O assombroso poder atlético dos quadricópteros

Em um laboratório de robôs no TEDGlobal, Raffaelo D'Andrea demonstra seus quadricópteros voadores: robôs que podem pensar como atletas, resolvendo problemas de física com algoritmos que os auxiliam a aprender. Em uma série de demonstrações, D'Andrea exibe drones que podem agarrar, equilibrar e tomar decisões juntos -- observe a apresentação 'quero isto agora' de quads controlados com o Kinect.

Bem, o que significa
para uma máquina ser atlética?

Demonstraremos o conceito
de atletismo da máquina

e a pesquisa para alcançá-lo

com o auxílio destas máquinas voadoras,
chamadas quadricópteros,

ou, na abreviação, 'quads'.

Os 'quads' têm estado por aí
durante um longo tempo.

A razão por que eles são tão populares hoje

é que são mecanicamente simples.

Controlando as velocidades
destes quatro propulsores,

estas máquinas podem rolar, arfar, guinar

e acelerar junto com uma orientação comum.

A bordo, há também
uma bateria, um computador,

vários sensores e rádios sem fio.

Os 'quads' são extremamente ágeis,
mas essa agilidade tem um custo.

Eles são inerentemente instáveis
e precisam de alguma forma

de controle automático de retroalimentação
para que sejam capazes de voar.

Então, como ele fez isso?

Câmeras no teto e um laptop

atuam como um sistema interno
de posicionamento global.

É usado para localizar, no espaço, objetos

que têm estes marcadores refletivos neles.

Esses dados são enviados para outro laptop

que está calculando estimativas
e algoritmos de controle,

e, por sua vez,
envia comandos para o 'quad',

que também está calculando estimativas
e algoritmos de controle.

O foco de nossa pesquisa são os algoritmos.

É a mágica que dá vida para estas máquinas.

Então, como alguém projeta os algoritmos

que criam a máquina atleta?

Usamos algo amplamente chamado
de projeto baseado no modelo.

Primeiro capturamos a física
com um modelo matemático

de como as máquinas se comportam.

A seguir, usamos um ramo da matemática

chamado teoria do controle
para analisar esses modelos

e também para sintetizar
algoritmos para controlá-las.

Por exemplo, é assim que
podemos fazer o 'quad' pairar.

Primeiro capturamos a dinâmica

com um conjunto de equações diferenciais.

Então, trabalhamos
essas equações com o auxílio

da teoria do controle para criar
algoritmos que estabilizam o 'quad'.

Permitam-me demonstrar
o poder desta abordagem.

Suponha que queiramos
que este 'quad' não só paire

mas também equilibre esta haste.

Com um pouco de prática,

é bem simples para um ser humano fazer isso,

mesmo porque temos a vantagem de ter

dois pés no chão

e usar nossas mãos muito versáteis.

Fica um pouquinho mais difícil

quando eu tenho só um pé no chão

e quando não uso minhas mãos.

Note que esta haste tem
um marcador refletivo no topo,

o que significa que ela pode
ser localizada no espaço.

(Aplausos)

Vocês podem observar que este 'quad'
está fazendo ajustes mínimos

para manter a haste equilibrada.

Como projetamos
os algoritmos para fazer isso?

Acrescentamos o modelo matemático da haste

ao do 'quad'.

Quando temos um modelo do sistema
combinado da haste e do 'quad',

podemos usar a teoria do controle
para criar algoritmos para controlá-lo.

Aqui, você vê que ele está estável,

e, mesmo que haja pequenos deslocamentos,

ele volta para a posição de equilíbrio.

Podemos também aumentar
o modelo para incluir

onde queremos que o 'quad' esteja no espaço.

Usando este ponteiro,
feito de marcadores refletivos,

posso apontar para onde quero
que o 'quad' esteja no espaço,

a uma distância fixa de mim.

A chave para estas manobras
acrobáticas são os algoritmos,

projetados com a ajuda
de modelos matemáticos

e teoria do controle.

Vamos dizer ao 'quad' que volte aqui

e deixe a haste cair,

e, a seguir, demonstrarei a importância

de entender modelos físicos

e o funcionamento do mundo físico.

Observem como o 'quad' perdeu altitude

quando coloquei este copo de água nele.

Diferente da haste equilibrada, não incluí

o modelo matemático do copo no sistema.

De fato, o sistema nem mesmo
sabe que o copo de água está lá.

Como antes, eu posso usar
o ponteiro para dizer ao 'quad'

onde quero que ele esteja no espaço.

(Aplausos)

Ok, vocês devem estar se perguntando:

por que a água não cai do copo?

Dois fatores: o primeiro
é que a gravidade age

em todos os objetos da mesma maneira.

O segundo é que os propulsores
estão todos apontando

para a mesma direção que o copo,
apontando para cima.

Você coloca essas duas coisas juntas,
o resultado líquido

é que todas as forças laterais
no copo são pequenas

e estão dominadas principalmente
pelos efeitos aerodinâmicos,

que nestas velocidades são insignificantes.

E é por isso que você
não precisa modelar o copo.

Ele naturalmente não derrama,
não importa o que o 'quad' faça.

(Aplausos)

A lição aqui é que algumas
tarefas de alto desempenho

são mais fáceis que outras,

e entender a física do problema

mostra quais são fáceis
e quais são difíceis.

Neste exemplo, carregar
um copo de água é fácil.

Equilibrar uma haste é difícil.

Todos nós ouvimos histórias de atletas

executando proezas quando
estão fisicamente machucados.

Uma máquina também
pode manter o desempenho

com dano físico extremo?

A sabedoria convencional
diz que você precisa de,

no mínimo, quatro motores
propulsores para voar,

porque há quatro graus
de liberdade para controlar:

rolagem, arfagem, guinada e aceleração.

Hexacópteros e octocópteros,
com seis e oito propulsores,

podem oferecer redundância,

mas quadricópteros
são muito mais populares

porque têm o número mínimo

de motores propulsores fixos: quatro.

Têm mesmo?

Se analisarmos o modelo
matemático desta máquina

com apenas dois propulsores funcionando,

descobriremos que há uma forma
não convencional de fazê-la voar.

Abandonamos o controle da guinada,

mas rolagem, arfagem e aceleração
ainda podem ser controladas

com algoritmos que exploram
essa nova configuração.

Os modelos matemáticos
nos dizem exatamente quando

e por que isso é possível.

Neste exemplo, este conhecimento
nos permite projetar

novas arquiteturas da máquina

ou projetar algoritmos espertos
que sutilmente lidam com o dano,

exatamente como os atletas humanos fazem,

em vez de construir
máquinas com redundância.

Não conseguimos deixar de prender
a respiração quando vemos

um mergulhador
dar saltos mortais rumo à água,

ou quando o saltador está girando no ar,

o chão se aproximando rápido.

O nadador conseguirá fazer
uma boa entrada na água?

O saltador cairá em pé?

Suponha que queiramos que este 'quad' aqui

dê três voltas e termine

no exato local em que estava.

Esta manobra vai acontecer tão rapidamente

que não dá para usar 'feedback' para corrigir
o movimento durante a execução.

Simplesmente não há tempo bastante.

Assim, o que o 'quad' pode fazer
é realizar a manobra cegamente,

observe como ele finaliza a manobra,

e então usa essa informação
para modificar seu comportamento

para que a próxima volta seja melhor.

Parecido com o nadador e o saltador,

é apenas através da prática repetida

que a manobra pode ser
aprendida e executada

no mais alto padrão.

(Aplausos)

Bater numa bola em movimento é uma
habilidade necessária em muitos esportes.

Como fazemos uma máquina desempenhar

o que um atleta faz
aparentemente sem esforço?

(Aplausos)

Este 'quad' tem uma raquete
presa em seu topo

com um ponto ideal do tamanho de
uma maçã, portanto não muito grande.

Os cálculos a seguir são feitos
a cada 20 milissegundos,

ou 50 vezes por segundo.

Primeiro descobrimos
aonde a bola está indo.

Então, a seguir, calculamos
como o 'quad' deve atingir a bola

para que ela volte para
onde ela foi atirada.

Terceiro, é calculada
uma trajetória que leve o 'quad'

de seu ponto atual até
o ponto de impacto com a bola.

Quatro, executamos somente
20 milissegundos dessa estratégia.

20 milissegundos mais tarde,
todo o processo é repetido

até que o 'quad' atinja a bola.

(Aplausos)

As máquinas podem realizar manobras
dinâmicas não apenas sozinhas

mas também coletivamente.

Estes três 'quads' estão carregando
em conjunto uma rede.

(Aplausos)

Eles realizam uma manobra

extremamente dinâmica e em conjunto

para lançar a bola de volta para mim.

Observem que, com a rede completamente
estendida, estes 'quads' estão na vertical.

(Aplausos)

De fato, quando completamente estendida,

isso é cerca de cinco vezes maior
do que a sensação de um 'bungee jump'

no final do salto.

Os algoritmos para fazer isto
são muito semelhantes

ao que um único 'quad' usaria
para mandar a bola de volta para mim.

Modelos matemáticos são usados
para replanejar continuamente

uma estratégia conjunta
50 vezes por segundo.

Tudo que vimos até agora foi

sobre as máquinas e suas capacidades.

O que acontece quando emparelhamos
o atletismo desta máquina

com aquele do ser humano?

O que tenho diante de mim
é um sensor de movimentos comercial,

usado principalmente em jogos.

Ele pode reconhecer
o que várias partes do meu corpo

estão fazendo em tempo real.

Parecido com o ponteiro que usei antes,

podemos usar isso para
enviar informações ao sistema.

Agora temos uma forma natural de interagir

com o atletismo destes 'quads'
com meus movimentos.

(Aplausos)

A interação não tem que ser virtual.
Ela pode ser física.

Veja este 'quad', por exemplo.

Está tentando permanecer
em um ponto fixo no espaço.

Se tento tirá-lo do caminho,
ele compete comigo,

e se move de volta para onde quer estar.

Entretanto, podemos modificar
esse comportamento.

Podemos usar modelos matemáticos

para estimar a força
que estou aplicando no 'quad'.

Quando conhecemos essa força,
podemos também mudar as leis da física,

no que toca ao 'quad', claro.

Aqui o 'quad' está se comportando
como se estivesse

em um fluido viscoso.

Agora temos uma maneira familiar

de interagir com uma máquina.

Vou usar essa nova
capacidade para posicionar

este 'quad', que carrega
uma câmera, no local adequado

para filmar o restante desta demonstração.

Assim podemos interagir
fisicamente com estes 'quads'

e podemos alterar as leis da física.

Vamos nos divertir um pouquinho com isto.

Para o que verão a seguir, estes 'quads'

inicialmente vão se comportar
como se estivessem em Plutão.

À medida que o tempo passa,
a gravidade será aumentada

até que estejamos de volta ao planeta Terra,

mas asseguro que não chegaremos lá.

Ok, lá vai.

(Risadas)

(Risadas)

(Aplausos)

Ufa!

Agora estão todos pensando:

esses caras estão se divertindo demais,

e também, provavelmente,
estão se perguntando:

exatamente por que estão
construindo máquinas atletas?

Alguns presumem que o papel
dos jogos no mundo animal

é aprimorar habilidades
e desenvolver capacidades.

Outros acham que tem mais
a ver com o papel social,

que são usados para unir o grupo.

De forma similar, usamos a analogia
dos esportes e do atletismo

para criar novos algoritmos para máquinas

a fim de levá-las ao limite.

Que impacto terá a velocidade
das máquinas em nosso modo de vida?

Como todas nossas criações
e inovações passadas,

elas podem ser usadas
para melhorar a condição humana

ou podem ser mal usadas
ou se tornar abusos.

Esta não é uma escolha
técnica que enfrentamos;

é uma escolha social.

Façamos a escolha certa,

a escolha que traga o melhor
no futuro das máquinas,

exatamente como, nos esportes, o atletismo

pode revelar o melhor em nós.

Permitam-me apresentar
os magos atrás da cortina verde.

Eles são os membros atuais da equipe
de pesquisa Flying Machine Arena.

(Aplausos)

Federico Augugliaro,
Dario Brescianini, Markus Hehn,

Sergei Lupashin, Mark Muller e Robin Ritz.

Olho neles. Estão destinados
a grandes coisas.

Obrigado.

(Aplausos)