The Future of Flying Robots | Vijay Kumar | TED Talks

755,090 views ・ 2015-11-04

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Péter Pallós Lektor: Maria Ruzsane Cseresnyes
00:13
In my lab, we build autonomous aerial robots
0
13280
3656
A laboromban önálló légi robotokat építünk.
00:16
like the one you see flying here.
1
16960
1880
Olyanokat, mint amely itt röpköd.
00:20
Unlike the commercially available drones that you can buy today,
2
20720
3696
A kereskedelemben ma kapható drónoktól eltérően
00:24
this robot doesn't have any GPS on board.
3
24440
2640
ebben a robotban egyáltalán nincs GPS.
00:28
So without GPS,
4
28160
1216
GPS nélkül
00:29
it's hard for robots like this to determine their position.
5
29400
3280
az ilyen robotnak nem könnyű meghatároznia a helyzetét.
00:34
This robot uses onboard sensors, cameras and laser scanners,
6
34240
4736
Ez a robot a benne lévő érzékelőket - kamerákat és lézerszkennereket - használja
00:39
to scan the environment.
7
39000
1696
a környezetének letapogatására.
00:40
It detects features from the environment,
8
40720
3056
Észleli a környezet jellegzetességeit,
00:43
and it determines where it is relative to those features,
9
43800
2736
s a helyzetét hozzájuk képest határozza meg
00:46
using a method of triangulation.
10
46560
2136
a háromszögelés módszerével.
00:48
And then it can assemble all these features into a map,
11
48720
3456
Azután a robot ezeket a jellegzetességeket térképbe egyesíti.
00:52
like you see behind me.
12
52200
1736
Mögöttem ezt láthatják.
00:53
And this map then allows the robot to understand where the obstacles are
13
53960
3936
A robot a térképből tudja, hogy hol vannak akadályok,
00:57
and navigate in a collision-free manner.
14
57920
2720
és ütközés nélkül kormányozza magát.
01:01
What I want to show you next
15
61160
2096
Szeretnék a következőkben bemutatni
01:03
is a set of experiments we did inside our laboratory,
16
63280
3216
a laborunkban elvégzett néhány kísérletet,
01:06
where this robot was able to go for longer distances.
17
66520
3480
amelyben a robot nagyobb távolságok megtételére volt képes.
01:10
So here you'll see, on the top right, what the robot sees with the camera.
18
70400
5016
A jobb fölső sarokban látják, hogy mit észlel a robot kamerája.
01:15
And on the main screen --
19
75440
1216
A nagy képernyőn —
01:16
and of course this is sped up by a factor of four --
20
76680
2456
persze, négyszeresére fölgyorsítva —,
01:19
on the main screen you'll see the map that it's building.
21
79160
2667
ahogy a robot kidolgozza a térképet.
01:21
So this is a high-resolution map of the corridor around our laboratory.
22
81851
4285
Ez a nagy felbontású térkép laborunk folyosóját ábrázolja.
01:26
And in a minute you'll see it enter our lab,
23
86160
2336
Mindjárt látják, ahogy beröpül a laborba,
01:28
which is recognizable by the clutter that you see.
24
88520
2856
láthatják az okozott zűrzavarból.
01:31
(Laughter)
25
91400
1016
(Nevetés)
01:32
But the main point I want to convey to you
26
92440
2007
De mindebben a lényeg,
01:34
is that these robots are capable of building high-resolution maps
27
94472
3584
hogy a robotok 5 centi felbontású,
01:38
at five centimeters resolution,
28
98080
2496
azaz nagy felbontású térképek kidolgozására képesek,
01:40
allowing somebody who is outside the lab, or outside the building
29
100600
4176
ami a laboron vagy az épületen kívül tartózkodóknak is lehetővé teszi
01:44
to deploy these without actually going inside,
30
104800
3216
a térképezést, s ehhez nem kell bemenniük.
01:48
and trying to infer what happens inside the building.
31
108040
3760
Így következtetni tudnak arra, mi történik benn.
01:52
Now there's one problem with robots like this.
32
112400
2240
Ám ezekkel a robotokkal van egy pár bökkenő.
01:55
The first problem is it's pretty big.
33
115600
2200
Az első gond, hogy elég nagy.
01:58
Because it's big, it's heavy.
34
118120
1680
Mivel nagy, súlyos is.
02:00
And these robots consume about 100 watts per pound.
35
120640
3040
Ezek a robotok kilogrammonként 220 wattot fogyasztanak.
02:04
And this makes for a very short mission life.
36
124360
2280
Ezért csak rövid távú feladatokra alkalmasak.
02:08
The second problem
37
128000
1456
A másik gond,
02:09
is that these robots have onboard sensors that end up being very expensive --
38
129480
3896
hogy a robotokban lévő érzékelők - a kamera, a lézerszkenner,
02:13
a laser scanner, a camera and the processors.
39
133400
3440
valamint a processzorok - nagyon drágák.
02:17
That drives up the cost of this robot.
40
137280
3040
Ez az egekbe viszi a robot árát.
02:21
So we asked ourselves a question:
41
141440
2656
Így hát föltettük magunknak a kérdést:
02:24
what consumer product can you buy in an electronics store
42
144120
3776
milyen készterméket vehetünk elektronikai boltokban,
02:27
that is inexpensive, that's lightweight, that has sensing onboard and computation?
43
147920
6280
amely olcsó, pihekönnyű, van rajta érzékelő és számítógép?
02:36
And we invented the flying phone.
44
156080
2656
És föltaláltuk a repülő mobiltelefont.
02:38
(Laughter)
45
158760
1936
(Nevetés)
02:40
So this robot uses a Samsung Galaxy smartphone that you can buy off the shelf,
46
160720
6176
Tehát robotunk készen kapható Samsung Galaxy okostelefont használ,
02:46
and all you need is an app that you can download from our app store.
47
166920
4016
és csak egy áruházunkból letölthető alkalmazás kell még hozzá.
02:50
And you can see this robot reading the letters, "TED" in this case,
48
170960
4216
Most a robot a TED betűit olvassa be,
02:55
looking at the corners of the "T" and the "E"
49
175200
2936
figyeli a "T' és az "E" betűk sarkait,
02:58
and then triangulating off of that, flying autonomously.
50
178160
3480
azután belőlük háromszögeléssel kiindulva önállóan repül.
03:02
That joystick is just there to make sure if the robot goes crazy,
51
182720
3256
A botkormány csak azért van itt, hogy ha a robot meghülyülne,
03:06
Giuseppe can kill it.
52
186000
1416
Giuseppe tudja semlegesíteni.
03:07
(Laughter)
53
187440
1640
(Nevetés)
03:10
In addition to building these small robots,
54
190920
3816
A kis robotok építésén kívül még
03:14
we also experiment with aggressive behaviors, like you see here.
55
194760
4800
kísérleteztünk az itt látható energikus viselkedéssel is.
03:19
So this robot is now traveling at two to three meters per second,
56
199920
5296
Ez a robot 2-3 m/sec sebességgel repül,
03:25
pitching and rolling aggressively as it changes direction.
57
205240
3496
irányváltás közben zuhanva és keringve.
03:28
The main point is we can have smaller robots that can go faster
58
208760
4256
A lényeg, hogy kisebb, gyorsabb robotunk lehet,
03:33
and then travel in these very unstructured environments.
59
213040
2960
amely nagyon tagolt környezetben is repül.
03:37
And in this next video,
60
217120
2056
A következő filmen
03:39
just like you see this bird, an eagle, gracefully coordinating its wings,
61
219200
5896
egy sast látnak, amint kecsesen összehangolja a szárnya, szeme
03:45
its eyes and feet to grab prey out of the water,
62
225120
4296
és lába mozgását, hogy kikapja zsákmányát a vízből.
03:49
our robot can go fishing, too.
63
229440
1896
A mi robotunk is tud halászni.
03:51
(Laughter)
64
231360
1496
(Nevetés)
03:52
In this case, this is a Philly cheesesteak hoagie that it's grabbing out of thin air.
65
232880
4056
Esetünkben egy sajtos-sztékes szendvicset kap el a levegőből.
03:56
(Laughter)
66
236960
2400
(Nevetés)
03:59
So you can see this robot going at about three meters per second,
67
239680
3296
Látják, hogy ez a robot kb. 3 m/sec sebességgel mozog,
04:03
which is faster than walking speed, coordinating its arms, its claws
68
243000
5136
ez nagyobb, mint egy gyaloglóé; közben összehangolja karját, karmait
04:08
and its flight with split-second timing to achieve this maneuver.
69
248160
4120
és repülését hajszálpontos időzítéssel, hogy végrehajtsa a műveletet.
04:14
In another experiment,
70
254120
1216
Egy másik kísérletben
04:15
I want to show you how the robot adapts its flight
71
255360
3656
azt akarom bemutatni, hogyan szabályozza a robot a mozgását,
04:19
to control its suspended payload,
72
259040
2376
ha függő teherrel repül.
04:21
whose length is actually larger than the width of the window.
73
261440
3800
A felfüggesztés itt hosszabb, mint a keret magassága.
04:25
So in order to accomplish this,
74
265680
1696
A végrehajtás érdekében a robotnak
04:27
it actually has to pitch and adjust the altitude
75
267400
3696
le kell buknia, be kell állítania a magasságát,
04:31
and swing the payload through.
76
271120
2320
és át kell lendítenie a terhet a kereten.
04:38
But of course we want to make these even smaller,
77
278920
2296
De mindezt szerettük volna
04:41
and we're inspired in particular by honeybees.
78
281240
3016
még kisebben is megcsinálni, s ehhez a méhektől kaptunk ihletet.
04:44
So if you look at honeybees, and this is a slowed down video,
79
284280
3256
Ha a lassított felvételen figyeljük a méheket,
04:47
they're so small, the inertia is so lightweight --
80
287560
3720
annyira parányiak, a tehetetlenségük leheletnyi...
04:51
(Laughter)
81
291960
1176
(Nevetés)
04:53
that they don't care -- they bounce off my hand, for example.
82
293160
3536
nem érdekli őket, például visszapattannak a kezemről.
04:56
This is a little robot that mimics the honeybee behavior.
83
296720
3160
Ez a pici robot a méhek viselkedését utánozza.
05:00
And smaller is better,
84
300600
1216
A kisebb egyben jobb is,
05:01
because along with the small size you get lower inertia.
85
301840
3536
mert a kisebb mérettel együtt jár a kisebb tehetetlenség.
05:05
Along with lower inertia --
86
305400
1536
Kisebb tehetetlenség mellett
05:06
(Robot buzzing, laughter)
87
306960
2856
(A robot zümmög, nevetés)
05:09
along with lower inertia, you're resistant to collisions.
88
309840
2816
pedig ellenállóbbak az ütközéssel szemben.
05:12
And that makes you more robust.
89
312680
1720
Ezáltal masszívabbak.
05:15
So just like these honeybees, we build small robots.
90
315800
2656
A méhekhez hasonló méretű ilyen kis robotokat építünk.
05:18
And this particular one is only 25 grams in weight.
91
318480
3376
Konkrétan ennek csak 25 gramm a súlya.
05:21
It consumes only six watts of power.
92
321880
2160
Csak 6 wattot fogyaszt.
05:24
And it can travel up to six meters per second.
93
324440
2536
Maximum 6 m/sec sebességre képes.
05:27
So if I normalize that to its size,
94
327000
2336
A méretéhez képest ez olyan,
05:29
it's like a Boeing 787 traveling ten times the speed of sound.
95
329360
3640
mintha a Boeing 787 tízszeres hangsebességgel repülne.
05:36
(Laughter)
96
336000
2096
(Nevetés)
05:38
And I want to show you an example.
97
338120
1920
Egy példát szeretnék mutatni.
05:40
This is probably the first planned mid-air collision, at one-twentieth normal speed.
98
340840
5256
Bizonyára ez az első tervezett légi ütközés, a sebesség huszadára lassítva.
05:46
These are going at a relative speed of two meters per second,
99
346120
2858
A robotok egymáshoz viszonyított sebessége 2 m/sec,
05:49
and this illustrates the basic principle.
100
349002
2480
és a film szemlélteti az alapelvet.
05:52
The two-gram carbon fiber cage around it prevents the propellers from entangling,
101
352200
4976
A kétgrammos szénszálas ketrec a robot körül óvja a légcsavarokat,
05:57
but essentially the collision is absorbed and the robot responds to the collisions.
102
357200
5296
elnyeli az ütközést, s a robot reagál rá.
06:02
And so small also means safe.
103
362520
2560
Tehát a kicsi egyben biztonságos is.
06:05
In my lab, as we developed these robots,
104
365400
2016
A laboromban a robotok fejlesztését
06:07
we start off with these big robots
105
367440
1620
ezekkel a nagy robotokkal kezdtük,
06:09
and then now we're down to these small robots.
106
369084
2812
mostanra viszont elértünk ezekhez a kicsikhez.
06:11
And if you plot a histogram of the number of Band-Aids we've ordered
107
371920
3456
Mennyi ragtapaszt kellett vennünk a múltban!
06:15
in the past, that sort of tailed off now.
108
375400
2576
Mára ezzel már leállhattunk.
06:18
Because these robots are really safe.
109
378000
1960
Mert e robotok tényleg biztonságosak.
06:20
The small size has some disadvantages,
110
380760
2456
A kis méretnek vannak hátrányai is,
06:23
and nature has found a number of ways to compensate for these disadvantages.
111
383240
4080
de a természet módot talált az ellensúlyozásukra.
06:27
The basic idea is they aggregate to form large groups, or swarms.
112
387960
4000
Az alapgondolat: nagy csoportokba, azaz rajokba szerveződnek.
06:32
So, similarly, in our lab, we try to create artificial robot swarms.
113
392320
3976
Ugyanígy, a laborban igyekszünk mesterséges robotrajokat kialakítani.
06:36
And this is quite challenging
114
396320
1381
Nem könnyű feladat,
06:37
because now you have to think about networks of robots.
115
397725
3320
mert most már robotok hálózatával van dolgunk.
06:41
And within each robot,
116
401360
1296
Minden robot esetében
06:42
you have to think about the interplay of sensing, communication, computation --
117
402680
5616
gondoskodnunk kell a kommunikáció, az érzékelés, és a számítások összhangjáról,
06:48
and this network then becomes quite difficult to control and manage.
118
408320
4960
és ettől a hálózatot elég nehéz lesz szabályozni és kezelni.
06:54
So from nature we take away three organizing principles
119
414160
3296
Tehát a természettől 3 szervezőelvet kölcsönöztünk,
06:57
that essentially allow us to develop our algorithms.
120
417480
3160
amely lehetővé teszi algoritmusaink fejlesztését.
07:01
The first idea is that robots need to be aware of their neighbors.
121
421640
4536
Az első elv: a robotoknak figyelemmel kell lenniük a szomszédjaikra.
07:06
They need to be able to sense and communicate with their neighbors.
122
426200
3440
Érzékelniük kell őket, és kommunikálni kell velük.
07:10
So this video illustrates the basic idea.
123
430040
2656
A film szemlélteti az alapelvet.
07:12
You have four robots --
124
432720
1296
Négy robotunk van,
07:14
one of the robots has actually been hijacked by a human operator, literally.
125
434040
4240
egyiküket egy irányító személy szó szerint eltérítette.
07:19
But because the robots interact with each other,
126
439217
2239
De a robotok kapcsolatban vannak egymással,
07:21
they sense their neighbors,
127
441480
1656
így érzékelik a szomszédjaikat,
07:23
they essentially follow.
128
443160
1296
és követik egymást.
07:24
And here there's a single person able to lead this network of followers.
129
444480
5360
Egy személy vezetni képes a követők hálózatát.
07:32
So again, it's not because all the robots know where they're supposed to go.
130
452000
5056
Megint csak: nem azért, mintha mindegyik tudná, merre kell mennie,
07:37
It's because they're just reacting to the positions of their neighbors.
131
457080
4320
hanem azért, mert reagálnak a szomszédjaik helyzetére.
07:43
(Laughter)
132
463720
4120
(Nevetés)
07:48
So the next experiment illustrates the second organizing principle.
133
468280
5240
A következő kísérlet szemlélteti a második szervezőelvet.
07:54
And this principle has to do with the principle of anonymity.
134
474920
3800
Ez pedig az ismeretlenség elvével kapcsolatos.
07:59
Here the key idea is that
135
479400
4296
A fő gondolat,
08:03
the robots are agnostic to the identities of their neighbors.
136
483720
4240
hogy a robotok nem foglalkoznak a szomszédjaik kilétével.
08:08
They're asked to form a circular shape,
137
488440
2616
Kört kellett alakítaniuk,
08:11
and no matter how many robots you introduce into the formation,
138
491080
3296
és nem számít, hány robotot iktatunk be az alakzatba
08:14
or how many robots you pull out,
139
494400
2576
vagy veszünk ki belőle,
08:17
each robot is simply reacting to its neighbor.
140
497000
3136
minden robot a szomszédjára reagál.
08:20
It's aware of the fact that it needs to form the circular shape,
141
500160
4976
Azt tudja csak, hogy szomszédaival közösen,
08:25
but collaborating with its neighbors
142
505160
1776
kört alakítva kell mozogniuk,
08:26
it forms the shape without central coordination.
143
506960
3720
anélkül, hogy kívülről irányítanák őket.
08:31
Now if you put these ideas together,
144
511520
2416
Ha összerakjuk ezeket az elveket,
08:33
the third idea is that we essentially give these robots
145
513960
3896
a harmadik elv, hogy alapvetően a kívánt alakzat matematikai leírását
08:37
mathematical descriptions of the shape they need to execute.
146
517880
4296
adjuk meg robotjaink számára.
08:42
And these shapes can be varying as a function of time,
147
522200
3496
Azután az alakzatok az idő függvényében változhatnak,
08:45
and you'll see these robots start from a circular formation,
148
525720
4496
s láthatják, hogy a robotok először köralakot öltenek,
08:50
change into a rectangular formation, stretch into a straight line,
149
530240
3256
majd négyszögletes formát, később vonal alakzatot vesznek föl,
08:53
back into an ellipse.
150
533520
1375
utána ismét az ellipszisét.
08:54
And they do this with the same kind of split-second coordination
151
534919
3617
Egy pillanat alatt váltanak,
08:58
that you see in natural swarms, in nature.
152
538560
3280
ahogy az igazi rajok a természetben.
09:03
So why work with swarms?
153
543080
2136
Miért dolgozunk rajokkal?
09:05
Let me tell you about two applications that we are very interested in.
154
545240
4120
Két alkalmazást említek, amelyek különösen érdekelnek minket.
09:10
The first one has to do with agriculture,
155
550160
2376
Az első a mezőgazdasággal kapcsolatos,
09:12
which is probably the biggest problem that we're facing worldwide.
156
552560
3360
ami valószínűleg a legnagyobb probléma a világon.
09:16
As you well know,
157
556760
1256
Mindannyian jól tudjuk,
09:18
one in every seven persons in this earth is malnourished.
158
558040
3520
hogy minden hetedik ember éhezik.
09:21
Most of the land that we can cultivate has already been cultivated.
159
561920
3480
A megművelhető földek zömét már eddig is művelték.
09:25
And the efficiency of most systems in the world is improving,
160
565960
3216
A legtöbb rendszer hatékonysága növekszik,
09:29
but our production system efficiency is actually declining.
161
569200
3520
a termelési rendszereké viszont csökken.
09:33
And that's mostly because of water shortage, crop diseases, climate change
162
573080
4216
A fő ok a vízhiány, az éghajlatváltozás és a növénybetegségek,
09:37
and a couple of other things.
163
577320
1520
meg még egy pár dolog.
09:39
So what can robots do?
164
579360
1480
Mit tehetnek a robotok?
09:41
Well, we adopt an approach that's called Precision Farming in the community.
165
581200
4616
Nos, mi az ún. precíziós mezőgazdaság módszerét alkalmazzuk.
09:45
And the basic idea is that we fly aerial robots through orchards,
166
585840
5376
Az alapelv, hogy a légi robotok berepülik a gyümölcsösöket,
09:51
and then we build precision models of individual plants.
167
591240
3120
és mi létrehozzuk az egyes növények precíziós modelljét.
09:54
So just like personalized medicine,
168
594829
1667
Mint a személyre szabott gyógyításban,
09:56
while you might imagine wanting to treat every patient individually,
169
596520
4816
ahol minden beteget egyéni módon kezelnek.
10:01
what we'd like to do is build models of individual plants
170
601360
3696
Szeretnénk létrehozni az egyes növények modelljét,
10:05
and then tell the farmer what kind of inputs every plant needs --
171
605080
4136
azután közölni a gazdával, melyik növény mit igényel;
10:09
the inputs in this case being water, fertilizer and pesticide.
172
609240
4440
esetünkben vizet, trágyát vagy növényvédő szert.
10:14
Here you'll see robots traveling through an apple orchard,
173
614640
3616
Itt a robotok az almáskertet járják be,
10:18
and in a minute you'll see two of its companions
174
618280
2256
és egy pillanat múlva két társát látják,
10:20
doing the same thing on the left side.
175
620560
1810
amint ugyanazt csinálja a bal oldalon.
10:22
And what they're doing is essentially building a map of the orchard.
176
622800
3656
Most állítják össze az almáskert térképét.
10:26
Within the map is a map of every plant in this orchard.
177
626480
2816
A térkép tartalmazza a kertben lévő valamennyi növényt.
10:29
(Robot buzzing)
178
629320
1656
(A robot zümmög)
10:31
Let's see what those maps look like.
179
631000
1896
Lássuk, hogy néznek ki a térképek.
10:32
In the next video, you'll see the cameras that are being used on this robot.
180
632920
4296
A következő film mutatja a robotokban lévő kamerákat.
10:37
On the top-left is essentially a standard color camera.
181
637240
3240
A bal felső sarokban egy szokásos színes kamera van.
10:41
On the left-center is an infrared camera.
182
641640
3296
Bal oldalon, középtájon egy infravörös kamera.
10:44
And on the bottom-left is a thermal camera.
183
644960
3776
Bal oldalon, lenn pedig egy hőkamera.
10:48
And on the main panel, you're seeing a three-dimensional reconstruction
184
648760
3336
A nagy képen láthatják a kertben lévő minden egyes fa
10:52
of every tree in the orchard as the sensors fly right past the trees.
185
652120
6120
3D-s modelljét, miközben az érzékelő elszáll a fák mellett.
10:59
Armed with information like this, we can do several things.
186
659640
4040
Ilyen információkkal fölfegyverkezve több dolgot tehetünk.
11:04
The first and possibly the most important thing we can do is very simple:
187
664200
4256
Az első és valószínűleg a legfontosabb nagyon egyszerű:
11:08
count the number of fruits on every tree.
188
668480
2440
megszámolni az egyes fákon lévő gyümölcsöket.
11:11
By doing this, you tell the farmer how many fruits she has in every tree
189
671520
4536
Ezúton közöljük a gazdával, melyik fáról hány gyümölcsre számíthat,
11:16
and allow her to estimate the yield in the orchard,
190
676080
4256
és így megbecsülheti a terméshozamot,
11:20
optimizing the production chain downstream.
191
680360
2840
optimalizálhatja az értékesítési láncot.
11:23
The second thing we can do
192
683640
1616
A másik, amit tehetünk,
11:25
is take models of plants, construct three-dimensional reconstructions,
193
685280
4496
hogy modellezhetjük a növényeket, 3D-s modellt készíthetünk,
11:29
and from that estimate the canopy size,
194
689800
2536
és abból megítélhetjük a lombkorona méretét,
11:32
and then correlate the canopy size to the amount of leaf area on every plant.
195
692360
3776
ami korrelál az egyes növényen lévő levelek tömegével.
11:36
And this is called the leaf area index.
196
696160
2176
Ezt nevezzük levélfelületi indexnek.
11:38
So if you know this leaf area index,
197
698360
1936
Ha ismerjük a levélfelületi indexet,
11:40
you essentially have a measure of how much photosynthesis is possible in every plant,
198
700320
5456
ebből adódik, hogy milyen mértékű fotoszintézis lehetséges növényenként,
11:45
which again tells you how healthy each plant is.
199
705800
2880
s ez tájékoztat az egyes növények egészségi állapotáról.
11:49
By combining visual and infrared information,
200
709520
4216
A látható és az infravörös tartományból nyert információ kombinálásával indexeket,
11:53
we can also compute indices such as NDVI.
201
713760
3296
pl. normalizált vegetációs differencia indexet számíthatunk.
11:57
And in this particular case, you can essentially see
202
717080
2816
Jelen esetben látható,
11:59
there are some crops that are not doing as well as other crops.
203
719920
3016
hogy egyes növényeknek rosszabbul megy a soruk, mint másoknak.
12:02
This is easily discernible from imagery,
204
722960
4056
Ez könnyen fölismerhető az ábrákból,
12:07
not just visual imagery but combining
205
727040
2216
nemcsak a látható zónáéból, hanem a látható
12:09
both visual imagery and infrared imagery.
206
729280
2776
és az infravörös tartomány kombinált ábrájából.
12:12
And then lastly,
207
732080
1336
Végezetül még egy dolog,
12:13
one thing we're interested in doing is detecting the early onset of chlorosis --
208
733440
4016
ami érdekel minket, hogy kimutassuk a klorózist még a kezdeti szakaszban.
12:17
and this is an orange tree --
209
737480
1496
Ez egy narancsfa,
12:19
which is essentially seen by yellowing of leaves.
210
739000
2560
amelynek sárgulnak a levelei.
12:21
But robots flying overhead can easily spot this autonomously
211
741880
3896
De a felettük elrepülő robotok ezt egyszerűen és önállóan észlelhetik,
12:25
and then report to the farmer that he or she has a problem
212
745800
2936
és közölhetik a gazdával, hogy baj van
12:28
in this section of the orchard.
213
748760
1520
a kertnek ebben a részében.
12:30
Systems like this can really help,
214
750800
2696
Az ilyen rendszerek tényleg segíthetnek,
12:33
and we're projecting yields that can improve by about ten percent
215
753520
5816
és olyan terméshozamot tervezünk, amely kb. 10%-os javulást hoz,
12:39
and, more importantly, decrease the amount of inputs such as water
216
759360
3216
s ami még fontosabb, légi robotrajokkal
12:42
by 25 percent by using aerial robot swarms.
217
762600
3280
az olyan igények, mint az öntözés 25%-kal csökkenthetők.
12:47
Lastly, I want you to applaud the people who actually create the future,
218
767200
5736
Búcsúzóul kérem, hogy tapssal köszöntsék a jövőteremtő kutatóinkat:
12:52
Yash Mulgaonkar, Sikang Liu and Giuseppe Loianno,
219
772960
4920
Yash Mulgaonkart, Sikang Liút és Giuseppe Loiannót.
12:57
who are responsible for the three demonstrations that you saw.
220
777920
3496
Ők vezették a három itteni bemutatót.
13:01
Thank you.
221
781440
1176
Köszönöm.
13:02
(Applause)
222
782640
5920
(Taps)
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