Невероятната атлетична сила на квадракоптерите

В лаборатория за роботи на TEDGlobal, Рафаело Д'Андреа представя своите летящи квадракоптери, роботи, които мислят като атлети, решавайки физически проблеми чрез алгоритми, които им помагат да се самообучават. В серия от представяния, Д'Андреа показва роботи, които могат да хващат, балансират и правят решения - внимавайте за искам-това-сега представяне на кинетично контролираните куадове.

Какво означава за една машина да е атлетична?

Ще демонстрираме концепцията за машинен атлетизъм

и проучванията да бъде постигнат

с помощта на тези летящи машини наречени квадракоптери

или куади, за кратко.

Куадът е наоколо от дълго време.

Причината за популярността им тези дни

е че са машинно прости.

Чрез контролиране на скоростта на тези 4ри пропелера

машните могат да се търкалят, накланят

и ускоряват около обичайната им ориентация.

На борда си също имат батерия, процесор,

няколко сензора и wireless радио.

Куадът е изключително гъвкав, но тази гъвкавост идва с цена.

Те са нестабилни и имат нужда от някакъв вид

автоматична обратна връзка, за да могат да летят.

Как направих това?

Камери на тавана и лаптоп

служат като вътрешен GPS.

Използва се, за да локализира обекти в пространството

които имат от тези рефлективни маркери по себе си.

Данни се пращат до друг лаптоп след това,

който изчислява и контролира алгоритмите,

които от своя страна пращат команди до куада,

който също изчислява и контролира алгоритми.

В голямата си част нашето проучване е за тези алгоритми.

Те са магията, която оживява машините.

Как се изработват тези алгоритми,

които правят от машината атлет?

Използваме така наречения най-общо казано моделно базиран дизайн.

Първо взимаме предвид как машината са държи във физически аспект

чрез математически модел.

След това използваме клон на математиката

наречен контролна теория, за да анализираме модела

и да синтезираме алгоритми, които го контролират.

Например така караме куада да стои на едно място.

Първо изчисляваме динамиката

чрез набор диференциални уравнения.

След това манипулираме уравненията с помощта на

на контролната теория, за да създадем алгоритми, които стабилизират куада.

Нека ви демонстрирам плюсовете на този подход.

Нека предположим, че искаме този куад не само да стои на едно място,

но и да балансира върху пръчка.

С малко практика

това е нещо сравнително лесно за човек,

но ние имаме предимството да сме стъпили

с два крака на земята

и ползваме нашите способни ръце.

Става по-трудно,

ако стъпя само с един крак

и когато не ползвам ръцете си.

Забележете рефлективния маркер върху пръчката,

който означава, че тя може да бъде локализирана в пространството.

(Аплодисменти)

Може да видите как куада прави малки настройки,

за да продължи да бъде балансиран.

Как направихме алгоритмите за това?

Добавихме математическия модел на пръчката

към този на куада.

Когато имаме готовия модел на комбинацията от куад-пръчка

можем да използваме контролната теория, за да създадем алгоритмите.

Виждате, че е стабилен

и дори и да го побутна

се връща обратно към добра, балансирана позиция.

Бихме могли да добавим към този модел

къде бихме искали да бъде куада в пространството.

С този пойнтър, направен от рефлективни маркери

мога да посоча къде искам куадът да бъде в пространството

на определено разстояние от мен.

Ключът към тези акробатични умения са алгоритмите

направени с помощта на математическите модели

и контролната теория.

Нека да кажем на куада да се върне

и да оставим пръчката да падне,

и ще ви демонстрирам важността

на разбирането на физическите модели

и работата на физическия свят.

Забележете как куада изгуби височина,

когато поставих тази чаша с вода върху него.

За разлика от пръта за балансиране не включих

математическия модел на чашата в системата.

Всъщност, системата даже не знае, че чашата вода е там.

Като преди бих могъл да ползвам пойнтера да кажа на куада

къде искам да бъде в пространството.

(Аплодисменти)

Добре, би трябвало да се питате,

защо водата не се излива от чашата?

Два факта: първият, че гравитацията действа

на всички обекти по един и същ начин.

Вторият е че всички перки сочат

в посоката на чашата, нагоре.

Вземете двете заедно и резултатът е,

че всички странични сили действащи на чашата са малки

и предимно доминирани от аеродинамични ефекти,

което при тази скорост е пренебрежимо.

И затова не трябва модел за чашата.

Тя естествено не се разлива без значение какво прави куада.

(Аплодисменти)

Урокът тук е че някои трудни задачи

са по-лесни от други

и разбирането на физичните процеси част от проблема

ни казват кои са лесни и кои са по-трудни.

В този случай носенето на чаша вода е лесно.

Балансирането е трудно.

Всички сме чували истории за атлети

изпълняващи постижения, докато са физически наранени.

Може ли машината също да работи

с изключителна физическа повреда?

Обичайно са нужни

поне четири фиксирани моторни перки за летене,

защото има 4 посоки на действие:

завъртане, нагоре, надолу и ускорение.

Хексакоптерите и октокоптерите, с шест и осем перки,

осигуряват резерва,

но квадракоптерите са много по-популярни,

защото имат минималния нужен брой

фиксирани перки: четири.

Дали е така?

Ако анализираме математическият модел на машината

със само две работещи перки

научаваме, че има и нетрадиционни начини за летене.

Изгубваме контрола върху нагоре/надолу,

но завъртане, наляво/надясно и ускорение все още могат да се управляват

с алгоритми, които ползват новата конфигурация.

Математическия модел ни казва точно кога

и защо това е възможно.

В този случай, знанието ни позолява да създадем

нов вид машинна архитектура

или да създадем умни алгоритми, които грациозно да покриват загуби,

точно като хора атлети биха били,

вместо да строим машини с резервни части.

Не можем да не затаим дъх докато гледаме

гмуркач акробатично влизащ във водата

или състезател по овчарски скок, извит във въздуха,

със земята приближаваща се бързо към него.

Ще може ли гмуркачът да направи идеалния скок?

Ще успее ли скачачът да не закачи летвата?

Нека предположим, че искаме куадът ни

да направи тройно кълбо и да завърши на същото място

от където е започнал.

Тази маневра ще стане толкова бързо,

че не можем да използваме позиционни данни, за да коригираме по време на изпълнение.

Няма достатъчно време.

Вместо това, куадът ще го направи на сляпо,

ще види как завършва маневрата

и след това с тази информация ще модифицира изпълнението,

за да направи следващото премятане по-добро.

Подобно на гмуркача и скачача

само чрез повтаряне и практика

ще се научи да изпълнява маневрата

възможно най-добре.

(Аплодисменти)

Да се уцели движеща се топка е нужно умение в много спортове.

Как да направим така, че машината

да извърши каквото прави атлета, без усилие?

(Аплодисменти)

Този куад има хилка залепена за главата си

чийто правилен център е грубо около размера на ябълка, т.е. не много голям.

Прави изчисления на всеки 20 милисекунди

или с други думи 50 пъти в секунда.

Първо трябва да уточним накъде отива топката.

След това изчисляваме как куада трябва да я удари,

така че да се върне където е била хвърлена.

Трето, траекторията се планира така, че

куадът се пренася от позиция си до топката.

Четвърто изпълняваме го за 20 милисекунди.

20 милисекунди по-късно процеса се повтаря,

докато куада удари топката.

(Аплодисменти)

Машината може не само да изпълни динамични маневри сама

тя може да го направи колективно.

Тези три куада си кооперират носейки мрежата.

(Аплодисменти)

Те изпълняват драматична

и колективна маневра,

за да хвърлят топката обратно към мен.

Забележете, че при пълно разтягане куадите са вертикални.

(Аплодисменти)

В този момент, на пълно разтягане

те чувстват около 5 пъти повече напрежение от скачач с бънджи

на края на скока си.

Алгоритмите за това са много подобни

на това, което един куад прави, за да ми върне топката.

Математически модели се ползват постоянно, за да препланират

кооперативната им стратегия 50 пъти в секунда.

Всичко досега бе

за машините и техните възможности.

Какво би станало ако комбинираме атлетизма на машината

с тази на човешко същество?

Пред себе си имам комерсиален сензор за жестове

ползван главно при компютърни игри.

Може да разпознава какво правят моите крайници

в реално време.

Подобно на маркера, който използвах по-рано,

можем да използваме сензора за входни данни в системата.

Сега имаме естествен начин за интеракция

с движенията на куад-овете чрез моите жестове.

(Аплодименти)

Интеракцията не е нужно нужно да бъде виртуална. Би могла да е и физическа.

Вземете този куад например -

той се опитва да остане във фиксирана точка в пространството.

Ако го преместя ще се бори с мен

и ще се преченти веднага, където иска да е.

Можем да променим това поведение, разбира се.

Можем да ползваме математически модели,

за да оценим силата, която прилагам върху куада.

Знаейки тази сила можем да променим законите на физиката,

разбира се, доколкото това касае куада.

Тук той се държи

сякаш е потопен в гъста течност.

Сега имаме близък начин

за интеракция с машина.

Ще използвам тази нова възможност да позиционирам

куад с камера на удачно място

за заснемане на остатъка от демонстрацията.

Можем физически да общуваме с куад-овете

и можем да променяме законите на физиката.

Нека се позабавляваме с това.

Това, което ще видите сега, тези куадове,

в началото ще се държат сякаш са на Плутон.

С времето гравитацията ще се увеличава,

докато не се завърнем на Земята,

но ви уверявам че няма да стигнем до там.

Добре, започваме.

(Смях)

(Смях)

(Аплодисменти)

Ох!

Сигурно си мислите -

тези момчета се забавляват твърде много

и вероятно се питате,

защо по-точно те строят тези атлетични машини?

Някои скачат на заключението, че ролята на играта

в животинското царство е да създава умения.

Други смятат, че тя има по-скоро социална роля,

да сплотява групата.

По подобен начин ние използваме аналогията със спорт и атлетизъм

да създаваме нови алгоритми за машините,

да ги накараме да достигнат лимита си.

Какъв ефект ще има скоростта на машините в живота ни?

Като предишните ни създания и иновации

те биха могли да се ползват за подобряване на човешкия живот

или по грешен и нереден начин.

Този избор не е технически,

а социален.

Нека направим правилния избор,

избора който ще донесе най-доброто в бъдещето на машините

точно така както атлетизмът и спорта

могат да извадят най-доброто от нас.

Нека ви представя на магьосниците зад зелената завеса.

Те са настоящите членове на изследователския екип "Летящата машина"

(Аплодисменти)

Federico Augugliaro, Dario Brescianini , Markus Hehn,

Sergei Lupashin, Mark Muller и Robin Ritz.

Ослушвайте се за тях, предстоят им велики неща.

Благодаря ви.

(Аплодисменти)