Robots that fly ... and cooperate | Vijay Kumar

מתרגם: Yubal Masalker מבקר: Ido Dekkers

Good morning.

בוקר טוב.

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

אני כאן כדי לדבר

על כדורי-מים הטסים עצמאית.

(Laughter)

לא, אלא על רובוטים קלי-תנועה שטסים כמו זה כאן.

No, agile aerial robots like this one.

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

אספר לכם מעט על האתגרים בבנייתם

ועל כמה מהאפשרויות הנפלאות

and some of the terrific opportunities for applying this technology.

לשימוש בטכנולוגיה זו.

So these robots are related to unmanned aerial vehicles.

רובוטים הללו

קשורים בכלי-טיס בלתי מאויישים.

אבל הכלים שרואים כאן הם גדולים.

However, the vehicles you see here are big.

משקלם אלפי קילוגרמים,

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

והם כלל אינם קלי-תנועה.

They're not even autonomous.

הם אפילו לא עצמאיים.

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

למעשה, רבים מהם

מופעלים על-ידי צוותי הטסה

העשויים לכלול מספר טייסים,

that can include multiple pilots,

operators of sensors,

מפעילי חיישנים

and mission coordinators.

ומנהלי משימות.

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

אנו מעוניינים לפתח רובוטים כמו אלה --

אלו שתי תמונות נוספות --

and here are two other pictures --

של רובוטים שאפשר לרכוש מהמדף.

of robots that you can buy off the shelf.

ובכן, אלה הם מסוקים בעלי 4 רוטורים

So these are helicopters with four rotors,

גודלם כמטר

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

ומשקלם קילוגרמים אחדים.

and weigh several pounds.

מתקינים עליהם חיישנים ומעבדים,

And so we retrofit these with sensors and processors,

ורובוטים הללו יכולים לטוס

and these robots can fly indoors.

במבנה סגור ללא GPS (ניווט לווייני).

Without GPS.

הרובוט שאני מחזיק בידי

The robot I'm holding in my hand

הוא זה,

is this one,

והוא נבנה על-ידי 2 סטודנטים,

and it's been created by two students,

אלכס ודניאל.

Alex and Daniel.

הוא שוקל

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

כ-50 גרם.

It consumes about 15 watts of power.

הוא צורך כ-15 ואט אנרגיה.

וכפי שניתן לראות,

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

קוטרו כ-20 ס"מ.

אז תנו לי לתאר בקצרה כיצד

So let me give you just a very quick tutorial

on how these robots work.

הרובוטים הללו פועלים.

כאמור יש לו 4 רוטורים.

So it has four rotors.

If you spin these rotors at the same speed,

אם מסובבים אותם במהירות זהה,

the robot hovers.

הרובוט מרחף.

If you increase the speed of each of these rotors,

אם מגבירים מהירות של כל אחד מהרוטורים,

הרובוט טס למעלה, הוא מאיץ כלפי מעלה.

then the robot flies up, it accelerates up.

Of course, if the robot were tilted,

ברור שאם מטים אותו,

למצב אופקי,

inclined to the horizontal,

then it would accelerate in this direction.

הוא יטוס לכיוון הזה.

So to get it to tilt,

כדי להטות אותו, יש שתי דרכים.

there's one of two ways of doing it.

בתמונה זו

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

רואים שרוטור 4 מסתובב יותר מהר

and rotor two is spinning slower.

ורוטור 2 מסתובב יותר לאט.

And when that happens,

וכאשר זה קורה

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

נוצר מומנט הגורם לרובוט להתגלגל.

ולצד השני,

And the other way around,

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

אם מגבירים את המהירות של רוטור 3

ומורידים את המהירות של רוטור 1,

אז הרובוט מתקדם.

then the robot pitches forward.

And then finally,

ולבסוף,

if you spin opposite pairs of rotors

אם מסובבים זוג רוטורים מנוגדים

faster than the other pair,

יותר מהר מהזוג האחר,

then the robot yaws about the vertical axis.

הרובוט חג סביב הציר האנכי.

מעבד בכלי-הטיס עוקב

So an on-board processor

essentially looks at what motions need to be executed

אחר התנועות שדרוש להוציאן לפועל

ומחשב אלו פקודות

and combines these motions,

לשגר למנועים כדי לשלב את התנועות,

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

600 פעם בשניה.

600 times a second.

That's basically how this thing operates.

כך בעיקרון דבר זה עובד.

אחד היתרונות של הצורה הזו

So one of the advantages of this design

הוא שכאשר מקטינים את הגודל,

is when you scale things down,

הרובוט הופך להיות קל-תנועה.

the robot naturally becomes agile.

R הוא אורך

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

אופייני של הרובוט.

בעצם זה מחצית מהקוטר.

It's actually half the diameter.

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

ישנם המון פרמטרים פיזיקליים שמשתנים

ככל שמורידים את R.

The one that's most important is the inertia,

אחד שהוא החשוב ביותר

הוא האינרציה או ההתנגדות לתנועה.

or the resistance to motion.

מתברר שהאינרציה,

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

אשר שולטת בתנועה זויתית,

מושפעת מ-R במעלה החמישית.

scales as a fifth power of R.

לכן ככל שמקטינים את R,

So the smaller you make R,

the more dramatically the inertia reduces.

האינרציה יורדת באופן דרמטי.

So as a result, the angular acceleration,

כתוצאה מזה, התאוצה הזויתית,

denoted by the Greek letter alpha here,

המצויינת כאן באמצעות האות אלפא,

goes as 1 over R.

היא אחד חלקי R.

It's inversely proportional to R.

היא ביחס הפוך ל-R.

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

ככל שמקטינים את R, כך ניתן להסתובב יותר מהר.

זה ברור מתוך הסרטונים האלה.

So this should be clear in these videos.

בתחתית מימין רואים רובוט המבצע

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

סלטה של 360 מעלות

in less than half a second.

תוך פחות מחצי שניה.

Multiple flips, a little more time.

וסלטות מרובות בקצת יותר זמן.

כאן המעבדים שברובוט הטס

So here the processes on board

מקבלים משוב ממדי-התאוצה

are getting feedback from accelerometers and gyros on board,

ומג'איירואים שבכלי

and calculating, like I said before,

ומבצעים חישובים של פקודות,

commands at 600 times a second,

כאמור, 600 פעם בשניה

to stabilize this robot.

כדי לייצב את הרובוט.

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

משמאל רואים את דניאל זורק את הרובוט לאויר.

and it shows you how robust the control is.

וזה מראה לכם את עוצמת השליטה.

לא משנה כיצד זורקים אותו,

No matter how you throw it,

the robot recovers and comes back to him.

הרובוט מתאושש וחוזר אליו.

So why build robots like this?

אז מדוע לבנות רובוטים כאלה?

לרובוטים כאלה יש הרבה שימושים.

Well, robots like this have many applications.

ניתן לשגרם לתוך בניינים כמו זה

You can send them inside buildings like this,

as first responders to look for intruders,

כמענה ראשון כדי לחפש פורצים,

אולי כדי לחפש דליפות ביוכימיות,

maybe look for biochemical leaks,

דליפות גז.

gaseous leaks.

ניתן גם להשתמש בהם

You can also use them for applications like construction.

למטרות כמו בניה.

So here are robots carrying beams, columns

הנה רובוטים נושאים קורות, עמודים

ומרכיבים מבנים דמויי-קוביות.

and assembling cube-like structures.

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

אספר לכם על כך קצת יותר.

The robots can be used for transporting cargo.

ניתן להשתמש ברובוטים להעברת מטען.

So one of the problems with these small robots

לכן אחד הקשיים עם רובוטים קטנים כאלה

is their payload-carrying capacity.

היא יכולתם לשאת מטען.

So you might want to have multiple robots carry payloads.

לכן ייתכן ונרצה רובוטים מרובים

כדי לשאת מטען.

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

זו תמונה של ניסוי שביצענו לאחרונה --

בעצם לא כל-כך לאחרונה --

actually not so recent anymore --

in Sendai, shortly after the earthquake.

בסנדאי, זמן קצר לאחר רעידת האדמה.

So robots like this could be sent into collapsed buildings,

רובוטים כאלה נשלחו לבניינים שהתמוטטו

כדי לאמוד את הנזק לאחר אסונות טבע,

to assess the damage after natural disasters,

או לבניינים רדיואקטיביים

or sent into reactor buildings,

to map radiation levels.

כדי למפות רמות קרינה.

So one fundamental problem that the robots have to solve

קושי מהותי אחד

שעל הרובוטים להתגבר עליו כדי לפעול עצמאית

if they are to be autonomous,

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

הוא למצוא

כיצד להגיע מנקודה A לנקודה B.

So this gets a little challenging,

זה הופך את העניין למאתגר במידת מה

because the dynamics of this robot are quite complicated.

מכיוון שעיקרון התנועה של הרובוט הוא די מורכב.

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

למעשה, הם מתנהלים במרחב 12-מימדי.

לכן אנו עושים תכסיס קטן.

So we use a little trick.

We take this curved 12-dimensional space,

אנו נוטלים את המרחב ה-12-מימדי

והופכים אותו

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

למרחב שטוח 4-מימדי.

ואותו מרחב 4-מימדי

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

מורכב מ-X, Y, Z ומזוית הסטייה.

and then the yaw angle.

And so what the robot does,

וכך מה שהרובוט עושה

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

זה לתכנן את מה שנקרא מסלול עם מינימום פניות.

אזכיר שבפיזיקה,

So to remind you of physics:

You have position, derivative, velocity;

יש מיקום, הנגזרת (שלו) מהירות,

then acceleration;

אחר-כך תאוצה,

and then comes jerk,

ואז בא הטילטול

and then comes snap.

ובסוף מגיעה הפניה.

So this robot minimizes snap.

רובוט זה ממזער פניות.

So what that effectively does,

מה שזה בסוף יוצר

is produce a smooth and graceful motion.

זו תנועה חלקה ומלאת חן.

And it does that avoiding obstacles.

והוא מבצע זאת תוך התחמקות ממכשולים.

מסלולים הללו של פניות מינימליות במרחב שטוח זה

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

מועברים בחזרה לצורה

back into this complicated 12-dimensional space,

המורכבת הזו של 12-מימדים,

שהרובוטים חייבים לבצע

which the robot must do for control and then execution.

לשם שליטה וביצוע פעולות.

So let me show you some examples

אראה לכם כמה דוגמאות

of what these minimum-snap trajectories look like.

כיצד נראים מסלולי המינימום פניות.

בסרטון הראשון, תראו את הרובוט

And in the first video,

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

עובר מנקודה A לנקודה B

דרך נקודת ביניים.

through an intermediate point.

(Whirring noise)

הרובוט מסוגל בבירור

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

לבצע כל מסלול מעוקל.

אלה מסלולים מעגליים

So these are circular trajectories,

where the robot pulls about two G's.

בהם הרובוט מושך עד 2 ג'י.

Here you have overhead motion capture cameras on the top

כאן יש ממעל מצלמות תנועה המעדכנות את הרובוט

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

בנוגע למיקומו 100 פעם בשניה.

It also tells the robot where these obstacles are.

הן גם מעדכנות אותו היכן נמצאים המכשולים.

המכשולים יכולים גם לנוע.

And the obstacles can be moving.

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

כאן רואים את דניאל זורק חישוק לאויר,

while the robot is calculating the position of the hoop,

בעוד הרובוט מחשב את מיקום החישוק

ומנסה למצוא כיצד לעבור דרכו באופן המיטבי.

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

הרי בתור אקדמאים,

So as an academic,

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

אנו כבר מורגלים לעשות שמיניות באויר כדי לזכות במימון

to raise funding for our labs,

לניסויים ועכשיו אנו מלמדים את הרובוטים לעשות זאת.

and we get our robots to do that.

(Applause)

(מחיאות כפיים)

דבר נוסף שהרובוט יכול לבצע

So another thing the robot can do

הוא לזכור קטעי מסלולים שהוא לומד

is it remembers pieces of trajectory

that it learns or is pre-programmed.

או שהוא מתוכנת מראש לבצע.

כאן רואים את הרובוט

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

משלב תנועה

הצוברת מומנטום,

and then changes its orientation and then recovers.

משנה את תנוחתו ואז חוזר למצבו ההתחלתי.

עליו לבצע זאת בגלל שהמרווח בחלון

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

is only slightly larger than the width of the robot.

רחב רק מעט יותר מרוחב הרובוט.

בדיוק כמו צוללן שעומד על מקפצה

So just like a diver stands on a springboard

and then jumps off it to gain momentum,

וקופץ עליה כדי לצבור מומנטום,

ואז עושה סלטה, סלטה של שניים וחצי סיבובים

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

ואז חוזר בנונשלנטיות למצבו ההתחלתי,

and then gracefully recovers,

this robot is basically doing that.

הרובוט הזה בעיקרון עושה זאת.

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

הוא יודע כיצד לשלב ביחד פיסות קטנות

to do these fairly difficult tasks.

של מסלולים כדי לבצע משימות די מורכבות כאלו.

אני רוצה לעבור שלב.

So I want change gears.

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

אחד החסרונות של הרובוטים הללו הוא גודלם.

סיפרתי לכם קודם

And I told you earlier

that we may want to employ lots and lots of robots

שאולי נשתמש במספרים מאוד

גדולים של רובוטים כדי להתגבר על מיגבלות הגודל.

to overcome the limitations of size.

קושי אחד כזה הוא

So one difficulty is:

How do you coordinate lots of these robots?

כיצד לתאם בין רובוטים רבים כל-כך?

And so here, we looked to nature.

בשלב זה פנינו לטבע.

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

אראה לכם קטע וידאו

של נמלי מדבר,

במעבדתו של פרופ' סטפן פראט, הנושאות עצם.

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

זוהי למעשה חתיכת תאנה.

So this is actually a piece of fig.

למעשה נוטלים עצם כלשהו

Actually you take any object coated with fig juice,

המצופה במיץ תאנה כדי שהנמלים ישאו אותו לקן שלהן.

and the ants will carry it back to the nest.

So these ants don't have any central coordinator.

לנמלים אלו אין איזה גורם מרכזי שמתאם ביניהן.

הן קולטות את שכניהן.

They sense their neighbors.

אין תקשורת חדה וברורה.

There's no explicit communication.

אבל מאחר והן קולטות את השכנים

But because they sense the neighbors

והן חשות את העצם,

and because they sense the object,

they have implicit coordination across the group.

נוצר תיאום ספונטני בין חלקי הקבוצה.

ומין סוג כזה של תיאום

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

אנו רוצים שיהיה בין הרובוטים.

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

אז כאשר יש לנו רובוט

המוקף בשכנים --

הבה נביט ברובוט I ורובוט J --

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

מה שאנו רוצים שהרובוטים הללו יעשו

what we want the robots to do,

זה לנטר את המרווח ביניהם

is to monitor the separation between them,

as they fly in formation.

בעודם טסים במבנה.

And then you want to make sure

ואז ברצוננו לוודא

that this separation is within acceptable levels.

שהמרווח הזה הוא במיגבלות המותר.

הרובוטים עוקבים אחר השגיאה

So again, the robots monitor this error

and calculate the control commands 100 times a second,

ומחשבים את פקודות הבקרה

100 פעם בשניה,

which then translates into motor commands,

המתורגמות לפקודות למנוע 600 פעם בשניה.

600 times a second.

כל זה צריך להתבצע

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

באופן מבוזר.

Again, if you have lots and lots of robots,

כאמור, אם יש מספר גדול של רובוטים,

זה בלתי אפשרי לסנכרן את כל המידע מהר מספיק ממקום אחד מרכזי

it's impossible to coordinate all this information centrally

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

באופן כזה שהרובוטים יוכלו לבצע את משימתם.

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

בנוסף על הרובוטים לבסס את פעילותם

אך ורק על מידע מקומי,

על מה שהם קולטים משכניהם.

what they sense from their neighbors.

ולבסוף,

And then finally,

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

אנו מקפידים שהרובוטים

יהיו אדישים לזהות שכניהם.

So this is what we call anonymity.

לזה אנו קוראים אלמוניות.

מה שאני רוצה להראות לכם כעת

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

זה סרטון

המציג 20 רובוטים קטנים כאלה

flying in formation.

הטסים במבנה.

הם מנטרים את מיקום שכניהם.

They're monitoring their neighbors' positions.

הם שומרים על המבנה.

They're maintaining formation.

The formations can change.

המבנים יכולים להשתנות.

They can be planar formations,

המבנים יכולים להיות מישוריים,

they can be three-dimensional formations.

יכולים להיות תלת-מימדיים.

כפי שניתן לראות כאן,

As you can see here,

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

הם עוברים ממבנה תלת-מימדי למבנה מישורי.

וכדי לטוס דרך מכשולים,

And to fly through obstacles,

they can adapt the formations on the fly.

הם יכולים לטוות את המבנים תוך כדי טיסה.

כאמור, הרובוטים האלה יכולים ממש להתקרב זה לזה.

So again, these robots come really close together.

As you can see in this figure-eight flight,

כפי שרואים בטיסת סיפרה-8 זו,

they come within inches of each other.

הם מתקרבים עד כדי סנטימטרים זה לזה.

ועל אף השפעות אווירודינמיות הדדיות

And despite the aerodynamic interactions with these propeller blades,

של להבי המדחפים,

they're able to maintain stable flight.

הם מצליחים לשמור על טיסה יציבה.

(Applause)

(מחיאות כפיים)

כך שברגע שיודעים כיצד לטוס במבנה,

So once you know how to fly in formation,

ניתן להרים חפצים במשותף.

you can actually pick up objects cooperatively.

זה רק מראה

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

שאנו יכולים להכפיל, להשליש, להכפיל פי-4

את יכולת הרובוט פשוט על-ידי

the robots' strength,

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

הציוות שלהם עם שכניהם, כפי שרואים.

אחד החסרונות של זה

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

הוא שככל שהמספרים עולים --

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

ככל שיש יותר רובוטים הנושאים

דבר אחד מסויים, בהכרח גם מעלים את האינרציה,

you're essentially increasing the inertia,

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

ולכן משלמים מחיר; הם כבר לא קלי-תנועה.

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

אבל מרויחים יכולת נשיאת מטען.

שימוש נוסף שברצוני להראות --

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

שוב, זה במעבדה שלנו.

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

זו עבודה שנעשתה על-ידי קווינטין לינדסיי שהוא סטודנט למחקר.

האלגוריתם שלו אומר בעיקרון לרובוטים

So his algorithm essentially tells these robots

כיצד לבנות עצמאית

how to autonomously build cubic structures

מבנים קובייתיים

מעצמים כמו קורות, סמוכות וכדומה.

from truss-like elements.

האלגוריתם שלו אומר לרובוטים

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

איזה חלק להרים,

מתי והיכן להניחו.

when, and where to place it.

כך שבסרטון זה רואים --

So in this video you see --

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

והוא מואץ פי 10, 14 --

רואים שלושה מבנים שונים המוקמים על-ידי הרובוטים.

you see three different structures being built by these robots.

ושוב כאמור, הכל באופן עצמאי,

And again, everything is autonomous,

וכל מה שקווינטין צריך לעשות

and all Quentin has to do

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

זה לספק להם שרטוט

של המבנה שרוצים לבנות.

So all these experiments you've seen thus far,

כל הניסויים שראיתם עד עכשיו,

all these demonstrations,

כל התצוגות,

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

נעשו בעזרת מערכות ללכידת תנועה.

אבל מה קורה כאשר

So what happens when you leave your lab,

יוצאים מהמעבדה לעולם האמיתי בחוץ?

and you go outside into the real world?

And what if there's no GPS?

ומה אם אין GPS?

So this robot is actually equipped with a camera,

לכן רובוט זה

מצוייד במצלמה

ובלייזר המודד טווח, סורק לייזר.

and a laser rangefinder, laser scanner.

הוא משתמש בחיישנים אלה

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

ליצירת מפה של הסביבה.

מה שהמפה מכילה זה המאפיינים --

What that map consists of are features --

כגון פתחים, חלונות,

like doorways, windows, people, furniture --

אנשים, רהיטים --

ואז הוא מחשב את מיקומו

and it then figures out where its position is,

ביחס למאפיינים אלה.

with respect to the features.

So there is no global coordinate system.

כלומר, אין מערכת תיאום מרכזית אחת.

מערכת הקואורדינטות מוגדרת בהתבסס על הרובוט עצמו,

The coordinate system is defined based on the robot,

where it is and what it's looking at.

על מיקומו ועל מה שהוא מביט עליו.

And it navigates with respect to those features.

והוא מנווט ביחס למאפיינים אלה.

כעת אראה לכם קטע וידאו

So I want to show you a clip

of algorithms developed by Frank Shen and Professor Nathan Michael,

של אלגוריתמים שפותחו על-ידי פרנק שן

ופרופ' נתן מייקל,

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

המראה את הרובוט הזה נכנס לבניין ממש בפעם הראשונה

and creating this map on the fly.

ויוצר מפה זו תוך כדי טיסה.

So the robot then figures out what the features are,

אחר-כך הרובוט מחשב מהם המאפיינים האלה.

it builds the map,

הוא בונה את המפה.

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

הוא מחשב היכן הוא נמצא ביחס למאפיינים הללו

and then estimates its position 100 times a second,

ואז אומד את מיקומו

100 פעם בשניה וכך מאפשר לנו

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

להשתמש באלגוריתמי השליטה

שדיברתי עליהם קודם.

So this robot is actually being commanded remotely by Frank,

רובוט זה נשלט מרחוק

על-ידי פרנק.

אבל הרובוט יכול גם לחשב

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

באופן עצמאי לאן לנוע.

נניח שנתבקשתי להיכנס לבניין

So suppose I were to send this into a building,

ואין לי מושג כיצד הבניין נראה מבפנים,

and I had no idea what this building looked like.

אז אני יכול לבקש מהרובוט להיכנס,

I can ask this robot to go in,

ליצור מפה

create a map,

ואז לחזור אליי ולספר לי כיצד הבניין נראה מבפנים.

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

So here, the robot is not only solving the problem

אז הנה, לא רק שהרובוט פותר את הבעיה

של כיצד לעבור מנקודה A לנקודה B במפה זו,

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

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

אלא הוא גם מחשב

מהי נקודת ה-B המיטבית בכל רגע.

בעיקרון הוא יודע לאן לנוע כדי לחפש

So essentially it knows where to go

to look for places that have the least information,

מקומות שיש עליהם מידע מינימלי.

וכך הוא מאכלס את המפה.

and that's how it populates this map.

So I want to leave you with one last application.

ברצוני להשאירכם

עם שימוש אחד אחרון.

And there are many applications of this technology.

ישנם הרבה שימושים לטכנולוגיה זו.

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

אני פרופ' והחינוך חשוב מאוד עבורנו הפרופסורים.

רובוטים כאלה יכולים באמת לשנות את הדרך

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

בה אנו מלמדים מהגן עד לבגרות.

אבל אנו נמצאים בדרום-קליפורניה,

But we're in Southern California,

קרוב ללוס-אנג'לס,

close to Los Angeles,

לכן עליי לסיים

so I have to conclude with something focused on entertainment.

עם משהו הקשור לבידור.

ברצוני לסיים עם סרטון מוזיקה.

I want to conclude with a music video.

אני רוצה להציג את היוצרים, אלכס ודניאל,

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

אשר יצרו וידאו זה.

(מחיאות כפיים)

(Applause)

So before I play this video,

לפני שאריץ את הוידאו,

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

אספר לכם שהם יצרו אותו בשלושת הימים האחרונים

after getting a call from Chris.

לאחר שקיבלו טלפון מכריס.

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

והרובוטים שמנגנים בוידאו

הם עצמאיים לחלוטין.

You will see nine robots play six different instruments.

אתם תראו 9 רובוטים המנגנים 6 כלים שונים.

וכמובן, זה נעשה במיוחד לרגל TED 2012.

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

הבה נצפה.

Let's watch.

(Sound of air escaping from valve)

(Music)

(Whirring sound)

(Music)

(מוזיקה)

(מחיאות כפיים)

(Applause) (Cheers)