飞行机器人的未来

在宾夕法尼亚大学的实验室里，Vijay Kumar和他的团队从蜜蜂身上获得了灵感，创造了自动化的空中机器人。他们最新的突破：精密耕种，即一群机器人通过规划，重建和分析果园里的每株植物和果实，为农民提供了至关重要的信息，能够帮助农民提高产量，并且让水资源的使用和管理更加智慧。

在我的实验室，
我们打造了自动飞行的机器人，

就是你们眼前的这种。

不像当今市面上销售的那些，

这个机器人没有GPS定位系统。

在没有GPS的情况下，

这样的机器人很难定位自己。

这个机器人用机载传感器，
相机和激光扫描仪，

来扫描环境。

它能够探测到环境的特征，

并使用三角测量的方式来决定
不同的特征之间

有怎样的联系。

然后它能够把所有这些信息
整合到一张地图上，

就是我背后的这张图。

这个地图能让机器人确定
障碍物的位置，

并巧妙地避开各种碰撞。

我接下来要展示的是

一组我们在户外进行的实验，

证明机器人能够在户外
进行长距离飞行。

你们可以看到，在右上方，
是机器人通过照相机看到的影像。

在主屏幕上——

当然这是以4倍速度在播放展示——

在主屏幕上，你们可以看到
地图的创建过程。

这是一个高分辨率的地图，
展示了我们实验室周围走廊的样子。

很快你们就能看到飞行机器人
进入了我们的实验室，

这么乱的地方，一看
就知道是我们的实验室。

（笑声）

但我重点想说的是，

这些飞行器可以创建
高分辨率的地图，

达到5厘米的分辨率，

可以使那些在实验室外，
或者是房屋外的人，

无需进入房间即可观察到这些内容，

并尝试了解房屋内发生的状况。

当然这样的机器人也有问题。

首先，它有些大了。

因为很大，所以很重。

这些机器人每磅重量可以消耗
100瓦的电能。

这使得它的运作时间很短。

第二个问题就是，

这些机器人有机载传感器，
它们非常昂贵——

一个激光扫描仪，一个相机
以及处理器。

这些让这个飞行机器人的
制造成本十分高昂。

因此我们问了自己一个问题：

你能在电子产品商店买到怎样的物品，

它既不昂贵，又很轻，
还有机载传感器和计算能力？

于是我们发明了会飞的手机。

（笑声）

这个机器人使用了你可以轻松购买到的
三星银河系列手机，

你所需要的只是一个应用程序，
可以从我们的应用程序商店下载。

你们可以看到这个飞行机器人在读字，
“TED”，

观察字母“T”和“E”角落的位置，

再应用三角测量法，实现自主飞行。

那个手柄的作用仅限于
当飞行器失控时，

Giuseppe就能让它失去功能。

（笑声）

除了制造这些飞行机器人外，

我们还试着让它们做更激烈的动作，
比如这样。

这个飞行机器人目前的速度是
每秒钟2到3米，

在转变方向的时候
激烈地起降和翻转。

重点是，我们还能制造更小，更快的
飞行机器人，

它们可以在非常复杂的环境中飞行。

下一个影片中，

你们可以看到这只鹰，
优雅地协调它的翅膀，

眼睛和爪子之间的配合，
把猎物抓出水面，

我们的机器人也能去捕鱼。

（笑声）

在这个试验中，它在空中抓起了
这个特大号菲力芝士牛排三明治。

（笑声）

你们可以看到这个机器人
以每秒3米左右的速度飞行，

比步行的速度快一些，
同时还能协调它的手臂和爪子，

以极快的速度完成整套动作。

在另一个试验中，

我想要展示，
机器人是如何依据悬浮载重

来调整飞行模式的，

它的总长度大于窗子的高度。

为了完成任务，

它需要向下倾斜，调整高度，

然后把重物摆动过去。

但是，我们希望让机器人变得更小，

而蜜蜂启发了我们。

如果你们观察一下蜜蜂，
在这个慢速的视频里，

它们是这么小，
惯性是这么轻 ——

（笑声）

它们并不在意——
它们会撞击我的手，比如说。

这是个小机器人，
可以模拟蜜蜂的行为。

越小越好，

因为尺寸小，惯性就会小。

惯性小——

（机器人嗡嗡声，笑声）

惯性小，发生撞击的
可能性就低一些。

这使得机器人更耐用。

模仿这些蜜蜂，
我们制作了小型机器人。

这个特殊的机器人只有25克重。

它的耗电量仅为6瓦。

它的飞行速度可达每秒6米。

因此，如果我把它的尺寸按比例放大，

就好比一架波音787飞机
以10倍于音速的速度飞行。

（笑声）

我还要给你们展示一个例子。

这可能是第一个计划中的
以20分之1正常速度进行的空中相撞。

它们的相对速度为每秒2米，

这里展示了基本的原理。

两克重的碳纤维笼子包围着它
使螺旋桨不会受损，

但最关键的是，撞击被吸收了，
机器人能够对撞击做出反应。

并且，小也意味着安全。

在我的实验室，
最初开发这些机器人的时候，

我们从大的机器人开始

现在着手做小的机器人。

如果你们看一下我们购买
创可贴的数量统计图，

就知道现在我们已经几乎不需要买了。

因为这些机器人非常安全。

小尺寸也有一些缺点，

但是自然界有很多方法
来弥补这些缺陷。

最基本的想法是，
它们可以聚集在一起组成大型的群落。

因此，在实验室里，
我们也试着去组建机器人群组。

这是非常有难度的工作，

因为我们要考虑飞行机器人网络。

在每一个飞行器中，

我们都需要考虑传感，沟通和计算，
这些互相影响的因素——

这样的机器人网络
不易控制和管理。

从大自然中，我们汲取了
三个组织原则，

最终帮助我们完成了算法的发展。

第一个是，机器人
需要注意到它的邻居们。

它们要有能力去感知相邻的机器人
并与它们交流。

这个视频展示了最基本的想法。

有4个机器人——

其中的一个被人手动控制了。

但是因为机器人会相互通讯，

它们能够感知到旁边机器人的行动，

也会跟着它移动。

这个人能够领导整个
飞行机器人群体的行动。

再强调一次，这并不是因为
所有的机器人都知道它们要去哪里。

而是它们能根据相邻机器人位置变化
做出相应的反应。

（笑声）

下一个实验展示了第二个组织原则。

这个原则与匿名原则有关。

其中的关键在于，

机器人是不知道与它们相邻的
机器人的身份的。

它们被要求形成一个圆圈，

不管你往这个阵列中放多少个机器人，

或者是你拿出来多少个机器人，

每个机器人都会很简单地
根据它相邻机器人的行为做出反应。

它清楚地知道需要形成圆圈，

与它的相邻机器人配合行动，

这个过程不需要中枢系统协调。

综合这两个想法之后，

第三个想法就是我们会

用数学方式来描述
它们需要组成的阵列形状。

这些形状会根据时间发生变化，

你们看到这些飞行器
从一个圆形开始，

接着变为长方形，
然后变成一条直线，

又变回椭圆形。

它们通过瞬间的协调
来完成这些动作，

就像自然界里的蜂群一样。

为什么要模仿蜂群呢？

我们对这项技术的两种应用
非常感兴趣。

第一个有关于农业，

农业应该是全球面临最严峻的问题。

大家都知道，

地球上每7个人中就有1个营养不良。

我们耕种了绝大部分可耕的土地。

世界上很多系统的效率都在提高，

但是我们生产系统的
效率事实上却是在下降。

很大程度上源于水源短缺，
作物病害，气候变化

和许多其他的原因。

那么，这些机器人能做什么呢？

我们称之为社区里的精密耕作。

我们基本的想法是
让这些飞行机器人飞越果园，

为每一株植物搭建精密的模型。

就像个性化的机器，

想象每个病人都有一对一服务，

我们要做的就是
为每株植物单独建立模型，

然后告诉农民
每株植物各需要些什么——

需要的因素在这里指的是水，
肥料和杀虫剂。

你们现在看到的是
机器人飞过一片苹果园，

很快你们就会看到另外两个机器人

在左侧做着同样的事。

它们在制作果园的地图。

这个地图里有果园里每株植物的位置。

（机器人嗡嗡声）

我们来看一下
这些地图是什么样子的。

在下一个视频中，你们会看到
机器人上安装的各种摄像头。

左上角的是一个高清彩色摄像机。

左边中间的是一个红外线摄像机。

左下方的是一个热成像摄像机。

在主面板上，你们会看到
每一株果树的三维图像。

这是当机器人飞过果树时
传感器采集到的数据。

有了这些信息，
我们就可以做很多事情。

我们能做的第一件也可能是最重要的事
非常简单：

清点每株果树上果实的数量。

这样，你就能告诉农民
每株果树上有多少果实，

农民就能估算出果园的产量，

并调整下游的生产链。

我们能做的第二件事是

给植物建构三维立体图，

从而推算出树冠的尺寸，

然后通过树冠尺寸推算出
每株植物的树叶面积。

这被称为树叶面积指数。

那么如果我们知道一棵树的
树叶面积指数，

就能大概测算出这株果树
在进行多少光合作用，

就能知道这株果树的健康状况。

将视觉信息和红外线信息合起来，

我们还能计算出一些指数，
例如常态化差值植生指数。

在这个例子中，
你们可以明显看到

有一些植物并不像其他植物那样健康。

在图像中很容易识别，

不仅是在视觉图像中，而是结合了

视觉和红外线的图像中。

最后，

我们感兴趣的另一件事
是检测早期的植被萎黄病——

这是一棵橘子树——

你们可以看到泛黄的树叶。

当机器人飞过这棵树的顶部
就能很快自主识别出来，

然后报告农民
他/她遇到问题了，

就在果园的这个区域。

这样的系统真的非常实用，

我们估计这能帮助农业产量提升10%，

更重要的是，通过使用飞行器蜂群，

水资源的用量能够降低25%。

最后，我希望大家为创造未来的人们
致以热烈的掌声，

Yash Mulgaonkar, Sikang Liu
和Giuseppe Loianno,

你们看到的三次演示都是他们完成的。

谢谢。

（掌声）