Over a million people are killed each year in disasters. Two and a half million people will be permanently disabled or displaced, and the communities will take 20 to 30 years to recover and billions of economic losses.
Meer dan een miljoen mensen komen ieder jaar om tijdens rampen. Tweeënhalf miljoen mensen raken permanent gehandicapt of dakloos, en de gemeenschappen hebben 20 tot 30 jaar nodig om te herstellen en lijden miljarden aan economische verliezen.
If you can reduce the initial response by one day, you can reduce the overall recovery by a thousand days, or three years. See how that works? If the initial responders can get in, save lives, mitigate whatever flooding danger there is, that means the other groups can get in to restore the water, the roads, the electricity, which means then the construction people, the insurance agents, all of them can get in to rebuild the houses, which then means you can restore the economy, and maybe even make it better and more resilient to the next disaster. A major insurance company told me that if they can get a homeowner's claim processed one day earlier, it'll make a difference of six months in that person getting their home repaired.
Als de eerste reactie bij een ramp met een dag versneld kan worden, kan het algehele herstel verkort worden met duizend dagen, of 3 jaar. Wil je zien hoe dat werkt? Als hulpverleners toegang krijgen, levens kunnen redden, het overstromingsgevaar kunnen beperken, betekent dat dat andere groepen toegang krijgen om water, wegen en elektriciteit te herstellen, wat betekent dat dan bouwvakkers, verzekeringsagenten, allemaal toegang krijgen om de huizen te herstellen, wat betekent dat je de economie kunt herstellen, en het misschien wel beter kunt maken en beter bestand tegen een volgende ramp. Een belangrijke verzekeraar vertelde me dat als ze een claim van een huiseigenaar één dag eerder kunnen verwerken, het een verschil van zes maanden zal maken om het huis gerepareerd te krijgen.
And that's why I do disaster robotics -- because robots can make a disaster go away faster.
Dat is waarom ik aan ramp-robotica doe -- omdat robots een ramp sneller kunnen laten verdwijnen.
Now, you've already seen a couple of these. These are the UAVs. These are two types of UAVs: a rotorcraft, or hummingbird; a fixed-wing, a hawk. And they're used extensively since 2005 -- Hurricane Katrina. Let me show you how this hummingbird, this rotorcraft, works. Fantastic for structural engineers. Being able to see damage from angles you can't get from binoculars on the ground or from a satellite image, or anything flying at a higher angle. But it's not just structural engineers and insurance people who need this. You've got things like this fixed-wing, this hawk. Now, this hawk can be used for geospatial surveys. That's where you're pulling imagery together and getting 3D reconstruction.
Jullie hebben er al een paar gezien. Dit zijn UAV's. (Unmanned Aerial Vehicle) Er zijn twee soorten UAV's: een rotorcraft, of kolibrie; een fixed-wing, oftewel een havik. Ze worden uitgebreid gebruikt sinds 2005 -- Orkaan Katrina. Ik zal laten zien hoe deze kolibrie, of rotorcraft, werkt. Fantastisch voor bouwkundig ingenieurs. Je kunt de schade bekijken vanuit hoeken die je niet ziet vanaf de grond, met satelliet-beelden, of alles dat op grotere hoogte vliegt. Maar het zijn niet alleen ingenieurs en verzekeringsagenten die dit nodig hebben. Je hebt robots als deze fixed-wing, deze havik. Deze havik kan gebruikt worden voor geospatiale onderzoeken. Dat is als je beeldmateriaal samenvoegt en een 3D-reconstructie maakt.
We used both of these at the Oso mudslides up in Washington State, because the big problem was geospatial and hydrological understanding of the disaster -- not the search and rescue. The search and rescue teams had it under control and knew what they were doing. The bigger problem was that river and mudslide might wipe them out and flood the responders. And not only was it challenging to the responders and property damage, it's also putting at risk the future of salmon fishing along that part of Washington State. So they needed to understand what was going on. In seven hours, going from Arlington, driving from the Incident Command Post to the site, flying the UAVs, processing the data, driving back to Arlington command post -- seven hours. We gave them in seven hours data that they could take only two to three days to get any other way -- and at higher resolution. It's a game changer.
We hebben deze robots beide gebruikt bij de Oso-modderstromen in Washington State, omdat het snappen van de ramp op geospatiaal en hydrologisch niveau het grootste probleem was -- niet het zoeken en redden. De zoek- en reddingsteams hadden alles onder controle en wisten wat ze deden. Het probleem was dat de rivier en de modderstroom hen weg kon vegen en de hulpverleners kon wegspoelen. Het is niet alleen moeilijk voor hulpverleners en de materiële schade, ook de toekomst van de zalmvisserij wordt in gevaar gebracht in dat gedeelte van de staat Washington. Ze moesten dus begrijpen wat er aan de hand was. In zeven uur reed men vanuit Arlington, het commandocentrum, naar de site, vloog met de UAV's, verwerkte de data en reed men terug naar het mobiele commandocentrum in Arlington. In 7 uur. In zeven uur konden we de data leveren waar men normaal twee tot drie dagen over doet om het op een andere manier te verzamelen -- en met een hogere resolutie. Het is revolutionair.
And don't just think about the UAVs. I mean, they are sexy -- but remember, 80 percent of the world's population lives by water, and that means our critical infrastructure is underwater -- the parts that we can't get to, like the bridges and things like that. And that's why we have unmanned marine vehicles, one type of which you've already met, which is SARbot, a square dolphin. It goes underwater and uses sonar. Well, why are marine vehicles so important and why are they very, very important? They get overlooked. Think about the Japanese tsunami -- 400 miles of coastland totally devastated, twice the amount of coastland devastated by Hurricane Katrina in the United States. You're talking about your bridges, your pipelines, your ports -- wiped out. And if you don't have a port, you don't have a way to get in enough relief supplies to support a population. That was a huge problem at the Haiti earthquake. So we need marine vehicles.
En denk niet alleen aan UAV's. Ik bedoel, ze zijn sexy -- maar onthoud: 80 procent van de wereldbevolking woont naast het water, dat houdt in dat de kritieke infrastructuur onderwater ligt -- de delen waar we niet bij kunnen komen, zoals bruggen en dergelijke. Daarom hebben we onbemande watervoertuigen. Eén type hiervan hebben jullie al gezien, dat is SARbot, een vierkante dolfijn. Deze gaat onderwater en gebruikt sonar. Waarom zijn watervoertuigen zo belangrijk? Waarom zijn ze zo enorm, enorm belangrijk? Ze worden over het hoofd gezien. Denk aan de Japanse tsunami -- 650 km van het kustgebied totaal verwoest, twee keer zoveel kust verwoest als bij orkaan Katrina in de Verenigde Staten. Het gaat over bruggen, pijpleidingen, havens -- alles is weggevaagd. En als je geen haven hebt, heb je geen manier om genoeg hulpgoederen te krijgen om de bevolking te ondersteunen. Dat was een enorm probleem bij de aardbeving in Haïti. We hebben dus maritieme voertuigen nodig.
Now, let's look at a viewpoint from the SARbot of what they were seeing. We were working on a fishing port. We were able to reopen that fishing port, using her sonar, in four hours. That fishing port was told it was going to be six months before they could get a manual team of divers in, and it was going to take the divers two weeks. They were going to miss the fall fishing season, which was the major economy for that part, which is kind of like their Cape Cod. UMVs, very important.
Kijk eens mee naar een perspectief van de SARbot, kijk naar wat deze zag. Er werd gewerkt in een vissershaven. We konden die vissershaven, door haar sonar te gebruiken, in vier uur openen. Die haven werd verteld dat het zes maanden zou duren voordat ze een team van duikers erheen konden krijgen, en het zou de duikers twee weken kosten. Ze zouden het visseizoen in de herfst missen, dat normaal enorme inkomsten levert, een beetje hun hoogseizoen. UMV's, héél belangrijk.
But you know, all the robots I've shown you have been small, and that's because robots don't do things that people do. They go places people can't go. And a great example of that is Bujold. Unmanned ground vehicles are particularly small, so Bujold --
Alle robots die ik toonde, waren klein, en dat is omdat robots andere dingen doen dan dat mensen doen. Ze gaan naar plekken waar mensen niet komen. Een goed voorbeeld daarvan is Bujold. Onbemande grondvoertuigen zijn uitzonderlijk klein, Dus Bujold --
(Laughter)
(Publiek lacht)
Say hello to Bujold.
Zeg hallo tegen Bujold.
(Laughter)
(Publiek lacht)
Bujold was used extensively at the World Trade Center to go through Towers 1, 2 and 4. You're climbing into the rubble, rappelling down, going deep in spaces. And just to see the World Trade Center from Bujold's viewpoint, look at this. You're talking about a disaster where you can't fit a person or a dog -- and it's on fire. The only hope of getting to a survivor way in the basement, you have to go through things that are on fire. It was so hot, on one of the robots, the tracks began to melt and come off. Robots don't replace people or dogs, or hummingbirds or hawks or dolphins. They do things new. They assist the responders, the experts, in new and innovative ways.
Bujold werd intensief gebruikt in het World Trade Center om door Torens 1, 2 en 4 te gaan. Je klimt in het puin, abseilt naar beneden, diep de ruimtes in. Om het World Trade Center vanuit Bujold's oogpunt te bekijken, kijk hier eens naar. Je hebt het hier over een ramp waar een een persoon of een hond niet bij komt -- en er woedt een brand! Om een overlevende te bereiken ergens diep in de kelder, zul je door een brand heen moeten. Het was er zo warm, dat de rupsbanden van een robot smolten en loslieten. Robots vervangen geen mensen of honden, of kolibries of haviken of dolfijnen. Ze doen nieuwe dingen. Ze helpen hulpverleners, experts, op nieuwe en innovatieve manieren.
The biggest problem is not making the robots smaller, though. It's not making them more heat-resistant. It's not making more sensors. The biggest problem is the data, the informatics, because these people need to get the right data at the right time.
Het grootste probleem is niet om de robots kleiner te maken. Niet om ze meer hittebestendig te maken. Niet om meer sensors te maken. Het grootste probleem is de data, de informatica, omdat deze mensen de juiste data op het juiste moment moeten krijgen.
So wouldn't it be great if we could have experts immediately access the robots without having to waste any time of driving to the site, so whoever's there, use their robots over the Internet. Well, let's think about that. Let's think about a chemical train derailment in a rural county. What are the odds that the experts, your chemical engineer, your railroad transportation engineers, have been trained on whatever UAV that particular county happens to have? Probably, like, none. So we're using these kinds of interfaces to allow people to use the robots without knowing what robot they're using, or even if they're using a robot or not. What the robots give you, what they give the experts, is data.
Zou het niet geweldig zijn als experts onmiddellijk toegang hadden tot de robots zonder tijd te hoeven verspillen met naar de rampplek rijden, dat degenen die er zijn, de robots via het internet gebruiken. Laten we daar over nadenken. Denk aan een chemische trein die ontspoort in een afgelegen gebied. Hoe groot is de kans dat de experts, denk aan een scheikundig ingenieur, of aan de spoorwegingenieurs, getraind zijn om met die UAV te werken die in dat gebied toevallig aanwezig is? Waarschijnlijk geen enkele. Daarom gebruiken we dit soort interfaces om mensen de mogelijkheid te geven de robots te gebruiken, zonder te weten welke robot ze gebruiken, of zelfs óf ze een robot gebruiken of niet. Wat de robots je verschaffen, wat ze de experts geven, is data.
The problem becomes: who gets what data when? One thing to do is to ship all the information to everybody and let them sort it out. Well, the problem with that is it overwhelms the networks, and worse yet, it overwhelms the cognitive abilities of each of the people trying to get that one nugget of information they need to make the decision that's going to make the difference. So we need to think about those kinds of challenges. So it's the data.
Hierdoor ontstaat het probleem: wie krijgt wanneer welke data? Een oplossing is om alle informatie naar iedereen te versturen zodat ze het zelf uitzoeken. Het probleem hiermee is dat netwerken overbelast raken, en nog erger: het overdondert de cognitieve capaciteiten van eenieder die naar een klein stukje informatie zoekt, dat ze nodig hebben om die beslissing te maken, die het verschil zal maken. We moeten dus nadenken over deze soort uitdagingen. Het gaat dus om de data.
Going back to the World Trade Center, we tried to solve that problem by just recording the data from Bujold only when she was deep in the rubble, because that's what the USAR team said they wanted. What we didn't know at the time was that the civil engineers would have loved, needed the data as we recorded the box beams, the serial numbers, the locations, as we went into the rubble. We lost valuable data. So the challenge is getting all the data and getting it to the right people.
We gaan terug naar het World Trade Center. Om dit probleem op te lossen, namen we alleen data van Bujold op als ze diep in het puin was, want daar vroeg het USAR team om. Wat we toen niet wisten was dat de civiele bouwkundigen graag hadden gezien, zelfs nodig hadden, dat we data hadden opgenomen over dakbalken, serienummers, de locaties, toen we het puin in gingen. We zijn waardevolle data verloren. De uitdaging is dus om alle data te krijgen en het bij de juiste mensen te krijgen.
Now, here's another reason. We've learned that some buildings -- things like schools, hospitals, city halls -- get inspected four times by different agencies throughout the response phases. Now, we're looking, if we can get the data from the robots to share, not only can we do things like compress that sequence of phases to shorten the response time, but now we can begin to do the response in parallel. Everybody can see the data. We can shorten it that way.
Er is nog een reden. We hebben vernomen dat sommige gebouwen -- gebouwen als scholen, ziekenhuizen, stadhuizen -- vier keer geïnspecteerd worden door verschillende instanties gedurende de reactie-fases. Als we de data van de robots kunnen delen, kunnen we niet alleen die reeks fases samendrukken om de reactie tijd te verkleinen, we kunnen nu zelfs parallel beginnen aan de respons. Iedereen kan de data zien. We kunnen het op die manier versnellen.
So really, "disaster robotics" is a misnomer. It's not about the robots. It's about the data.
Dus eigenlijk is 'disaster robotics' een verkeerde benaming. Het gaat niet om de robots. Het gaat om de data.
(Applause)
(Applaus)
So my challenge to you: the next time you hear about a disaster, look for the robots. They may be underground, they may be underwater, they may be in the sky, but they should be there. Look for the robots, because robots are coming to the rescue.
Hier is mijn uitdaging voor jullie: de volgende keer als je over een ramp hoort, kijk naar de robots. Ze kunnen ondergronds zijn, ze kunnen onderwater zijn, ze kunnen in de lucht zijn, maar ze zouden er moeten zijn. Zoek naar de robots, want de robots schieten te hulp.
(Applause)
(Applaus)