Zdumiewająco wysportowane kwadrokoptery

W laboratorium robotycznym zorganizowanym na konferencji TEDGlobal Raffaelo D'Andrea prezentuje swoje latające kwadrokoptery: roboty, które myślą jak sportowcy rozwiązujący problemy dotyczące poruszania się w przestrzeni za pomocą algorytmów, które pomagają im się uczyć. W serii rewelacyjnych pokazów D'Andrea pokazuje drony, które chwytają piłkę, łapią równowagę i wspólnie podejmują decyzje. Zwróćcie szczególną uwagę na prezentację robotów sterowanych gestami.

Co to znaczy,
że maszyna jest wysportowana?

Zaprezentujemy ideę wysportowanych maszyn

i stan badań nad nimi

przy pomocy latających maszyn

zwanych kwadrokopterami.

Są znane od dawna,

a ostatnio bardzo popularne,

bo są proste w budowie.

Kontrolując szybkość czterech śmigieł,

mogą wzbijać się, spadać, kręcić

i przyspieszać w danym kierunku.

Mają baterię, komputer,

czujniki i bezprzewodowe odbiorniki.

Kwadrokoptery są zwinne,
ale pewnym kosztem.

Są z natury niestabilne, więc potrzebują

pomocy automatów, żeby latać.

Jak on to zrobił?

Kamery na suficie i laptop

działają jako system pozycyjny.

Używamy go do lokalizowania obiektów,

mających odblaskowe wskaźniki.

Dane wysyłane są do laptopa,

przeliczającego algorytmy
szacujące i sterujące,

który wysyła polecenia do maszyny,

która także prowadzi obliczenia.

Badamy głównie algorytmy.

To magia pobudzająca maszyny do życia.

Jak napisać algorytm

który stworzy maszynę-sportowca?

Używamy projektowania
opartego na wzorcach.

Ujmujemy modelem matematycznym

zachowanie danej maszyny.

Posługując się teorią sterowania,

analizujemy wzorce

i opracowujemy algorytmy sterujące.

Tak powodujemy uniesienie się maszyny.

Opisaliśmy dynamikę ruchu

zestawem równań różniczkowych.

Przekształciliśmy je
z pomocą teorii sterowania,

by stworzyć algorytmy stabilizujące.

Pokażę zalety tej metody.

Maszyna ma nie tylko unieść się,

ale i utrzymać tyczkę w równowadze.

Przy odrobinie ćwiczeń,

człowiekowi przychodzi to dość łatwo,

chociaż my mamy przewagę

stania na dwóch nogach

i dużej zręczności rąk.

Trudność pojawia się,

gdy stoję na jednej nodze

i nie używam rąk.

Na szczycie tyczki
jest odblaskowy znacznik,

pozwalający ją zlokalizować w przestrzeni.

(Brawa)

Maszyna wprowadza korekty,

by utrzymać tyczkę w równowadze.

Jak zaprojektowaliśmy te algorytmy?

Dodaliśmy model matematyczny tyczki

do modelu maszyny.

Mając połączony model maszyny i tyczki,

wykorzystujemy teorię sterowania,
by stworzyć algorytm sterujący.

Maszyna jest stabilna,

nawet jeśli ją trącam,

powraca do swojej pozycji.

Możemy uzupełnić model o wskazówki,

gdzie ma się znaleźć w przestrzeni.

Dzięki wskaźnikowi
z odblaskowych znaczników

mogę wskazać, gdzie chcę umieścić maszynę

w określonej odległości ode mnie.

Kluczem do tych akrobacji jest algorytm,

stworzony przy pomocy
modeli matematycznych

i teorii sterowania.

Każmy maszynie wrócić

i upuścić tyczkę.

Zademonstruję znaczenie

zrozumienia modeli fizycznych

i działania fizyki w praktyce.

Maszyna straciła wysokość,

gdy postawiłem na niej szklankę wody.

Nie uwzględniłem w systemie

modelu matematycznego szklanki wody.

System nie wie nawet,
że szklanka tam jest.

Mogę użyć wskaźnika, żeby wskazać maszynie

gdzie ma się znaleźć.

(Brawa)

Pewnie jesteście ciekawi,

dlaczego woda się nie wylewa?

Dwie sprawy: grawitacja oddziałuje

na wszystkie przedmioty tak samo.

Po drugie, śmigła są skierowane w górę,

w stronę szklanki.

W rezultacie okazuje się,

że siły działające
na szklankę z boku są małe

i zrównoważone przez wpływ aerodynamiki,

i można je pominąć.

Dlatego nie trzeba modelować szklanki.

Woda się nie wyleje,
niezależnie od ruchów maszyny.

(Brawa)

Pewne skomplikowane zadania

są łatwiejsze od innych.

Zrozumienie fizyki problemu

wyjaśnia, które zadania
są łatwe, a które trudne.

Trzymanie szklanki jest łatwe.

Utrzymywanie tyczki jest trudne.

Słyszeliśmy historie o sportowcach

dokonujących wyczynów mimo obrażeń.

Czy maszyna też może działać

przy dużym fizycznym uszkodzeniu?

Rozsądek podpowiada,
że potrzeba przynajmniej

czterech działających śmigieł do latania,

ponieważ do kontrolowania
są cztery parametry:

obrót, kołysanie się,
odchylenie i przyspieszenie.

Heksakoptery i oktokoptery
z 6 i 8 śmigłami

mają nadmiarowe śmigła,

ale kwadrokoptery są popularniejsze,

bo mają minimalną liczbę

śmigieł do latania: cztery.

Czyżby?

Analizując model matematyczny tej maszyny

z tylko dwoma działającymi śmigłami

odkryliśmy nietypowy
sposób, by mogła latać.

Rezygnujemy z kontroli odchylenia,

ale nadal można sterować obrotem,
kołysaniem i przyspieszeniem

dzięki algorytmom wykorzystującym
nową konfigurację.

Modele wyjaśniają dokładnie,

kiedy i dlaczego jest to możliwe.

Ta wiedza pozwala nam projektować

nowatorską architekturę maszyn

i inteligentne algorytmy,
które radzą sobie z uszkodzeniami

jak ludzcy sportowcy.

zamiast budować maszyny
z nadmiarowymi elementami.

Zapiera nam dech w piersiach, gdy widzimy

pływaka robiącego salto do wody

albo tyczkarza wirującego w powietrzu,

gdy ziemia szybko się zbliża.

Czy pływakowi uda się wbić w wodę?

Czy tyczkarz dobrze wyląduje?

Załóżmy, że ten kwadrokopter
ma wykonać potrójny obrót

i wrócić na swoją pozycję.

Taki manewr odbywa się tak szybko,

że nie można użyć pozycjonowania
do kontroli ruchu.

Nie ma na to czasu.

Kwadrokopter wykona
więc manewr "na ślepo",

zidentyfikuje położenie

i użyje tej informacji,

by kolejny obrót wyszedł lepiej.

Zupełnie jak pływak i tyczkarz

trenują do perfekcji, by kolejna próba

została wykonana bezbłędnie.

(Brawa)

Rzucanie piłką jest kluczową umiejętnością
w wielu sportach.

Jak nauczyć robota czynności,

którą sportowiec wykonuje
niemal bez wysiłku?

Ten kwadrokopter ma rakietę
przymocowaną na wierzchu

z punktem odbicia wielkości jabłka,
więc niedużym.

Obliczenia są robione co 20 ms,
czyli 50 razy na sekundę.

Najpierw określamy, gdzie leci piłka.

Potem obliczamy,
jak robot powinien uderzyć,

by piłka wróciła do punktu wyjścia.

Po trzecie, ustalana jest trajektoria,

która przenosi robota
w miejsce odbicia piłki.

Po czwarte, wykonujemy
tylko 20ms tej strategii

Po 20 ms cały proces jest powtarzany

aż do momentu uderzenia piłki.

(Brawa)

Maszyny potrafią działać
nie tylko w pojedynkę,

mogą działać razem.

Te 3 kwadrokoptery wspólnie unoszą siatkę.

(Brawa)

Wykonują niebywale dynamiczny

wspólny manewr,

by odrzucić mi piłkę.

Zwróćcie uwagę, że w punkcie kulminacyjnym

roboty są w pionie.

(Brawa)

Wtedy też poddane są przeciążeniu

5 razy większemu
niż w końcówce skoku na bungee.

Zastosowane algorytmy są bardzo podobne

do tych, które umożliwiają odbicie piłki.

Modele matematyczne służą

do ciągłej aktualizacji wspólnej
strategii, 50 razy na sekundę.

Wszystko, co pokazałem,

dotyczyło robotów i ich zdolności.

A jeżeli połączymy zwinność maszyn

ze zwinnością ludzi?

Mam przed sobą popularny czujnik gestów,

używany głównie podczas gier.

Rozpoznaje on "na żywo"

ruchy poszczególne części mojego ciała.

Podobnie jak wcześniejszy wskaźnik,

może być użyty do wprowadzenia danych.

To naturalny sposób sterowania

manewrami maszyn przy pomocy gestów.

(Brawa)

Interakcja nie musi być wirtualna,
może być fizyczna.

Spójrzmy na ten kwadrokopter.

Stara się utrzymać swoją pozycję.

Jeżeli nim poruszę, przeciwstawia mi się

i wraca na swoje miejsce.

Możemy to jednak zmienić.

Przy pomocy modeli matematycznych

możemy oszacować siłę, jakiej używam.

Gdy ją znamy, możemy zmienić prawa fizyki

Tylko dla robota, rzecz jasna.

Teraz kwadrokopter porusza się tak,

jakby znajdował się w lepkiej cieczy.

Mamy możliwość bliskiej interakcji

z maszyną.

Użyję tej możliwości, by ustawić

robota z kamerą w dobrym miejscu

do filmowania reszty prezentacji.

Możemy fizycznie wpływać na maszyny

i zmieniać prawa fizyki.

Zabawmy się.

Teraz zobaczycie,
jak roboty zachowywałyby się

na Plutonie.

Z upływem czasu grawitacja
będzie zwiększana,

aż do osiągnięcia wartości ziemskiej,

ale zapewniam, że to się nie uda.

Uwaga.

(Śmiech)

(Śmiech)

(Brawa)

Uff!

Myślicie teraz,

że za dobrze się bawimy,

i zadajecie sobie pytanie:

po co budować zwinne maszyny?

Niektórzy sądzą, że rolą zwierzęcej zabawy

jest doskonalenie
umiejętności i zdolności.

Inni myślą, że rozwój
umiejętności społecznych,

integrowanie grupy.

Używamy analogii sportu
i sprawności fizycznej

do tworzenia nowych algorytmów dla maszyn,

by przesunąć granice ich możliwości.

Jaki wpływ wywrze na nasze życie
szybkość maszyn?

Tak jak nasze poprzednie
dzieła i innowacje,

mogą być użyte
do poprawienia jakości życia

lub użyte w złym celu.

Nie stoimy przed problemem technicznym,

lecz społecznym.

Podejmijmy właściwą decyzję,

która przyniesie nam
pożytek z rozwoju maszyn,

tak jak sprawność fizyczna w sporcie

potrafi wydobyć z nas to, co najlepsze.

Przedstawię wam magików zza kurtyny.

To obecni członkowie zespołu
badawczego Flying Machine Arena.

(Brawa)

Federico Augugliaro,
Dario Brescianini, Markus Hehn,

Sergei Lupashin, Mark Muller i Robin Ritz.

Jeszcze o nich usłyszycie.
Są stworzeni do wielkich rzeczy.

Dziękuję!

(Brawa)