Какво означава за една машина да е атлетична? Ще демонстрираме концепцията за машинен атлетизъм и проучванията да бъде постигнат с помощта на тези летящи машини наречени квадракоптери или куади, за кратко.
So what does it mean for a machine to be athletic? We will demonstrate the concept of machine athleticism and the research to achieve it with the help of these flying machines called quadrocopters, or quads, for short.
Куадът е наоколо от дълго време. Причината за популярността им тези дни е че са машинно прости. Чрез контролиране на скоростта на тези 4ри пропелера машните могат да се търкалят, накланят и ускоряват около обичайната им ориентация. На борда си също имат батерия, процесор, няколко сензора и wireless радио.
Quads have been around for a long time. They're so popular these days because they're mechanically simple. By controlling the speeds of these four propellers, these machines can roll, pitch, yaw, and accelerate along their common orientation. On board are also a battery, a computer, various sensors and wireless radios.
Куадът е изключително гъвкав, но тази гъвкавост идва с цена. Те са нестабилни и имат нужда от някакъв вид автоматична обратна връзка, за да могат да летят.
Quads are extremely agile, but this agility comes at a cost. They are inherently unstable, and they need some form of automatic feedback control in order to be able to fly.
Как направих това? Камери на тавана и лаптоп служат като вътрешен GPS. Използва се, за да локализира обекти в пространството които имат от тези рефлективни маркери по себе си. Данни се пращат до друг лаптоп след това, който изчислява и контролира алгоритмите, които от своя страна пращат команди до куада, който също изчислява и контролира алгоритми. В голямата си част нашето проучване е за тези алгоритми. Те са магията, която оживява машините.
So, how did it just do that? Cameras on the ceiling and a laptop serve as an indoor global positioning system. It's used to locate objects in the space that have these reflective markers on them. This data is then sent to another laptop that is running estimation and control algorithms, which in turn sends commands to the quad, which is also running estimation and control algorithms. The bulk of our research is algorithms. It's the magic that brings these machines to life.
Как се изработват тези алгоритми, които правят от машината атлет? Използваме така наречения най-общо казано моделно базиран дизайн. Първо взимаме предвид как машината са държи във физически аспект чрез математически модел. След това използваме клон на математиката наречен контролна теория, за да анализираме модела и да синтезираме алгоритми, които го контролират. Например така караме куада да стои на едно място. Първо изчисляваме динамиката чрез набор диференциални уравнения. След това манипулираме уравненията с помощта на на контролната теория, за да създадем алгоритми, които стабилизират куада.
So how does one design the algorithms that create a machine athlete? We use something broadly called model-based design. We first capture the physics with a mathematical model of how the machines behave. We then use a branch of mathematics called control theory to analyze these models and also to synthesize algorithms for controlling them. For example, that's how we can make the quad hover. We first captured the dynamics with a set of differential equations. We then manipulate these equations with the help of control theory to create algorithms that stabilize the quad.
Нека ви демонстрирам плюсовете на този подход. Нека предположим, че искаме този куад не само да стои на едно място, но и да балансира върху пръчка. С малко практика това е нещо сравнително лесно за човек, но ние имаме предимството да сме стъпили с два крака на земята и ползваме нашите способни ръце. Става по-трудно, ако стъпя само с един крак и когато не ползвам ръцете си. Забележете рефлективния маркер върху пръчката, който означава, че тя може да бъде локализирана в пространството.
Let me demonstrate the strength of this approach. Suppose that we want this quad to not only hover but to also balance this pole. With a little bit of practice, it's pretty straightforward for a human being to do this, although we do have the advantage of having two feet on the ground and the use of our very versatile hands. It becomes a little bit more difficult when I only have one foot on the ground and when I don't use my hands. Notice how this pole has a reflective marker on top, which means that it can be located in the space.
(Аплодисменти)
(Audience) Oh!
(Applause)
Може да видите как куада прави малки настройки, за да продължи да бъде балансиран. Как направихме алгоритмите за това? Добавихме математическия модел на пръчката към този на куада. Когато имаме готовия модел на комбинацията от куад-пръчка можем да използваме контролната теория, за да създадем алгоритмите. Виждате, че е стабилен и дори и да го побутна се връща обратно към добра, балансирана позиция.
(Applause ends) You can notice that this quad is making fine adjustments to keep the pole balanced. How did we design the algorithms to do this? We added the mathematical model of the pole to that of the quad. Once we have a model of the combined quad-pole system, we can use control theory to create algorithms for controlling it. Here, you see that it's stable, and even if I give it little nudges, it goes back -- to the nice, balanced position.
Бихме могли да добавим към този модел къде бихме искали да бъде куада в пространството. С този пойнтър, направен от рефлективни маркери мога да посоча къде искам куадът да бъде в пространството на определено разстояние от мен.
We can also augment the model to include where we want the quad to be in space. Using this pointer, made out of reflective markers, I can point to where I want the quad to be in space a fixed distance away from me.
Ключът към тези акробатични умения са алгоритмите направени с помощта на математическите модели и контролната теория. Нека да кажем на куада да се върне и да оставим пръчката да падне, и ще ви демонстрирам важността на разбирането на физическите модели и работата на физическия свят. Забележете как куада изгуби височина, когато поставих тази чаша с вода върху него. За разлика от пръта за балансиране не включих математическия модел на чашата в системата. Всъщност, системата даже не знае, че чашата вода е там. Като преди бих могъл да ползвам пойнтера да кажа на куада къде искам да бъде в пространството. (Аплодисменти)
(Laughter) The key to these acrobatic maneuvers is algorithms, designed with the help of mathematical models and control theory. Let's tell the quad to come back here and let the pole drop, and I will next demonstrate the importance of understanding physical models and the workings of the physical world. Notice how the quad lost altitude when I put this glass of water on it. Unlike the balancing pole, I did not include the mathematical model of the glass in the system. In fact, the system doesn't even know that the glass is there. Like before, I could use the pointer to tell the quad where I want it to be in space. (Applause)
(Applause ends)
Добре, би трябвало да се питате, защо водата не се излива от чашата? Два факта: първият, че гравитацията действа на всички обекти по един и същ начин. Вторият е че всички перки сочат в посоката на чашата, нагоре. Вземете двете заедно и резултатът е, че всички странични сили действащи на чашата са малки и предимно доминирани от аеродинамични ефекти, което при тази скорост е пренебрежимо. И затова не трябва модел за чашата. Тя естествено не се разлива без значение какво прави куада.
Okay, you should be asking yourself, why doesn't the water fall out of the glass? Two facts. The first is that gravity acts on all objects in the same way. The second is that the propellers are all pointing in the same direction of the glass, pointing up. You put these two things together, the net result is that all side forces on the glass are small and are mainly dominated by aerodynamic effects, which at these speeds are negligible. And that's why you don't need to model the glass. It naturally doesn't spill, no matter what the quad does.
(Audience) Oh!
(Аплодисменти)
(Applause)
(Applause ends)
Урокът тук е че някои трудни задачи са по-лесни от други и разбирането на физичните процеси част от проблема ни казват кои са лесни и кои са по-трудни. В този случай носенето на чаша вода е лесно. Балансирането е трудно.
The lesson here is that some high-performance tasks are easier than others, and that understanding the physics of the problem tells you which ones are easy and which ones are hard. In this instance, carrying a glass of water is easy. Balancing a pole is hard.
Всички сме чували истории за атлети изпълняващи постижения, докато са физически наранени. Може ли машината също да работи с изключителна физическа повреда? Обичайно са нужни поне четири фиксирани моторни перки за летене, защото има 4 посоки на действие: завъртане, нагоре, надолу и ускорение. Хексакоптерите и октокоптерите, с шест и осем перки, осигуряват резерва, но квадракоптерите са много по-популярни, защото имат минималния нужен брой фиксирани перки: четири. Дали е така?
We've all heard stories of athletes performing feats while physically injured. Can a machine also perform with extreme physical damage? Conventional wisdom says that you need at least four fixed motor propeller pairs in order to fly, because there are four degrees of freedom to control: roll, pitch, yaw and acceleration. Hexacopters and octocopters, with six and eight propellers, can provide redundancy, but quadrocopters are much more popular because they have the minimum number of fixed motor propeller pairs: four. Or do they?
(Audience) Oh!
Ако анализираме математическият модел на машината със само две работещи перки научаваме, че има и нетрадиционни начини за летене. Изгубваме контрола върху нагоре/надолу, но завъртане, наляво/надясно и ускорение все още могат да се управляват с алгоритми, които ползват новата конфигурация. Математическия модел ни казва точно кога и защо това е възможно. В този случай, знанието ни позолява да създадем нов вид машинна архитектура или да създадем умни алгоритми, които грациозно да покриват загуби, точно като хора атлети биха били, вместо да строим машини с резервни части.
(Laughter) If we analyze the mathematical model of this machine with only two working propellers, we discover that there's an unconventional way to fly it. We relinquish control of yaw, but roll, pitch and acceleration can still be controlled with algorithms that exploit this new configuration. Mathematical models tell us exactly when and why this is possible. In this instance, this knowledge allows us to design novel machine architectures or to design clever algorithms that gracefully handle damage, just like human athletes do, instead of building machines with redundancy.
Не можем да не затаим дъх докато гледаме гмуркач акробатично влизащ във водата или състезател по овчарски скок, извит във въздуха, със земята приближаваща се бързо към него. Ще може ли гмуркачът да направи идеалния скок? Ще успее ли скачачът да не закачи летвата? Нека предположим, че искаме куадът ни да направи тройно кълбо и да завърши на същото място от където е започнал. Тази маневра ще стане толкова бързо, че не можем да използваме позиционни данни, за да коригираме по време на изпълнение. Няма достатъчно време. Вместо това, куадът ще го направи на сляпо, ще види как завършва маневрата и след това с тази информация ще модифицира изпълнението, за да направи следващото премятане по-добро. Подобно на гмуркача и скачача само чрез повтаряне и практика ще се научи да изпълнява маневрата възможно най-добре.
We can't help but hold our breath when we watch a diver somersaulting into the water, or when a vaulter is twisting in the air, the ground fast approaching. Will the diver be able to pull off a rip entry? Will the vaulter stick the landing? Suppose we want this quad here to perform a triple flip and finish off at the exact same spot that it started. This maneuver is going to happen so quickly that we can't use position feedback to correct the motion during execution. There simply isn't enough time. Instead, what the quad can do is perform the maneuver blindly, observe how it finishes the maneuver, and then use that information to modify its behavior so that the next flip is better. Similar to the diver and the vaulter, it is only through repeated practice that the maneuver can be learned and executed to the highest standard.
(Laughter)
(Аплодисменти)
(Applause)
Да се уцели движеща се топка е нужно умение в много спортове. Как да направим така, че машината да извърши каквото прави атлета, без усилие?
Striking a moving ball is a necessary skill in many sports. How do we make a machine do what an athlete does seemingly without effort?
(Laughter)
(Аплодисменти)
(Applause)
(Applause ends)
Този куад има хилка залепена за главата си чийто правилен център е грубо около размера на ябълка, т.е. не много голям. Прави изчисления на всеки 20 милисекунди или с други думи 50 пъти в секунда. Първо трябва да уточним накъде отива топката. След това изчисляваме как куада трябва да я удари, така че да се върне където е била хвърлена. Трето, траекторията се планира така, че куадът се пренася от позиция си до топката. Четвърто изпълняваме го за 20 милисекунди. 20 милисекунди по-късно процеса се повтаря, докато куада удари топката.
This quad has a racket strapped onto its head with a sweet spot roughly the size of an apple, so not too large. The following calculations are made every 20 milliseconds, or 50 times per second. We first figure out where the ball is going. We then next calculate how the quad should hit the ball so that it flies to where it was thrown from. Third, a trajectory is planned that carries the quad from its current state to the impact point with the ball. Fourth, we only execute 20 milliseconds' worth of that strategy. Twenty milliseconds later, the whole process is repeated until the quad strikes the ball.
(Аплодисменти)
(Applause)
Машината може не само да изпълни динамични маневри сама тя може да го направи колективно. Тези три куада си кооперират носейки мрежата.
Machines can not only perform dynamic maneuvers on their own, they can do it collectively. These three quads are cooperatively carrying a sky net.
(Аплодисменти)
(Applause)
(Applause ends)
Те изпълняват драматична и колективна маневра, за да хвърлят топката обратно към мен. Забележете, че при пълно разтягане куадите са вертикални. (Аплодисменти) В този момент, на пълно разтягане те чувстват около 5 пъти повече напрежение от скачач с бънджи на края на скока си.
They perform an extremely dynamic and collective maneuver to launch the ball back to me. Notice that, at full extension, these quads are vertical. (Applause) In fact, when fully extended, this is roughly five times greater than what a bungee jumper feels at the end of their launch.
Алгоритмите за това са много подобни на това, което един куад прави, за да ми върне топката. Математически модели се ползват постоянно, за да препланират кооперативната им стратегия 50 пъти в секунда.
The algorithms to do this are very similar to what the single quad used to hit the ball back to me. Mathematical models are used to continuously re-plan a cooperative strategy 50 times per second.
Всичко досега бе за машините и техните възможности. Какво би станало ако комбинираме атлетизма на машината с тази на човешко същество? Пред себе си имам комерсиален сензор за жестове ползван главно при компютърни игри. Може да разпознава какво правят моите крайници в реално време. Подобно на маркера, който използвах по-рано, можем да използваме сензора за входни данни в системата. Сега имаме естествен начин за интеракция с движенията на куад-овете чрез моите жестове.
Everything we have seen so far has been about the machines and their capabilities. What happens when we couple this machine athleticism with that of a human being? What I have in front of me is a commercial gesture sensor mainly used in gaming. It can recognize what my various body parts are doing in real time. Similar to the pointer that I used earlier, we can use this as inputs to the system. We now have a natural way of interacting with the raw athleticism of these quads with my gestures.
(Аплодименти)
(Applause)
Интеракцията не е нужно нужно да бъде виртуална. Би могла да е и физическа. Вземете този куад например - той се опитва да остане във фиксирана точка в пространството. Ако го преместя ще се бори с мен и ще се преченти веднага, където иска да е. Можем да променим това поведение, разбира се. Можем да ползваме математически модели, за да оценим силата, която прилагам върху куада. Знаейки тази сила можем да променим законите на физиката, разбира се, доколкото това касае куада. Тук той се държи сякаш е потопен в гъста течност.
Interaction doesn't have to be virtual. It can be physical. Take this quad, for example. It's trying to stay at a fixed point in space. If I try to move it out of the way, it fights me, and moves back to where it wants to be. We can change this behavior, however. We can use mathematical models to estimate the force that I'm applying to the quad. Once we know this force, we can also change the laws of physics, as far as the quad is concerned, of course. Here, the quad is behaving as if it were in a viscous fluid. We now have an intimate way of interacting with a machine.
Сега имаме близък начин за интеракция с машина. Ще използвам тази нова възможност да позиционирам куад с камера на удачно място за заснемане на остатъка от демонстрацията.
I will use this new capability to position this camera-carrying quad to the appropriate location for filming the remainder of this demonstration.
Можем физически да общуваме с куад-овете и можем да променяме законите на физиката. Нека се позабавляваме с това. Това, което ще видите сега, тези куадове, в началото ще се държат сякаш са на Плутон. С времето гравитацията ще се увеличава, докато не се завърнем на Земята, но ви уверявам че няма да стигнем до там. Добре, започваме.
So we can physically interact with these quads and we can change the laws of physics. Let's have a little bit of fun with this. For what you will see next, these quads will initially behave as if they were on Pluto. As time goes on, gravity will be increased until we're all back on planet Earth, but I assure you we won't get there. Okay, here goes.
(Смях)
(Laughter)
(Смях)
(Laughter)
(Аплодисменти) Ох! Сигурно си мислите - тези момчета се забавляват твърде много и вероятно се питате, защо по-точно те строят тези атлетични машини? Някои скачат на заключението, че ролята на играта в животинското царство е да създава умения. Други смятат, че тя има по-скоро социална роля, да сплотява групата. По подобен начин ние използваме аналогията със спорт и атлетизъм да създаваме нови алгоритми за машините, да ги накараме да достигнат лимита си. Какъв ефект ще има скоростта на машините в живота ни? Като предишните ни създания и иновации те биха могли да се ползват за подобряване на човешкия живот или по грешен и нереден начин. Този избор не е технически, а социален. Нека направим правилния избор, избора който ще донесе най-доброто в бъдещето на машините точно така както атлетизмът и спорта могат да извадят най-доброто от нас.
(Applause) Whew! You're all thinking now, these guys are having way too much fun, and you're probably also asking yourself, why exactly are they building machine athletes? Some conjecture that the role of play in the animal kingdom is to hone skills and develop capabilities. Others think that it has more of a social role, that it's used to bind the group. Similarly, we use the analogy of sports and athleticism to create new algorithms for machines to push them to their limits. What impact will the speed of machines have on our way of life? Like all our past creations and innovations, they may be used to improve the human condition or they may be misused and abused. This is not a technical choice we are faced with; it's a social one. Let's make the right choice, the choice that brings out the best in the future of machines, just like athleticism in sports can bring out the best in us.
Нека ви представя на магьосниците зад зелената завеса. Те са настоящите членове на изследователския екип "Летящата машина" (Аплодисменти) Federico Augugliaro, Dario Brescianini , Markus Hehn, Sergei Lupashin, Mark Muller и Robin Ritz. Ослушвайте се за тях, предстоят им велики неща.
Let me introduce you to the wizards behind the green curtain. They're the current members of the Flying Machine Arena research team. (Applause) Federico Augugliaro, Dario Brescianini, Markus Hehn, Sergei Lupashin, Mark Muller and Robin Ritz. Look out for them. They're destined for great things.
Благодаря ви.
Thank you.
(Аплодисменти)
(Applause)