Vijay Kumar: Roboty, čo lietajú ... a spolupracujú

Dobré ráno. Som tu dnes, aby som rozprával o samostatných, lietajúcich plážových loptách. Nie, agilných lietajúcich robotov, ako je tento. Chcel by som Vám povedať čosi o výzvach, pri ich stavbe a o úžasných možnostiach, ako túto technológiu aplikovať. Takže tieto roboty súvisia s bezpilotnými lietadlami. Avšak stroje, ktoré tu vidíte, sú veľké. Vážia tisíce kíl, v žiadnom prípade nie sú agilné. Dokonca nie sú ani samostatné. Vlastne, množstvo takýchto strojov ovládajú letové posádky, ktoré môžu zahŕňať viacerých pilotov, operátorov senzorov a koordinátorov misií.

Nás zaujíma skôr vývoj robotov, ako je tento -- a tu sú dva iné obrázky -- robotov, ktorých si môžete kúpiť v obchode. Takže sú to helikoptéry so štyrmi vrtuľami a sú približne meter veľké a vážia niekoľko kíl. Vybavili sme ich senzormi a procesormi a tieto roboty môžu lietať vnútri bez GPS.

Robot, ktorého držím v ruke je tento, vytvorili ho dvaja študenti, Alex a Daniel. Váži o niečo viac než 50 gramov. Spotrebuje asi 15 wattov energie. A sami vidíte, že má priemer asi 20 centimetrov. Dovoľte mi teda v rýchlosti vás previesť tým, ako tieto roboty fungujú.

Takže má štyri vrtule. Ak sa točia rovnakou rýchlosťou, robot sa vznáša. Ak zvýšite rýchlosť každej vrtule, robot letí nahor, zrýchľuje nahor. Samozrejme, keby bol robot naklonený, vzhľadom na vodorovnú os tak by zrýchľoval v tomto smere. Ak ho chceme nakloniť, sú dva spôsoby, ako na to. Na tomto obrázku vidíte, že vrtuľa štyri sa točí rýchlejšie a vrtuľa dva, pomalšie. A keď sa to stane, vzniká moment, ktorý spôsobí otáčanie robota. A naopak, ak zvýšite rýchlosť vrtule tri a znížite rýchlosť vrtule jedna, robot sa nakláňa vpred.

A nakoniec, ak roztočíte pár vrtúľ oproti sebe, rýchlejšie, než druhý pár, robot sa otáča okolo zvislej osi. Takže procesor na palube v zásade pozerá, aké pohyby je potrebné vykonať, kombinuje tieto pohyby a zisťuje, aké pokyny treba posielať motorom 600-krát za sekundu. Takto v zásade táto vec funguje.

Jedna z výhod tohto návrhu spočíva v tom, že keď veci zmenšíte, robot sa prirodzene stane agilným. Takže tu, R predstavuje charakteristickú dĺžku robota. Vlastne je to polovica priemeru. Veľa fyzikálnych parametrov sa mení, keď zmenšujeme R. Ten najdôležitejší je hybnosť, alebo odpor voči pohybu. Ukázalo sa, že hybnosť, ktorá určuje uhlový pohyb, je úmerná piatej mocnine R. Takže čím menšie je R, tým výraznejšie sa znižuje hybnosť. Výsledok je taký, že uhlové zrýchlenie, tu znázornené gréckym písmenom alfa, rastie s jedna lomeno R. Je nepriamo úmerné R. Čím menšie to urobíte, tým rýchlejšie to dokážete otáčať.

Malo by to byť jasné z týchto videí. Dole vidíte robota ako robí otočku o 360 stupňov za menej než pol sekundy. Viac otočiek, o trochu dlhší čas. Procesory na palube dostávajú odozvu od akcelerometrov a gyroskopov na palube a počítajú, ako som už spomínal, príkazy 600-krát za sekundu aby tohto robota stabilizovali. Takže vľavo vidíte Daniela, ako hádže robota do vzduchu. A je vidieť, ako robustné je ovládanie. Nezáleží na to, ako ho hodíte, robot sa spamätá a vráti sa naspäť k nemu.

Takže, prečo stavať takýchto robotov? Takéto roboty majú veľa využití. Môžete ho poslať do takejto budovy ako prvú odozvu, aby hľadal votrelcov, možno biochemické úniky, úniky plynu. Taktiež ich môžete použiť pre úlohy, ako je konštrukcia. Tu roboty prenášajú trámy, stĺpy a zostavujú kockové štruktúry. Poviem Vám o tom niečo viac. Roboty je možné použiť na prenos tovaru. Jeden z problémov s týmito malými robotmi je ich nosná kapacita. Takže možno chcete, aby viaceré roboty nosili náklad. Toto je obrázok z nášho nedávneho experimentu -- vlastne už ani nie tak nedávneho -- v Sendai, krátko po zemetrasení. Takéto roboty je možné poslať do spadnutých budov na zhodnotenie škôd po prírodných katastrofách, alebo poslať do budov reaktora, aby zmapovali úrovne radiácie.

Takže, základný problém, ktorý roboty musia riešiť, ak majú byť samostatné, je vlastne zistiť, ako sa dostanú z bodu A do bodu B. Toto môže byť trochu problém, keďže dynamika tohto robota je pomerne komplikovaná. V podstate žijú v 12-rozmernom priestore. Preto používame malý trik. Vezmeme tento zakrivený 12-rozmerný priestor a transformujeme ho na plochý, štvorrozmerný priestor. A tento štvorrozmerný priestor pozostáva z X, Y, Z a uhlu natočenia.

Takže tento robot robí to, že plánuje niečo, čo sme nazvali minimálna snapová dráha. Aby som pripomenul fyziku, máme pozíciu, derivácia je rýchlosť, potom zrýchlenie, a potom ide ryv a potom snap. Tento robot teda minimalizuje snap. V praxi to teda znamená, že výsledkom je hladký a ladný pohyb. A pritom sa vyhýba prekážkam. Tieto minimálne snapové dráhy v plochom priestore sú potom prevedené späť do toho komplikovaného 12-rozmerného priestoru, čo robot musí urobiť, kvôli ovládaniu a vykonávaniu.

Dovoľte mi ukázať Vám pár príkladov toho, ako tieto minimálne snapové dráhy vyzerajú. A v prvom videu uvidíte robota, ako ide z bodu A do bodu B cez bod ležiaci uprostred. Tento robot je teda schopný sledovať akúkoľvek zakrivenú dráhu. Toto sú kruhové dráhy, pričom robot prekonáva asi dva G. Tu máme nad hlavou kamery zachytávajúce pohyb, ktoré hovoria robotovi, kde sa nachádza, 100-krát za sekundu. Taktiež hovoria robotovi, kde sú prekážky. A prekážky sa môžu hýbať. Tu vidíte Daniela, ako vyhadzuje do vzduchu obruč, pričom robot počíta pozíciu obruče a snaží sa zistiť, ako najlepšie prejsť cez obruč. Ako akademikov, stále nás učia skákať cez obruče, aby sme získali financie pre laboratóriá, a my to zas učíme robotov.

(Potlesk)

Ďalšia vec, čo tento robot dokáže, je, že si pamätá časti dráhy, ktorú sa naučil, alebo mu bola naprogramovaná. Tu vidíte robota, ako kombinuje pohyb, ktorý vyvinie hybnosť a následne zmení orientáciu a vyrovná. Toto musí urobiť, keďže táto medzera v okne je iba o niečo väčšia, ako je šírka robota. Takže ako skokan do vody, čo stojí na mostíku a potom z neho zoskočí, aby získal hybnosť, potom urobí piruetu, dva a pol salta a ladne vyrovná, tento robot robí prakticky to isté. Teda vie, ako kombinovať malé časti dráh, aby vykonával tieto pomerne náročné úlohy.

Teraz trošku zmením tému. Jednou z nevýhod týchto malých robotov, je ich veľkosť. Ako som vravel skôr, že môžeme potrebovať nasadiť veľa veľa robotov, aby sme prekonali jeho obmedzenia veľkosti. Jeden problém je, ako zosúladíte tak veľa robotov? A tu sa inšpirujeme prírodou. Chcel by som Vám ukázať klip púštnych mravcov Aphaenogaster, v laboratóriu profesora Stephena Pratta, ako nesú objekt. Je to kúsok figy. Vezmete akýkoľvek objekt pokrytý figovou šťavou a mravce ho odnesú späť do hniezda. Tieto mravce nemajú žiadneho centrálneho koordinátora. Cítia svojich susedov. Nemajú žiadnu explicitnú komunikáciu. Ale pretože cítia svojich susedov, a pretože cítia objekt, majú implicitnú koordináciu naprieč skupinou.

Toto je typ koordinácie, ktorý chceme, aby naše roboty mali. Keď máme robota, ktorého obklopujú susedia -- a pozrime sa na robot I a robot J -- my od týchto robotov chceme, aby sledovali svoje rozostupy, počas letu vo formácii. A potom treba zaistiť, aby tieto rozostupy boli v prijateľných medziach. Takže ešte raz, roboty sledujú túto chybu a vypočítajú kontrolné príkazy 100-krát za sekundu, čo sa prenáša do pokynov pre motory, 600-krát za sekundu. A taktiež to musí byť urobené decentralizovaným spôsobom. Opäť, ak máte veľa robotov, je nemožné koordinovať všetky tieto informácie centrálne a dostatočne rýchlo na to, aby roboty splnili úlohu. Zároveň, roboty musia zakladať svoje kroky iba na lokálnych informáciách, ktoré zaznamenajú od svojich susedov. A nakoniec, trváme na tom, aby roboty boli agnostické k tomu, kto sú ich susedia. Toto nazývame anonymita.

Takže ďalej by som Vám chcel ukázať jedno video, kde 20 týchto malých robotov letí vo formácii. Sledujú pozíciu svojich susedov. Udržiavajú formáciu. Formácie sa môžu meniť. Môžu to byť rovinné formácie, môžu to byť trojrozmerné formácie. Ako vidíte tu, zvinú sa z trojrozmernej formácie do rovinnej formácie. A pri prelete cez prekážky môžu tieto formácie za letu prispôsobovať. Takže opäť, tieto roboty sú veľmi blízko seba. Ako môžete vidieť pri tomto lete v tvare osmičky, blížia sa k sebe na centimetre. A napriek vzájomnému aerodynamickému pôsobeniu čepelí ich vrtulí, dokážu udržať stabilný let.

(Potlesk)

Takže keď viete, ako lietať vo formácii, môžete spoločne zdvíhať predmety. Toto ukazuje, že môžeme zdvojnásobiť, strojnásobiť, zoštvornásobiť silu robota, ak ich naučíme tvoriť tímy so svojimi susedmi, ako vidíte tu. Jednou z nevýhod toho je, že keď veci zväčšíte -- tým, že viac robotov nosí tú istú vec, vlastne v podstate zvyšujete hybnosť, a teda za to platíte. Nebudú tak agilné. Ale získate, čo do nosnej kapacity.

Ďalšie využitie, ktoré Vám chcem ukázať -- opäť, toto je v našom laboratóriu. Túto prácu robil Quentin Lindsey, ktorý je náš študent. Jeho algoritmus v zásade hovorí týmto robotom, ako samostatne stavať kockové štruktúry z nosníkových súčiastok. Tento algoritmus teda hovorí robotu, ktoré časti majú zdvíhať, kedy a kam ich umiestniť. V tomto videu vidíte -- je zrýchlené 10, 14-krát -- vidíte, ako tieto roboty stavajú rôzne štruktúry. A opäť, všetko je samostatné, a jediné, čo Quentin musí urobiť, je dodať im predlohu tvaru, ktorý majú vytvoriť.

Všetky experimenty, ktoré ste doposiaľ videli, všetky tieto ukážky, boli vytvorené s pomocou systémov na sledovanie pohybu. Takže čo sa stane, keď odídete z laboratória a vyjdete von, do reálneho sveta? A čo ak nemáte GPS? Tento robot je vlastne vybavený kamerou a laserovým pásmom, laserovým skenerom. A používa tieto senzory, aby vytvoril mapu okolia. Táto mapa pozostáva z čŕt -- ako sú dvere, okná, ľudia, nábytok -- a ono sa to snaží zistiť, kde sa práve nachádza, vzhľadom na tieto črty. Takže nie je žiaden globálny systém súradníc. Systém súradníc je definovaný podľa robota, kde sa nachádza a na čo pozerá. A robot sa naviguje podľa týchto čŕt.

Chcel by som Vám ukázať video algoritmov, ktoré vytvorili Frank Shen a profesor Nathan Michael, v ktorom robot vstúpi do budovy po prvýkrát a za letu vytvára jej mapu. Takže robot si zistí, aké sú črty. Vytvorí mapu. Zistí si, kde sa nachádza, vzhľadom na tieto črty a odhaduje svoju pozíciu 100-krát za sekundu, čo nám umožňuje využiť kontrolné algoritmy, ktoré som Vám popísal predtým. Tohto robota v skutočnosti ovláda na diaľku Frank. Ale robot si taktiež vie zistiť, kam má ísť, samostatne. Takže si predstavte, že by som to poslal do budovy a nemal tušenia, ako budova vyzerá, môžem požiadať robota, aby šiel dnu, vytvoril mapu a vrátil sa naspäť a povedal mi, ako budova vyzerá. Takže tento robot nerieši iba problém, ako sa dostať z bodu A do bodu B na tejto mape, ale zisťuje, ktorý bod B je najlepší, po celý čas. V podstate vlastne vie, kam má ísť, aby hľadal miesta, o ktorých má najmenej informácií. A takto obsadzuje túto mapu.

Nakoniec Vás nechám s jedným posledným využitím. A je veľa spôsobov, ako túto technológiu využiť. Ja som profesor a našou vášňou je vzdelávanie. Takéto roboty skutočne môžu zmeniť spôsob, akým robíme základné vzdelávanie. Ale my sme v južnej Kalifornii, neďaleko Los Angeles, takže musím to uzavrieť niečim, zameraným na zábavu. Chcel by som to uzavrieť hudobným videom. Predstavujem Vám tvorcov, Alexa a Daniela, ktorí toto video vytvorili.

(Potlesk)

Predtým, než spustím toto video, chcel by som Vám povedať, že ho vytvorili za posledné tri dni potom, ako zavolal Chris. A roboty, ktoré účinkujú vo videu, sú plne samostatné. Uvidíte deväť robotov, ako hrajú na šesť nástrojov. A samozrejme, video je vytvorené exkluzívne pre TED 2012. Pozrime sa na to.

(Hudba)

(Potlesk)