Vijay Kumar : des robots qui volent .. et travaillent ensemble

Bonjour Je suis ici aujourd'hui pour parler de ballons de plage volants et autonomes. Non, de robots aériens agiles comme celui-ci. Je voudrais vous parler des défis rencontrés lors de leur construction et de quelques-unes des possibilités formidables d'application de cette technologie. Donc, ces robots sont apparentés à des drones. Cependant, les drones que vous voyez ici sont grands. Ils pèsent des tonnes, ne sont pas du tout agiles. Ils ne sont même pas autonomes. En fait, bon nombre de ces véhicules sont manoeuvrés par des équipes de pilotage qui peuvent compter des pilotes, des opérateurs de capteurs et plusieurs coordonnateurs de mission.

Ce qui nous intéresse, c'est le développement de robots de ce genre - et voici deux autres photos - des robots qu'on peut acheter dans le commerce. Ce sont donc des hélicoptères à quatre rotors et ils font à peu près un mètre et pèsent plusieurs kilos. Nous leur ajoutons des capteurs et des processeurs, et ces robots peuvent voler en intérieur sans GPS.

Le robot que je tiens dans ma main est de ce type, et il a été créé par deux étudiants, Alex et Daniel. Il pèse un peu plus d'un vingtième de kilo. Il consomme environ 15 watts d'électricité. Comme vous pouvez le voir, il fait environ 20 cm de diamètre. Laissez-moi vous montrer rapidement comment ces robots fonctionnent.

Un robot dispose donc de quatre rotors. Si vous faites tourner ces rotors à la même vitesse, le robot plane. Si vous augmentez la vitesse de chacun de ces rotors, alors le robot s'envole, il s'élève en accélérant. Bien sûr, si on faisait basculer le robot, si on l'inclinait à l'horizontale, alors il accélèrerait dans cette direction. Donc, pour le faire basculer, voici l'une des deux façons de le faire. Donc, sur cette image vous voyez que le rotor n° 4 tourne plus vite et que le rotor n° 2 tourne plus lentement. Quand c'est le cas, il y a un tangage qui fait basculer le robot. Et dans l'autre sens, si vous augmentez la vitesse du rotor n°3 et diminuez la vitesse du rotor n°1, alors le robot bascule en avant.

Enfin, si vous faites tourner des paires de rotors opposés plus vite que l'autre paire, alors le robot s'oriente sur l'axe vertical. Donc, un processeur embarqué s'intéresse essentiellement aux mouvements qui doivent être exécutés et combine ces mouvements et calcule quelles commandes envoyer aux moteurs 600 fois par seconde. C'est en gros comme ça que ça fonctionne.

Donc, l'un des avantages de cette conception c'est que quand on réduit la taille globale, le robot devient naturellement agile. Donc ici R est la longueur caractéristique du robot. C'est la moitié du diamètre, en fait. Et il y a beaucoup de paramètres physiques qui changent quand on réduit R. Celui qui est le plus important est l'inertie ou la résistance au mouvement. Ainsi, il s'avère que l'inertie, qui gouverne le mouvement angulaire, se met à l'échelle R puissance 5. Donc plus vous réduisez R, plus l'inertie se réduit de façon spectaculaire. Donc, l'accélération angulaire, désignée ici par la lettre grecque alpha, devient un sur R. Elle est inversement proportionnelle à R. Plus on la réduit, plus on peut tourner vite.

Cela devrait apparaître clairement dans ces vidéos. En bas à droite, on peut voir un robot effectuer un tonneau de 360 ​​degrés en moins d'une demi-seconde. Des tonneaux multiples, un peu plus de temps. Donc, ici, les processus embarqués reçoivent les retours des accéléromètres et des gyroscopes embarqués et calculent, comme je l'ai dit avant, les commandes 600 fois par seconde pour stabiliser ce robot. Donc, sur la gauche, vous voyez Daniel jeter ce robot en l'air. Et ça vous montre la robustesse du contrôle. Peu importe comment on le jette, le robot récupère et revient à lui.

Alors, pourquoi construire des robots comme celui-ci? Des robots de ce genre ont de nombreuses applications. On peut les envoyer à l'intérieur de bâtiments comme celui-ci comme premiers intervenants à la recherche d'intrus, peut-être à la recherche de fuites biochimiques, de fuites de gaz. On peut aussi les utiliser pour des applications comme la construction. Voici des robots qui transportent des poutres, des colonnes et qui assemblent des structures cubiques. Je vais vous en dire un peu plus à ce sujet. Les robots peuvent être utilisés pour le transport de fret. Donc, l'un des problèmes avec ces petits robots est leur capacité de charge utile Donc, il faudra peut-être avoir plusieurs robots pour transporter des charges utiles. Ceci est une photo d'une expérience récente plus si récente que ça en fait à Sendai peu de temps après le tremblement de terre. Des robots comme celui-ci pourraient être envoyés dans les bâtiments écroulés pour évaluer les dégâts après les catastrophes naturelles, ou envoyés dans les bâtiments réacteurs pour cartographier les niveaux de radiation.

Un problème fondamental que les robots doivent résoudre s'ils veulent être autonomes est en gros de trouver comment aller du point A au point B. Cela devient un peu difficile parce que la dynamique de ce robot est assez compliquée. En fait, ils vivent dans un espace à 12 dimensions. Alors, nous utilisons une petite astuce. Nous profitons de cet espace courbe à 12 dimensions et le transformons en un espace plat à quatre dimensions. Et cet espace à quatre dimensions se compose de X, Y, Z et de l'angle d'orientation.

Et alors ce robot planifie ce que nous appelons une trajectoire de décrochage minimum. Un rappel de physique, vous avez la position, la dérivée, la vitesse, puis l'accélération, puis vient la secousse puis vient le décrochage Donc, ce robot minimise le décrochage. Cela produit effectivement un mouvement doux et gracieux. Le tout en évitant les obstacles. Ces trajectoires de décrochage minimum dans cet espace plat sont ensuite transformées à nouveau dans cet espace complexe à 12 dimensions, ce que le robot doit faire pour le contrôle et l'exécution.

Alors laissez-moi vous montrer quelques exemples de ce à quoi ressemblent ces trajectoires de décrochage minimum. Et dans la première vidéo, vous verrez le robot aller du point A au point B par un point intermédiaire. Ainsi, le robot est évidemment capable d'exécuter n'importe quelle trajectoire courbe. Ce sont donc des trajectoires circulaires où le robot subit environ deux G. Ici vous avez des caméras de captation de mouvement sur le dessus qui disent au robot où il se trouve 100 fois par seconde. Elles disent aussi au robot où sont ces obstacles. Et les obstacles peuvent être en mouvement. Et ici, vous verrez Daniel jeter ce cerceau dans l'air, tandis que le robot calcule la position du cerceau et essaye de trouver la meilleure façon de passer à travers le cerceau. En tant qu'universitaire, on nous forme toujours à réussir les épreuves de sélection afin de lever des fonds pour nos labos, et ce sont nos robots qui le font pour nous.

(Applaudissements)

Autre chose que le robot peut faire : il se souvient des bouts de trajectoire qu'il apprend ou qui sont pré-programmés. Ici vous pouvez voir le robot effectuer un mouvement qui exige d'accumuler de la vitesse de modifier son orientation, puis de se redresser. Donc, il doit le faire parce que cette ouverture dans la fenêtre est à peine supérieure à la largeur du robot. Alors, tout comme un plongeur sur un tremplin se jette pour gagner de la vitesse, et puis fait sa pirouette, ces deux saltos et demi et puis il récupère facilement, c'est en gros ce que ce robot fait. Il sait comment combiner de petits bouts de trajectoires pour effectuer ces tâches assez difficiles.

Je veux changer de vitesse. L'un des inconvénients de ces petits robots est leur taille. Et je vous l'ai dit plus tôt : on peut vouloir employer des tas de robots pour surmonter les limitations de taille. Donc, une difficulté est de savoir comment coordonner un bon nombre de ces robots? Et ici nous nous sommes tournés vers la nature. Je tiens donc à vous montrer une vidéo des fourmis du désert Aphaenogaster dans le laboratoire du professeur Stephen Pratt portant un objet. C'est en fait un morceau de figue. En fait, vous prenez un objet quelconque enduit de jus de figue et les fourmis vont le ramener au nid. Ces fourmis n'ont pas de coordinateur central. Elles repèrent leurs voisins. Il n'y a pas de communication explicite. Mais parce qu'elles repèrent les voisins et parce qu'elles repèrent l'objet, elles ont une coordination implicite au sein du groupe.

C'est le genre de coordination que nous voulons pour nos robots. Lorsque nous avons un robot qui est entouré par des voisins - et regardons le robot I et le robot J - ce que nous voulons que les robots fassent c'est surveiller la distance qui les sépare quand ils volent en formation. Et puis, on veut s'assurer que cette distance est dans des limites acceptables. Encore une fois, les robots surveillent cette erreur et calculent les commandes de contrôle 100 fois par seconde, ce qui se traduit alors par des commandes motrices 600 fois par seconde. Cela doit aussi se faire d'une manière décentralisée. Encore une fois, si vous avez des tas de robots, il est impossible de coordonner toutes ces informations de façon centrale assez vite pour que les robots accomplissent la tâche. En plus les robots sont amenées à fonder leurs actions uniquement sur des informations locales, ce qu'ils repèrent de leurs voisins. Et enfin, nous tenons à ce que les robots ne sachent pas l'identité exacte de leurs voisins. C'est ce que nous appelons l'anonymat.

Je veux vous montrer maintenant une vidéo de 20 de ces petits robots volant en formation. Ils surveillent la position de leurs voisins. Ils maintiennent la formation. Les formations peuvent changer. Ces formations peuvent être planaires, elles peuvent être tridimensionnelles. Comme vous pouvez le voir ici, ils se replient d'une formation en trois dimensions dans la formation planaire. Et pour voler à travers les obstacles ils peuvent s'adapter aux formations à la volée. Encore une fois, ces robots sont très rapprochés. Comme vous pouvez le voir dans ce vol en huit, ils viennent à quelques centimètres les uns des autres. Et malgré les interactions aérodynamiques des pales de l'hélice, ils sont en mesure de maintenir un vol stable.

(Applaudissements)

Une fois que vous savez comment voler en formation, vous pouvez effectivement ramasser des objets en collaboration. Cela montre simplement que nous pouvons doubler, tripler, quadrupler la force des robots en les amenant à s'associer avec leurs voisins, comme vous pouvez le voir ici. Un des inconvénients de faire ça est, que comme on augmente l'échelle globale -- si on a beaucoup de robots qui transportent la même chose, en fait on augmente l'inertie, et donc on subit la conséquence, ils ne sont pas aussi agiles. Mais on y gagne en capacité de transport de charge utile.

Une autre application que je souhaite vous montrer - une fois de plus, c'est dans notre laboratoire. Ce travail est effectué par Quentin Lindsey qui est un étudiant de troisième cycle. Son algorithme dit essentiellement à ces robots comment construire de manière autonome des structures cubiques à partir d'éléments de type treillis. Son algorithme indique au robot quelle partie ramasser, quand et où la placer. Dans cette vidéo vous voyez - et c'est accéléré 10, 14 fois - vous voyez ces robots en train de construire trois structures différentes. Et là encore, tout est autonome, et tout ce que Quentin doit faire est de leur donner un plan de ce qu'il veut construire.

Toutes ces expériences que vous avez vues jusqu'à présent, toutes ces manifestations, ont été réalisées avec l'aide de systèmes de captation de mouvement. Que se passe-t-il lorsque vous quittez votre laboratoire et vous aller dehors dans le monde réel? Et si il n'y a pas de GPS ? Donc, ce robot est en fait équipé d'une caméra et d'un pointeur laser H, un scanner laser. Et il utilise ces capteurs pour élaborer une carte de l'environnement. La carte se compose de caractéristiques -- comme des portes, fenêtres, les gens, les meubles - et ensuite il calcule sa position par rapport aux caractéristiques. Il n'y a pas de système de coordonnées global. Le système de coordonnées est défini d'après le robot, où il se trouve et ce qu'il regarde. Et il navigue en fonction de ces caractéristiques.

Je tiens donc à vous montrer un clip des algorithmes développés par Frank Shen et le professeur Nathan Michael qui montre ce robot qui entre dans un bâtiment pour la première fois et crée cette carte à la volée. Le robot détermine ensuite les caractéristiques. Il élabore la carte. Il calcule où il se trouve en fonction des caractéristiques et estime alors sa position 100 fois par seconde nous permettant d'utiliser les algorithmes de contrôle que je vous ai décrits plus tôt. Donc, ce robot est en fait commandé à distance par Frank. Mais le robot peut aussi calculer où aller tout seul. Supposons donc que je doive l'envoyer dans un bâtiment et je n'aie aucune idée de ce à quoi ce bâtiment ressemble, Je peux demander à ce robot d'entrer, d'élaborer une carte et puis de revenir et de me dire à quoi le bâtiment ressemble. Ici, le robot résout non seulement le problème, comment aller du point A, au point B sur cette carte mais il calcule quel est le meilleur point B à chaque fois. Donc, essentiellement, il sait où aller pour trouver les endroits qui ont le moins d'informations. Et c'est comme ça qu'il remplit cette carte.

Je vais finir avec une dernière application. Et il y a de nombreuses applications de cette technologie. Je suis professeur, et nous sommes passionnés par l'éducation. Des robots comme celui-là peuvent vraiment changer la façon dont nous pratiquons l'éducation secondaire. Mais nous sommes en Californie du Sud, près de Los Angeles, je dois donc conclure avec quelque chose d'axé sur le divertissement. Je voudrais conclure avec un clip musical. Je tiens à présenter les créateurs, Alex et Daniel, qui ont conçu cette vidéo.

(Applaudissements)

Avant de jouer cette vidéo, je tiens à vous dire qu'ils l'ont créée au cours des trois derniers jours après avoir reçu un appel de Chris. Et les robots qui jouent la vidéo sont complètement autonomes. Vous verrez neuf robots qui jouent six instruments différents. Et bien sûr, le clip est une exclusivité pour TED 2012. Regardons.

(Musique)

(Applaudissements)