The Future of Flying Robots | Vijay Kumar | TED Talks

755,341 views ・ 2015-11-04

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Eren Gokce Gözden geçirme: Onur ŞAHİN
00:13
In my lab, we build autonomous aerial robots
0
13280
3656
Laboratuvarımda otonom hava robotları geliştiriyoruz,
00:16
like the one you see flying here.
1
16960
1880
burada uçarken gördüğünüz gibi.
00:20
Unlike the commercially available drones that you can buy today,
2
20720
3696
Bugün ticari olarak satılan mevcut dronların aksine,
00:24
this robot doesn't have any GPS on board.
3
24440
2640
bu robotun üzerinde GPS (Küresel konumlandırma sistemi) yok.
00:28
So without GPS,
4
28160
1216
GPS olmadan,
00:29
it's hard for robots like this to determine their position.
5
29400
3280
bunun gibi robotların yönlerini saptamaları zordur.
00:34
This robot uses onboard sensors, cameras and laser scanners,
6
34240
4736
Bu robot çevreyi taramak için yerleşik sensörler, kameralar
00:39
to scan the environment.
7
39000
1696
ve lazer tarayıcılar kullanır.
00:40
It detects features from the environment,
8
40720
3056
Çevredeki özellikleri saptamak suretiyle,
00:43
and it determines where it is relative to those features,
9
43800
2736
nirengi metodunu kullanarak bu özelliklere göreli olarak
00:46
using a method of triangulation.
10
46560
2136
nerede olduğunu saptar.
00:48
And then it can assemble all these features into a map,
11
48720
3456
Sonra bütün bu özellikleri bir harita olarak bir araya getirir,
00:52
like you see behind me.
12
52200
1736
arkamda görmüş olduğunuz gibi.
00:53
And this map then allows the robot to understand where the obstacles are
13
53960
3936
Ardından bu harita robotun engellerin nerede olduğunu anlamasını
00:57
and navigate in a collision-free manner.
14
57920
2720
ve çarpmayacak şekilde gitmesini sağlar.
01:01
What I want to show you next
15
61160
2096
Size bundan sonra göstermek istediğim şey,
01:03
is a set of experiments we did inside our laboratory,
16
63280
3216
laboratuvarımızda yaptığımız bir dizi deney,
01:06
where this robot was able to go for longer distances.
17
66520
3480
bunlarla bu robotun daha uzun mesafeler boyunca gitmesini sağladık.
01:10
So here you'll see, on the top right, what the robot sees with the camera.
18
70400
5016
Burada sağ üstte robotun kamerayla ne gördüğüne bakabilirsiniz.
01:15
And on the main screen --
19
75440
1216
Ana ekranda ise --
01:16
and of course this is sped up by a factor of four --
20
76680
2456
ve elbette bu dört katına hızlandırılmış hâli --
01:19
on the main screen you'll see the map that it's building.
21
79160
2667
ana ekranda oluşturduğu haritayı göreceksiniz.
01:21
So this is a high-resolution map of the corridor around our laboratory.
22
81851
4285
Bu laboratuvarımızın çevresindeki koridorun yüksek çözünürlüklü haritası.
01:26
And in a minute you'll see it enter our lab,
23
86160
2336
Bir dakika içinde laboratuvarımıza girdiğini göreceksiniz,
01:28
which is recognizable by the clutter that you see.
24
88520
2856
ki göreceğiniz karışıklıktan bu anlaşılıyor.
01:31
(Laughter)
25
91400
1016
(Gülüşmeler)
01:32
But the main point I want to convey to you
26
92440
2007
Ancak size aktarmak istediğim ana nokta şu ki,
01:34
is that these robots are capable of building high-resolution maps
27
94472
3584
bu robotlar beş santimetre çözünürlükle yüksek çözünürlüklü haritalar
01:38
at five centimeters resolution,
28
98080
2496
yapma yeteneğine sahipler,
01:40
allowing somebody who is outside the lab, or outside the building
29
100600
4176
bu durum da laboratuvar dışındaki veya bina dışındaki birinin
01:44
to deploy these without actually going inside,
30
104800
3216
aslında içeri girmeden ve binanın içinde olanları anlamaya
01:48
and trying to infer what happens inside the building.
31
108040
3760
çalışmadan bunları görevlendirmesini sağlıyor.
01:52
Now there's one problem with robots like this.
32
112400
2240
Ancak bunun gibi robotlarla ilgili bir sorun var.
01:55
The first problem is it's pretty big.
33
115600
2200
İlk sorun, oldukça büyükler.
01:58
Because it's big, it's heavy.
34
118120
1680
Büyük oldukları için ağırlar.
02:00
And these robots consume about 100 watts per pound.
35
120640
3040
Bu robotlar libre (453,6 gr) başına 100 vat harcıyorlar.
02:04
And this makes for a very short mission life.
36
124360
2280
Bu da çok kısa bir uçuş süresi anlamına geliyor.
02:08
The second problem
37
128000
1456
İkinci sorun,
02:09
is that these robots have onboard sensors that end up being very expensive --
38
129480
3896
bu robotların üzerinde çok pahalıya mal olan sensörler var --
02:13
a laser scanner, a camera and the processors.
39
133400
3440
bir lazer tarayıcı, bir kamera ve işlemciler.
02:17
That drives up the cost of this robot.
40
137280
3040
Bunlar da bu robotun fiyatını yükseltiyor.
02:21
So we asked ourselves a question:
41
141440
2656
O yüzden kendimize bir soru sorduk:
02:24
what consumer product can you buy in an electronics store
42
144120
3776
Bir elektronik mağazasından ucuz, hafif olup üzerinde
02:27
that is inexpensive, that's lightweight, that has sensing onboard and computation?
43
147920
6280
algılayıcı ve ölçümleyici olan hangi tüketici ürününü alabilirsiniz?
02:36
And we invented the flying phone.
44
156080
2656
Biz de uçan telefonu icat ettk.
02:38
(Laughter)
45
158760
1936
(Gülüşmeler)
02:40
So this robot uses a Samsung Galaxy smartphone that you can buy off the shelf,
46
160720
6176
Bu robot, mağazadan alabileceğiniz Samsung Galaxy akıllı telefonu kullanıyor
02:46
and all you need is an app that you can download from our app store.
47
166920
4016
ve tek ihtiyacınız olan şey uygulama mağazamızdan indirilebilen bir uygulama.
02:50
And you can see this robot reading the letters, "TED" in this case,
48
170960
4216
Bu robotun bu durumda "TED" harflerini okuduğunu görüyorsunuz,
02:55
looking at the corners of the "T" and the "E"
49
175200
2936
"T" ve "E"nin köşelerine bakıp ondan üçgenleme yaparak
02:58
and then triangulating off of that, flying autonomously.
50
178160
3480
otonom olarak uçuyor.
03:02
That joystick is just there to make sure if the robot goes crazy,
51
182720
3256
Kumanda kolu orada, çünkü robot çılgın şeyler yaparsa,
03:06
Giuseppe can kill it.
52
186000
1416
Giuseppe işini bitirebilir.
03:07
(Laughter)
53
187440
1640
(Gülüşmeler)
03:10
In addition to building these small robots,
54
190920
3816
Bu küçük robotları geliştirme yanında,
03:14
we also experiment with aggressive behaviors, like you see here.
55
194760
4800
burada gördüğünüz gibi agresif davranışlarla ilgili de deneyler yaptık.
03:19
So this robot is now traveling at two to three meters per second,
56
199920
5296
İşte bu robot saniyede iki ila üç metre hızla seyahat ediyor,
03:25
pitching and rolling aggressively as it changes direction.
57
205240
3496
yön değiştirdikçe agresifçe savrulup dönüyor.
03:28
The main point is we can have smaller robots that can go faster
58
208760
4256
Ana nokta, daha hızlı giden ve bu yapılandırılmamış
03:33
and then travel in these very unstructured environments.
59
213040
2960
çevrelerde yol alan daha küçük robotlarımızın olabileceği.
03:37
And in this next video,
60
217120
2056
Bir sonraki videoda gördüğünüz gibi,
03:39
just like you see this bird, an eagle, gracefully coordinating its wings,
61
219200
5896
aynı bu kuşun, kartalın zerafetle sudan avını kapmak için
03:45
its eyes and feet to grab prey out of the water,
62
225120
4296
kanatlarını, gözlerini ve ayaklarını koordine etmesi gibi,
03:49
our robot can go fishing, too.
63
229440
1896
robotumuz da balığa gidebilir.
03:51
(Laughter)
64
231360
1496
(Gülüşmeler)
03:52
In this case, this is a Philly cheesesteak hoagie that it's grabbing out of thin air.
65
232880
4056
Burada birdenbire bir bonfile sandviçi kapıyor.
03:56
(Laughter)
66
236960
2400
(Gülüşmeler)
03:59
So you can see this robot going at about three meters per second,
67
239680
3296
Bu robotun saniyede yaklaşık üç metre hızla gittiğini görüyorsunuz,
04:03
which is faster than walking speed, coordinating its arms, its claws
68
243000
5136
ki bu yürüyüş hızından fazla; kollarını, pençelerini ve uçuşunu
04:08
and its flight with split-second timing to achieve this maneuver.
69
248160
4120
yarım saniye zamanlamayla bu manevraya ulaşmak için koordine ediyor.
04:14
In another experiment,
70
254120
1216
Başka bir deneyde,
04:15
I want to show you how the robot adapts its flight
71
255360
3656
uzunluğu esasen bu pencerenin genişliğinden büyük olan
04:19
to control its suspended payload,
72
259040
2376
askıdaki yükünü kontrol etmek için
04:21
whose length is actually larger than the width of the window.
73
261440
3800
uçuşunu nasıl ayarladığını size göstermek istiyorum.
04:25
So in order to accomplish this,
74
265680
1696
Bunu başarmak için
04:27
it actually has to pitch and adjust the altitude
75
267400
3696
aslında irtifayı düşürüp ayarlaması
04:31
and swing the payload through.
76
271120
2320
ve yükü içeriye doğru sallaması gerekiyor.
04:38
But of course we want to make these even smaller,
77
278920
2296
Ama elbette ki bunları daha da küçük yapmak istiyoruz
04:41
and we're inspired in particular by honeybees.
78
281240
3016
ve özellikle bal arılarından esinlendik.
04:44
So if you look at honeybees, and this is a slowed down video,
79
284280
3256
Eğer bal arılarına bakarsanız ve bu yavaşlatılmış bir video,
04:47
they're so small, the inertia is so lightweight --
80
287560
3720
çok küçükler, ataleti öylesine önemsiz ki --
04:51
(Laughter)
81
291960
1176
(Gülüşmeler)
04:53
that they don't care -- they bounce off my hand, for example.
82
293160
3536
umursamıyorlar -- elimden sekiyorlar, örnek olarak.
04:56
This is a little robot that mimics the honeybee behavior.
83
296720
3160
Bu bal arısı davranışını taklit eden küçük bir robot.
05:00
And smaller is better,
84
300600
1216
Küçüldükçe daha iyi,
05:01
because along with the small size you get lower inertia.
85
301840
3536
çünkü boyutunun küçüklüğüyle beraber daha az atalet elde ediyorsunuz.
05:05
Along with lower inertia --
86
305400
1536
Düşük ataletle --
05:06
(Robot buzzing, laughter)
87
306960
2856
(Robot vızıldıyor, gülüşmeler)
05:09
along with lower inertia, you're resistant to collisions.
88
309840
2816
düşük ataletle, çarpışmalara dirençlisiniz.
05:12
And that makes you more robust.
89
312680
1720
Bu da sizi daha güçlü yapıyor.
05:15
So just like these honeybees, we build small robots.
90
315800
2656
Yani aynı bal arıları gibi küçük robotlar yapıyoruz.
05:18
And this particular one is only 25 grams in weight.
91
318480
3376
Bu ise sadece 25 gram ağırlığında.
05:21
It consumes only six watts of power.
92
321880
2160
Yalnızca altı vat güç harcıyor.
05:24
And it can travel up to six meters per second.
93
324440
2536
Saniyede altı metreye kadar yol alabiliyor.
05:27
So if I normalize that to its size,
94
327000
2336
Eğer büyüklüğüne göre normalize edersem,
05:29
it's like a Boeing 787 traveling ten times the speed of sound.
95
329360
3640
bu Boeing 787'nin ses hızının on katında yol alması gibi.
05:36
(Laughter)
96
336000
2096
(Gülüşmeler)
05:38
And I want to show you an example.
97
338120
1920
Size bir örnek göstermek istiyorum.
05:40
This is probably the first planned mid-air collision, at one-twentieth normal speed.
98
340840
5256
Bu muhtemelen ilk planlanan havada çarpışma, normal hızın yirmide biri.
05:46
These are going at a relative speed of two meters per second,
99
346120
2858
Bunlar saniyede iki metre relatif hızla gidiyor
05:49
and this illustrates the basic principle.
100
349002
2480
ve bu temel prensibi gösteriyor.
05:52
The two-gram carbon fiber cage around it prevents the propellers from entangling,
101
352200
4976
Etrafındaki iki gramlık karbon fiber kafes pervanelerin dolaşmasını engelliyor;
05:57
but essentially the collision is absorbed and the robot responds to the collisions.
102
357200
5296
ancak aslında çarpışma absorbe ediliyor ve robot çarpışmaya cevap veriyor.
06:02
And so small also means safe.
103
362520
2560
Bu kadar küçük olması güvenli olması anlamına da geliyor.
06:05
In my lab, as we developed these robots,
104
365400
2016
Laboratuvarımda bu robotları geliştirirken,
06:07
we start off with these big robots
105
367440
1620
büyük robotlarla başlıyoruz
06:09
and then now we're down to these small robots.
106
369084
2812
ve sonra bu küçük robotlara kadar geliyoruz.
06:11
And if you plot a histogram of the number of Band-Aids we've ordered
107
371920
3456
Geçmişte sipariş ettiğimiz bantların sayısına dair bir
06:15
in the past, that sort of tailed off now.
108
375400
2576
histogram çizerseniz, artık biraz azaldı.
06:18
Because these robots are really safe.
109
378000
1960
Çünkü bu robotlar gerçekten güvenli.
06:20
The small size has some disadvantages,
110
380760
2456
Küçük boyutun bazı dezavantajları var
06:23
and nature has found a number of ways to compensate for these disadvantages.
111
383240
4080
ve bu dezavantajları telafi etmek için doğa bir sürü yol bulmuş.
06:27
The basic idea is they aggregate to form large groups, or swarms.
112
387960
4000
Ana fikir, büyük grupları veya sürüleri oluşturmak için bir araya gelmeleri.
06:32
So, similarly, in our lab, we try to create artificial robot swarms.
113
392320
3976
Benzer şekilde biz de laboratuvarımızda yapay robot sürüleri yaratmaya çalışıyoruz.
06:36
And this is quite challenging
114
396320
1381
Bu oldukça zor,
06:37
because now you have to think about networks of robots.
115
397725
3320
çünkü artık robot ağlarını düşünmek zorundasınız.
06:41
And within each robot,
116
401360
1296
Her robot için de
06:42
you have to think about the interplay of sensing, communication, computation --
117
402680
5616
algılama, iletişim, hesaplama etkileşimini düşünmek zorundasınız --
06:48
and this network then becomes quite difficult to control and manage.
118
408320
4960
sonrasında bu ağı kontrol etmek ve yönetmek oldukça zor hâle geliyor.
06:54
So from nature we take away three organizing principles
119
414160
3296
Bundan dolayı, doğadan aslında algoritmalarımızı geliştirmemizi
06:57
that essentially allow us to develop our algorithms.
120
417480
3160
sağlayacak üç düzenleyici prensip alıyoruz.
07:01
The first idea is that robots need to be aware of their neighbors.
121
421640
4536
İlk fikir, robotların komşularının farkında olmak zorunda olması.
07:06
They need to be able to sense and communicate with their neighbors.
122
426200
3440
Komşularını algılamak ve iletişim kurmak durumundalar.
07:10
So this video illustrates the basic idea.
123
430040
2656
Bu video, temel fikri açıklıyor.
07:12
You have four robots --
124
432720
1296
Dört robotunuz var --
07:14
one of the robots has actually been hijacked by a human operator, literally.
125
434040
4240
robotlardan biri insan operatör tarafından tam anlamıyla gasp edilmiş durumda.
07:19
But because the robots interact with each other,
126
439217
2239
Ancak robotlar birbirleriyle etkileştiği için,
07:21
they sense their neighbors,
127
441480
1656
yanındakileri algılayarak
07:23
they essentially follow.
128
443160
1296
esasen takip ediyorlar.
07:24
And here there's a single person able to lead this network of followers.
129
444480
5360
İşte burada takipçi ağını yönlendiren tek bir kişi var.
07:32
So again, it's not because all the robots know where they're supposed to go.
130
452000
5056
Aslında bunun nedeni robotların nereye gideceklerini bilmeleri değil,
07:37
It's because they're just reacting to the positions of their neighbors.
131
457080
4320
yanındakilere tepki vermelerinden dolayı böyle oluyor.
07:43
(Laughter)
132
463720
4120
(Gülüşmeler)
07:48
So the next experiment illustrates the second organizing principle.
133
468280
5240
Bir sonraki deney, ikinci düzenleyici prensibi göstermektedir.
07:54
And this principle has to do with the principle of anonymity.
134
474920
3800
Bu prensip anonimlik prensibiyle ilgili.
07:59
Here the key idea is that
135
479400
4296
Burada ana fikir,
08:03
the robots are agnostic to the identities of their neighbors.
136
483720
4240
robotların yakınındakilerin kimliklerini bilmemesi.
08:08
They're asked to form a circular shape,
137
488440
2616
Dairesel bir şekil oluşturmaları istendi
08:11
and no matter how many robots you introduce into the formation,
138
491080
3296
ve grubun içine kaç tane robot katarsanız katın
08:14
or how many robots you pull out,
139
494400
2576
ya da kaç robot çıkarırsanız çıkarın,
08:17
each robot is simply reacting to its neighbor.
140
497000
3136
her robot sadece yanındakine tepki veriyor.
08:20
It's aware of the fact that it needs to form the circular shape,
141
500160
4976
Dairesel bir şekil oluşturması gerektiğinin farkında;
08:25
but collaborating with its neighbors
142
505160
1776
ancak yanındakilerle işbirliği yaparak
08:26
it forms the shape without central coordination.
143
506960
3720
merkezî bir eşgüdüm olmadan şekli oluşturuyor.
08:31
Now if you put these ideas together,
144
511520
2416
Bu fikirleri bir araya koyunca
08:33
the third idea is that we essentially give these robots
145
513960
3896
üçüncü fikir, robotlara esasen oluşturmaları gereken şeklin
08:37
mathematical descriptions of the shape they need to execute.
146
517880
4296
matematiksel tanımlarını vermek.
08:42
And these shapes can be varying as a function of time,
147
522200
3496
Bu şekiller zamanın fonksiyonu olarak çeşitlilik gösterebilir
08:45
and you'll see these robots start from a circular formation,
148
525720
4496
ve bu robotların dairesel bir biçimle başladığını, dikdörtgen biçime
08:50
change into a rectangular formation, stretch into a straight line,
149
530240
3256
dönüştüğünü, düz bir çizgi olarak uzadığını, tekrar elips hâline
08:53
back into an ellipse.
150
533520
1375
geldiğini göreceksiniz.
08:54
And they do this with the same kind of split-second coordination
151
534919
3617
Bunu doğal sürülerde, doğada gördüğünüz türden
08:58
that you see in natural swarms, in nature.
152
538560
3280
yarım saniyelik eşgüdümle yapıyorlar.
09:03
So why work with swarms?
153
543080
2136
Peki neden sürülerle çalışılıyor?
09:05
Let me tell you about two applications that we are very interested in.
154
545240
4120
Size çok ilgimizi çeken iki uygulamadan bahsedeyim.
09:10
The first one has to do with agriculture,
155
550160
2376
İlki tarımla ilgili,
09:12
which is probably the biggest problem that we're facing worldwide.
156
552560
3360
ki bu muhtemelen dünyada karşılaştığımız en önemli sorun.
09:16
As you well know,
157
556760
1256
Bildiğiniz gibi,
09:18
one in every seven persons in this earth is malnourished.
158
558040
3520
dünyada her yedi kişiden biri yetersiz besleniyor.
09:21
Most of the land that we can cultivate has already been cultivated.
159
561920
3480
Ekilebilecek toprakların çoğu zaten ekili.
09:25
And the efficiency of most systems in the world is improving,
160
565960
3216
Dünyadaki sistemlerin çoğunun verimi artıyor,
09:29
but our production system efficiency is actually declining.
161
569200
3520
ancak üretim sistemlerinin verimi aslında giderek düşüyor.
09:33
And that's mostly because of water shortage, crop diseases, climate change
162
573080
4216
Bunun en büyük nedenleri, su kıtlığı, ekinlerdeki hastalıklar, iklim değişimi
09:37
and a couple of other things.
163
577320
1520
ve başka birkaç şey daha.
09:39
So what can robots do?
164
579360
1480
O zaman robotlar ne yapabilirler?
09:41
Well, we adopt an approach that's called Precision Farming in the community.
165
581200
4616
Toplumda Hassas Tarım olarak adlandırılan bir yaklaşımı benimsiyoruz.
09:45
And the basic idea is that we fly aerial robots through orchards,
166
585840
5376
Ana fikir şu; hava robotlarını bahçelerde uçurup
09:51
and then we build precision models of individual plants.
167
591240
3120
sonra bitkilerin tek tek hassas modellerini geliştiriyoruz.
09:54
So just like personalized medicine,
168
594829
1667
Her hastaya özel tedavi
09:56
while you might imagine wanting to treat every patient individually,
169
596520
4816
uygulanmasının istendiği, kişiselleştirilen ilaçlarla olduğu gibi,
10:01
what we'd like to do is build models of individual plants
170
601360
3696
bizim yapmak istediğimiz şey de tek tek bitkilerin modellerini geliştirmek
10:05
and then tell the farmer what kind of inputs every plant needs --
171
605080
4136
ve sonra çiftçiye her bitkinin ne tür bir girdiye ihtiyacı olduğunu söylemek --
10:09
the inputs in this case being water, fertilizer and pesticide.
172
609240
4440
bu durumda girdiler, su, gübre ve tarım ilaçlarıdır.
10:14
Here you'll see robots traveling through an apple orchard,
173
614640
3616
Burada elma bahçesinde dolaşan robotları görüyorsunuz
10:18
and in a minute you'll see two of its companions
174
618280
2256
ve bir dakika içinde sol tarafta aynı şeyi
10:20
doing the same thing on the left side.
175
620560
1810
yapan iki üyeyi daha göreceksiniz.
10:22
And what they're doing is essentially building a map of the orchard.
176
622800
3656
Aslında yaptıkları şey bahçenin bir haritasını çizmek.
10:26
Within the map is a map of every plant in this orchard.
177
626480
2816
Harita içinde, bu bahçedeki her bitkinin bir haritası var.
10:29
(Robot buzzing)
178
629320
1656
(Robot vızıldıyor)
10:31
Let's see what those maps look like.
179
631000
1896
Bu haritaların neye benzediğini görelim.
10:32
In the next video, you'll see the cameras that are being used on this robot.
180
632920
4296
Bir sonraki videoda, bu robotta kullanılan kameraları göreceksiniz.
10:37
On the top-left is essentially a standard color camera.
181
637240
3240
Sol üstte esasen standart renkli bir kamera var.
10:41
On the left-center is an infrared camera.
182
641640
3296
Solda ortada kızılötesi bir kamera var.
10:44
And on the bottom-left is a thermal camera.
183
644960
3776
Sol altta ise termal bir kamera var.
10:48
And on the main panel, you're seeing a three-dimensional reconstruction
184
648760
3336
Ana panelde, sensörler ağaçların yanından geçtikçe bahçedeki her ağacın
10:52
of every tree in the orchard as the sensors fly right past the trees.
185
652120
6120
yeniden üç boyutlu olarak oluşturulmasını görüyorsunuz.
10:59
Armed with information like this, we can do several things.
186
659640
4040
Böyle bir bilgiyle donanınca birçok şey yapabiliriz.
11:04
The first and possibly the most important thing we can do is very simple:
187
664200
4256
Yapabileceğimiz ilk ve muhtemelen en önemli şey çok basit:
11:08
count the number of fruits on every tree.
188
668480
2440
Her ağaçtaki meyve adetini saymak.
11:11
By doing this, you tell the farmer how many fruits she has in every tree
189
671520
4536
Böyle yaparak çiftçiye her ağaçtaki meyve sayısını söylersiniz
11:16
and allow her to estimate the yield in the orchard,
190
676080
4256
ve bahçedeki hâsılatı tahmin etmesini sağlarsınız,
11:20
optimizing the production chain downstream.
191
680360
2840
bununla üretim zinciri boyunca optimizasyon sağlarsınız.
11:23
The second thing we can do
192
683640
1616
Yapabileceğimiz ikinci şey,
11:25
is take models of plants, construct three-dimensional reconstructions,
193
685280
4496
bitkilerin modellerini almak, üç boyutlu olarak yeniden oluşturmak
11:29
and from that estimate the canopy size,
194
689800
2536
ve böylece bitki örtüsünün büyüklüğünü tahmin etmek,
11:32
and then correlate the canopy size to the amount of leaf area on every plant.
195
692360
3776
sonra örtünün büyüklüğünü her bitkideki yaprak alanın miktarı ile ilintilemek.
11:36
And this is called the leaf area index.
196
696160
2176
Buna yaprak alan indeksi denir.
11:38
So if you know this leaf area index,
197
698360
1936
Eğer yaprak alanı indeksini biliyorsanız,
11:40
you essentially have a measure of how much photosynthesis is possible in every plant,
198
700320
5456
aslında her bitkide ne kadar fotosentez mümkün olduğuna dair ölçünüz olur,
11:45
which again tells you how healthy each plant is.
199
705800
2880
bu da size her bitkinin ne kadar sağlıklı olduğunu söyler.
11:49
By combining visual and infrared information,
200
709520
4216
Görsel ve kızılötesi bilgiyi birleştirerek,
11:53
we can also compute indices such as NDVI.
201
713760
3296
NDVI (normalize edilmiş fark bitki örtüsü indeksi) gibi indisleri de hesaplayabiliriz.
11:57
And in this particular case, you can essentially see
202
717080
2816
Buradaki durumda, aslında bazı ürünlerin diğer ürünler
11:59
there are some crops that are not doing as well as other crops.
203
719920
3016
kadar iyi durumda olmadığını görüyorsunuz.
12:02
This is easily discernible from imagery,
204
722960
4056
Bu durum, görüntüde rahatlıkla ayırt edilebiliyor;
12:07
not just visual imagery but combining
205
727040
2216
sadece görsel imgeyle değil,
12:09
both visual imagery and infrared imagery.
206
729280
2776
görsel imgeyi, kızılötesi imgeyle birleştirerek.
12:12
And then lastly,
207
732080
1336
Son olarak,
12:13
one thing we're interested in doing is detecting the early onset of chlorosis --
208
733440
4016
yapmak istediğimiz bir şey de kloroz başlangıcını erkenden tespit etmek --
12:17
and this is an orange tree --
209
737480
1496
ve bu bir portakal ağacı --
12:19
which is essentially seen by yellowing of leaves.
210
739000
2560
bu aslında yaprakların sararmasından anlaşılabilir.
12:21
But robots flying overhead can easily spot this autonomously
211
741880
3896
Ancak tepede uçan robotlar bunu kolaylıkla kendileri fark edebilir
12:25
and then report to the farmer that he or she has a problem
212
745800
2936
ve sonra çiftçiye bahçenin bu kısmında bir sorun
12:28
in this section of the orchard.
213
748760
1520
olduğunu raporlayabilirler.
12:30
Systems like this can really help,
214
750800
2696
Bunun gibi sistemler gerçekten yardımcı olabilir
12:33
and we're projecting yields that can improve by about ten percent
215
753520
5816
ve hava robotu sürüleri kullanarak hâsılatın yaklaşık yüzde 10 artabileceğini
12:39
and, more importantly, decrease the amount of inputs such as water
216
759360
3216
ve daha da önemlisi su gibi girdilerin miktarının
12:42
by 25 percent by using aerial robot swarms.
217
762600
3280
yüzde 25 oranında azalabileceğini öngörüyoruz.
12:47
Lastly, I want you to applaud the people who actually create the future,
218
767200
5736
Son olarak, aslında geleceği yaratan insanları alkışlamanızı istiyorum,
12:52
Yash Mulgaonkar, Sikang Liu and Giuseppe Loianno,
219
772960
4920
Yash Mulgaonkar, Sikang Liu ve Giuseppe Loianno,
12:57
who are responsible for the three demonstrations that you saw.
220
777920
3496
kendileri gördüğünüz üç demodan sorumlular.
13:01
Thank you.
221
781440
1176
Teşekkürler.
13:02
(Applause)
222
782640
5920
(Alkış)
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7