WEBVTT

00:00:01.140 --> 00:00:03.810
私の研究室では ご覧のような

00:00:03.810 --> 00:00:06.840
自律飛行ロボットを作っています

00:00:08.720 --> 00:00:12.440
今時 お店で売っているような
ドローンとは違って

00:00:12.440 --> 00:00:15.080
GPSは搭載していません

00:00:16.160 --> 00:00:17.400
GPSなしでは

00:00:17.400 --> 00:00:20.750
このようなロボットが
自分の位置を特定するのは困難です

00:00:22.240 --> 00:00:27.000
このロボットの場合 搭載したセンサー、
カメラ、レーザースキャナーで

00:00:27.000 --> 00:00:28.720
周囲を走査していて

00:00:28.720 --> 00:00:31.800
周りにあるものを検知し

00:00:31.800 --> 00:00:34.560
三角測量によって
それらに対する

00:00:34.560 --> 00:00:36.720
相対的な位置を把握しています

00:00:36.720 --> 00:00:40.010
それらのデータをまとめて
後ろに出ているような

00:00:40.010 --> 00:00:42.170
マップを構築することが出来ます

00:00:42.170 --> 00:00:45.920
こうやってマップができると
どこに障害物があるか分かり

00:00:45.920 --> 00:00:48.640
ロボットは衝突することなく
飛行することが出来ます

00:00:49.160 --> 00:00:51.280
次にお見せしたいのは

00:00:51.280 --> 00:00:54.520
このロボットに
もっと長い距離を飛行させてみた

00:00:54.520 --> 00:00:58.400
私たちの研究所で行った
一連の実験です

00:00:58.400 --> 00:01:03.440
右上にあるのは
ロボットのカメラが撮った映像です

00:01:03.440 --> 00:01:04.680
メインスクリーンでは

00:01:04.680 --> 00:01:07.160
―４倍速でお見せしていますが―

00:01:07.160 --> 00:01:09.851
マップ構築の様子をご覧になれます

00:01:09.851 --> 00:01:14.160
これは研究室周辺の廊下を
高解像度でマップ化したもので

00:01:14.160 --> 00:01:16.520
まもなく研究室へと入ってきます

00:01:16.520 --> 00:01:19.400
散らかっている様子で
それと分かるかと思いますが—

00:01:19.400 --> 00:01:20.440
(笑)

00:01:20.440 --> 00:01:22.472
ここで最も強調したいのは

00:01:22.472 --> 00:01:26.080
これらのロボットは
５センチという高い解像度で

00:01:26.080 --> 00:01:28.600
マップを作成することが
出来るということで

00:01:28.600 --> 00:01:32.800
研究室や建物の外部にいる人でも

00:01:32.800 --> 00:01:35.860
このロボットを放つことで
実際に中に入ることなく

00:01:35.860 --> 00:01:39.930
中で何が起こっているか
推察することができます

00:01:40.400 --> 00:01:42.640
このようなロボットには
問題点があります

00:01:43.600 --> 00:01:46.120
１つ目の問題は
大きいということです

00:01:46.120 --> 00:01:48.010
大きいので重量もあります

00:01:48.640 --> 00:01:52.010
１キログラムにつき約200ワットの
電力を消費します

00:01:52.360 --> 00:01:54.640
ですからあまり長くは作業できません

00:01:56.000 --> 00:01:57.480
２つ目の問題は

00:01:57.480 --> 00:02:01.400
ロボットに搭載されている
レーザースキャナーやカメラや

00:02:01.400 --> 00:02:04.840
CPUがとても高価だということです

00:02:05.280 --> 00:02:08.320
そのためロボットのコストが
跳ね上がります

00:02:09.440 --> 00:02:12.120
そこで私達は自問しました

00:02:12.120 --> 00:02:15.490
消費者が電気屋で買えるような

00:02:15.490 --> 00:02:22.200
センサーやCPUを搭載した
高価でない軽量な商品はないだろうか？

00:02:24.080 --> 00:02:26.760
そうやって空飛ぶ携帯電話が
生まれました

00:02:26.760 --> 00:02:28.720
(笑)

00:02:28.720 --> 00:02:34.560
このロボットは お店ですぐに買える
サムスンのギャラクシー携帯を利用し

00:02:34.560 --> 00:02:38.960
アプリはAppストアから
ダウンロードできます

00:02:38.960 --> 00:02:43.200
このロボットは 今
「TED」の文字を読み取っているところです

00:02:43.200 --> 00:02:46.160
「T」と「E」の角を探し出し

00:02:46.160 --> 00:02:49.640
三角測量しつつ自律飛行しています

00:02:50.720 --> 00:02:53.760
ジョイスティックは
ロボットが暴走した時のためで

00:02:53.760 --> 00:02:55.710
その時にはジュゼッペ君が
止めてくれます

00:02:55.710 --> 00:02:57.080
(笑)

00:02:58.920 --> 00:03:02.760
単に小さなロボットを
作るというだけでなく

00:03:02.760 --> 00:03:07.920
このような激しい動きをさせる
実験もしています

00:03:07.920 --> 00:03:12.850
このロボットは秒速２－３メートルで動き

00:03:12.850 --> 00:03:16.760
方向転換をするときには
上下運動や回転運動を素早く行います

00:03:16.760 --> 00:03:21.040
重要な点は 小さなロボットは
素早く動け

00:03:21.040 --> 00:03:24.250
障害の多い環境中を
うまく移動できることです

00:03:25.120 --> 00:03:27.200
次のビデオでお見せするのは

00:03:27.200 --> 00:03:32.940
鷲のような鳥が
羽と目と足を優雅に連携させて

00:03:32.940 --> 00:03:36.550
水中の獲物を捉まえるように

00:03:36.550 --> 00:03:39.560
私たちのロボットにも
魚採りができることです

00:03:39.560 --> 00:03:40.880
(笑)

00:03:40.880 --> 00:03:44.690
どこからともなくやって来て
チーズ & ステーキのロールパンサンドを

00:03:44.690 --> 00:03:47.680
かっさらっています (笑)

00:03:47.680 --> 00:03:52.730
このロボットは人の歩く速さよりも速い
秒速約３メートルで動き

00:03:52.730 --> 00:03:57.010
腕と爪と飛行を
絶妙なタイミングで連携させ

00:03:57.010 --> 00:04:00.280
このような動作を達成しています

00:04:02.120 --> 00:04:04.080
別の実験でお見せするのは

00:04:04.080 --> 00:04:06.460
枠の幅よりも長い紐で

00:04:06.460 --> 00:04:09.300
重りを吊したロボットが

00:04:09.300 --> 00:04:13.680
その枠の中を
上手くくぐり抜ける様子です

00:04:13.680 --> 00:04:15.400
これを成し遂げるには

00:04:15.400 --> 00:04:19.120
上下に動いて 高度を調整することで

00:04:19.120 --> 00:04:21.860
重りをスイングさせる
必要があります

00:04:26.750 --> 00:04:29.740
しかし もっと小さいものが
作れたらと思っています

00:04:29.740 --> 00:04:32.280
特にミツバチにヒントを得ました

00:04:32.280 --> 00:04:35.560
これはスローモーションで
再生したビデオですが

00:04:35.560 --> 00:04:39.280
ミツバチはとても小さく
その慣性力は僅かです

00:04:39.960 --> 00:04:41.160
(笑)

00:04:41.160 --> 00:04:44.720
例えば 私の手にぶつかっても
ほとんど気にかけません

00:04:44.720 --> 00:04:47.880
これはミツバチの動きをまねた
小型ロボットです

00:04:48.600 --> 00:04:49.840
小さいほど

00:04:49.840 --> 00:04:53.400
慣性力が小さくなるので
都合がいいのです

00:04:53.400 --> 00:04:54.960
慣性力が小さいと—

00:04:54.960 --> 00:04:57.840
(周りをブンブン飛び回るロボット) (笑)

00:04:57.840 --> 00:05:00.680
慣性力が小さいと
衝突に対し強くなります

00:05:00.680 --> 00:05:02.680
より丈夫になるということです

00:05:03.800 --> 00:05:06.480
そういうわけでミツバチのように
小さなロボットを作ります

00:05:06.480 --> 00:05:09.880
これは僅か25グラムしかありません

00:05:09.880 --> 00:05:12.440
消費電力はほんの６ワットです

00:05:12.440 --> 00:05:15.000
秒速６メートルまで出せます

00:05:15.000 --> 00:05:17.360
ボーイング787の大きさだったら

00:05:17.360 --> 00:05:21.000
音速の10倍に相当する速さです

00:05:24.000 --> 00:05:26.120
(笑)

00:05:26.120 --> 00:05:28.040
実例をお見せしましょう

00:05:28.840 --> 00:05:34.120
これはたぶん初めての空中衝突実験で
20分の１のスピードでお見せしています

00:05:34.120 --> 00:05:37.002
(ロボット同士の) 相対速度は
毎秒２メートルで

00:05:37.002 --> 00:05:39.762
お話しした基本原理を例示しています

00:05:40.200 --> 00:05:45.200
機体を保護する２グラムの炭素繊維のカゴは
プロペラ同士が絡まるのを防いでいます

00:05:45.200 --> 00:05:50.520
衝撃は吸収され
ロボットは衝突に対応しています

00:05:50.520 --> 00:05:53.400
小さいということは安全も意味します

00:05:53.400 --> 00:05:55.440
研究室ではこんなロボットを作ってきました

00:05:55.440 --> 00:05:57.084
大型のロボットから始め

00:05:57.084 --> 00:05:59.920
小型のものへと移っていきました

00:05:59.920 --> 00:06:03.400
これまで研究室で発注した絆創膏の数を
ヒストグラムにしたら

00:06:03.400 --> 00:06:06.000
どんどん小さくなっていることが
分るでしょう

00:06:06.000 --> 00:06:08.200
ロボットが安全になってきたからです

00:06:08.760 --> 00:06:11.240
小さいと不利な点もあります

00:06:11.240 --> 00:06:15.320
自然はこの不利な点を補う方法を
進化させてきました

00:06:15.960 --> 00:06:20.320
基本的には集団や群れを作る
ということです

00:06:20.320 --> 00:06:24.320
我々の研究室でも 同様に
人工的なロボットの集団を試してみました

00:06:24.320 --> 00:06:25.725
これはかなり難しい技術です

00:06:25.725 --> 00:06:29.360
ロボット間のネットワークを
考慮しなければならないからです

00:06:29.360 --> 00:06:30.680
各ロボットの

00:06:30.680 --> 00:06:36.320
センサー、通信、計算の
連携を考えなければなりません

00:06:36.320 --> 00:06:41.280
このネットワークの制御、管理が
実にやっかいなのです

00:06:42.160 --> 00:06:45.480
自然から３つの(自己)組織化の原理を
見習うことによって

00:06:45.480 --> 00:06:48.640
制御のアルゴリズムを
開発することができます

00:06:49.640 --> 00:06:54.200
１つ目のアイデアは
ロボットが近くの個体を認識することです

00:06:54.200 --> 00:06:58.040
近隣の個体を認識して
互いに通信できなければなりません

00:06:58.040 --> 00:07:00.720
このビデオはその基本原理を示しています

00:07:00.720 --> 00:07:02.040
４機のロボットがいます

00:07:02.040 --> 00:07:06.280
その内１機が 文字通り
人間のオペレータによってハイジャックされています

00:07:07.217 --> 00:07:09.480
ロボットは互いに相互作用し

00:07:09.480 --> 00:07:11.160
近くの個体を認識しているので

00:07:11.160 --> 00:07:12.480
動きに追従します

00:07:12.480 --> 00:07:17.840
この例では１人の人間が
追従するロボットを先導しています

00:07:20.000 --> 00:07:25.080
どのロボットもどこへ行くべきか
分っているわけではなく

00:07:25.080 --> 00:07:29.400
ただ近くのロボットの位置に対し
反応しているだけです

00:07:31.720 --> 00:07:35.840
(笑)

00:07:36.280 --> 00:07:41.520
次の実験は
組織化の２つ目の原理を示すものです

00:07:42.920 --> 00:07:46.720
この原理は匿名性の原理と関連しています

00:07:47.400 --> 00:07:50.750
ここで基本となる考えは

00:07:50.780 --> 00:07:56.070
ロボットは近隣の個体を
識別していないということです

00:07:56.440 --> 00:07:59.080
円陣を組めという指令を受けると

00:07:59.080 --> 00:08:02.400
編隊を組むロボットの数を
いかに増やそうと

00:08:02.400 --> 00:08:05.000
あるいは 何体か取り除こうと

00:08:05.000 --> 00:08:08.290
各ロボットは単に
隣にいるロボットに反応するだけなのです

00:08:08.290 --> 00:08:12.800
円陣を組むという
指示を受けるものの

00:08:12.800 --> 00:08:14.960
隣のロボットと協調するだけで

00:08:14.960 --> 00:08:19.030
中央制御によって
編隊を形成しているわけではありません

00:08:19.520 --> 00:08:21.960
これらのアイデアを一緒にすると

00:08:21.960 --> 00:08:25.880
３つ目のアイデアが得られます

00:08:25.880 --> 00:08:30.200
ロボットに編隊の形の
数学的記述を与えるということです

00:08:30.200 --> 00:08:33.720
形は時間と共に変わっていきます

00:08:33.720 --> 00:08:38.240
ご覧の様に
円形から始まり

00:08:38.240 --> 00:08:41.520
長方形を形作った後
直線状に広がり

00:08:41.520 --> 00:08:42.919
また楕円に戻ります

00:08:42.919 --> 00:08:46.560
自然界における生物の群れと同様に

00:08:46.560 --> 00:08:49.840
瞬間瞬間の協調によって
こういったことを成し遂げています

00:08:51.080 --> 00:08:53.240
なぜ群れについて研究しているのか？

00:08:53.240 --> 00:08:57.360
我々がとても興味を抱いている
２つの応用があります

00:08:58.160 --> 00:09:00.560
１つ目は農業に関するものです

00:09:00.560 --> 00:09:04.180
我々が世界で直面している
最大の問題と言って良いでしょう

00:09:04.760 --> 00:09:06.040
ご存知の通り

00:09:06.040 --> 00:09:09.920
世界では
７人に１人が栄養失調です

00:09:09.920 --> 00:09:13.400
耕作可能な土地は
既に殆ど開拓されています

00:09:13.960 --> 00:09:17.200
こんにちの世界では
多くのシステムの効率が向上していますが

00:09:17.200 --> 00:09:21.080
農業の生産効率は低下しています

00:09:21.080 --> 00:09:25.320
原因はおそらく 水不足、穀物の病気
気候変動や

00:09:25.320 --> 00:09:27.000
その他の理由にあります

00:09:27.230 --> 00:09:29.500
ロボットに何が出来るでしょう？

00:09:29.500 --> 00:09:33.840
この分野で精密農業(プレシジョンファーミング）
と呼ばれる手法を取り入れてみました

00:09:33.840 --> 00:09:38.060
基本的な考えはこうです
果樹園にロボットを飛ばし

00:09:38.060 --> 00:09:42.360
個々の木の精密なモデルを作成します

00:09:42.829 --> 00:09:46.080
個々の患者の
遺伝体質に合わせた

00:09:46.080 --> 00:09:49.360
オーダーメード医療のように

00:09:49.360 --> 00:09:53.080
個々の木のモデルを製作することによって

00:09:53.080 --> 00:09:57.240
農家はそれぞれの木が必要とするもの―

00:09:57.240 --> 00:10:02.040
この場合 水、肥料や殺虫剤といったものですが
それを知ることができます

00:10:02.640 --> 00:10:06.280
ロボットがリンゴ園を飛び交っています

00:10:06.280 --> 00:10:08.620
仲間の２機が同じようなことを
しているのが

00:10:08.620 --> 00:10:10.480
すぐに 左手に見えてきます

00:10:10.800 --> 00:10:14.260
果樹園のマップを作成しているところで

00:10:14.260 --> 00:10:17.500
果樹園にある１本１本の木を
マッピングしています

00:10:17.500 --> 00:10:19.000
(ブンブン)

00:10:19.000 --> 00:10:20.920
ではそのマップを見てみましょう

00:10:20.920 --> 00:10:25.240
次のビデオではロボットに搭載された
カメラの映像をご覧になれます

00:10:25.240 --> 00:10:28.480
左上は通常のカラー映像です

00:10:29.640 --> 00:10:32.960
左中央は赤外線映像で

00:10:32.960 --> 00:10:36.760
左下はサーマルカメラのものです

00:10:36.760 --> 00:10:40.120
中央のパネルでは
各センサーが木々を通過するのに合わせ

00:10:40.120 --> 00:10:46.240
果樹園の木の状態が
３次元的に再構成されていく様子が見られます

00:10:47.640 --> 00:10:51.680
こういった情報を用いて
多くのことが出来ます

00:10:52.200 --> 00:10:56.480
１つ目はおそらく最も重要なことですが
とても単純なこと

00:10:56.480 --> 00:10:59.310
木になっている果実の数を
数えるということです

00:10:59.520 --> 00:11:04.080
これによって農家は
個々の木になる果実の数を知り

00:11:04.080 --> 00:11:08.360
果樹園全体の収穫量を見積もり

00:11:08.360 --> 00:11:11.420
生産販売経路を
最適化することができます

00:11:11.640 --> 00:11:13.280
２つ目に可能なことは

00:11:13.280 --> 00:11:17.800
木のモデルに基づき
３次元形状を再構成し

00:11:17.800 --> 00:11:20.360
そこから樹冠の面積を
推定することで

00:11:20.360 --> 00:11:24.160
土地単位面積あたりの
葉面積を求めるということです

00:11:24.160 --> 00:11:26.360
これは葉面積指数と呼ばれます

00:11:26.360 --> 00:11:28.320
葉面積指数は

00:11:28.320 --> 00:11:33.800
それぞれの木がどれだけの光合成を
行っているかの指標となり

00:11:33.800 --> 00:11:36.680
個々の木の健康度を示します

00:11:37.520 --> 00:11:41.760
可視光と赤外線データを組み合わせると

00:11:41.760 --> 00:11:45.080
正規化植生指標といった指標を
計算することができます

00:11:45.080 --> 00:11:47.720
ご覧の例では

00:11:47.720 --> 00:11:51.140
ある作物が他の作物に比べて
状態が悪いことが見て取れます

00:11:51.140 --> 00:11:53.760
これは通常の可視光だけでなく

00:11:53.760 --> 00:11:57.280
可視光と赤外線イメージを
組み合わせることで

00:11:57.280 --> 00:12:00.080
容易に識別できるようになります

00:12:00.080 --> 00:12:01.440
最後に

00:12:01.440 --> 00:12:05.480
我々が関心を持っているのは
植物の黄白化の早期発見です

00:12:05.480 --> 00:12:07.000
これはオレンジの木です

00:12:07.000 --> 00:12:09.880
葉が黄色くなっています

00:12:09.880 --> 00:12:13.800
上空にロボットを飛ばすことで
これは自動で容易に発見できます

00:12:13.800 --> 00:12:16.760
そして果樹園のこの区域に
異常があることを

00:12:16.760 --> 00:12:18.280
農家に知らせます

00:12:18.800 --> 00:12:21.520
このようなシステムはとても有効で

00:12:21.520 --> 00:12:27.360
10％の収穫量増加が期待できますが

00:12:27.360 --> 00:12:30.600
さらに重要なのは
飛行ロボットを使うことで

00:12:30.600 --> 00:12:34.190
水の25％削減など
投入資源を減らせることです

00:12:35.200 --> 00:12:40.960
最後になりますが 未来を創造する
この人達に拍手をお願いしたいと思います

00:12:40.960 --> 00:12:45.920
ヤッシュ・ムルガンカー、シカン・リウ
ジュゼッペ・ロイアーノ

00:12:45.920 --> 00:12:49.440
彼らがご覧になった３つのデモを
作成してくれました

00:12:49.440 --> 00:12:50.640
有難うございました

00:12:50.640 --> 00:12:56.560
(拍手)