throw this hoop into the air,
148
424720
3127
Itt azt látjuk, amint Daniel feldobja ezt a karikát,
07:07
while the robot is calculating the position of the hoop,
149
427871
2659
a robot pedig kiszámolja a karika helyzetét,
és megpróbálja rajta keresztül a legjobb utat megtalálni.
07:10
and trying to figure out how to best go through the hoop.
150
430554
2880
Mi, kutatók, hozzászoktunk, hogy karikákon
07:14
So as an academic,
151
434002
1234
07:15
we're always trained to be able to jump through hoops
152
435260
2528
ugorjunk át egy kis támogatás érdekében,
07:17
to raise funding for our labs,
153
437812
1485
de most ezt a robotokkal csináltatjuk.
07:19
and we get our robots to do that.
154
439321
1915
07:21
(Applause)
155
441260
6365
(Taps)
Egy másik dolog, amire a robot képes,
07:28
So another thing the robot can do
156
448524
1611
képes emlékezni a pálya egyes darabjaira,
07:30
is it remembers pieces of trajectory
157
450159
2077
07:32
that it learns or is pre-programmed.
158
452260
2904
amit megtanult, vagy amire programozták.
Itt azt látjuk, ahogy a robot
07:35
So here, you see the robot combining a motion that builds up momentum,
159
455466
4770
egy kombinált mozgás révén
lendületet vesz, majd irányt vált,
07:40
and then changes its orientation and then recovers.
160
460260
2976
végül visszatér eredeti helyzetébe.
Erre azért van szükség, mert ez az ablaknyílás
07:44
So it has to do this because this gap in the window
161
464004
2960
07:46
is only slightly larger than the width of the robot.
162
466988
3458
alig nagyobb, mint a robot szélessége.
Ahogy a műugró az ugródeszkán
07:51
So just like a diver stands on a springboard
163
471050
2753
07:53
and then jumps off it to gain momentum,
164
473827
2453
felugrik, hogy lendületet vegyen
a forgással a két és fél szaltóhoz,
07:56
and then does this pirouette, this two and a half somersault through
165
476304
3229
amit aztán kecsesen kivezet,
07:59
and then gracefully recovers,
166
479557
1402
08:00
this robot is basically doing that.
167
480983
1698
a robot is ugyanezt csinálja.
08:02
So it knows how to combine little bits and pieces of trajectories
168
482705
3080
Tehát képes kis pályadarabokat kombinálni
08:05
to do these fairly difficult tasks.
169
485809
2999
ilyen nehéz feladatok megoldása érdekében.
Most gyorsítsunk egy kicsit!
08:10
So I want change gears.
170
490018
1218
08:11
So one of the disadvantages of these small robots is its size.
171
491260
3839
E kis robotok egyik hátránya a méretük.
Ahogy korábban mondtam,
08:15
And I told you earlier
172
495654
1152
08:16
that we may want to employ lots and lots of robots
173
496830
2349
sok-sok robotra lehet szükségünk
a méretkorlát legyőzéséhez.
08:19
to overcome the limitations of size.
174
499203
2033
Az egyik nehézség
08:22
So one difficulty is:
175
502010
1574
08:23
How do you coordinate lots of these robots?
176
503608
2793
ezeknek a robotoknak az összehangolása.
08:26
And so here, we looked to nature.
177
506425
1811
Ehhez a természetet hívtuk segítségül.
08:28
So I want to show you a clip of Aphaenogaster desert ants,
178
508544
4608
Mutatok egy filmet, amelyen
Stephen Pratt professzor laboratóriumában
sivatagi Aphaenogaster hangyák cipelnek egy tárgyat.
08:33
in Professor Stephen Pratt's lab, carrying an object.
179
513176
3388
Konkrétan egy darab fügét.
08:36
So this is actually a piece of fig.
180
516588
1715
Vagy bármit, amit fügesziruppal bekenünk,
08:38
Actually you take any object coated with fig juice,
181
518327
2400
ezek a hangyák becipelnek a bolyba.
08:40
and the ants will carry it back to the nest.
182
520751
2091
08:42
So these ants don't have any central coordinator.
183
522866
3169
A hangyáknak nincs egyetlen parancsnokuk.
Egyszerűen érzékelik a szomszédjaikat.
08:46
They sense their neighbors.
184
526487
1547
Nincs köztük konkrét kommunikáció.
08:48
There's no explicit communication.
185
528058
2285
De mivel érzékelik szomszédjaikat,
08:50
But because they sense the neighbors
186
530367
1739
és érzékelik a tárgyat, mégis kialakul
08:52
and because they sense the object,
187
532130
1776
08:53
they have implicit coordination across the group.
188
533930
2830
egyfajta koordináció a csoportban.
Pontosan ilyen koordinációt akarunk
08:57
So this is the kind of coordination we want our robots to have.
189
537474
3420
mi is elérni a robotok között.
09:01
So when we have a robot which is surrounded by neighbors --
190
541569
4778
Ha van egy robotunk,
amit körülvesznek a szomszédjai --
legyen ez az I és J robot --
09:06
and let's look at robot I and robot J --
191
546371
2229
azt akarjuk, hogy ezek
09:08
what we want the robots to do,
192
548624
1548
figyeljék az egymás közti távolságot,
09:10
is to monitor the separation between them,
193
550196
2111
09:12
as they fly in formation.
194
552331
1905
amikor kötelékben repülnek.
09:14
And then you want to make sure
195
554537
1481
Azt akarjuk, hogy ez a távolság
09:16
that this separation is within acceptable levels.
196
556042
2904
bizonyos határokon belül maradjon.
A robot tehát figyeli ezt a hibát,
09:19
So again, the robots monitor this error
197
559303
2468
09:21
and calculate the control commands 100 times a second,
198
561795
4149
és másodpercenként 100-szor
kiszámítja a szükséges korrekciókat,
09:25
which then translates into motor commands,
199
565968
2023
és másodpercenként 600-szor motorparancsokra fordítja őket.
09:28
600 times a second.
200
568015
1215
Ráadásul mindezt decentralizált módon
09:29
So this also has to be done in a decentralized way.
201
569254
3222
kell végrehajtani.
09:32
Again, if you have lots and lots of robots,
202
572785
2334
Ismét hangsúlyozom: ha sok robotunk van,
akkor lehetetlen ezt az információt központilag,
09:35
it's impossible to coordinate all this information centrally
203
575143
3277
09:38
fast enough in order for the robots to accomplish the task.
204
578444
3177
a feladat megoldáshoz elegendő sebességgel kezelni.
09:41
Plus, the robots have to base their actions only on local information --
205
581645
4348
Ráadásul a robotok az akcióikat
csak a szomszédjaiktól kapott,
lokális információkra építhetik.
09:46
what they sense from their neighbors.
206
586017
2119
Végül pedig, ragaszkodunk hozzá,
09:48
And then finally,
207
588160
1386
09:49
we insist that the robots be agnostic to who their neighbors are.
208
589570
4100
hogy a robotok ne tudják,
kik a szomszédjaik.
09:53
So this is what we call anonymity.
209
593694
2117
Ezt hívjuk anonimitásnak.
A következő videón bemutatom,
09:57
So what I want to show you next is a video of 20 of these little robots,
210
597258
6417
amint
20 ilyen apró robot
10:03
flying in formation.
211
603699
1537
kötelékben repül.
Mindannyian figyelik szomszédjaik pozícióját.
10:06
They're monitoring their neighbors' positions.
212
606144
2896
Fenntartják a köteléket.
10:09
They're maintaining formation.
213
609064
1902
10:10
The formations can change.
214
610990
1780
A kötelék alakja akár változhat is.
10:12
They can be planar formations,
215
612794
1679
Lehet síkbeli alakzat,
10:14
they can be three-dimensional formations.
216
614497
2103
vagy akár térbeli.
Ahogy látható, képesek átmenni
10:17
As you can see here,
217
617331
1341
10:18
they collapse from a three-dimensional formation into planar formation.
218
618696
3687
egy térbeli alakzatból egy síkbeli alakzatba.
És miközben akadályokon haladnak át,
10:22
And to fly through obstacles,
219
622407
1531
10:23
they can adapt the formations on the fly.
220
623962
2952
képesek a köteléket menet közben módosítani.
Látható ismét, hogy a egymáshoz nagyon közel vannak.
10:28
So again, these robots come really close together.
221
628026
2463
10:30
As you can see in this figure-eight flight,
222
630513
2388
Ezen a nyolcas köteléken látható,
10:32
they come within inches of each other.
223
632925
1984
hogy pár centiméterre vannak egymástól.
A rotorlapátok aerodinamikai
10:35
And despite the aerodynamic interactions with these propeller blades,
224
635377
4317
kölcsönhatását leszámítva,
10:39
they're able to maintain stable flight.
225
639718
2148
képesek stabilan repülni.
10:41
(Applause)
226
641890
6896
(Taps)
Miután már tudnak kötelékben repülni,
10:49
So once you know how to fly in formation,
227
649246
1999
kezdhetnek tárgyakat közösen felemelni.
10:51
you can actually pick up objects cooperatively.
228
651269
2216
Ez azt mutatja, hogyan tudjuk
10:53
So this just shows that we can double, triple, quadruple
229
653509
4577
megduplázni, háromszorozni, négyszerezni
a robot erejét úgy, hogy szomszédjaikkal
10:58
the robots' strength,
230
658110
1158
10:59
by just getting them to team with neighbors, as you can see here.
231
659292
3077
csoportba szervezzük őket, ahogy itt látható.
Ennek a módszernek az egyik hátránya,
11:02
One of the disadvantages of doing that is, as you scale things up --
232
662393
4142
hogy -- a méretek növelésével -- azaz,
11:06
so if you have lots of robots carrying the same thing,
233
666559
2564
ha sok robot emel fel egyetlen tárgyat,
akkor jelentősen nő a tehetetlenség,
11:09
you're essentially increasing the inertia,
234
669147
2720
11:11
and therefore you pay a price; they're not as agile.
235
671891
2619
tehát a dolognak ára van: csökken a mozgékonyság.
11:14
But you do gain in terms of payload-carrying capacity.
236
674978
3096
A teherhordó-képesség tekintetében viszont nyerünk.
Itt egy másik alkalmazás,
11:18
Another application I want to show you -- again, this is in our lab.
237
678098
3215
amit ismét a laborunkban mutatok be.
11:21
This is work done by Quentin Lindsey, who's a graduate student.
238
681337
3165
Ez Quentin Lindsay, egy hallgató munkája.
Az algoritmusa megmondja a robotoknak,
11:24
So his algorithm essentially tells these robots
239
684526
2620
hogyan építsenek önállóan
11:27
how to autonomously build cubic structures
240
687170
4072
szögletes formájú építményeket
gerendaszerű elemekből.
11:31
from truss-like elements.
241
691266
1970
Az algoritmus megmondja a robotnak,
11:34
So his algorithm tells the robot what part to pick up,
242
694441
3760
melyik darabot emelje fel,
és hogy mikor és hova tegye.
11:38
when, and where to place it.
243
698225
1825
Itt, ezen a videón --
11:40
So in this video you see --
244
700471
1483
11:41
and it's sped up 10, 14 times --
245
701978
2024
10-14-szeresen felgyorsítva --
három különböző struktúra építése látható.
11:44
you see three different structures being built by these robots.
246
704026
3089
Ez ismét egy teljesen autonóm folyamat,
11:47
And again, everything is autonomous,
247
707139
2026
amihez Quentinnek mindössze
11:49
and all Quentin has to do
248
709189
1283
11:50
is to give them a blueprint of the design that he wants to build.
249
710496
3935
az építendő szerkezetek
tervrajzát kellett a robotoknak adnia.
11:56
So all these experiments you've seen thus far,
250
716925
2811
Az eddig bemutatott kísérletek
11:59
all these demonstrations,
251
719760
1350
valamennyien mozgásrögzítő rendszerek
12:01
have been done with the help of motion-capture systems.
252
721134
3102
segítségével készültek.
De mi történik, ha elhagyjuk a labort,
12:05
So what happens when you leave your lab,
253
725029
2507
és kilépünk a való világba?
12:07
and you go outside into the real world?
254
727560
2037
12:09
And what if there's no GPS?
255
729922
1706
Mi van, ha nincs GPS-ünk?
12:12
So this robot is actually equipped with a camera,
256
732755
4337
Nos, ez a robot
rendelkezik egy kamerával,
és egy lézeres távolságmérővel, egy szkennerrel.
12:17
and a laser rangefinder, laser scanner.
257
737116
2373
Ezeket az érzékelőket használja
12:20
And it uses these sensors to build a map of the environment.
258
740140
3920
környezetének feltérképezésére.
Ez a térkép olyan dolgokat tartalmaz,
12:24
What that map consists of are features --
259
744084
3286
mint ajtók, ablakok,
12:27
like doorways, windows, people, furniture --
260
747394
3871
emberek, bútorok,
ezekből találja ki az aktuális helyzetét,
12:31
and it then figures out where its position is,
261
751289
2143
a felsorolt objektumokhoz képest.
12:33
with respect to the features.
262
753456
1401
12:34
So there is no global coordinate system.
263
754881
2210
Nem használ globális koordinátarendszert.
A koordinátarendszer a roboton alapul,
12:37
The coordinate system is defined based on the robot,
264
757115
2506
12:39
where it is and what it's looking at.
265
759645
2057
a pillanatnyi helyzetén, és azon, amit éppen lát.
12:42
And it navigates with respect to those features.
266
762575
2755
Ezen objektumok alapján navigál.
A most következő film
12:46
So I want to show you a clip
267
766316
1420
12:47
of algorithms developed by Frank Shen and Professor Nathan Michael,
268
767760
3952
Frank Shen és Nathan Michael professzor
algoritmusát illusztrálja, aminek segítségével
12:51
that shows this robot entering a building for the very first time,
269
771736
3769
a robot, ami először jár egy épületben,
12:55
and creating this map on the fly.
270
775529
2422
menet közben térképezi fel azt.
12:58
So the robot then figures out what the features are,
271
778642
3158
Tehát a robot maga határozza meg az objektumokat.
13:01
it builds the map,
272
781824
1151
Ő maga készíti a térképet. Meghatározza
13:02
it figures out where it is with respect to the features,
273
782999
2967
az objektumokhoz viszonyított helyzetét,
13:05
and then estimates its position 100 times a second,
274
785990
3948
majd másodpercenként 100-szor
megbecsüli a pozícióját,
13:09
allowing us to use the control algorithms that I described to you earlier.
275
789962
3818
lehetővé téve ezzel a korábban említett
vezérlő algoritmus használatát.
13:13
So this robot is actually being commanded remotely by Frank,
276
793804
4433
Tehát ezt a robotot valójában
Frank irányítja távolról.
A robot azonban maga is képes
13:18
but the robot can also figure out where to go on its own.
277
798261
3539
kitalálni, merre menjen.
Ha például be akarom küldeni ebbe az épületbe, de fogalmam sincs,
13:22
So suppose I were to send this into a building,
278
802125
2207
hogy az épület hogy néz ki belülről,
13:24
and I had no idea what this building looked like.
279
804356
2302
kérhetem a robotot, hogy menjen be,
13:26
I can ask this robot to go in,
280
806682
1444
készítsen egy térképet, majd jöjjön ki,
13:28
create a map,
281
808150
1904
és mondja el nekem, mit látott.
13:30
and then come back and tell me what the building looks like.
282
810078
2865
13:32
So here, the robot is not only solving the problem
283
812967
3168
Ez esetben a robot nem egyszerűen
az A-ból B-be jutás problémáját oldja meg,
13:36
of how to go from point A to point B in this map,
284
816159
2634
13:38
but it's figuring out what the best point B is at every time.
285
818817
4399
hanem azt is folyamatosan kitalálja,
hogy melyik a legjobb soron következő B.
Még azt is tudja, merre menjen, hogy megtalálja
13:43
So essentially it knows where to go
286
823240
2054
13:45
to look for places that have the least information,
287
825318
2785
az információs fehér foltokat.
Így tölti fel adatokkal a térképet.
13:48
and that's how it populates this map.
288
828127
1968
13:50
So I want to leave you with one last application.
289
830944
2998
Búcsúzóul mutatok önöknek
még egy alkalmazási lehetőséget.
13:54
And there are many applications of this technology.
290
834982
2524
Az alkalmazási lehetőségek egyébként végtelenek.
13:57
I'm a professor, and we're passionate about education.
291
837823
2548
Tanárként, nekem szenvedélyem az oktatás.
Az effajta robotok teljesen átformálhatják
14:00
Robots like this can really change the way we do K-12 education.
292
840395
3936
az alap- és középfokú oktatást.
Most azonban Dél-Kaliforniában vagyunk,
14:04
But we're in Southern California,
293
844355
1825
Los Angeles közelében,
14:06
close to Los Angeles,
294
846204
1833
ezért kötelességem
14:08
so I have to conclude with something focused on entertainment.
295
848061
3250
valami szórakoztatóval befejezni.
Ez a valami egy zenei videó.
14:12
I want to conclude with a music video.
296
852407
1834
Ismerjék meg az alkotóit,
14:14
I want to introduce the creators, Alex and Daniel, who created this video.
297
854265
4714
Alexet és Danielt.
(Taps)
14:19
(Applause)
298
859003
6878
14:25
So before I play this video,
299
865905
1434
Mielőtt lejátszanám ezt a videót,
14:27
I want to tell you that they created it in the last three days,
300
867363
3197
elmondom, hogy Chris hívását követően
14:30
after getting a call from Chris.
301
870584
1652
három napjuk volt az elkészítésére.
14:32
And the robots that play in the video are completely autonomous.
302
872743
3817
A film szereplői pedig
autonóm robotok.
14:36
You will see nine robots play six different instruments.
303
876584
3502
Kilenc robot fog játszani hat különböző hangszeren.
A produkció kizárólag a TED 2012 számára készült.
14:40
And of course, it's made exclusively for TED 2012.
304
880697
2971
Lássuk!
14:44
Let's watch.
305
884533
1152
14:46
(Sound of air escaping from valve)
306
886824
4404
14:53
(Music)
307
893547
3336
14:56
(Whirring sound)
308
896907
5520
15:19
(Music)
309
919442
6629
(Zene)
(Taps)
16:24
(Applause) (Cheers)
310
984029
5984
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7