Good morning. I'm here today to talk about autonomous flying beach balls.
בוקר טוב. אני כאן כדי לדבר
(Laughter)
על כדורי-מים הטסים עצמאית.
No, agile aerial robots like this one. I'd like to tell you a little bit about the challenges in building these, and some of the terrific opportunities for applying this technology. So these robots are related to unmanned aerial vehicles. However, the vehicles you see here are big. They weigh thousands of pounds, are not by any means agile. They're not even autonomous. In fact, many of these vehicles are operated by flight crews that can include multiple pilots, operators of sensors, and mission coordinators.
לא, אלא על רובוטים קלי-תנועה שטסים כמו זה כאן. אספר לכם מעט על האתגרים בבנייתם ועל כמה מהאפשרויות הנפלאות לשימוש בטכנולוגיה זו. רובוטים הללו קשורים בכלי-טיס בלתי מאויישים. אבל הכלים שרואים כאן הם גדולים. משקלם אלפי קילוגרמים, והם כלל אינם קלי-תנועה. הם אפילו לא עצמאיים. למעשה, רבים מהם מופעלים על-ידי צוותי הטסה העשויים לכלול מספר טייסים, מפעילי חיישנים ומנהלי משימות.
What we're interested in is developing robots like this -- and here are two other pictures -- of robots that you can buy off the shelf. So these are helicopters with four rotors, and they're roughly a meter or so in scale, and weigh several pounds. And so we retrofit these with sensors and processors, and these robots can fly indoors. Without GPS.
אנו מעוניינים לפתח רובוטים כמו אלה -- אלו שתי תמונות נוספות -- של רובוטים שאפשר לרכוש מהמדף. ובכן, אלה הם מסוקים בעלי 4 רוטורים גודלם כמטר ומשקלם קילוגרמים אחדים. מתקינים עליהם חיישנים ומעבדים, ורובוטים הללו יכולים לטוס במבנה סגור ללא GPS (ניווט לווייני).
The robot I'm holding in my hand is this one, and it's been created by two students, Alex and Daniel. So this weighs a little more than a tenth of a pound. It consumes about 15 watts of power. And as you can see, it's about eight inches in diameter. So let me give you just a very quick tutorial on how these robots work.
הרובוט שאני מחזיק בידי הוא זה, והוא נבנה על-ידי 2 סטודנטים, אלכס ודניאל. הוא שוקל כ-50 גרם. הוא צורך כ-15 ואט אנרגיה. וכפי שניתן לראות, קוטרו כ-20 ס"מ. אז תנו לי לתאר בקצרה כיצד הרובוטים הללו פועלים.
So it has four rotors. If you spin these rotors at the same speed, the robot hovers. If you increase the speed of each of these rotors, then the robot flies up, it accelerates up. Of course, if the robot were tilted, inclined to the horizontal, then it would accelerate in this direction. So to get it to tilt, there's one of two ways of doing it. So in this picture, you see that rotor four is spinning faster and rotor two is spinning slower. And when that happens, there's a moment that causes this robot to roll. And the other way around, if you increase the speed of rotor three and decrease the speed of rotor one, then the robot pitches forward.
כאמור יש לו 4 רוטורים. אם מסובבים אותם במהירות זהה, הרובוט מרחף. אם מגבירים מהירות של כל אחד מהרוטורים, הרובוט טס למעלה, הוא מאיץ כלפי מעלה. ברור שאם מטים אותו, למצב אופקי, הוא יטוס לכיוון הזה. כדי להטות אותו, יש שתי דרכים. בתמונה זו רואים שרוטור 4 מסתובב יותר מהר ורוטור 2 מסתובב יותר לאט. וכאשר זה קורה נוצר מומנט הגורם לרובוט להתגלגל. ולצד השני, אם מגבירים את המהירות של רוטור 3 ומורידים את המהירות של רוטור 1, אז הרובוט מתקדם.
And then finally, if you spin opposite pairs of rotors faster than the other pair, then the robot yaws about the vertical axis. So an on-board processor essentially looks at what motions need to be executed and combines these motions, and figures out what commands to send to the motors -- 600 times a second. That's basically how this thing operates.
ולבסוף, אם מסובבים זוג רוטורים מנוגדים יותר מהר מהזוג האחר, הרובוט חג סביב הציר האנכי. מעבד בכלי-הטיס עוקב אחר התנועות שדרוש להוציאן לפועל ומחשב אלו פקודות לשגר למנועים כדי לשלב את התנועות, 600 פעם בשניה. כך בעיקרון דבר זה עובד.
So one of the advantages of this design is when you scale things down, the robot naturally becomes agile. So here, R is the characteristic length of the robot. It's actually half the diameter. And there are lots of physical parameters that change as you reduce R. The one that's most important is the inertia, or the resistance to motion. So it turns out the inertia, which governs angular motion, scales as a fifth power of R. So the smaller you make R, the more dramatically the inertia reduces. So as a result, the angular acceleration, denoted by the Greek letter alpha here, goes as 1 over R. It's inversely proportional to R. The smaller you make it, the more quickly you can turn.
אחד היתרונות של הצורה הזו הוא שכאשר מקטינים את הגודל, הרובוט הופך להיות קל-תנועה. R הוא אורך אופייני של הרובוט. בעצם זה מחצית מהקוטר. ישנם המון פרמטרים פיזיקליים שמשתנים ככל שמורידים את R. אחד שהוא החשוב ביותר הוא האינרציה או ההתנגדות לתנועה. מתברר שהאינרציה, אשר שולטת בתנועה זויתית, מושפעת מ-R במעלה החמישית. לכן ככל שמקטינים את R, האינרציה יורדת באופן דרמטי. כתוצאה מזה, התאוצה הזויתית, המצויינת כאן באמצעות האות אלפא, היא אחד חלקי R. היא ביחס הפוך ל-R. ככל שמקטינים את R, כך ניתן להסתובב יותר מהר.
So this should be clear in these videos. On the bottom right, you see a robot performing a 360-degree flip in less than half a second. Multiple flips, a little more time. So here the processes on board are getting feedback from accelerometers and gyros on board, and calculating, like I said before, commands at 600 times a second, to stabilize this robot. So on the left, you see Daniel throwing this robot up into the air, and it shows you how robust the control is. No matter how you throw it, the robot recovers and comes back to him.
זה ברור מתוך הסרטונים האלה. בתחתית מימין רואים רובוט המבצע סלטה של 360 מעלות תוך פחות מחצי שניה. וסלטות מרובות בקצת יותר זמן. כאן המעבדים שברובוט הטס מקבלים משוב ממדי-התאוצה ומג'איירואים שבכלי ומבצעים חישובים של פקודות, כאמור, 600 פעם בשניה כדי לייצב את הרובוט. משמאל רואים את דניאל זורק את הרובוט לאויר. וזה מראה לכם את עוצמת השליטה. לא משנה כיצד זורקים אותו, הרובוט מתאושש וחוזר אליו.
So why build robots like this? Well, robots like this have many applications. You can send them inside buildings like this, as first responders to look for intruders, maybe look for biochemical leaks, gaseous leaks. You can also use them for applications like construction. So here are robots carrying beams, columns and assembling cube-like structures. I'll tell you a little bit more about this. The robots can be used for transporting cargo. So one of the problems with these small robots is their payload-carrying capacity. So you might want to have multiple robots carry payloads. This is a picture of a recent experiment we did -- actually not so recent anymore -- in Sendai, shortly after the earthquake. So robots like this could be sent into collapsed buildings, to assess the damage after natural disasters, or sent into reactor buildings, to map radiation levels.
אז מדוע לבנות רובוטים כאלה? לרובוטים כאלה יש הרבה שימושים. ניתן לשגרם לתוך בניינים כמו זה כמענה ראשון כדי לחפש פורצים, אולי כדי לחפש דליפות ביוכימיות, דליפות גז. ניתן גם להשתמש בהם למטרות כמו בניה. הנה רובוטים נושאים קורות, עמודים ומרכיבים מבנים דמויי-קוביות. אספר לכם על כך קצת יותר. ניתן להשתמש ברובוטים להעברת מטען. לכן אחד הקשיים עם רובוטים קטנים כאלה היא יכולתם לשאת מטען. לכן ייתכן ונרצה רובוטים מרובים כדי לשאת מטען. זו תמונה של ניסוי שביצענו לאחרונה -- בעצם לא כל-כך לאחרונה -- בסנדאי, זמן קצר לאחר רעידת האדמה. רובוטים כאלה נשלחו לבניינים שהתמוטטו כדי לאמוד את הנזק לאחר אסונות טבע, או לבניינים רדיואקטיביים כדי למפות רמות קרינה.
So one fundamental problem that the robots have to solve if they are to be autonomous, is essentially figuring out how to get from point A to point B. So this gets a little challenging, because the dynamics of this robot are quite complicated. In fact, they live in a 12-dimensional space. So we use a little trick. We take this curved 12-dimensional space, and transform it into a flat, four-dimensional space. And that four-dimensional space consists of X, Y, Z, and then the yaw angle.
קושי מהותי אחד שעל הרובוטים להתגבר עליו כדי לפעול עצמאית הוא למצוא כיצד להגיע מנקודה A לנקודה B. זה הופך את העניין למאתגר במידת מה מכיוון שעיקרון התנועה של הרובוט הוא די מורכב. למעשה, הם מתנהלים במרחב 12-מימדי. לכן אנו עושים תכסיס קטן. אנו נוטלים את המרחב ה-12-מימדי והופכים אותו למרחב שטוח 4-מימדי. ואותו מרחב 4-מימדי מורכב מ-X, Y, Z ומזוית הסטייה.
And so what the robot does, is it plans what we call a minimum-snap trajectory. So to remind you of physics: You have position, derivative, velocity; then acceleration; and then comes jerk, and then comes snap. So this robot minimizes snap. So what that effectively does, is produce a smooth and graceful motion. And it does that avoiding obstacles. So these minimum-snap trajectories in this flat space are then transformed back into this complicated 12-dimensional space, which the robot must do for control and then execution.
וכך מה שהרובוט עושה זה לתכנן את מה שנקרא מסלול עם מינימום פניות. אזכיר שבפיזיקה, יש מיקום, הנגזרת (שלו) מהירות, אחר-כך תאוצה, ואז בא הטילטול ובסוף מגיעה הפניה. רובוט זה ממזער פניות. מה שזה בסוף יוצר זו תנועה חלקה ומלאת חן. והוא מבצע זאת תוך התחמקות ממכשולים. מסלולים הללו של פניות מינימליות במרחב שטוח זה מועברים בחזרה לצורה המורכבת הזו של 12-מימדים, שהרובוטים חייבים לבצע לשם שליטה וביצוע פעולות.
So let me show you some examples of what these minimum-snap trajectories look like. And in the first video, you'll see the robot going from point A to point B, through an intermediate point.
אראה לכם כמה דוגמאות כיצד נראים מסלולי המינימום פניות. בסרטון הראשון, תראו את הרובוט עובר מנקודה A לנקודה B דרך נקודת ביניים.
(Whirring noise)
So the robot is obviously capable of executing any curve trajectory. So these are circular trajectories, where the robot pulls about two G's. Here you have overhead motion capture cameras on the top that tell the robot where it is 100 times a second. It also tells the robot where these obstacles are. And the obstacles can be moving. And here, you'll see Daniel throw this hoop into the air, while the robot is calculating the position of the hoop, and trying to figure out how to best go through the hoop. So as an academic, we're always trained to be able to jump through hoops to raise funding for our labs, and we get our robots to do that.
הרובוט מסוגל בבירור לבצע כל מסלול מעוקל. אלה מסלולים מעגליים בהם הרובוט מושך עד 2 ג'י. כאן יש ממעל מצלמות תנועה המעדכנות את הרובוט בנוגע למיקומו 100 פעם בשניה. הן גם מעדכנות אותו היכן נמצאים המכשולים. המכשולים יכולים גם לנוע. כאן רואים את דניאל זורק חישוק לאויר, בעוד הרובוט מחשב את מיקום החישוק ומנסה למצוא כיצד לעבור דרכו באופן המיטבי. הרי בתור אקדמאים, אנו כבר מורגלים לעשות שמיניות באויר כדי לזכות במימון לניסויים ועכשיו אנו מלמדים את הרובוטים לעשות זאת.
(Applause)
(מחיאות כפיים)
So another thing the robot can do is it remembers pieces of trajectory that it learns or is pre-programmed. So here, you see the robot combining a motion that builds up momentum, and then changes its orientation and then recovers. So it has to do this because this gap in the window is only slightly larger than the width of the robot. So just like a diver stands on a springboard and then jumps off it to gain momentum, and then does this pirouette, this two and a half somersault through and then gracefully recovers, this robot is basically doing that. So it knows how to combine little bits and pieces of trajectories to do these fairly difficult tasks.
דבר נוסף שהרובוט יכול לבצע הוא לזכור קטעי מסלולים שהוא לומד או שהוא מתוכנת מראש לבצע. כאן רואים את הרובוט משלב תנועה הצוברת מומנטום, משנה את תנוחתו ואז חוזר למצבו ההתחלתי. עליו לבצע זאת בגלל שהמרווח בחלון רחב רק מעט יותר מרוחב הרובוט. בדיוק כמו צוללן שעומד על מקפצה וקופץ עליה כדי לצבור מומנטום, ואז עושה סלטה, סלטה של שניים וחצי סיבובים ואז חוזר בנונשלנטיות למצבו ההתחלתי, הרובוט הזה בעיקרון עושה זאת. הוא יודע כיצד לשלב ביחד פיסות קטנות של מסלולים כדי לבצע משימות די מורכבות כאלו.
So I want change gears. So one of the disadvantages of these small robots is its size. And I told you earlier that we may want to employ lots and lots of robots to overcome the limitations of size. So one difficulty is: How do you coordinate lots of these robots? And so here, we looked to nature. So I want to show you a clip of Aphaenogaster desert ants, in Professor Stephen Pratt's lab, carrying an object. So this is actually a piece of fig. Actually you take any object coated with fig juice, and the ants will carry it back to the nest. So these ants don't have any central coordinator. They sense their neighbors. There's no explicit communication. But because they sense the neighbors and because they sense the object, they have implicit coordination across the group.
אני רוצה לעבור שלב. אחד החסרונות של הרובוטים הללו הוא גודלם. סיפרתי לכם קודם שאולי נשתמש במספרים מאוד גדולים של רובוטים כדי להתגבר על מיגבלות הגודל. קושי אחד כזה הוא כיצד לתאם בין רובוטים רבים כל-כך? בשלב זה פנינו לטבע. אראה לכם קטע וידאו של נמלי מדבר, במעבדתו של פרופ' סטפן פראט, הנושאות עצם. זוהי למעשה חתיכת תאנה. למעשה נוטלים עצם כלשהו המצופה במיץ תאנה כדי שהנמלים ישאו אותו לקן שלהן. לנמלים אלו אין איזה גורם מרכזי שמתאם ביניהן. הן קולטות את שכניהן. אין תקשורת חדה וברורה. אבל מאחר והן קולטות את השכנים והן חשות את העצם, נוצר תיאום ספונטני בין חלקי הקבוצה.
So this is the kind of coordination we want our robots to have. So when we have a robot which is surrounded by neighbors -- and let's look at robot I and robot J -- what we want the robots to do, is to monitor the separation between them, as they fly in formation. And then you want to make sure that this separation is within acceptable levels. So again, the robots monitor this error and calculate the control commands 100 times a second, which then translates into motor commands, 600 times a second. So this also has to be done in a decentralized way. Again, if you have lots and lots of robots, it's impossible to coordinate all this information centrally fast enough in order for the robots to accomplish the task. Plus, the robots have to base their actions only on local information -- what they sense from their neighbors. And then finally, we insist that the robots be agnostic to who their neighbors are. So this is what we call anonymity.
ומין סוג כזה של תיאום אנו רוצים שיהיה בין הרובוטים. אז כאשר יש לנו רובוט המוקף בשכנים -- הבה נביט ברובוט I ורובוט J -- מה שאנו רוצים שהרובוטים הללו יעשו זה לנטר את המרווח ביניהם בעודם טסים במבנה. ואז ברצוננו לוודא שהמרווח הזה הוא במיגבלות המותר. הרובוטים עוקבים אחר השגיאה ומחשבים את פקודות הבקרה 100 פעם בשניה, המתורגמות לפקודות למנוע 600 פעם בשניה. כל זה צריך להתבצע באופן מבוזר. כאמור, אם יש מספר גדול של רובוטים, זה בלתי אפשרי לסנכרן את כל המידע מהר מספיק ממקום אחד מרכזי באופן כזה שהרובוטים יוכלו לבצע את משימתם. בנוסף על הרובוטים לבסס את פעילותם אך ורק על מידע מקומי, על מה שהם קולטים משכניהם. ולבסוף, אנו מקפידים שהרובוטים יהיו אדישים לזהות שכניהם. לזה אנו קוראים אלמוניות.
So what I want to show you next is a video of 20 of these little robots, flying in formation. They're monitoring their neighbors' positions. They're maintaining formation. The formations can change. They can be planar formations, they can be three-dimensional formations. As you can see here, they collapse from a three-dimensional formation into planar formation. And to fly through obstacles, they can adapt the formations on the fly. So again, these robots come really close together. As you can see in this figure-eight flight, they come within inches of each other. And despite the aerodynamic interactions with these propeller blades, they're able to maintain stable flight.
מה שאני רוצה להראות לכם כעת זה סרטון המציג 20 רובוטים קטנים כאלה הטסים במבנה. הם מנטרים את מיקום שכניהם. הם שומרים על המבנה. המבנים יכולים להשתנות. המבנים יכולים להיות מישוריים, יכולים להיות תלת-מימדיים. כפי שניתן לראות כאן, הם עוברים ממבנה תלת-מימדי למבנה מישורי. וכדי לטוס דרך מכשולים, הם יכולים לטוות את המבנים תוך כדי טיסה. כאמור, הרובוטים האלה יכולים ממש להתקרב זה לזה. כפי שרואים בטיסת סיפרה-8 זו, הם מתקרבים עד כדי סנטימטרים זה לזה. ועל אף השפעות אווירודינמיות הדדיות של להבי המדחפים, הם מצליחים לשמור על טיסה יציבה.
(Applause)
(מחיאות כפיים)
So once you know how to fly in formation, you can actually pick up objects cooperatively. So this just shows that we can double, triple, quadruple the robots' strength, by just getting them to team with neighbors, as you can see here. One of the disadvantages of doing that is, as you scale things up -- so if you have lots of robots carrying the same thing, you're essentially increasing the inertia, and therefore you pay a price; they're not as agile. But you do gain in terms of payload-carrying capacity.
כך שברגע שיודעים כיצד לטוס במבנה, ניתן להרים חפצים במשותף. זה רק מראה שאנו יכולים להכפיל, להשליש, להכפיל פי-4 את יכולת הרובוט פשוט על-ידי הציוות שלהם עם שכניהם, כפי שרואים. אחד החסרונות של זה הוא שככל שהמספרים עולים -- ככל שיש יותר רובוטים הנושאים דבר אחד מסויים, בהכרח גם מעלים את האינרציה, ולכן משלמים מחיר; הם כבר לא קלי-תנועה. אבל מרויחים יכולת נשיאת מטען.
Another application I want to show you -- again, this is in our lab. This is work done by Quentin Lindsey, who's a graduate student. So his algorithm essentially tells these robots how to autonomously build cubic structures from truss-like elements. So his algorithm tells the robot what part to pick up, when, and where to place it. So in this video you see -- and it's sped up 10, 14 times -- you see three different structures being built by these robots. And again, everything is autonomous, and all Quentin has to do is to give them a blueprint of the design that he wants to build.
שימוש נוסף שברצוני להראות -- שוב, זה במעבדה שלנו. זו עבודה שנעשתה על-ידי קווינטין לינדסיי שהוא סטודנט למחקר. האלגוריתם שלו אומר בעיקרון לרובוטים כיצד לבנות עצמאית מבנים קובייתיים מעצמים כמו קורות, סמוכות וכדומה. האלגוריתם שלו אומר לרובוטים איזה חלק להרים, מתי והיכן להניחו. כך שבסרטון זה רואים -- והוא מואץ פי 10, 14 -- רואים שלושה מבנים שונים המוקמים על-ידי הרובוטים. ושוב כאמור, הכל באופן עצמאי, וכל מה שקווינטין צריך לעשות זה לספק להם שרטוט של המבנה שרוצים לבנות.
So all these experiments you've seen thus far, all these demonstrations, have been done with the help of motion-capture systems. So what happens when you leave your lab, and you go outside into the real world? And what if there's no GPS? So this robot is actually equipped with a camera, and a laser rangefinder, laser scanner. And it uses these sensors to build a map of the environment. What that map consists of are features -- like doorways, windows, people, furniture -- and it then figures out where its position is, with respect to the features. So there is no global coordinate system. The coordinate system is defined based on the robot, where it is and what it's looking at. And it navigates with respect to those features.
כל הניסויים שראיתם עד עכשיו, כל התצוגות, נעשו בעזרת מערכות ללכידת תנועה. אבל מה קורה כאשר יוצאים מהמעבדה לעולם האמיתי בחוץ? ומה אם אין GPS? לכן רובוט זה מצוייד במצלמה ובלייזר המודד טווח, סורק לייזר. הוא משתמש בחיישנים אלה ליצירת מפה של הסביבה. מה שהמפה מכילה זה המאפיינים -- כגון פתחים, חלונות, אנשים, רהיטים -- ואז הוא מחשב את מיקומו ביחס למאפיינים אלה. כלומר, אין מערכת תיאום מרכזית אחת. מערכת הקואורדינטות מוגדרת בהתבסס על הרובוט עצמו, על מיקומו ועל מה שהוא מביט עליו. והוא מנווט ביחס למאפיינים אלה.
So I want to show you a clip of algorithms developed by Frank Shen and Professor Nathan Michael, that shows this robot entering a building for the very first time, and creating this map on the fly. So the robot then figures out what the features are, it builds the map, it figures out where it is with respect to the features, and then estimates its position 100 times a second, allowing us to use the control algorithms that I described to you earlier. So this robot is actually being commanded remotely by Frank, but the robot can also figure out where to go on its own. So suppose I were to send this into a building, and I had no idea what this building looked like. I can ask this robot to go in, create a map, and then come back and tell me what the building looks like. So here, the robot is not only solving the problem of how to go from point A to point B in this map, but it's figuring out what the best point B is at every time. So essentially it knows where to go to look for places that have the least information, and that's how it populates this map.
כעת אראה לכם קטע וידאו של אלגוריתמים שפותחו על-ידי פרנק שן ופרופ' נתן מייקל, המראה את הרובוט הזה נכנס לבניין ממש בפעם הראשונה ויוצר מפה זו תוך כדי טיסה. אחר-כך הרובוט מחשב מהם המאפיינים האלה. הוא בונה את המפה. הוא מחשב היכן הוא נמצא ביחס למאפיינים הללו ואז אומד את מיקומו 100 פעם בשניה וכך מאפשר לנו להשתמש באלגוריתמי השליטה שדיברתי עליהם קודם. רובוט זה נשלט מרחוק על-ידי פרנק. אבל הרובוט יכול גם לחשב באופן עצמאי לאן לנוע. נניח שנתבקשתי להיכנס לבניין ואין לי מושג כיצד הבניין נראה מבפנים, אז אני יכול לבקש מהרובוט להיכנס, ליצור מפה ואז לחזור אליי ולספר לי כיצד הבניין נראה מבפנים. אז הנה, לא רק שהרובוט פותר את הבעיה של כיצד לעבור מנקודה A לנקודה B במפה זו, אלא הוא גם מחשב מהי נקודת ה-B המיטבית בכל רגע. בעיקרון הוא יודע לאן לנוע כדי לחפש מקומות שיש עליהם מידע מינימלי. וכך הוא מאכלס את המפה.
So I want to leave you with one last application. And there are many applications of this technology. I'm a professor, and we're passionate about education. Robots like this can really change the way we do K-12 education. But we're in Southern California, close to Los Angeles, so I have to conclude with something focused on entertainment. I want to conclude with a music video. I want to introduce the creators, Alex and Daniel, who created this video.
ברצוני להשאירכם עם שימוש אחד אחרון. ישנם הרבה שימושים לטכנולוגיה זו. אני פרופ' והחינוך חשוב מאוד עבורנו הפרופסורים. רובוטים כאלה יכולים באמת לשנות את הדרך בה אנו מלמדים מהגן עד לבגרות. אבל אנו נמצאים בדרום-קליפורניה, קרוב ללוס-אנג'לס, לכן עליי לסיים עם משהו הקשור לבידור. ברצוני לסיים עם סרטון מוזיקה. אני רוצה להציג את היוצרים, אלכס ודניאל, אשר יצרו וידאו זה.
(Applause)
(מחיאות כפיים)
So before I play this video, I want to tell you that they created it in the last three days, after getting a call from Chris. And the robots that play in the video are completely autonomous. You will see nine robots play six different instruments. And of course, it's made exclusively for TED 2012. Let's watch.
לפני שאריץ את הוידאו, אספר לכם שהם יצרו אותו בשלושת הימים האחרונים לאחר שקיבלו טלפון מכריס. והרובוטים שמנגנים בוידאו הם עצמאיים לחלוטין. אתם תראו 9 רובוטים המנגנים 6 כלים שונים. וכמובן, זה נעשה במיוחד לרגל TED 2012. הבה נצפה.
(Sound of air escaping from valve)
(Music)
(Whirring sound)
(Music)
(מוזיקה)
(Applause) (Cheers)
(מחיאות כפיים)