Robots that fly ... and cooperate | Vijay Kumar

Translator: Unnawut Leepaisalsuwanna Reviewer: PanaEk Warawit

Good morning.

อรุณสวัสดิ์ครับ

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

ผมมาที่นี่เพื่อเล่าถึง

ลูกบอลที่บินได้ด้วยตนเอง

(Laughter)

ไม่ใช่ครับ เป็นหุ่นยนต์ที่บินได้คล่องแคล่ว แบบนี้ครับ

No, agile aerial robots like this one.

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

ผมอยากจะเล่าถึงความท้าทายในการสร้างสิ่งนี้

และโอกาสที่น่าสนใจ

and some of the terrific opportunities for applying this technology.

เกี่ยวกับการนำเทคโนโลยีนี้ไปใช้

So these robots are related to unmanned aerial vehicles.

หุ่นยนต์เหล่านี้

เกี่ยวข้องกับเครื่องบินไร้คนขับ

แต่เครื่องบินพวกนี้มันใหญ่มาก

However, the vehicles you see here are big.

หนักหลายพันปอนด์

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

และไม่คล่องแคล่วเอาซะเลย

They're not even autonomous.

มันบินด้วยตนเองไม่ได้ด้วยซ้ำ

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

ส่วนใหญ่พาหนะเหล่านี้

ต้องใช้ผู้บังคับหลายคน

มีนักบินหลายคน

that can include multiple pilots,

operators of sensors,

มีผู้คุมเซ็นเซอร์

and mission coordinators.

และผู้อำนวยการภารกิจ

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

สิ่งที่พวกเราสนใจ คือการสร้างหุ่นยนต์พวกนี้ --

อย่างที่เห็นในสองรูปนี้ --

and here are two other pictures --

หุ่นยนต์ที่สามารถหาซื้อได้ทั่วไป

of robots that you can buy off the shelf.

นี่คือเฮลิคอปเตอร์สี่ใบพัด

So these are helicopters with four rotors,

มีขนาดประมาณหนึ่งเมตร

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

น้ำหนักหลายปอนด์

and weigh several pounds.

เราประกอบเซ็นเซอร์และหน่วยประมวลผลเข้าไป

And so we retrofit these with sensors and processors,

ให้หุ่นยนต์เหล่านี้บินภายในห้องได้

and these robots can fly indoors.

โดยไม่มี GPS

Without GPS.

หุ่นยนต์ที่ผมถืออยู่

The robot I'm holding in my hand

คือสิ่งนี้

is this one,

ซึ่งสร้างโดยนักเรียนสองคน

and it's been created by two students,

อเล็กซ์ และแดเนียล

Alex and Daniel.

น้ำหนักของมัน

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

ประมาณ 1 ส่วน 10 ปอนด์

It consumes about 15 watts of power.

ใช้ไฟฟ้า 15 วัตต์

และอย่างที่เห็น

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

ความยาวประมาณ 8 นิ้ว

ผมจะแสดงตัวอย่างสั้นๆ

So let me give you just a very quick tutorial

on how these robots work.

ว่ามันทำงานอย่างไร

มันมีสี่ใบพัด

So it has four rotors.

If you spin these rotors at the same speed,

ถ้ามันหมุนด้วยความเร็วเท่ากัน

the robot hovers.

มันจะบินอยู่กับที่

If you increase the speed of each of these rotors,

ถ้าคุณเพิ่มความเร็วในการหมุน

มันจะบินสูงขึ้น

then the robot flies up, it accelerates up.

Of course, if the robot were tilted,

ถ้าเราทำให้มันเอียง

ไปในแนวนอน

inclined to the horizontal,

then it would accelerate in this direction.

มันจะเลี้ยวไปทางนั้น

So to get it to tilt,

จะทำให้มันเอียงได้ มีอยู่สองวิธี

there's one of two ways of doing it.

ในรูปนี้

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

ใบพัดที่ 4 หมุนเร็วขึ้น

and rotor two is spinning slower.

ในขณะที่ใบพัด 2 หมุนช้าลง

And when that happens,

สิ่งที่เกิดขึ้นคือ

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

มันจะม้วนตัวเล็กน้อย

ในอีกทางหนึ่ง

And the other way around,

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

ถ้าคุณเร่งใบพัดที่ 3

และให้ใบพัดที่ 1 หมุนช้าลง

มันจะเคลื่อนตัวไปข้างหน้า

then the robot pitches forward.

And then finally,

และท้ายสุด

if you spin opposite pairs of rotors

ถ้าคุณปรับให้ใบพัดที่อยู่คู่กัน

faster than the other pair,

หมุนเร็วกว่าอีกคู่หนึ่ง

then the robot yaws about the vertical axis.

มันก็จะหมุนตัวรอบแกนดิ่ง

หน่วยประมวลผลที่อยู่บนตัวมัน

So an on-board processor

essentially looks at what motions need to be executed

จะคำนวนว่าต้องเคลื่อนที่แบบใด

เพื่อคำนวนรวมกัน

and combines these motions,

แล้วประมวลว่าจะต้องส่งคำสั่งอะไรไปยังมอเตอร์

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

600 ครั้งต่อวินาที

600 times a second.

That's basically how this thing operates.

นี่คือการทำงานคร่าวๆ ครับ

ข้อดีของระบบแบบนี้คือ

So one of the advantages of this design

เมื่อคุณย่อชิ้นงานลง

is when you scale things down,

คุณได้ความคล่องแคล่วกลับมา

the robot naturally becomes agile.

นี่คือ R

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

หรือความยาวของหุ่นยนต์

มีขนาดครึ่งหนึ่งของเส้นผ่านศูนย์กลาง

It's actually half the diameter.

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

ซึ่งจะกระทบตัวแปรหลายอย่าง

เมื่อคุณใช้ R ที่เล็กลง

The one that's most important is the inertia,

ที่สำคัญคือ

ความเฉื่อยหรือแรงต้านทานต่อการเคลื่อนไหว

or the resistance to motion.

ผลปรากฎว่า

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

แรงเฉื่อย ซึ่งควบคุมการเคลื่อนที่แบบหมุน

มีค่าเป็น R ยกกำลัง 5

scales as a fifth power of R.

แปลว่ายิ่งเราทำให้ R เล็กได้เท่าไหร่

So the smaller you make R,

the more dramatically the inertia reduces.

แรงเฉื่อยก็ยิ่งน้อยลง

So as a result, the angular acceleration,

ผลลัพธ์คือ ความเร่งเชิงมุม

denoted by the Greek letter alpha here,

ซึ่งแทนที่ด้วยตัวอักษรอัลฟ่า

goes as 1 over R.

เท่ากับ 1 ส่วน R

It's inversely proportional to R.

มันมีสัดส่วนผกผันกับ R

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

ยิ่ง R น้อยลงเท่าไหร่ ยิ่งเลี้ยวได้เร็วขึ้นเท่านั้น

จะเห็นได้ชัดในวีดีโอนี้

So this should be clear in these videos.

ที่มุมซ้ายล่างคุณจะเห็นหุ่นยนต์

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

ตีลังกา 360 องศา

in less than half a second.

ภายในครึ่งวินาที

Multiple flips, a little more time.

ตีลังกาหลายรอบ ใช้เวลามากขึ้นเล็กน้อย

ในที่นี้หน่วยประมวลผล

So here the processes on board

ได้รับข้อมูลจากมาตรความเร่ง

are getting feedback from accelerometers and gyros on board,

และมาตรการหมุนที่อยู่บนเครื่อง

and calculating, like I said before,

เพื่อนำมาคำนวนคำสั่ง

commands at 600 times a second,

600 ครั้งต่อวินาที

to stabilize this robot.

เพื่อทรงตัวหุ่นยนต์

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

ด้านซ้ายมือคุณจะเห็นแดเนียลโยนมันขึ้นฟ้า

and it shows you how robust the control is.

เห็นความแม่นยำของการควบคุมไหมครับ

ไม่ว่าคุณจะโยนมันอย่างไร

No matter how you throw it,

the robot recovers and comes back to him.

มันจะทรงตัวด้วยตนเอง แล้วบินกลับมาหาเขา

So why build robots like this?

ทำไมต้องสร้างหุ่นยนต์แบบนี้ล่ะ

เราสามารถนำไปใช้ได้หลายวิธีครับ

Well, robots like this have many applications.

ส่งมันเข้าไปในตึกแบบนี้

You can send them inside buildings like this,

as first responders to look for intruders,

เพื่อค้นหาผู้บุกรุก

หรือหาการรั่วไหลของสารเคมี

maybe look for biochemical leaks,

หรือแก๊สพิษ

gaseous leaks.

นอกจากนั้นยังสามารถ

You can also use them for applications like construction.

ใช้ในการก่อสร้างอีกด้วย

So here are robots carrying beams, columns

นี่คือตัวอย่างการขนย้ายคาน เสา

เพื่อก่อสร้างโครงสร้างจตุรัส

and assembling cube-like structures.

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

ผมจะอธิบายต่ออีกสักหน่อยครับ

The robots can be used for transporting cargo.

เราสามารถใช้มันเพื่อขนย้ายสิ่งของ

So one of the problems with these small robots

แต่ปัญหาหนึ่งคือ

is their payload-carrying capacity.

มันรับน้ำหนักได้ไม่มาก

So you might want to have multiple robots carry payloads.

ซึ่งเราสามารถใช้หุ่นยนต์หลายๆตัว

เพื่อขนย้ายสิ่งของที่หนักขึ้นได้

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

นี่คือการทดลองล่าสุด --

ซึ่งไม่ใช่ล่าสุดอีกต่อไปแล้ว --

actually not so recent anymore --

in Sendai, shortly after the earthquake.

ไม่นานหลังจากแผ่นดินไหวที่เซนได

So robots like this could be sent into collapsed buildings,

เราสามารถส่งหุ่นยนต์เข้าไปในซากปรักหักพัง

เพื่อประเมินความเสียหาย

to assess the damage after natural disasters,

หรือส่งไปในเตาปฏิกรณ์

or sent into reactor buildings,

to map radiation levels.

เพื่อวัดกัมมันตภาพรังสี

So one fundamental problem that the robots have to solve

หนึ่งในปัญหาพื้นฐาน

เกี่ยวกับการทำงานโดยไร้ผู้คุม

if they are to be autonomous,

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

นั่นคือการคำนวนวิธีการ

เดินทางจากจุด A ไปยังจุด B ให้ได้

So this gets a little challenging,

ซึ่งค่อนข้างท้าทายครับ

because the dynamics of this robot are quite complicated.

เพราะการเคลื่อนไหวมีความซับซ้อน

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

มันมีพื้นที่ 12 มิติ

เราใช้กลเล็กน้อย

So we use a little trick.

We take this curved 12-dimensional space,

เราใช้พื้นที่ 12 มิตินี้

นำมาแปลงรูป

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

ให้กลายเป็นพื้นที่ 4 มิติ

และพื้นที่ 4 มิตินั้น

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

มีแกน X Y Z และมุมหัน

and then the yaw angle.

And so what the robot does,

สิ่งที่หุ่นยนต์พวกนี้ทำ

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

คือการวางแผนวิถีแบบ minimum snap trajectory

รื้อฟื้นวิชาฟิสิกส์เล็กน้อยครับ

So to remind you of physics:

You have position, derivative, velocity;

คุณมีตำแหน่ง อนุพันธ์ ความเร็ว

then acceleration;

และความเร่ง

and then comes jerk,

แรงกระตุก

and then comes snap.

และแรงกระชาก

So this robot minimizes snap.

มันลดแรงกระชากให้เหลือน้อยที่สุด

So what that effectively does,

ซึ่งทำให้

is produce a smooth and graceful motion.

เกิดการเคลื่อนไหวที่นุ่มนวล

And it does that avoiding obstacles.

เพื่อหลบหลีกสิ่งกีดขวาง

วีถีการกระชากที่น้อยที่สุดแบบนี้

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

ถูกแปลงรูปให้กลับไป

back into this complicated 12-dimensional space,

เป็นพื้นที่ 12 มิติที่ซับซ้อน

ที่หุ่นพวกนี้ต้องทำ

which the robot must do for control and then execution.

เพื่อการควบคุม และการปฏิบัติหน้าที่

So let me show you some examples

ผมจะยกตัวอย่างให้ดู

of what these minimum-snap trajectories look like.

ว่ามันทำงานอย่างไร

ในวีดีโอแรกนี้

And in the first video,

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

คุณจะเห็นหุ่นยนต์บินจากจุด A ไปจุด B

ผ่านจุดระหว่างทาง

through an intermediate point.

(Whirring noise)

หุ่นยนต์ตัวนี้สามารถ

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

เคลื่อนไหวในวิถีโค้งแบบใดก็ได้

นี่คือวิถีโค้งหนึ่ง

So these are circular trajectories,

where the robot pulls about two G's.

มีแรงดึงประมาณ 2G

Here you have overhead motion capture cameras on the top

ในรูปนี้เรามีกล้องจับการเคลื่อนไหวอยู่ด้านบน

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

ที่บอกตำแหน่งของหุ่นยนต์ 100 ครั้งต่อวินาที

It also tells the robot where these obstacles are.

พร้อมทั้งบอกหุ่นพวกนี้ให้ทราบถึงสิ่งกีดขวาง

และสิ่งกีดขวางอาจเคลื่อนที่อยู่ก็เป็นได้

And the obstacles can be moving.

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

ในที่นี้คุณจะเห็นแดเนียลโยนห่วงขึ้นกลางอากาศ

while the robot is calculating the position of the hoop,

ในขณะที่หุ่นยนต์คำนวนตำแหน่งของห่วง

เพื่อหาวิธีลอดห่วงที่ดีที่สุด

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

ในฐานะนักวิชาการ

So as an academic,

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

เราถูกสอนให้กระโดดลอดห่วงเสมอ เพื่อหาทุนทำการทดลอง

to raise funding for our labs,

เราเลยสอนหุ่นยนต์เราตามนั้น

and we get our robots to do that.

(Applause)

(เสียงปรบมือ)

อีกความสามารถหนึ่งของหุ่นยนต์นี้

So another thing the robot can do

มันสามารถจดจำวิถี

is it remembers pieces of trajectory

that it learns or is pre-programmed.

ซึ่งมันได้เรียนรู้ หรือถูกตั้งให้มัน

คุณจะเห็นมัน

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

รวมการเคลื่อนไหว

ที่สร้างโมเมนตัม

and then changes its orientation and then recovers.

เพื่อเปลี่ยนการทรงตัว แล้วคืนรูปเดิม

มันต้องทำเพราะความกว้างของช่องทาง

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

is only slightly larger than the width of the robot.

กว้างกว่าความยาวของมันเพียงเล็กน้อย

เหมือนนักโดดน้ำที่ยืนบนแผ่นกระดาน

So just like a diver stands on a springboard

and then jumps off it to gain momentum,

ต้องกระโดดขึ้นเพื่อสร้างโมเมนตัม

ตีลังกาสองรอบครึ่ง

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

แล้วคืนสู่สภาวะปกติ

and then gracefully recovers,

this robot is basically doing that.

มันกำลังทำตามนั้นเลยครับ

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

มันรู้ว่าต้องดัดแปลงวิถีต่างๆอย่างไร

to do these fairly difficult tasks.

เพื่อปฏิบัติในสิ่งที่ยากขึ้น

ในอีกมุมหนึ่ง

So I want change gears.

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

ข้อเสียของหุ่นยนต์พวกนี้คือขนาดของมัน

ดังที่ผมบอกข้างต้น

And I told you earlier

that we may want to employ lots and lots of robots

เราอาจต้องใช้หุ่นยนต์หลายๆ ตัว

เพื่อแก้ปัญหาเรื่องขนาด

to overcome the limitations of size.

ความยากอย่างหนึ่งคือ

So one difficulty is:

How do you coordinate lots of these robots?

เราจะประสานงานมันอย่างไร

And so here, we looked to nature.

เราเลยหันไปหาธรรมชาติ

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

นี่คือคลิป

มดทะเลทรายที่กำลังขนย้ายสิ่งของ

ภายใต้ห้องทดลองของศาสตราจารย์ Stephen Pratt

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

นี่คือผลมะเดื่อ

So this is actually a piece of fig.

คุณสามารถทาอะไรก็ได้ด้วยน้ำมะเดื่อ

Actually you take any object coated with fig juice,

มดเหล่านี้จะนำมันกลับไปที่รัง

and the ants will carry it back to the nest.

So these ants don't have any central coordinator.

มดเหล่านี้ไม่มีศูนย์กลางประสานงาน

มันใช้ความรู้สึกเพื่อรับรู้

They sense their neighbors.

ไม่มีการสื่อสารตายตัว

There's no explicit communication.

แต่การใช้ประสาทสัมผัสกับมดตัวอื่นๆ

But because they sense the neighbors

และใช้ประสาทสัมผัสกับสิ่งของ

and because they sense the object,

they have implicit coordination across the group.

มันสามารถประสานงานภายในกลุ่มได้

นี่คือการประสานงาน

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

ที่เราต้องการให้หุ่นของเราทำได้

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

เมื่อเรามีหุ่นยนต์

ที่รายล้อมด้วยหุ่นตัวอื่นๆ --

ลองดูหุ่นยนต์ I กับ J นะครับ --

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

สิ่งที่เราต้องการคือ

what we want the robots to do,

ให้มันคอยสอดส่องระยะห่าง

is to monitor the separation between them,

as they fly in formation.

ในขณะที่มันบินเป็นฝูง

And then you want to make sure

และคุณต้องการมั่นใจว่า

that this separation is within acceptable levels.

ระยะห่างอยู่ในระดับที่ปลอดภัย

มันจะคอยควบคุมระยะคลาดเคลื่อน

So again, the robots monitor this error

and calculate the control commands 100 times a second,

แล้วคำนวนการเคลื่อนไหว

100 ครั้งต่อวินาที

which then translates into motor commands,

ซึ่งถูกแปลงเป็น 600 คำสั่งต่อวินาที ไปยังมอเตอร์

600 times a second.

ซึ่งทั้งหมดนี้ต้องทำ

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

โดยไร้ศูนย์กลาง

Again, if you have lots and lots of robots,

แน่นอนว่าถ้าคุณมีหุ่นยนต์จำนวนมาก

คุณไม่สามารถใช้ศูนย์กลาง

it's impossible to coordinate all this information centrally

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

เพื่อประสานงานที่เร็วพอได้

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

หุ่นยนต์เหล่านี้ต้องขับเคลื่อน

ด้วยข้อมูลจากตัวมันเอง

เกี่ยวกับที่อยู่ของหุ่นรอบๆ ตัว

what they sense from their neighbors.

และสุดท้าย

And then finally,

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

เราต้องการให้มันเป็นอิสระ

ไม่จำเป็นต้องรู้ว่าสิ่งรอบตัวคืออะไร

So this is what we call anonymity.

ซึ่งเราเรียกว่า สภาวะนิรนาม

สิ่งที่ผมอยากแสดงต่อไป

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

คือวีดีโอ

หุ่นยนต์จำนวน 20 ตัว

flying in formation.

บินในลักษณะฝูง

มันกำลังเฝ้าดูตำแหน่งของเพื่อนๆ

They're monitoring their neighbors' positions.

คงตำแหน่งของตัวเองในฝูง

They're maintaining formation.

The formations can change.

เราสามารถเปลี่ยนรูปแบบได้

They can be planar formations,

ไม่ว่าจะเป็นในแนวระนาบ

they can be three-dimensional formations.

หรือในระดับสามมิติ

คุณจะเห็นได้ว่า

As you can see here,

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

มันสามารถแปรขบวนจากสามมิติ กลายเป็นสองมิติ

และสามารถปรับเปลี่ยนขบวน

And to fly through obstacles,

they can adapt the formations on the fly.

เพื่อบินผ่านสิ่งกีดขวาง

หุ่นยนต์พวกนี้บินใกล้ชิดกันมาก

So again, these robots come really close together.

As you can see in this figure-eight flight,

ดังที่เห็นในการบินเป็นเลขแปด

they come within inches of each other.

เข้าใกล้กันในระดับนิ้วเลยทีเดียว

ทั้งๆ ที่มีผลทางกลศาสตร์

And despite the aerodynamic interactions with these propeller blades,

ระหว่างใบพัดของแต่ละลำ

they're able to maintain stable flight.

มันก็ยังสามารถทรงตัวและเคลื่อนที่ได้

(Applause)

(เสียงปรบมือ)

เมื่อคุณสามารถบินเป็นฝูงได้

So once you know how to fly in formation,

คุณก็สามารถจับให้มันยกสิ่งของร่วมกันได้

you can actually pick up objects cooperatively.

นี่แสดงให้เห็นว่า

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

เราสามารถเพิ่มความแข็งแรงเป็นสอง สาม หรือสี่เท่า

ในการยกของได้

the robots' strength,

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

เพียงแค่จับมันประสานงานกัน

แต่ข้อเสียหนึ่งคือ

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

เมื่อคุณทำให้ขอบเขตใหญ่ขึ้น --

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

คุณต้องใช้หุ่นยนต์หลายตัวเพื่อขนย้ายของชิ้นเดียว

ซึ่งคุณกำลังเพิ่มแรงเฉื่อย

you're essentially increasing the inertia,

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

ทำให้สูญเสียความคล่องแคล่วไป

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

แต่คุณก็ได้รับการขนย้ายน้ำหนักที่มากขึ้นกลับมา

อีกหนึ่งการใช้งานคือ

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

ในห้องทดลองของเรา

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

นักเรียนปริญญาโทชื่อว่า Quentin Lindsey

ได้สร้างอัลกอริทึมที่สอนหุ่นยนต์เหล่านี้

So his algorithm essentially tells these robots

ให้สร้างสิ่งก่อสร้าง

how to autonomously build cubic structures

ทรงลูกเต๋าขึ้น

ด้วยเสาค้ำแบบนี้

from truss-like elements.

อัลกอริทึมของเขาสอนหุ่นยนต์

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

ว่าต้องหยิบอะไรขึ้น

หยิบเมื่อไหร่ และวางที่ไหน

when, and where to place it.

ในวีดีโอนี้ --

So in this video you see --

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

เราเร่งความเร็ว 10 เท่า 14 เท่า --

คุณจะเห็นสิ่งก่อสร้างรูปแบบต่างๆ สร้างโดยหุ่นยนต์

you see three different structures being built by these robots.

และแน่นอน ทุกอย่างเกิดขึ้นโดยอัตโนมัติ

And again, everything is autonomous,

สิ่งที่ Quentin ต้องทำ

and all Quentin has to do

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

คือป้อนพิมพ์เขียว

สิ่งที่เขาต้องการสร้างเท่านั้น

So all these experiments you've seen thus far,

การทดลองที่คุณเห็นทั้งหมด

all these demonstrations,

ตัวอย่างที่ผมได้แสดง

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

ได้การช่วยเหลือจากระบบจับการเคลื่อนไหว

แต่ถ้าเราลองนำไปทดลองข้างนอก

So what happens when you leave your lab,

ในโลกแห่งความเป็นจริง

and you go outside into the real world?

And what if there's no GPS?

และถ้าไม่มี GPS

So this robot is actually equipped with a camera,

หุ่นยนต์เหล่านี้

ถูกติดตั้งด้วยกล้อง

และเครื่องสแกนเลเซอร์

and a laser rangefinder, laser scanner.

มันใช้เซ็นเซอร์เหล่านี้

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

เพื่อวาดผังของสิ่งแวดล้อมรอบตัว

มันสามารถสร้างแผนที่

What that map consists of are features --

ประกอบไปด้วยประตู หน้าต่าง

like doorways, windows, people, furniture --

ผู้คน เฟอร์นิเจอร์

และคำนวนตำแหน่งของตนเอง

and it then figures out where its position is,

จากสิ่งรอบๆ ตัว

with respect to the features.

So there is no global coordinate system.

มันไม่จำเป็นต้องมีระบบพิกัดกลาง

ระบบพิกัดถูกกำหนดโดยตัวมันเอง

The coordinate system is defined based on the robot,

where it is and what it's looking at.

โดยที่ที่มันอยู่ และสิ่งที่มันเห็น

And it navigates with respect to those features.

และมันเคลื่อนที่ไปตามสิ่งที่มันเห็น

ผมอยากแสดงคลิปหนึ่ง

So I want to show you a clip

of algorithms developed by Frank Shen and Professor Nathan Michael,

ของอัลกอริทึมที่สร้างโดย Frank Shen

และศาสตราจารย์ Nathan Micheal

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

ขณะที่หุ่นยนต์เข้าสู่ตึกแห่งหนึ่งเป็นครั้งแรก

and creating this map on the fly.

และสร้างแผนที่นี้ขึ้นมาทันที

So the robot then figures out what the features are,

มันสามารถคำนวนสิ่งต่างๆรอบตัว

it builds the map,

แล้วสร้างแผนที่ขึ้น

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

คำนวนว่ามันอยู่ใกล้กับอะไร

and then estimates its position 100 times a second,

เพื่อคำนวนที่ตั้งของมัน

100 ครั้งต่อวินาที

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

ซึ่งทำให้เราสามารถใช้อัลกอริทึมควบคุม

ดังที่ผมอธิบายก่อนหน้านี้

So this robot is actually being commanded remotely by Frank,

หุ่นยนต์ตัวนี้ถูกควบคุมทางไกล

โดย Frank

แต่มันยังสามารถคำนวนเองได้

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

หากต้องการให้มันเดินทางเอง

ถ้าผมจะส่งหุ่นยนต์เข้าไปในสิ่งก่อสร้างหนึ่ง

So suppose I were to send this into a building,

แต่ผมไม่รู้ว่าข้างในเป็นอย่างไร

and I had no idea what this building looked like.

ผมสามารถสั่งให้มันเข้าไป

I can ask this robot to go in,

สร้างแผนที่

create a map,

แล้วกลับมาบอกว่าภายในของตึกนั้นเป็นอย่างไร

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

So here, the robot is not only solving the problem

มันไม่ได้แก้โจทย์เพียงแค่ว่า

จะเดินทางจากจุด A ไปจุด B ได้อย่างไร

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.

แต่มันยังสามารถ

คำนวนว่า B อยู่ที่ไหนได้ตลอดเวลา

มันรู้ว่าที่ไหน

So essentially it knows where to go

to look for places that have the least information,

ที่มันรู้จักน้อยที่สุด

และนั่นคือวิธีที่มันสร้างแผนที่

and that's how it populates this map.

So I want to leave you with one last application.

ท้ายสุดนี้

ผมมีการใช้งานสุดท้าย

And there are many applications of this technology.

จากหลายๆ การประยุกต์ใช้จากเทคโนโลยีนี้

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

ผมเป็นศาสตราจารย์ และเราหลงใหลในการศึกษา

หุ่นยนต์เหล่านี้สามารถเปลี่ยน

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

การเรียนการสอนจากอนุบาลถึงมัธยมได้

แต่เราอยู่ในแคลิฟอร์เนียตอนใต้

But we're in Southern California,

ใกล้ลอสแองเจลีส

close to Los Angeles,

ผมเลยต้องทิ้งท้าย

so I have to conclude with something focused on entertainment.

ด้วยสิ่งที่เกี่ยวกับความบันเทิง

ผมอยากจบด้วยมิวสิควีดีโอ

I want to conclude with a music video.

ผมขอแนะนำผู้กำกับ อเล็กซ์และแดเนียล

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

ผู้สร้างวีดีโอนี้ขึ้น

(เสียงปรบมือ)

(Applause)

So before I play this video,

ก่อนที่ผมจะเปิดวีดีโอ

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

ผมต้องบอกว่าพวกเขาทำขึ้นภายในสามวัน

after getting a call from Chris.

หลังจากที่ผมได้คำเชิญจากคริส

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

และหุ่นยนต์ในวีดีโอนี้

ทำงานอัตโนมัติทั้งหมด

You will see nine robots play six different instruments.

คุณจะเห็นหุ่นยนต์ 9 ตัว เล่นเครื่องดนตรี 6 ชนิด

แน่นอน เราทำเพื่อ TED2012 โดยเฉพาะ

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

เรามาดูกันครับ

Let's watch.

(Sound of air escaping from valve)

(Music)

(Whirring sound)

(Music)

(เสียงดนตรี)

(เสียงปรบมือ)

(Applause) (Cheers)