La sorprendente potenza atletica dei Quadcopter

In un laboratorio robotico di TEDGlobal, Raffaello D'Andrea mostra i suoi Quadcopter volanti: dei robot che pensano come atleti, risolvendo problemi di fisica con algoritmi che li aiutano a imparare. In una serie di ingegnose dimostrazioni, D'Andrea mostra droni che giocano a palla, si tengono in equilibrio e prendono delle decisioni di gruppo - e fate attenzione alla demo dei Quad controllati tramite tecnologia Kinect in stile 'lo voglio subito'.

Cosa significa per una macchina, essere agile?

Vi spiegheremo l'idea di agilità per una macchina

e la ricerca che l'ha resa possibile,

con l'aiuto di queste macchine volanti chiamate Quadrocopters

o, in breve, Quad.

I Quad esistono da diverso tempo,

ma il motivo che li ha resi così famosi ora

è che sono meccanicamente molto semplici.

Controllando la velocità di queste quattro eliche,

queste macchine possono ruotare lungo gli assi delle tre dimensioni dello spazio e accelerare.

Sopra sono integrati una batteria, un computer,

vari sensori e trasmettitori radio wireless.

I Quad sono estremamente agili, ma questa agilità ha un prezzo.

Sono intrinsecamente instabili

e hanno bisogno di un controllo a feedback per essere in grado di volare.

Come ha fatto?

Ci sono delle fotocamere sul soffitto e un computer

che assieme funzionano da GPS.

In questo modo si riescono a localizzare oggetti nello spazio

che hanno dei punti riflettenti.

Questi dati sono inviati ad un altro computer

che utilizza degli algoritmi di controllo e di stima

e uno alla volta restituiscono dei commandi al Quad

che a sua volta elabora queste stime.

Il grosso del lavoro nella nostra ricerca sta negli algoritmi.

È un po' la magia che dà vita a questo tipo di macchine.

Ma come può la progettazione di un algoritmo rendere queste macchine così agili?

Usiamo una progettazione comunemente chiamata 'model based design'.

Con un modello matematico delineiamo il comportamento fisico delle macchine.

Poi usiamo un ramo della matematica chiamato 'teoria del controllo' per analizzare questi modelli

e sintetizzare in algoritmi in grado di controllarle.

Per esempio, è così che riusciamo a far rimanere fermi in volo i Quad.

Prima modelliamo la dinamica,

con un insieme di equazioni differenziali

Poi le elaboriamo grazie alla teoria del controllo

per creare algoritmi che lo stabilizzino.

Vi dimostro la forza di questo approccio.

Immaginiamo non solo di voler tenere fermo in volo il Quad

ma di fargli tenere in equilibrio quest'asta.

Con un po' di esercizio, è abbastanza semplice farlo per un essere umano

Inoltre noi abbiamo il vantaggio di avere due piedi per terra, e un uso molto versatile delle nostre mani.

Diventa un po' più difficile quando ho solo un piede per terra e non uso le mani.

L'asta ha dei segni riflettenti sulla sommità,

il che la rende localizzabile nello spazio.

(Applausi)

Riuscite a vedere che il Quad sta effettuando una precisa regolazione per tenere l'asta in equilibrio.

Come siamo riusciti a progettare un algoritmo in grado di fare questo?

Abbiamo aggiunto il modello matematico dell'asta a quello del Quad.

Una volta creato il modello del sistema composto da Quad e asta assieme,

possiamo creare degli algoritmi in grado di controllarlo.

Vedete che è stabile

e anche dandogli dei colpetti ritorna in posizione d'equilibrio.

Possiamo anche estendere il modello

in modo da poter decidere la posizione del Quad nello spazio.

Usando questo indicatore, fatto di marcatori riflettenti,

posso decidere la direzione nella quale voglio che vada il Quad ad una certa distanza da me.

La chiave per queste manovre acrobatiche sono gli algoritmi

sviluppati con l'aiuto del modelli matematici e della teoria del controllo.

Riportiamo il Quad indietro e lasciamo cadere l'asta.

Ora vi dimostrerò l'importanza della comprensione del modello fisico e delle dinamiche del mondo reale.

Vedete che il Quad si è abbassato quando ci ho messo sopra il bicchiere d'acqua.

In questo caso, a differenza del caso dell'asta,

nel modello matematico non ho incluso il bicchiere nel sistema.

Infatti il sistema non sa che il bicchiere d'acqua si trova lì.

Come prima, uso il puntatore per indicare al Quad dove voglio che vada.

(Applausi)

Ok, vi dovreste stare chiedendo perché l'acqua non cada fuori dal bicchiere.

Ci sono due motivi:

il primo è che la gravità agisce su tutti gli oggetti allo stesso modo.

Il secondo è che le eliche puntano nella stessa direzione del bicchiere, ossia verso l'alto.

Mettete insieme le due cose, e il risultato è che le forze laterali sul bicchiere sono molto piccole

e sono principalmente dominate da effetti areodinamici

che a queste velocità sono trascurabili.

E questo è il motivo per cui non è necessario inserire il bicchiere nel sistema.

Non ne esce una goccia qualunque cosa faccia il Quad.

(Applausi)

Quello che c'è da capire è che alcune prestazioni elevate sono più facili di altre

e che capire la fisica che c'è dietro al problema ci dice quali sono facili e quali difficili.

In questo caso, portare un bicchiere d'acqua è facile

e tenere in equilibrio un'asta è difficile.

Tutti abbiamo sentito storie di atleti che hanno compiuto grandi prodezze mentre erano infortunati.

E una macchina può fare altrettanto, in caso di danni fisici?

La convinzione comune è che abbiamo bisogno di almeno quattro eliche a motore accoppiate assieme per volare

e questo perché ci sono quattro gradi di liberta nel controllo

ruotare nelle tre dimensioni e accelerare.

Gli Hexacopter e gli Octocopter hanno sei e otto eliche

che sono più di quelle che servirebbero

ma i Quadrocopter sono molto più popolari

proprio perché hanno il numero minimo di eliche a motore: quattro.

O no?

Se analizziamo il modello matematico di queste macchine

con solo due eliche funzionanti,

scopriamo che utilizzano un modo non convenzionale di volare.

Abbiamo perso il controllo attorno all'asse verticale

ma lungo gli altri due assi e in accelerazione possono ancora essere controllati

con algoritmi che cercano di trarre vantaggio proprio da questa nuova configurazione.

I modelli matematici ci dicono esattamente

quando e perché questo è possibile

In questo caso, saperlo ci permette di creare un'architettura insolita per una macchina

o elaborare algoritmi intelligenti che gestiscono con eleganza il danno subito

proprio come fa un'atleta,

invece di costruire robot con una dotazione eccessiva.

Non possiamo fare a meno di trattenere il fiato quando vediamo

un tuffo in acqua con salto mortale

o quando un ginnasta volteggia nell'aria

e si avvicina rapido a terra.

Il tuffatore ce la farà a fare un'entrata pulita in acqua?

E il ginnasta farà un atterraggio fermo?

Proviamo a far eseguire al Quad

un salto triplo, tornando nel punto esatto dove ha cominciato.

La manovra avverrà in modo talmente veloce

che non si può fare feedback per correggerla durante l'esecuzione.

Semplicemente non c'è abbastanza tempo per farlo.

Invece, quello che il Quad può fare è eseguire la manovra senza controllo esterno

e quando ha finito possiamo vedere com'è andata,

e usare quest'informazione per migliorare il suo comportamento

in modo da migliorare i salti successivi.

In modo molto simile al tuffatore e al ginnasta

è solo una questione di pratica

e la manovra può essere imparata ed eseguita

fino ad avere risultati migliori.

(Applausi)

In molti sport è necessario saper colpire una palla in movimento.

Come possiamo far eseguire ad un robot

quello che un atleta riesce a fare apparentemente senza sforzo?

(Applausi)

Il Quad ha una racchetta fissata sulla sommità

con il punto ottimale delle dimensioni all'incirca di una mela, quindi non molto grande.

Per effettuare la mossa che vediamo ora, l'elaborazione è fatta ogni 20 millisecondi

o 50 volte al secondo.

Prima cerchiamo di capire dove sta andando la palla.

Poi calcoliamo come il Quad dovrebbe colpirla

facendolo volare nella direzione dove è stata tirata la palla.

Terzo, viene calcolata una traiettoria che porta il Quad

dalla sua posizione attuale al punto dell'impatto con la palla.

Quarto, abbiamo solo 20 millisecondi in cui è valida questa strategia.

Venti millisecondi dopo, l'intero processo viene ripetuto

fino a che il Quad batte la palla.

(Applausi)

Queste macchine non riescono ad eseguire manovre dinamiche soltanto da sole

ma riescono a farlo anche assieme ad altre.

Questi tre Quad stanno sostenendo questa rete assieme

(Applausi)

Stanno eseguendo una manovra collettiva ed estremamente dinamica

per lanciarmi indietro la palla tutti assieme.

Nella loro massima estensione, i Quad si mettono in posizione verticale.

(Applausi)

Infatti quando la rete è completamente estesa,

è più o meno cinque volte quello che sente una persona che pratica bungee jumping alla fine del lancio.

Gli algoritmi in grado di fare queste cose sono molto simili

a quelli che il Quad usa quando mi rilancia la palla da solo.

I modelli matematici riescono ad aggiornare la strategia

dei Quad che agiscono cooperativamente 50 volte al secondo.

Tutto quello che avete visto finora

è reso possibile dalle macchine e dalle loro abilità.

Che succede quando associamo l'agilità di queste macchine

agli esseri umani?

Di fronte a me c'è un comune sensore di movimento

usato per riconoscere i gesti durante il videogioco.

Può riconoscere diverse parti del corpo in tempo reale.

Come per la bacchetta che ho usato prima,

possiamo usare il sensore come input del sistema.

Così avremo un modo più naturale per far interagire

i Quad con i miei movimenti.

(Applausi)

L'interazione non deve essere per forza virtuale. Può essere fisica.

Prendete questo quad, per esempio.

Sta cercando di stare in un punto fisso nello spazio.

Se provo a spostarlo dalla sua posizione,

oppone resistenza e ritorna a stare dove voleva essere.

Ma noi siamo in grado di modificare questo comportamento.

Possiamo usare dei modelli matematici per calcolare la forza che devo applicare al Quad.

Quando conosciamo questa forza, possiamo anche cambiare le leggi della fisica,

per quanto riguarda il Quad, ovviamente.

Ecco, qui il quad si sta comportando come se fosse in un fluido viscoso.

Ora abbiamo un modo intimo di interagire con una macchina.

Userò questa nuova funzionalità per posizionare questo Quad che trasporta una videocamera,

nella posizione appropriata per le riprese del resto di questa dimostrazione.

Così siamo in grado di interagire fisicamente con questi quad e siamo in grado di cambiare le leggi della fisica.

Divertiamoci un po' con questo.

Per ciò che vedrete tra poco, questi quad inizialmente si comporteranno come se fossero su Plutone.

Con lo scorrere del tempo, la gravità verrà aumentata fino a quando non saremo tutti tornati sulla Terra.

Ma vi assicuro che non arriveremo lì.

Ok, iniziamo.

(Risate)

(Applausi)

Probabilmente adesso starete pensando che questi ragazzi si divertono davvero troppo

e probabilmente vi state anche chiedendo, qual è il vero motivo per cui stanno costruendo macchine agili?

Alcuni ipotizzano che il ruolo del gioco nel regno animale sia quello di affinare le competenze e sviluppare le capacità.

Altri pensano che abbia più un ruolo sociale, usato per creare coesione.

In modo analogo, noi sfruttiamo l'analogia fra sport e agilità, per creare nuovi algoritmi per le macchine, con l'intento di spingerle al limite.

Quale impatto avrà la velocità delle macchine sul nostro modo di vivere?

Come tutte le nostre passate creazioni e innovazioni, potrebbero migliorare le condizioni di vita umane

o potrebbero essere usate impropriamente ed abusate.

Non ci troviamo di fronte a una scelta tecnica, ma sociale.

Facciamo la scelta giusta, la scelta che tira fuori il meglio per il futuro delle macchine,

proprio come l'agilità nello sport può tirare fuori il meglio di noi.

Lasciate che vi presenti le menti dietro tutto questo.

Sono i ricercatori del Flying Machine Arena research team.

(Applausi)

Federico Augugliaro, Dario Brescianini , Markus Hehn,

Sergei Lupashin, Mark Muller e Robin Ritz.

Seguiteli. Faranno grandi cose.

Grazie.

(Applausi)