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.
Як механізм може бути атлетичний? Зараз ми продемонструємо атлетизм машини та досягнення цього дослідження за допомогою літальних апаратів під назвою «квадрокоптери» або скорочено «квади».
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.
Квади навколо нас вже давно. Причина того, що сьогодні вони популярні, полягає в їхній механічній простоті. Контроль за швидкістю чотирьох пропелерів дає цим машинам змогу обертатися, падати, відхилятися від курсу, розганятися відносно звичної траєкторії. Пристрій має акумулятор, комп'ютер, різні датчики та бездротовий зв'язок.
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.
Квади надзвичайно рухливі, але ця рухливість виникає не сама по собі. Їм властива нестабільність, і їм потрібна якась форма автоматичного зворотного живлення для можливості літати.
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.
Як цього досягнули? Камери на стелі та в портативному комп’ютері служать вхідною глобальною системою визначення місцезнаходження. Вживається вона для розміщення об’єктів у просторі, які мають на собі відбивні індикатори. Потім ці дані передаються на інший комп’ютер, який видає розрахунки та алгоритми керування і, своєю чергою, надсилає команди кваду, який також робить розрахунки та алгоритми керування. Основна частина нашого дослідження – алгоритми. Це чари, які дали цим машинам життя.
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.
Яким чином проектуються алгоритми, що створюють машину-атлета? Ми використовуємо проектування, що базується на моделюванні. Спочатку ми беремо фізику з математичною моделлю поведінки машини. Потім використовуємо розділ математики під назвою «Теорія керування» для аналізу цих моделей, а також для синтезу алгоритмів з метою керування ними. Наприклад, так ми впливаємо на квада, щоб він завис у повітрі. Спочатку ми використали динаміку із набором диференційних рівнянь. Потім ми розбираємося з даними рівняннями за допомогою теорії управління для створення алгоритмів, які стабілізують квад.
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.
Зараз я продемонструю вам силу цього досягнення. Наприклад, ми хочемо, щоб квад не тільки завис у повітрі, а й тримав цю палицю у рівновазі. Після невеличкої практики людина може це зробити. Хоча в нас є перевага в тому, що дві ноги стоять на підлозі, і задіяні наші гнучкі руки. Ситуація складнішає тоді, коли в мене одна нога на підлозі, а руки не задіяні. Зауважте, що ця палиця має зверху відбивний індикатор. Це означає, що її можна розмістити в просторі.
(Audience) Oh!
(Оплески)
(Applause)
(Applause ends)
Ви бачите, що цей квад гарно пристосовується до того,
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.
щоб тримати палицю у рівновазі. Як ми спроектували для цього алгоритми? Ми додали математичну модель палиці до моделі кваду. Коли в нас є модель комбінованої системи «квад-палиця», ми можемо використати теорію управління для створення алгоритмів щодо її керування. Бачите: система стабільна. Попри те, що я її трохи штовхнув, вона повертається у врівноважене положення.
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.
Також ми можемо збільшити модель і додати інформацію про те, де у просторі ми хочемо розмістити квад. За допомогою цієї указки, виготовленої з відбивних індикаторів, я вказую місце в просторі, де хочу розмістити квад на заданій відстані від себе.
(Laughter)
The key to these acrobatic maneuvers is algorithms, designed with the help of mathematical models and control theory.
Розгадка цих акробатичних маневрів полягає в алгоритмах, спроектованих за допомогою математичних моделей і теорії управління.
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.
Нехай квад повернеться сюди, а палиця впаде. Я продемонструю, як важливо розуміти фізичні моделі та принцип дії фізичного світу. Зауважте, як квад опустився, коли я поставив на нього склянку води. На відміну від врівноваженої палиці, я не закладав математичну модель склянки у систему. Навпаки, система не підозрює, що там є склянка води. Як і раніше, я використовую указку з командою, де у просторі я хочу розмістити квад.
(Applause)
(Оплески)
(Applause ends)
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.
Мабуть ви запитуєте себе, чому вода зі склянки не витікає? Є дві причини. Перша полягає у тому, що сила тяжіння діє на всі предмети однаково. Друга причина: всі пропелери спрямовані на склянку, тобто спрямовані вверх. Ці два явища ви складаєте разом, і зрештою всі бічні сили, що діють на склянку, малі, й аеродинамічні сили впливають на них в цілому і є незначними, як і така швидкість. Тому і не потрібна модель склянки. Вода не проливається, що б не робив квад.
(Audience) Oh!
(Applause)
(Оплески)
(Applause ends)
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.
Урок такий: деякі високопродуктивні задачі легші за інші, та розуміння фізичної суті проблеми показує вам легкі та важкі завдання. У цьому прикладі підтримання склянки води – легке завдання. А тримання палиці у рівновазі – важке.
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?
Всі ми чули історії атлетів, що показують свою майстерність, маючи травми. Чи може машина також показувати вправи при надзвичайних пошкодженнях? Здоровий глузд підказує, що потрібно щонайменш чотири пари закріплених пропелерів для польоту, бо є чотири ступені рухливості в керуванні: поворот, падіння, відхилення від напрямку та прискорення. Гексакоптери та октокоптери із 6-ма та 8-ма пропелерами виявляють надлишок, але квадрокоптери набагато популярніші, тому що мають мінімальну кількість закріплених пар пропелерів: чотири. Чи не так?
(Audience) Oh!
(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.
Якщо проаналізувати математичну модель даної машини лише з двома працюючими пропелерами, то виявляється незвичайний спосіб її польоту. У нас відмовляє керування відхиленням від курсу, але поворот, падіння та прискорення все ще керовані алгоритмами, що використовують нову конфігурацію. Математичні моделі чітко вказують нам, коли і чому це можливо. У цьому випадку дані знання дозволяють нам спроектувати нестандартні механічні структури або спроектувати розумні алгоритми, які витончено впораються з пошкодженнями, як це роблять люди-атлети, а не конструювати машини з надлишковими деталями.
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.
У нас перехоплює дух, коли ми бачимо, як водолаз перевертається, стрибаючи у воду, або вольтижер звивається у повітрі, швидко досягаючи землі. Чи вдасться водолазу домогтися розрізного занурення? Чи зможе вольтижер приземлитися? Припустимо, що ми хочемо, щоб цей квад зробив потрійне сальто та зупинився на тому самому місці, де починав дійство. Цей маневр відбудеться так швидко, що ми не зможемо вжити зворотній зв’язок та виправити рух під час дійства. Просто не вистачає часу. Навпаки, квад може сліпо виконати цей маневр, спостерігати за закінченням маневру, а потім використати цю інформацію для зміни своєї поведінки, і тому наступне сальто вже краще. Як у випадку із водолазом та вольтижером, тільки шляхом практики цей маневр можна вивчити та виконати якнайкраще.
(Laughter)
(Applause)
(Оплески)
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?
Удар по рухомому м’ячу – вміння, необхідне у багатьох видах спорту. Яким чином нам змусити машину робити те, що робить атлет без зусиль?
(Laughter)
(Applause)
(Оплески)
(Applause ends)
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.
Зверху квада розміщена ракетка, прикріплена ременем, завбільшки з яблуко, тобто невелика. Наступні розрахунки проводяться кожні 20 мілісекунд або 50 разів за секунду. Спочатку ми розраховуємо, куди направляється м’яч. Потім робимо розрахунок щодо удару квада по м’ячу, тому він і летить туди, звідки його підкинули. По-третє, запланована траєкторія переносить квад з даного положення до точки удару м’яча. По-четверте, ми реалізуємо лише 20 мілісекунд цієї стратегії. Наступні 20 мілісекунд весь цей процес повторюється, доки квад не вдарить по м’ячу.
(Applause)
(Оплески)
Machines can not only perform dynamic maneuvers on their own, they can do it collectively. These three quads are cooperatively carrying a sky net.
Машини не тільки виконують динамічні маневри самостійно, а й можуть робити це колективно. Ці три квади разом несуть повітряну сітку.
(Applause)
(Оплески)
(Applause ends)
They perform an extremely dynamic and collective maneuver to launch the ball back to me. Notice that, at full extension, these quads are vertical.
Вони виконують надзвичайно динамічний та колективний маневр кидання м’яча в зворотному напрямку до мене. Зауважте, що при повному розтягненні положення квадів вертикальне.
(Applause)
(Оплески)
In fact, when fully extended, this is roughly five times greater than what a bungee jumper feels at the end of their launch.
Повне розтягнення в 5 разів більше, ніж відчуття у стрибуна з еластичним тросом, у кінці такого кидка.
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.
Алгоритми цієї дії дуже схожі на ті, за яких один квад ударив м’яча у напрямку до мене. Математичні моделі вживають, щоб повсякчас переплановувати спільну стратегію 50 разів за секунду.
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.
Усе, що ми бачили, стосується машин та їхніх здібностей. А що трапиться, коли ми об’єднаємо атлетизм машини з атлетизмом людини? Переді мною – комерційний датчик з жестикуляції, що використовується переважно в азартних іграх. Він визначає, що різні частини мого тіла роблять насправді. Подібно до указки, яку я використовував раніше, ми можемо застосувати це як вхідні сигнали до системи. У нас є невимушений спосіб взаємодії неопрацьованого атлетизму даних квадів з моїми жестами.
(Applause)
(Оплески)
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.
Взаємодія може бути і не віртуальною, а фізичною. Наприклад, цей квад. Він намагається залишитися на вказаному місці у просторі. Якщо я намагатимусь збити його зі шляху, він мене вдарить і повертається туди, де хоче бути. Проте ми можемо змінити таку поведінку. Ми використаємо математичні моделі для оцінки сили, яку я застосовую до кваду. Якщо знаємо цю силу, то можемо змінити закони фізики у випадку з квадом, безперечно. Зараз квад поводиться так, наче знаходиться
We now have an intimate way of interacting with a machine.
у в’язкій рідині.
I will use this new capability to position this camera-carrying quad to the appropriate location for filming the remainder of this demonstration.
У нас є тісна взаємодія з машиною. Я використаю цю нову здібність, щоб розмістити у необхідному місці цей квад із камерою для відеозапису останньої частини демонстрації.
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.
Таким чином ми фізично взаємодіємо з даними квадами та можемо змінити закони фізики. Трохи розважмося. Далі ви побачите, як квади спочатку поводитимуться так, наче вони на Плутоні. Час спливатиме, а сила тяжіння зростатиме, доки ми не повернемося на планету Земля. Та я запевняю вас, що ми туди не доберемося. Так, рухається.
(Laughter)
(Сміх)
(Laughter)
(Сміх)
(Applause)
(Оплески)
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.
Оце так-так! Ви зараз думаєте: «Ці хлопці забагато розважаються». Можливо, ви себе запитуєте: «Чому вони конструюють механічних атлетів?» Хтось здогадається, що роль гри в світі тварин полягає у відточенні навичок та розвитку здібностей. Інші подумають, що більший вплив має соціальна роль, яка і пов’язує групу. Подібно до цього ми вживаємо аналогії щодо спорту та атлетизму для створення нових алгоритмів для машин, щоб підштовхнути їх до меж їхніх можливостей. Який вплив матиме швидкість машин на наш спосіб життя? Як і всі наші попередні творіння та інновації, це може бути використане для покращення людських умов життя або цим можуть зловживати. Ми стикаємося не з технічним вибором, а із соціальним. Робімо правильний вибір: вибір, що призведе до найкращого у майбутньому машин, як атлетизм у спорті веде до найкращого в нас.
Let me introduce you to the wizards behind the green curtain. They're the current members of the Flying Machine Arena research team.
Представляю вам чарівників за зеленою завісою. Це чинні представники дослідницької команди «Арена літальних апаратів».
(Applause)
(Оплески)
Federico Augugliaro, Dario Brescianini, Markus Hehn, Sergei Lupashin, Mark Muller and Robin Ritz. Look out for them. They're destined for great things.
Федеріко Ауґульяро, Даріо Бреш'яніні, Маркус Ген, Сергій Люпашин, Марк Мюллер та Робін Рітц. Спостерігайте за ними. Їм визначено долею здійснити грандіозні речі.
Thank you.
Дякую.
(Applause)
(Оплески)