A kvadrokopterek bámulatos atlétikai teljesítménye

A TEDGlobal robotműhelyében Raffaelo D'Andrea repülőbemutatót tart kvadrokoptereivel -- ezekkel az atléta módjára gondolkodó robotokkal, melyek a fizikai problémákat tanuló algoritmusok segítségével oldják meg. D'Andrea bemutatójában olyan drónokat látunk, amelyek labdázni, egyensúlyozni tudnak, közös döntésekre képesek -- mi több, Kinect segítségével, gesztikulációval is vezérelhetők.

Mit jelent az, hogy atletikus egy gép esetében?

A gépi atleticizmus szemléltetéséhez

és a kapcsolódó kutatások áttekintéséhez

a kvadrokopter nevű repülő szerkezetet --

röviden: a kvadot -- fogom példaként használni.

A kvad nem új dolog.

Mai nagy népszerűségét

egyszerű mechanikai felépítésének köszönheti.

A négy propeller sebességétől függően

képes billenni, megdőlni, elfordulni

és gyorsulni az eredeti állapotához képest.

A kvad fedélzetén van egy telep, egy komputer,

számos érzékelő és adó-vevő.

A kvad rendkívül mozgékony, de ennek ára van:

eredendően instabil. Ezért csak visszacsatolás és

automatikus vezérlés segítségével képes repülni.

Lássuk, hogy megy ez.

A mennyezeti kamerák és egy laptop együttese

afféle beltéri GPS-t alkot.

Megállapítja azoknak a testeknek a térbeli helyzetét,

amelyeken ilyen fényvisszaverő jelölések vannak.

Ezeket az adatokat átküldi egy másik laptopra,

mely közelítő és szabályozó algoritmusokat futtat.

Ez a laptop utasításokat küld a kvadnak, amelyen

szintén futnak közelítő és szabályozó algoritmusok.

Nos, kutatásaink zöme algoritmusokról szól.

Ez az a varázslat, mely életre kelti a kvadot.

Hogyan lehet olyan algoritmust kreálni,

amelytől a kvad gépi atlétává válik?

A dolog alapját a modellalapú tervezés adja.

Először is a gépviselkedés fizikáját

lefordítjuk egy matematikai modellre.

Azután a modellt a szabályozáselmélet matematikai

eszközeivel elemezzük, és létrehozunk olyan algoritmusokat,

amelyekkel szabályozható lesz a modell.

A kvad lebegtetését például így oldottuk meg:

Először is a dinamikát felírtuk

egy differenciálegyenlet-rendszer segítségével.

Ezután a felírt egyenleteket elkezdtük manipulálni

a szabályozáselmélet segítségével, hogy olyan algoritmust kapjunk, mely a kvadot stabilizálni tudja.

Hadd demonstráljam a módszer erejét egy példával.

Tegyük fel, hogy nemcsak azt szeretnénk, hogy ez a kvad

lebegjen, hanem azt is, hogy egyensúlyozni tudja ezt a pálcát.

Mi, emberi lények, egy kis gyakorlattal,

könnyedén elvégezzük ezt a feladatot --

persze előnyben vagyunk a kvaddal szemben,

mert két lábon állunk a földön,

és ügyes kezünk van.

Kissé nehezebben megy a dolog,

ha fél lábon állok,

és nem a kezemet használom.

Amint látják, a pálca tetején van egy fényvisszaverő jelzés,

ami azt jelenti, hogy a térbeli helyzete megállapítható.

(Taps)

Figyeljék meg: a kvad finom korrekciókat végez,

hogy a pálca egyensúlyban maradjon.

Hogyan terveztük meg vajon az ehhez szükséges algoritmust?

Egyszerűen: a pálca matematikai modelljét

hozzáadtuk a kvadéhoz.

Mihelyt megvan a kvad-pálca rendszer együttes modellje,

a szabályozáselmélet segítségével algoritmust rendelhetünk hozzá.

Amint látják, a rendszer stabil,

és még ha lökdösöm is egy picit,

akkor is visszaviszi a pálcát az egyensúlyi helyzetébe.

A modellt kibővíthetjük azzal, hogy megmondjuk,

melyik pontban legyen a kvad.

Ha fogom ezt a fényvisszaverővel ellátott mutatót,

akkor kijelölhetek egy fix távolságra lévő pontot,

ahová a kvadot át akarom irányítani.

Az ilyen atlétikai mutatványok titka egy algoritmus,

melyet valamilyen matematikai modellre építettek

a szabályozáselmélet segítségével.

Mondjuk meg a kvadnak, hogy jöjjön vissza ide,

és hagyja leesni a pálcát.

Most pedig érzékeltetni szeretném, milyen fontos

megérteni a fizikai modelleket

és a fizikai elvek működését.

Figyeljék meg, hogy a kvad lejjebb ereszkedett,

amikor rátettem a pohár vizet.

Most ugyanis, a pálca-egyensúlyozással ellentétben,

a pohár matematikai modelljét nem foglaltam bele a rendszerbe.

Tehát a rendszer nem is sejti, hogy van itt egy pohár víz is.

De ahogy az imént, a mutatóval most is jelezni tudom

a kvadnak, hová menjen.

(Taps)

Most nyilván azon tűnődnek,

hogyhogy nem löttyen ki a víz a pohárból.

Két tényt említek. Először is, a gravitáció

minden testre ugyanúgy hat.

Másodszor, a propellerek tengelye párhuzamos a poháréval,

vagyis alaphelyzetben felfelé mutat.

Tekintsük a kettőt egyszerre: kiderül,

hogy a pohárra ható oldalerők, melyekért

főleg az aerodinamikai hatások felelősek,

elhanyagolhatóan kicsik ekkora sebességeknél.

Ezért nincs szükség a pohár modellezésére:

a víz nem fog kilöttyenni, akárhogy mozog is a kvad.

(Taps)

Az a tanulság ebből, hogy a mutatványok egy része

könnyebben megy a többinél,

és hogy a probléma fizikájának megértése dönti el,

hogy melyiket lesz egyszerűbb kivitelezni.

Például az imént a pohár víz szállítása egyszerű volt,

a pálca egyensúlyozása viszont nehéz.

Mindannyian hallottunk már olyan atlétákról,

akik fizikai sérülésük dacára sem adták fel a versenyt.

Vajon egy súlyosan megrongálódott gép is

képes működni?

Józan eszünk azt súgja, hogy legalább

négy rögzített motor-propeller együttes kell a repüléshez,

mert a következő négy szabadsági fokot kell szabályozni:

billenés, dőlés, elfordulás és gyorsulás.

A hexakopter és az oktokopter -- 6, ill. 8 propelleres lévén --

redundanciát, magyarán tartalékot biztosít,

de a kvadrokopter mégis sokkal népszerűbb,

mert a minimális számú -- tehát 4 --

rögzített motor-propeller együttessel rendelkezik.

Vagy kevesebb is elég?

Ha elemezzük a kvad matematikai modelljét,

mindössze két működő propellerrel,

kiderül, hogy rendhagyó módon is lehet működtetni.

Le kell mondanunk ugyan az elfordulás szabályozásáról,

de a billenés, dőlés és gyorsulás szabályozható marad,

csak az új konfigurációhoz való algoritmust kell használni.

A matematikai modell elárulja, hogy pontosan mikor

és mért lehetséges ez.

Ennek ismeretében képesek vagyunk

újszerű géparchitektúrák kialakítására,

ill. olyan okos algoritmusok létrehozására, melyek

az emberi atlétákhoz hasonlóan viselik el a sérülést,

és így nem kell redundanciát biztosító gépeket használni.

Lélegzetvisszafojtva bámuljuk

a vízbe szaltózó műugrót

és a levegőben megforduló tornászt,

miközben a talaj sebesen közeledik felé.

Vajon az ugró csobbanás nélkül fog a vízben elmerülni?

Vajon a tornász talajfogása tökéletes lesz?

Mondjuk, hogy azt szeretnénk, ha ez a kvad itt

egy tripla flipet hajtana végre, melyet pontosan ott

kell befejeznie, ahol elkezdte.

A manőver olyan gyorsan megy végbe, hogy a

visszacsatolás és pályakorrekció nem működik.

Egyszerűen nincs rá idő!

Ezért a kvad "vakon" hajtja végre a mutatványt,

megfigyeli, hogyan sikerült,

majd ez alapján úgy módosítja a viselkedését,

hogy a következő flip pontosabb legyen.

Akárcsak a műugró és a tornász esetében,

csakis a gyakorlás segítheti abban,

hogy a manővert megtanulja és így a végrehajtás

a lehető legjobban sikerüljön.

(Taps)

A mozgó labda eltalálása több sportban elvárt képesség.

Hogy lehet elérni, hogy egy gép megcsinálja azt,

amit egy sportoló látható könnyedséggel képes megtenni?

(Taps)

Ennek a kvadnak egy ütőt szíjaztunk a fejéhez:

az ütő optimális területe kb. alma nagyságú, tehát nem túl nagy.

A következő számítást másodpercenként 50-szer kell elvégezni,

vagyis 20 milliszekundumonként egyszer.

Először is meg kell határozni, hogy merre megy a labda.

Aztán azt kell kiszámolni, hogy üsse meg a kvad a labdát,

hogy az arra repüljön, ahonnan jött.

Harmadszor, ki kell számítani a kvad mozgáspályáját

az adott helyétől addig a pontig, ahol elvileg ütközni fog a labdával.

Negyedszer, 20 ms időtartamig követjük a kiszámolt stratégiát.

Húsz milliszekundum múlva megismételjük az egészet,

míg a kvad ténylegesen el nem éri a labdát.

(Taps)

A gépek tehát önállóan képesek dinamikai manőverezésre,

sőt, képesek az együttműködésre is.

Ez a három kvad közösen visz egy hálót.

(Taps)

Rendkívül dinamikus

és összehangolt manőverezés szükséges ahhoz,

hogy a labdát visszapasszolják nekem.

Figyeljék meg: amikor a háló kifeszül, a kvadok kifelé fordulnak.

(Taps)

Nem véletlen: amikor a háló kifeszül, a kvadok kb. az ötszörösét

kapják annak a gyorsulásnak, amit a bungee-jumpingozó

érez a zuhanás végén.

A mutatvány algoritmusa nagyon hasonlít ahhoz,

mint amikor egyetlen kvaddal üttetem vissza a labdát.

A matematikai modell segítségével folyamatosan, azaz

másodpercenként 50-szer újratervezzük a kooperatív stratégiát.

Minden, amit eddig láttunk,

gépekről és ezek képességeiről szólt.

Mi történik akkor, ha a gépi atleticizmust

összekapcsoljuk az emberivel?

Ami előttem van, az egy kereskedelmi forgalomban lévő

gesztikulációérzékelő, melyet főleg játékokhoz használnak.

Ez valós időben képes felismerni, hogy mit csinálok

a testem különböző részeivel.

Ahogy korábban a mutató mozgatásával,

úgy ezzel is adhatok jelzéseket a rendszernek.

Így természetesebb kapcsolatot alakíthatok ki a kvad

nyers atleticizmusával, mert csak gesztikulálnom kell.

(Taps)

A kapcsolat nem okvetlenül virtuális -- lehet fizikai is.

Tekintsük pl. ezt a kvadot.

Megpróbál a tér egy adott pontjában maradni.

Ha el akarom mozdítani a helyéről, ellenáll nekem,

és visszamegy oda, ahol lenni szeretne.

Ez a viselkedés azonban megváltoztatható.

Matematikai modellt használhatunk annak az erőnek

a becslésére, amellyel a kvadra hatok.

Ha ismerem ezt az erőt, akkor megváltoztathatom

a fizika törvényeit, de persze csak a kvadra vonatkozóan.

Ez a kvad úgy viselkedik, mintha

viszkózus folyadék venné körül.

Ezáltal lehetőség van arra,

hogy a géppel való kapcsolat simább legyen.

Ezt az új lehetőséget arra fogom használni, hogy ezt a

kamerahordozó kvadot arra a helyre mozgassam,

ahonnan a demonstráció hátralévő részét filmeznie kell.

Tehát fizikai kölcsönhatásba léphetünk a kvadokkal,

és megváltoztathatjuk a fizika törvényeit.

És most játsszunk egy kicsit.

A következő mutatvány elején a kvadok

úgy fognak viselkedni, mintha a Plútón lennének.

Ahogy telik az idő, a gravitáció erősödni fog,

míg vissza nem térünk a Földre,

ahonnan persze el sem mozdulunk.

Nos, vágjunk bele!

(Nevetés)

(Nevetés)

(Taps)

Fhu!

Most biztos azt gondolják,

hogy ezek a fickók itt jól elszórakozgatnak;

no meg azt,

hogy mi szükség van gépi atlétákra.

Egyeseknek az ugrik be, hogy az állatvilágban a játék szerepe

a készségek csiszolása és a képességek fejlesztése.

Mások arra gondolnak, hogy inkább közösségi szerepe van,

vagyis a csoportok megerősítésére szolgál.

A sport és az atleticizmus párhuzamát arra használjuk,

hogy új algoritmusokat hozzunk létre, és így a gépeket

a teljesítőképességük határáig fejlesszük.

Milyen hatása lesz a gépek sebességének az életünkre?

Az összes eddigi találmányhoz és innovációhoz hasonlóan

hasznára is lehet a dolog az embernek,

de vissza is lehet élni vele.

A kérdés nem technikai természetű,

hanem társadalmi.

Egyetlen helyes választás létezik:

kihozni a legjobbat abból, amit a gépek jövője tartogathat --

épp úgy, ahogy a sportban az atleticizmus

segíthet kihozni a legjobbat önmagunkból.

Hadd mutassam be a zöld függöny mögött rejtőző varázslókat --

a Flying Machine Arena kutatócsoport jelenlegi tagjait!

(Taps)

Federico Augugliaro, Dario Brescianini, Markus Hehn,

Sergei Lupashin, Mark Muller és Robin Ritz.

Jegyezzék meg őket. Szerintem hallani fognak még róluk.

Köszönöm.

(Taps)