Die verblüffenden athletischen Leistungen von Quadrocoptern

In einem Roboterworkshop bei TEDGlobal demonstriert Raffaelo D'Andrea seine fliegenden Quadrocopter: Roboter, die wie Athleten denken und physische Aufgaben mit Hilfe von Algorithmen lösen, durch die sie in der Lage sind zu lernen. In einer Reihe eleganter Übungen zeigt D'Andrea Drohnen, die Fangen spielen, balancieren können und gemeinsam Entscheidungen fällen. Achten Sie besonders auf die ›Will-ich-auch-haben‹-Demonstration von Kinect-gesteuerten Quads.

Wann ist eine Maschine athletisch?

Wir werden das Konzept
von Maschinenathletik

und die benötigte Forschung

mit Hilfe dieser Fluggeräte, den Quadrocoptern

oder kurz ›Quads‹, demonstrieren.

Quads gibt es schon eine ganze Zeit.

Sie sind heute so populär,

weil sie mechanisch einfach sind.

Durch die Steuerung der vier Propeller

können diese Maschinen
rollen, kippen, gieren

und in alle gängigen Richtungen
beschleunigen.

Mit an Bord sind eine Batterie,
ein Computer,

verschiedene Sensoren und Funkgeräte.

Quads sind extrem wendig, aber
diese Wendigkeit hat ihren Preis.

Sie sind von Natur aus instabil,
und brauchen

zum Fliegen eine Art
automatische Rückkopplungsregelung.

Wie hat er das gerade gemacht?

Kameras an der Decke und ein Laptop

dienen als ein Innenraum-GPS.

Damit lassen sich Objekte im Raum,

die solche Reflektoren besitzen, lokalisieren.

Die Daten werden an einen
weiteren Laptop

mit Schätz- und Regelalgorithmen geschickt

und von dort an den Quad,
der ebenfalls solche Algorithmen ausführt.

Wir forschen hauptsächlich an Algorithmen.

Sie sind der Zauber, der
diese Maschinen zum Leben erweckt.

Wie entwirft man also Algorithmen,

die eine Maschine so sportlich machen?

Wir verwenden den sog. modellbasierten Ansatz.

Zuerst bilden wir
das physikalische Verhalten der Maschinen

in einem
mathematischen Modell ab.

Dann analysieren wir diese Modelle
mithilfe eines Teilgebiets der Mathematik,

der Regelungstheorie,

die dann automatisch die Algorithmen
für deren Steuerung liefert.

Ein Beispiel ist dieser schwebende Quad:

Zuerst haben wir die Dynamik

in mehreren Differentialgleichungen abgebildet,

die wir dann mit Hilfe
der Regelungstheorie verändern

und so Algorithmen
zur Stabilisierung des Quads bekommen.

Ich will Ihnen die Stärken
dieses Ansatzes zeigen.

Nehmen wir an, der Quad soll
zusätzlich zum Schweben

noch diesen Stab balancieren.

Mit etwas Übung ist das

für Menschen eine machbare Aufgabe,

wobei wir zu unserem Vorteil

zwei Füße auf dem Boden

und unsere sehr geschickten Hände haben.

Ein bisschen schwieriger wird das

mit nur einem Fuß auf dem Boden

und ohne Hände.

Der Stab hat an der Spitze
einen Reflektor,

so dass er im Raum lokalisiert werden kann.

(Beifall)

Man sieht, wie der Quad
durch kleine Anpassungen

den Stab im Gleichgewicht hält.

Wie haben wir den Algorithmus
dafür entworfen?

Wir haben das mathematische Modell
des Stabes

dem des Quads hinzugefügt.

Auf das verbundene Quad-Stab-System
kann man wieder die Regeltheorie anwenden,

um so Algorithmen für
die Steuerung zu bekommen.

Sie sehen, das System ist stabil,

und selbst wenn ich ihm kleine Stupser gebe,

geht es in eine schön
ausbalancierte Position zurück.

Wir können das Modell auch

um eine gewünschte Position erweitern.

Mit diesem Zeiger aus Reflektoren kann ich

dahin zeigen, wo ich den Quad im Raum

in einer festen Entfernung von mir haben will.

Der Schlüssel zu dieser Akrobatik
sind Algorithmen,

die mit Hilfe mathematischer Modelle

und der Regelungstheorie entwickelt wurden.

Jetzt soll der Quad hierher zurückkommen

und den Stab fallen lassen.

Als Nächstes will ich zeigen, wie wichtig

das Verständnis physikalischer Modelle

und deren Zusammenhänge
in der physischen Welt ist.

Man sieht, dass er an Höhe verliert,

wenn ich dieses Glas Wasser draufstelle.

Anders als bei dem Balancestab habe ich

hier das Modell des Glases
nicht in das System eingefügt.

Eigentlich weiß das System gar nicht,
dass das Wasserglas da ist.

Wie zuvor kann ich den Quad
mit dem Zeiger anweisen,

wo im Raum ich ihn haben will.

(Beifall)

An der Stelle fragt man sich:

»Wieso fließt das Wasser
nicht aus dem Glas?«

Aus zwei Gründen: Zum einen
wirkt die Schwerkraft

auf alle Objekte gleich;

zum anderen weisen alle Propeller in

die gleiche Richtung wie
das Glas, nach oben.

Beides zusammen bewirkt,

dass die Seitenkräfte auf das Glas klein

und überwiegend aerodynamische Effekte sind,

die man bei diesen Geschwindigkeiten
vernachlässigen kann.

Deshalb braucht man das Modell des Glases
nicht einzufügen.

Es wird nichts verschüttet, ganz gleich,
was der Quad macht.

(Beifall)

Die Lehre, die wir daraus ziehen,
ist, dass einige Hochleistungen

einfacher sind als andere,

und dass die Physik bei dem Problem

einem sagt, was einfach
und was schwierig ist.

Hier zum Beispiel ist es leicht,
ein Wasserglas zu befördern,

aber schwierig, den Stab zu balancieren.

Wir alle haben von Athleten gehört,

die auch verletzt
Meisterleistungen abliefern.

Kann eine Maschine so etwas auch,

selbst wenn sie schwer beschädigt ist?

Herkömmlicherweise braucht man

mindestens vier fest angebrachte, angetriebene
Propellerpaare, um zu fliegen,

weil es vier Freiheitsgrade gibt:

Rollen, Kippen, Gieren und Beschleunigung.

Hexacopter und Octocopter,
mit sechs und acht Propellern,

sind redundant,

aber Quadrocopter sind viel beliebter,

weil sie die kleinste Anzahl

fest angebrachter, angetriebener
Propellerpaare haben: vier.

Oder doch nicht?

Das mathematische Modell dieser Maschine

mit nur zwei intakten Propellern zeigt,

dass es eine unkonventionelle Art
gibt, sie zu fliegen.

Wir verzichten auf das Gieren,

steuern aber Rollen, Kippen
und Beschleunigung

durch Algorithmen, die wir aus der Auswertung
dieser neuen Anordnung erhalten.

Mathematische Modelle sagen uns genau,

wann und wieso das möglich ist.

Hier erlaubt uns dieses Wissen,

neuartige Maschinenarchitekturen

oder schlaue Algorithmen zu entwerfen,
die mit Zerstörung genauso gut

umgehen wie Athleten,

statt Maschinen mit Redundanz
bauen zu müssen.

Uns stockt der Atem, wenn wir sehen,

wie ein Turmspringer
einen Salto ins Wasser macht,

oder ein Stabhochspringer sich
in der Luft verbiegt,

und schnell dem Boden nahe kommt.

Wird der Turmspringer glatt eintauchen?

Wird der Stabhochspringer
die Landung stehen?

Dieser Quad hier soll einen

dreifachen Salto machen und wieder

da ankommen, wo er gestartet ist.

Dieses Manöver passiert so schnell,

dass wir während der Bewegung
nicht rückkoppeln können –

dazu ist einfach nicht genug Zeit.

Stattdessen kann der Quad
das Manöver blind fliegen,

sich das Ergebnis anschauen

und dann aus dieser Information lernen,

so dass die nächste Rolle besser wird.

Wie für die Springer gilt,

dass das Manöver nur

durch wiederholtes Üben gelernt

und optimal ausgeführt werden kann.

(Beifall)

Bei vielen Sportarten muss man
einen sich bewegenden Ball treffen können.

Wie lässt man eine Maschine

etwas tun, was für einen Athleten
mühelos erscheint?

(Beifall)

Dieser Quad hat einen Schläger
auf dem Kopf montiert,

dessen Schlagfläche nicht
sehr groß ist, etwa apfelgroß.

Alle 20 Millisekunden,
also 50 mal pro Sekunde,

berechnen wir Folgendes:

Zuerst rechnen wir aus,
wohin der Ball fliegt.

Dann, wie der Quad den Ball
schlagen soll,

so dass er zum Werfer zurückfliegt.

Drittens wird eine Flugbahn geplant,
die den Quad von seiner Position

zu seinem Aufschlagpunkt für den Ball bringt.

Viertens: Wir befolgen diese Strategie
nur 20 Millisekunden lang.

Danach wird der Prozess so lange wiederholt,

bis der Quad den Ball trifft.

(Beifall)

Maschinen können solche Manöver
nicht nur alleine ausführen,

sondern auch im Verbund.

Diese drei Quads halten zusammen
ein Netz in der Luft.

(Beifall)

Sie vollführen ein extrem dynamisches

und aufeinander abgestimmtes Manöver,

um mir den Ball zurückzuschießen.

Sehen Sie – bei voller Ausdehnung
stehen die Quads vertikal.

(Beifall)

Tatsächlich sind die Kräfte bei

voller Ausdehnung etwa fünf mal so groß
wie die, die ein Bungeespringer

am Ende des Sprungs verspürt.

Die nötigen Algorithmen sind denen

für den einzelnen Quad, um
den Ball zurückzuwerfen, sehr ähnlich.

Man benutzt also mathematische Modelle,

um die abgestimmte Strategie
50 mal pro Sekunde neu zu berechnen.

Bis jetzt ging es uns

um Maschinen und ihre Fähigkeiten.

Was passiert, wenn wir
diese Maschinenathletik mit

der eines Menschen koppeln?

Das hier ist ein normaler
Gestenerkennungssensor,

wie er bei Videospielen benutzt wird.

Er erkennt in Echtzeit,

was meine Körperteile gerade tun.

Ähnlich wie den Zeiger vorhin

können wir ihn als Eingabemedium benutzen.

Jetzt haben wir eine natürliche Methode,

die ungezähmte Athletik dieser Quads
mit meinen Gesten zu steuern.

(Beifall)

Die Interaktion muss nicht virtuell bleiben,
sie kann physisch werden.

Nehmen wir diesen Quad hier.

Er versucht, seine Position beizubehalten.

Wenn ich versuche, ihn weg zu bewegen,
setzt er sich zur Wehr

und bewegt sich zu der Position zurück,
die er beibehalten will.

Aber wir können dieses Verhalten ändern.

Mit mathematischen Modellen

kann man die Kraft abschätzen,
die auf den Quad wirkt.

Damit können wir
die Gesetze der Physik ändern –

natürlich nur, insoweit sie
den Quad betreffen.

Hier verhält sich der Quad,

als wäre er in einer zähen Flüssigkeit.

Jetzt haben wir eine Methode,

eng mit der Maschine zu interagieren.

Damit kann ich diesen Quad so positionieren,

dass er den Rest der Demonstration

mit der montierten Kamera
von oben filmen kann.

Wir können also
mit diesen Quads interagieren

und die Gesetze der Physik ändern.

Damit machen wir uns jetzt einen Spaß.

Als Nächstes verhalten sich

die Quads anfänglich,
als wären sie auf dem Pluto.

Mit der Zeit wird die Schwerkraft erhöht,

bis wir wieder zurück auf der Erde sind,

aber da kommen wir nie an.

O. k., auf geht's.

(Lachen)

(Lachen)

(Beifall)

Uff!

Sie denken jetzt sicher:

»Die Typen haben zu viel Spaß«,

und wahrscheinlich fragen Sie sich:

»Warum bauen sie eigentlich
Maschinenathleten?«

Man vermutet, dass Tiere spielen,

um Geschicklichkeit und Fertigkeiten
zu entwickeln.

Andere denken, es wirkt sozial

und sorgt für den Gruppenzusammenhalt.

Wir benutzen die Analogie
zwischen Sport und Athletik,

um neue Algorithmen zu entwickeln,

die die Maschinen ausreizen können.

Wie beeinflusst die Geschwindigkeit
der Maschinen unser Leben?

Wie alle menschlichen Erfindungen
und Innovationen

können sie das menschliche Leben
verbessern –

aber sie können auch missbraucht werden.

Das ist keine technische Entscheidung –

sondern eine soziale.

Mit der richtigen Wahl

schaffen wir für die Zukunft der Maschinen

wie durch die Athletik im Sport bei uns

die besten Ergebnisse.

Jetzt zu den Zauberern
hinter dem grünen Vorhang.

Sie bilden das
Flying-Machine-Arena-Forschungsteam.

(Beifall)

Federico Augugliaro, Dario Brescianini,
Markus Hehn,

Sergei Lupashin, Mark Muller und
Robin Ritz.

Aus denen wird noch mal etwas!

Vielen Dank.

(Beifall)