Raffaello D'Andrea: Quadkopteres forbløffende atletiske kraft

I et robotlaboratorium ved TEDGlobal, demonstrerer Raffaelo D'Andrea sine flyvende quadkoptere: robotter der tænker som atleter, løser fysiske problemer med algoritmer der hjælper dem med at lære. I en række smarte demonstrationer, viser D'Andrea droner der griber og kaster, balancerer og træffer beslutninger sammen -- og hold øje med jeg-vil-have-denne-nu demonstration af Kinect-kontrollerede quads.

Hvad betyder det for en maskine at være atletisk?

Vi vil demonstrere konceptet om maskinadræthed

og forskningen til at opnå det

ved hjælp af disse flyvende maskiner der hedder 'quadrocopters',

eller 'quads', som afkortning.

Quads har været her i lang tid.

Grunden til de er så populære nu til dags

er at de mekanisk set er simple.

Ved at kontrollere hastigheden af de fire propeller,

disse maskiner kan rulle, pitch, yaw,

og accelerere i den retning de flyver.

Der er også et batteri om bord, en computer,

forskellige sensorer og trådløse radioer.

Quads er utrolig adrætte,
men denne adræthed har sin pris.

De er generelt ustabile,
og de har brug for en form for

automatisk feedback-styring
for at være i stand til at flyve.

Så, hvordan gjorde den lige det?

Kameraer i loftet og en bærbar computer

fungerer som et indendørs globalt positionssystem.

Det bruges til at lokalisere objekter i rummet

der har disse reflekterende afmærkninger på sig.

Denne data bliver sendt til
en anden bærbar computer

der kører estimerings og kontrolalgoritmer,

som til gengæld sender kommandoer til quaden,

som også kører estimerings- og kontrolalgoritmer.

Størstedelen af vores forskning er algoritmer.

Det er den magi der giver liv til disse maskiner.

Så hvordan designer man algoritmerne

der skaber en maskinatlet?

Vi bruger noget der bredt kaldes
for modelbaseret design.

Vi fanger først det fysiske
med en matematisk model

over hvordan maskinerne opfører sig.

Så bruger vi en gren af matematikken

der kaldes kontrolteori til at
analysere disse modeller

og også til at syntetisere
algoritmerne til at kontrollere dem.

For eksempel, er det sådan vi kan få
quaden til at stå stille i luften.

Vi fanger først dynamikken

med et sæt differentialligninger.

Så manipulerer vi disse ligninger ved hjælp

af kontrolteori til at skabe
algoritmer der stabiliserer quaden.

Lad mig demonstrere styrken
ved denne fremgangsmåde.

Forestil jer at vi vil have denne
quad til ikke kun at svæve i luften

men også at balancere denne pæl.

Men en lille smule øvelse,

er det temmelig ukompliceret
for et menneske at gøre dette,

selvom vi har den fordel at vi har

to fødder på jorden

og brugen af vores meget alsidige hænder.

Det bliver lidt sværere

når jeg kun har en fod på jorden

og når jeg ikke bruger mine hænder.

Læg mærke til hvordan denne pæl
har et reflekterende mærke i toppen,

hvilket betyder at den kan lokaliseres i rummet.

(Bifald)

Man kan se at denne quad
kommer med små justeringer

for at balancere pælen.

Hvordan designer vi
algoritmerne til at gøre dette?

Vi tilføjede matematiske modeller af pælen

til quadens.

Når vi har en model af det
kombinerede quad-pæl system,

vi kan bruge kontrolteori til at skabe
algoritmer for at kontrollere den.

Her, ser man at den er stabil,

og selv hvis jeg giver den små skub,

smutter den tilbage til den fine,
balancerede position.

Vi kan også supplere modellen så den inkluderer

hvor vi vil have quaden til at være i rummet.

Ved hjælp af denne pegepind,
lavet af reflekterende markører,

kan jeg pege derhen hvor jeg vil have
quaden til at være i rummet

på et fast punkt fra mig.

Nøglen til disse akrobatiske
manøvrer er algoritmer,

designet med hjælp af matematiske modeller

og kontrolteori.

Lad os fortælle quaden at komme tilbage hertil

og smide pælen,

og jeg vil demonstrere vigtigheden

af at forstå fysiske modeller

og hvordan den fysiske verden fungerer.

Læg mærke til hvordan quaden tabte højde

da jeg satte dette glas vand på den.

Ulig at balancere pælen, inkluderede jeg ikke

den matematiske model af glasset i systemet.

Faktisk, ved systemet ikke engang
at glasset med vand er der.

Ligesom før, kunne jeg bruge
pegepinden til at fortælle quaden

hvor jeg vil have at den skal være i rummet.

(Bifald)

Okay, man burde spørge sig selv,

hvorfor falder vandet ikke ud af glasset?

To faktum: Den første er at
tyngdekræften påvirker

alle objekter på samme måde.

Den anden er at propellerne alle peger

i samme retning som glasset, peger opad.

Sætter man disse to ting sammen, er resultatet

at alle kræfter på siden af glasset er små

og bliver hovedsageligt styret af
de aerodynamiske påvirkninger,

som er ubetydelige ved disse hastigheder.

Og det er grunden til at man ikke
behøver at tage højde for glasset.

Det spilder naturligt ikke,
uanset hvad quaden gør.

(Bifald)

Lektionen her er at der er nogle
højt belastende opgaver

er nemmere end andre,

og at forstå fysikken bag problemet

fortæller en hvilke der er nemme
og hvilke der er svære.

I dette tilfælde, at bære et glas vand er nemt.

At balancere en pæl en svært.

Vi har alle hørt historier om atleter

der udfører præstationer
mens de har en fysisk skade.

Kan en maskine også præstere

med ekstrem fysisk skade?

Traditionel visdom siger at man har brug

for mindst fire faste motorpropeller
par for at kunne flyve,

fordi der er fire grader af frihed
man skal kontrollere:

rul, pitch, yaw og acceleration.

Hexakoptere og octokoptere,
med seks og otte propeller,

skaffer redundans,

men quadrokoptere er meget mere populære

fordi de har minimumsantallet

af faste motor propelpar: fire.

Eller har de?

Hvis vi analyserer den matematiske
model af denne maskine

med kun to fungerende propeller,

opdager vi at der er en ukonventionel
måde at flyve den på.

Vi slipper kontrollen over yaw,

men rul, pitch og acceleration
kan stadig kontrolleres

med algoritmer der udnytter
denne nye konfiguration.

Matematiske modeller
fortæller os præcis hvornår

og hvorfor dette er muligt.

I dette tilfælde, denne viden
tillader os at designe

nye maskinarkitekturer

eller at designe snedige algoritmer der
på en yndefuld måde håndterer skader,

ligesom menneskelige atleter gør,

i stedet for at bygge maskiner med redundanser.

Vi kan ikke lade være med at holde vejret når vi ser

en dykker der laver en saltomortale ud i vandet,

eller når en stangspringer vrider sig i luften,

og jorden nærmer sig hurtigt.

Vil dykkeren være i stand til at klare
en flænsende landing?

Vil stangspringeren klare landingen?

Forestil jer at vi vil have denne quad

til at udføre en tredobbelt salto og slutte

på præcis det samme punkt som den startede.

Denne manøvre vil ske så hurtigt

at vi ikke kan bruge feedback om positionen
til at korrigere bevægelsen under udførelsen.

Der er simpelthen ikke tid nok.

I stedet, kan quaden udføre manøvren i blinde,

observere hvordan den afslutter manøvren,

og så bruge den information til
at moderere dens adfærd

så den næste salto er bedre.

Tilsvarende dykkerens og stangspringerens,

er det kun gennem gentaget øvelse

at den manøvre kan læres og udføres

til den højeste standard.

(Bifald)

At ramme en bevægende kugle er en
nødvendig færdighed i mange sportsgrene.

Hvordan får vi en maskine til at

gøre det en atlet tilsyneladende
gør uden anstrengelse?

(Bifald)

Denne quad har en ketcher bundet til sit hoved

med et sweet spot der groft set er på størrelse
med et æble, så ikke for stort.

De følgende beregninger bliver
udført hvert 20. millisekund,

eller 50 gange per sekund.

Først regner vi ud hvor bolden er på vej hen.

Derefter regner vi ud hvordan
quaden skal ramme bolden

så den flyver tilbage til der hvor den blev kastet fra.

For det tredje, bliver der planlagt
en bane der får quaden

fra den nuværende tilstand til
sammenstødspunktet med bolden.

For det fjerde, udfører vi kun
20 millisekunder af den strategi.

Tyve millisekunder senere,
bliver hele processen gentaget

indtil quaden rammer bolden.

(Bifald)

Maskiner kan ikke kun udføre
dynamiske manøvrer på egen hånd,

de kan gøre det kollektivt.

Disse quader bærer sammen et net.

(Bifald)

De udfører en ekstrem dynamisk

og kollektiv manøvre

til at skyde bolden tilbage til mig.

Læg mærke til, ved fuld forlængelse,
er disse quads vertikale.

(Bifald)

Faktisk, når de forlænger fuldt,

er dette groft set fem gange stærkere
end det en bungeehopper føler

ved slutningen af deres hop.

Algoritmerne til at gøre dette er meget lig

det en enkelt quad bruger til
at slå bolden tilbage til mig.

Matematisk modeller bruges
konstant til at replanlægge

en samarbejdende strategi 50 gange i sekundet.

Alt vi har set indtil videre har handlet

om maskinerne og deres evner.

Hvad sker der hvis vi kobler
denne maskines adræthed

med et menneskes?

Det jeg har foran mig er en
kommerciel bevægelsessensor

der hovedsagelig bliver brugt til gaming.

Den kan genkende det mine forskellige kropsdele

gør i realtid.

I stil med den pegepind jeg brugte tidligere,

kan vi bruge dette som input i systemet.

Nu har vi en naturlig måde til at interagere

med den rå adræthed af
disse quads med mine gestus.

(Bifald)

Interaktion behøver ikke at være virtuel.
Det kan være fysisk.

Tag denne quad, for eksempel.

Den prøver at forblive på et fast punkt i rummet.

Hvis jeg prøver at flytte den væk,
kæmper den imod mig,

og flytter sig tilbage til hvor den vil være.

Vi kan, dog, ændre denne adfærd.

Vi kan bruge matematiske modeller

til at vurdere den kraft som jeg bruger imod quaden.

Når vi kender denne kraft,
kan vi også ændre fysikkens love,

når det handler om quaden, selvfølgelig.

Her opfører quaden sig som om den opholdte

sig i en tyktflydende væske.

Nu har vi en intim måde

til at interagere med maskinen på.

Jeg vil bruge denne nye evne til at positionere

denne kamera bærende quad
til den passende placering

til at filme resten af denne demonstration.

Så vi kan fysisk interagere med disse quads

og vi kan ændre fysikkens love.

Lad os more os en smule med dette.

Det I vil se næst, vil disse quads

til at starte med at opføre sig
som om de er på Pluto.

Som tiden går, vil tyngdekraften tiltage

indtil vi er tilbage på planeten jorden,

men jeg forsikrer jer om
at vi ikke kommer dertil.

Okay, så starter vi.

(Latter)

(Latter)

(Bifald)

Puha!

Nu tænker I allesammen,

at disse gutter fornøjer sig alt for meget,

og I spørger sikkert også jer selv om,

hvorfor er det helt præcis at
de bygger maskinatleter?

En formodning om rollen af leg i dyreriget

er at finpudse og udvikle evner.

Andre tænker at det er mere end social rolle,

at det bliver brugt til at binde gruppen sammen.

På samme måde bruger vi
analogien om sport og adræthed

til at skabe nye algoritmer til maskiner

til at skubbe dem til deres grænse.

Hvilken betydning vil maskiners
hastighed have på vores levevis?

Ligesom alle vores tidligere
opfindelser og innovationer,

kan de bruges til at forbedre
de menneskelige forudsætninger

eller de kan misbruges og mishandles.

Dette er ikke et teknisk valg vi står overfor;

det er et socialt valg.

Lad os tage det rigtige valg,

valget der frembringer det
bedste i maskinernes fremtid,

ligesom adræthed i sport

kan frembringe det bedste i os.

Lad mig introducere jer for troldmændene
bag det grønne gardin.

De er nuværende medlemmer af
Flying machine Arena research team.

(Bifald)

Federico Augugliaro, Dario Brescianini ,
Markus Hehn,

Sergei Lupashin, Mark Muller and Robin Ritz.

Hold øje med dem. De er bestemt til store ting.

Tak.

(Bifald)