Den utrolige atletiske kraften til quadcopters

I et robotlabaratorie på TEDGlobal demonstrerer Raffaelo D'Andrea sine flyvende helikoptre: roboter som tenker som atleter og løser fysiske utfordringer med algoritmer som hjelper dem å lære. I en serie av fiffige demoer viser D'Andrea droner som kaster ball, balanserer og tar kollektive avgjørelser -- og se opp for demoen av hans dette-må-jeg-ha-nå Kinect-kontrollerte helikoptre.

Så hva vil det si at en maskin er atletisk?

Vi skal demonstrere konseptet atletiske maskiner

og forskningen som står bak

ved hjelp av disse flyvemaskinene kalt quadracopters

ofte forkortet til quads.

Vi har hatt disse en god stund.

Grunnen til at de er blitt så populære nå

er fordi de er mekanisk enkle.

Ved å kontrollere hastigheten til disse fire propellene

kan maskinene rulle, pitche, dreie

og aksellerere rundt deres felles orientasjon.

Om bord finnes også et batteri, en datamaskin,

forskjellige sensorer og trådløse radioer.

De er ekstremt smidige, men denne smidigheten har sin pris.

De er inneboende ustabile, og trenger en eller annen form

for automatisk tilbakemelding for å kunne fly.

Så hvordan fikk jeg til det?

I taket finnes det kameraer koblet til en bærbar PC

som fungerer som en innendørs GPS.

Disse brukes for å lokalisere objekter i rommet

som har disse reflekterende markørene på seg.

Dataene blir deretter sendt til en annen bærbar datamaskin

som går igjennom estimering- og kontrollalgoritmer

for igjen å sende kommandoer til helikopteret

som også kjører estimering- og kontrollalgoritmer.

Brorparten av vår forskning er algoritmer.

De står for magien som gjør maskinene levende.

Så hvordan designer man algoritmer

som skaper en atletisk maskin?

Vi bruker noe som utbredt kalles modellbasert design.

Først finner vi ut av fysikken, med en matematisk modell,

for hvordan maskinene oppfører seg.

Deretter bruker vi en gren av matematikk

kalt kontrollteori for å analysere disse modellene

samt komponere algoritmer for å kontrollere de.

Det er for eksempel slik vi kan la helikopteret sveve på samme plass i luften.

Først fant vi ut av dynamikken

ved hjelp av et sett differensialligninger.

Deretter manipulerte vi disse ligningende ved hjelp av

kontrollteori for å skape algoritmer som stabliserer helikopteret.

La meg demonstrere styrken ved denne strategien.

Hva om vi ikke bare vil at helikopteret skal stå stille,

men også skal balansere denne pålen.

Ved hjelp av litt øving er det

ganske lett for et menneske å lære seg dette,

men vi har riktignok fordelene ved å ha

to bein i bakken

samt svært anvendelige hender.

Det blir litt vanskeligere

når jeg står på ett bein

og ikke bruker hendene.

Legg merke til at denne pålen har en reflektiv markør på toppen,

noe som betyr at den kan lokaliseres i rommet.

(Applaus)

Du kan se at helikopteret gjør små justeringer

for å holde pålen balansert.

Hvordan designet vi algoritmene til å gjøre dette?

Vi la inn den matematiske modellen til pålen

til helikopterets modell.

Så fort vi har en modell for det kombinerte quad-påle-systemet

kan vi bruke kontrollteori for å styre den.

Her ser dere at den er stabil,

og selv om jeg gir den et lite dult,

går den tilbake til en rolig og balansert posisjon.

Vi kan også endre modellen til å inkludere

hvor vi ønsker å plassere helikopteret i rommet.

Ved hjelp av denne pekeren, laget av reflektive markører,

kan jeg peke på hvor jeg vil at den skal være i rommet

en bestemt avstand ifra meg.

Nøkkelen til disse akrobatiske manøvrene er algoritmer

designet ved hjelp av matematiske modeller

og kontrollteori.

La oss be helikopteret komme tilbake hit,

legge fra seg pålen,

så skal jeg videre demonstrere viktigheten av

forståelse for fysiske modeller

og hvordan den fysiske verden fungerer.

Legg merke til hvordan helikopteret mistet høyde

når jeg puttet dette vannglasset på den.

Til forskjell fra når vi balanserte pålen, så har jeg

ikke inkludert den matematiske modellen av glasset i systemet.

Faktisk så er ikke systemet en gang klar over at glasset med vann er der.

Som tidligere så kan jeg bruke pekeren for å si

hvor jeg vil at helikopteret skal befinne seg.

(Applaus)

Ok, så du spør kanskje deg selv,

hvorfor går ikke vannet ut av glasset?

Det er to grunner: Først av alt så vil tyngdekraften

påvirke alle objekter på lik måte.

For det andre peker alle propellene

i samme retning som glasset - oppover.

Når man setter disse to tingene sammen er resulatet

at alle krefter fra sidene på glasset er små

og er stort sett dominert av luftmotsand

som er svært liten i denne hastigheten.

Derfor trenger man ikke å modellere glasset.

Det vil på naturlig vis ikke renne over uansett hva helikopteret gjør.

(Applaus)

Det vi kan lære av dette er at noen oppgaver som

krever høy ytelse er enklere enn andre,

og at forståelse for fysikken i et problem forteller

noe om hvilke som er enkle og vanskelige

I dette tilfellet er det å balansere et glass enkelt.

Å balansere en påle er vanskelig.

Vi har alle hørt om atleter som

yter selv når de er fysisk skadet.

Er det mulig for en maskin også

å yte med ekstreme fysiske skader?

Sunn fornuft tilsier at du trenger minst

fire fastmonterte propellerpar for å kunne fly,

fordi det er fire grader av frihet som kontrolleres:

rulle, pitch, dreie og aksellerasjon.

Hexakoptere og oktokoptere, med seks og åtte propeller

kan tilby redundans,

men kvadrakoptere er langt mer populære

fordi de har det minste antallet

påkrevde fastmonterte propellpar: fire.

Eller?

Dersom vi analyserer de matematiske modellene av denne maskinen

med kun to fungerende propeller,

oppdater vi at det er en uordinær måte å fly den på.

Vi kan ikke lenger dreie,

men det er fortsatt mulig å rulle, pitche og aksellerere

med algoritmer som utnytter den nye konfigurasjonen.

Matematiske modeller forteller oss nøyaktig når

og hvorfor dette er mulig.

I dette tilfellet gjør denne kunnskapen det mulig for

oss å designe nye maskinarkitekturer

eller smarte algoritmer som elegant håndterer skader,

på samme måte som menneskelige atleter,

i stedet for å bygge maskiner med redundans.

Det er vanskelig å ikke holde pusten når vi ser

en stuper tar en saltomortale mot vannet,

eller når en høydehopper snur seg i luften,

og faller raskt mot bakken.

Klarer stuperen en perfekt inngang?

Vil høydehopperen lande riktig.

La oss si at vi vil at dette helikopteret

skal ta tre saltoer og avslutte på

nøyaktig det samme sted som det startet.

Denne manøveren kommer til å skje så raskt

at vi kan ikke bruke posisjonssystemet for å korrigere bevegelsene underveis.

Det er rett og slett ikke nok tid.

I stedet kan helikopteret få utføre manøveren blindt,

observere hvordan den avslutter,

for deretter å bruke informasjonen til å endre sin

oppførsel slik at det neste forsøket blir bedre.

Til sammenligning med stuperen og høydehopperen

er det kun gjennom repetert øvelse

at manøveren kan bli lært og utført

til høyeste standard.

(Applaus)

I mange sporter er det å treffe en ball i bevegelse er en nødvendig ferdighet.

Hvordan kan vi få en maskin til

å gjøre det en atlét gjør tilsynelatende enkelt?

(Applaus)

Dette helikopteret har en racket festet til hodet

med et treffpunkt på omtrentlig størrelse med et eple. Altså ikke veldig stort.

De påfølgende kalkuleringene blir gjort hver 20. millisekund,

eller 50 ganger per sekund.

Først må vi finne ut hvor ballen skal hen.

Deretter må vi kalkulere hvordan helikopteret skal treffe ballen

slik at den flyr tilbake der den kom fra.

Så planlegges en bane som helikopteret kan fly i fra

der den er nå til punktet der ballen treffer.

Denne strategien kjøres kun 20 millisekunder av gangen.

Tjue millisekunder senere så gjentas hele prosessen

på nytt til helikopteret treffer ballen.

(Applaus)

Maskiner kan ikke bare gjennomføre dynamiske
manøvre på egenhånd,

de kan også gjøre det kollektivt.

Disse tre helikopterne holder et nett sammen.

(Applaus)

De gjennomfører en ekstremt dynamisk

og kollektiv manøver

for å slå ballen tilbake til meg.

Legg merke til at når nettet er fullt utstrekt står helikoptrene vertikalt.

(Applaus)

Faktisk er kraften som påføres

helikopterne omtrent fem ganger så kraftig

sammenlignet med en strikkhopper.

Algoritmene for å gjøre dette er veldig like

sammenlignet med det ene helikopteret som returnerte ballen til meg.

Matematiske modeller blir brukt kontinuerlig for å

planlegge strategien for samarbeidet 50 ganger i sekunder.

Alt vi har sett så langt har handlet om

maskiner og deres evner.

Hva skjer når vi kobler de atletiske evnene til maskinene

med menneskets evner?

Foran meg har jeg en kommersiell bevegelsessensor

som primært er brukt til videospill.

Den kan gjenkjenne hva de forskjellige kroppsdelene

mine gjøre i sanntid.

Ikke ulikt hvordan jeg brukte
pekeren tidligere

kan vi benytte dette som input til systemet.

Vi har nå en naturlig måte å kombinere

maskinenes atletiske ferdigheter med mine bevegelser.

(Applaus)

Interaksjonen trenger ikke være virtuell.
Den kan også være fysisk.

Ta for eksempel dette helikopteret.

Det forsøker å sveve på et bestemt sted i rommet.

Dersom jeg forsøker å flytte det vekk,
stritter den i mot.

Det flytter seg tilbake der den vil være.

Vi kan riktignok forandre denne oppførselen.

Vi kan benytte matematiske modeller

for å anslå kraften som jeg påfører helikopteret.

Når vi vet om denne kraften kan vi også endre fysikkens lover,

for alt helikopteret vet, naturligvis.

Her oppfører helikopteret seg som om det

flyter i en tjukk væske.

Vi har nå en intim måte for

å oppnå interaksjon med maskinen.

Jeg skal benytte denne muligheten for å

plassere dette kamera-helikopteret på
en passelig plass

slik at den kan filme resten av demonstrasjonen.

Vi kan altså fysisk påvirke disse maskinene

og vi kan endre fysikkens lover.

La oss ha det litt moro med dette.

I den neste delen vil disse helikopterne

opprinnelig oppføre seg som om de var på Pluto.

Etter hvert som tiden går vil tyngdekraften økes

til vi er tilbake på jorden,

men jeg kan garantere at vi ikke kommer dit.

Okay, da prøver vi.

(Latter)

(Latter)

(Applaus)

Whew!

Dere tenker sikkert nå at

disse gutta har det alt for moro.

Du spør sikkert også

hvorfor bygger vi disse maskinatletene?

Noen påstår at lekens rolle i dyreriket

er å finpusse ferdigheter og utvikle evner.

Andre mener at det har en sosial rolle,

at det binder gruppen sammen.

På same måte bruker vi analogien med
sport og atleter

for å skape nye algoritmer for maskiner

og presse de til grensene deres.

Hvor kraftig vil maskiners hurtighet
påvirke vår levemåte?

På samme måte som tidligere
oppfinnelser og innovasjoner

kan de brukes for å forbedre menneskets tilstand

eller bli misbrukt og utnyttet.

Det er ikke teknisk valg vi står ovenfor;

det er et sosialt.

La oss ta det riktige valget.

Valget som bringer det beste
ut av maskinenes fremtid

på samme måte som atletiske ferdigheter

i sport bringer frem det beste i oss.

La meg introdusere dere for tryllemennene
bak det grønne teppet.

De er nåværende medlemmer av forskningsteamet the Flying Machine Arena

(Applaus)

Federico Augugliaro, Dario Brescianini , Markus Hehn,

Sergei Lupashin, Mark Muller and Robin Ritz.

Hold et øye med dem. De er ment for store ting.

Takk.

(Applaus)