Good morning. I'm here today to talk about autonomous flying beach balls.
อรุณสวัสดิ์ครับ ผมมาที่นี่เพื่อเล่าถึง
(Laughter)
ลูกบอลที่บินได้ด้วยตนเอง
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.
ไม่ใช่ครับ เป็นหุ่นยนต์ที่บินได้คล่องแคล่ว แบบนี้ครับ ผมอยากจะเล่าถึงความท้าทายในการสร้างสิ่งนี้ และโอกาสที่น่าสนใจ เกี่ยวกับการนำเทคโนโลยีนี้ไปใช้ หุ่นยนต์เหล่านี้ เกี่ยวข้องกับเครื่องบินไร้คนขับ แต่เครื่องบินพวกนี้มันใหญ่มาก หนักหลายพันปอนด์ และไม่คล่องแคล่วเอาซะเลย มันบินด้วยตนเองไม่ได้ด้วยซ้ำ ส่วนใหญ่พาหนะเหล่านี้ ต้องใช้ผู้บังคับหลายคน มีนักบินหลายคน มีผู้คุมเซ็นเซอร์ และผู้อำนวยการภารกิจ
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.
สิ่งที่พวกเราสนใจ คือการสร้างหุ่นยนต์พวกนี้ -- อย่างที่เห็นในสองรูปนี้ -- หุ่นยนต์ที่สามารถหาซื้อได้ทั่วไป นี่คือเฮลิคอปเตอร์สี่ใบพัด มีขนาดประมาณหนึ่งเมตร น้ำหนักหลายปอนด์ เราประกอบเซ็นเซอร์และหน่วยประมวลผลเข้าไป ให้หุ่นยนต์เหล่านี้บินภายในห้องได้ โดยไม่มี GPS
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.
หุ่นยนต์ที่ผมถืออยู่ คือสิ่งนี้ ซึ่งสร้างโดยนักเรียนสองคน อเล็กซ์ และแดเนียล น้ำหนักของมัน ประมาณ 1 ส่วน 10 ปอนด์ ใช้ไฟฟ้า 15 วัตต์ และอย่างที่เห็น ความยาวประมาณ 8 นิ้ว ผมจะแสดงตัวอย่างสั้นๆ ว่ามันทำงานอย่างไร
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.
มันมีสี่ใบพัด ถ้ามันหมุนด้วยความเร็วเท่ากัน มันจะบินอยู่กับที่ ถ้าคุณเพิ่มความเร็วในการหมุน มันจะบินสูงขึ้น ถ้าเราทำให้มันเอียง ไปในแนวนอน มันจะเลี้ยวไปทางนั้น จะทำให้มันเอียงได้ มีอยู่สองวิธี ในรูปนี้ ใบพัดที่ 4 หมุนเร็วขึ้น ในขณะที่ใบพัด 2 หมุนช้าลง สิ่งที่เกิดขึ้นคือ มันจะม้วนตัวเล็กน้อย ในอีกทางหนึ่ง ถ้าคุณเร่งใบพัดที่ 3 และให้ใบพัดที่ 1 หมุนช้าลง มันจะเคลื่อนตัวไปข้างหน้า
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.
และท้ายสุด ถ้าคุณปรับให้ใบพัดที่อยู่คู่กัน หมุนเร็วกว่าอีกคู่หนึ่ง มันก็จะหมุนตัวรอบแกนดิ่ง หน่วยประมวลผลที่อยู่บนตัวมัน จะคำนวนว่าต้องเคลื่อนที่แบบใด เพื่อคำนวนรวมกัน แล้วประมวลว่าจะต้องส่งคำสั่งอะไรไปยังมอเตอร์ 600 ครั้งต่อวินาที นี่คือการทำงานคร่าวๆ ครับ
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.
ข้อดีของระบบแบบนี้คือ เมื่อคุณย่อชิ้นงานลง คุณได้ความคล่องแคล่วกลับมา นี่คือ R หรือความยาวของหุ่นยนต์ มีขนาดครึ่งหนึ่งของเส้นผ่านศูนย์กลาง ซึ่งจะกระทบตัวแปรหลายอย่าง เมื่อคุณใช้ R ที่เล็กลง ที่สำคัญคือ ความเฉื่อยหรือแรงต้านทานต่อการเคลื่อนไหว ผลปรากฎว่า แรงเฉื่อย ซึ่งควบคุมการเคลื่อนที่แบบหมุน มีค่าเป็น R ยกกำลัง 5 แปลว่ายิ่งเราทำให้ R เล็กได้เท่าไหร่ แรงเฉื่อยก็ยิ่งน้อยลง ผลลัพธ์คือ ความเร่งเชิงมุม ซึ่งแทนที่ด้วยตัวอักษรอัลฟ่า เท่ากับ 1 ส่วน R มันมีสัดส่วนผกผันกับ R ยิ่ง R น้อยลงเท่าไหร่ ยิ่งเลี้ยวได้เร็วขึ้นเท่านั้น
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.
จะเห็นได้ชัดในวีดีโอนี้ ที่มุมซ้ายล่างคุณจะเห็นหุ่นยนต์ ตีลังกา 360 องศา ภายในครึ่งวินาที ตีลังกาหลายรอบ ใช้เวลามากขึ้นเล็กน้อย ในที่นี้หน่วยประมวลผล ได้รับข้อมูลจากมาตรความเร่ง และมาตรการหมุนที่อยู่บนเครื่อง เพื่อนำมาคำนวนคำสั่ง 600 ครั้งต่อวินาที เพื่อทรงตัวหุ่นยนต์ ด้านซ้ายมือคุณจะเห็นแดเนียลโยนมันขึ้นฟ้า เห็นความแม่นยำของการควบคุมไหมครับ ไม่ว่าคุณจะโยนมันอย่างไร มันจะทรงตัวด้วยตนเอง แล้วบินกลับมาหาเขา
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.
ทำไมต้องสร้างหุ่นยนต์แบบนี้ล่ะ เราสามารถนำไปใช้ได้หลายวิธีครับ ส่งมันเข้าไปในตึกแบบนี้ เพื่อค้นหาผู้บุกรุก หรือหาการรั่วไหลของสารเคมี หรือแก๊สพิษ นอกจากนั้นยังสามารถ ใช้ในการก่อสร้างอีกด้วย นี่คือตัวอย่างการขนย้ายคาน เสา เพื่อก่อสร้างโครงสร้างจตุรัส ผมจะอธิบายต่ออีกสักหน่อยครับ เราสามารถใช้มันเพื่อขนย้ายสิ่งของ แต่ปัญหาหนึ่งคือ มันรับน้ำหนักได้ไม่มาก ซึ่งเราสามารถใช้หุ่นยนต์หลายๆตัว เพื่อขนย้ายสิ่งของที่หนักขึ้นได้ นี่คือการทดลองล่าสุด -- ซึ่งไม่ใช่ล่าสุดอีกต่อไปแล้ว -- ไม่นานหลังจากแผ่นดินไหวที่เซนได เราสามารถส่งหุ่นยนต์เข้าไปในซากปรักหักพัง เพื่อประเมินความเสียหาย หรือส่งไปในเตาปฏิกรณ์ เพื่อวัดกัมมันตภาพรังสี
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.
หนึ่งในปัญหาพื้นฐาน เกี่ยวกับการทำงานโดยไร้ผู้คุม นั่นคือการคำนวนวิธีการ เดินทางจากจุด A ไปยังจุด B ให้ได้ ซึ่งค่อนข้างท้าทายครับ เพราะการเคลื่อนไหวมีความซับซ้อน มันมีพื้นที่ 12 มิติ เราใช้กลเล็กน้อย เราใช้พื้นที่ 12 มิตินี้ นำมาแปลงรูป ให้กลายเป็นพื้นที่ 4 มิติ และพื้นที่ 4 มิตินั้น มีแกน X Y Z และมุมหัน
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.
สิ่งที่หุ่นยนต์พวกนี้ทำ คือการวางแผนวิถีแบบ minimum snap trajectory รื้อฟื้นวิชาฟิสิกส์เล็กน้อยครับ คุณมีตำแหน่ง อนุพันธ์ ความเร็ว และความเร่ง แรงกระตุก และแรงกระชาก มันลดแรงกระชากให้เหลือน้อยที่สุด ซึ่งทำให้ เกิดการเคลื่อนไหวที่นุ่มนวล เพื่อหลบหลีกสิ่งกีดขวาง วีถีการกระชากที่น้อยที่สุดแบบนี้ ถูกแปลงรูปให้กลับไป เป็นพื้นที่ 12 มิติที่ซับซ้อน ที่หุ่นพวกนี้ต้องทำ เพื่อการควบคุม และการปฏิบัติหน้าที่
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.
ผมจะยกตัวอย่างให้ดู ว่ามันทำงานอย่างไร ในวีดีโอแรกนี้ คุณจะเห็นหุ่นยนต์บินจากจุด A ไปจุด B ผ่านจุดระหว่างทาง
(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.
หุ่นยนต์ตัวนี้สามารถ เคลื่อนไหวในวิถีโค้งแบบใดก็ได้ นี่คือวิถีโค้งหนึ่ง มีแรงดึงประมาณ 2G ในรูปนี้เรามีกล้องจับการเคลื่อนไหวอยู่ด้านบน ที่บอกตำแหน่งของหุ่นยนต์ 100 ครั้งต่อวินาที พร้อมทั้งบอกหุ่นพวกนี้ให้ทราบถึงสิ่งกีดขวาง และสิ่งกีดขวางอาจเคลื่อนที่อยู่ก็เป็นได้ ในที่นี้คุณจะเห็นแดเนียลโยนห่วงขึ้นกลางอากาศ ในขณะที่หุ่นยนต์คำนวนตำแหน่งของห่วง เพื่อหาวิธีลอดห่วงที่ดีที่สุด ในฐานะนักวิชาการ เราถูกสอนให้กระโดดลอดห่วงเสมอ เพื่อหาทุนทำการทดลอง เราเลยสอนหุ่นยนต์เราตามนั้น
(Applause)
(เสียงปรบมือ)
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.
อีกความสามารถหนึ่งของหุ่นยนต์นี้ มันสามารถจดจำวิถี ซึ่งมันได้เรียนรู้ หรือถูกตั้งให้มัน คุณจะเห็นมัน รวมการเคลื่อนไหว ที่สร้างโมเมนตัม เพื่อเปลี่ยนการทรงตัว แล้วคืนรูปเดิม มันต้องทำเพราะความกว้างของช่องทาง กว้างกว่าความยาวของมันเพียงเล็กน้อย เหมือนนักโดดน้ำที่ยืนบนแผ่นกระดาน ต้องกระโดดขึ้นเพื่อสร้างโมเมนตัม ตีลังกาสองรอบครึ่ง แล้วคืนสู่สภาวะปกติ มันกำลังทำตามนั้นเลยครับ มันรู้ว่าต้องดัดแปลงวิถีต่างๆอย่างไร เพื่อปฏิบัติในสิ่งที่ยากขึ้น
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.
ในอีกมุมหนึ่ง ข้อเสียของหุ่นยนต์พวกนี้คือขนาดของมัน ดังที่ผมบอกข้างต้น เราอาจต้องใช้หุ่นยนต์หลายๆ ตัว เพื่อแก้ปัญหาเรื่องขนาด ความยากอย่างหนึ่งคือ เราจะประสานงานมันอย่างไร เราเลยหันไปหาธรรมชาติ นี่คือคลิป มดทะเลทรายที่กำลังขนย้ายสิ่งของ ภายใต้ห้องทดลองของศาสตราจารย์ Stephen Pratt นี่คือผลมะเดื่อ คุณสามารถทาอะไรก็ได้ด้วยน้ำมะเดื่อ มดเหล่านี้จะนำมันกลับไปที่รัง มดเหล่านี้ไม่มีศูนย์กลางประสานงาน มันใช้ความรู้สึกเพื่อรับรู้ ไม่มีการสื่อสารตายตัว แต่การใช้ประสาทสัมผัสกับมดตัวอื่นๆ และใช้ประสาทสัมผัสกับสิ่งของ มันสามารถประสานงานภายในกลุ่มได้
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.
นี่คือการประสานงาน ที่เราต้องการให้หุ่นของเราทำได้ เมื่อเรามีหุ่นยนต์ ที่รายล้อมด้วยหุ่นตัวอื่นๆ -- ลองดูหุ่นยนต์ I กับ J นะครับ -- สิ่งที่เราต้องการคือ ให้มันคอยสอดส่องระยะห่าง ในขณะที่มันบินเป็นฝูง และคุณต้องการมั่นใจว่า ระยะห่างอยู่ในระดับที่ปลอดภัย มันจะคอยควบคุมระยะคลาดเคลื่อน แล้วคำนวนการเคลื่อนไหว 100 ครั้งต่อวินาที ซึ่งถูกแปลงเป็น 600 คำสั่งต่อวินาที ไปยังมอเตอร์ ซึ่งทั้งหมดนี้ต้องทำ โดยไร้ศูนย์กลาง แน่นอนว่าถ้าคุณมีหุ่นยนต์จำนวนมาก คุณไม่สามารถใช้ศูนย์กลาง เพื่อประสานงานที่เร็วพอได้ หุ่นยนต์เหล่านี้ต้องขับเคลื่อน ด้วยข้อมูลจากตัวมันเอง เกี่ยวกับที่อยู่ของหุ่นรอบๆ ตัว และสุดท้าย เราต้องการให้มันเป็นอิสระ ไม่จำเป็นต้องรู้ว่าสิ่งรอบตัวคืออะไร ซึ่งเราเรียกว่า สภาวะนิรนาม
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.
สิ่งที่ผมอยากแสดงต่อไป คือวีดีโอ หุ่นยนต์จำนวน 20 ตัว บินในลักษณะฝูง มันกำลังเฝ้าดูตำแหน่งของเพื่อนๆ คงตำแหน่งของตัวเองในฝูง เราสามารถเปลี่ยนรูปแบบได้ ไม่ว่าจะเป็นในแนวระนาบ หรือในระดับสามมิติ คุณจะเห็นได้ว่า มันสามารถแปรขบวนจากสามมิติ กลายเป็นสองมิติ และสามารถปรับเปลี่ยนขบวน เพื่อบินผ่านสิ่งกีดขวาง หุ่นยนต์พวกนี้บินใกล้ชิดกันมาก ดังที่เห็นในการบินเป็นเลขแปด เข้าใกล้กันในระดับนิ้วเลยทีเดียว ทั้งๆ ที่มีผลทางกลศาสตร์ ระหว่างใบพัดของแต่ละลำ มันก็ยังสามารถทรงตัวและเคลื่อนที่ได้
(Applause)
(เสียงปรบมือ)
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.
เมื่อคุณสามารถบินเป็นฝูงได้ คุณก็สามารถจับให้มันยกสิ่งของร่วมกันได้ นี่แสดงให้เห็นว่า เราสามารถเพิ่มความแข็งแรงเป็นสอง สาม หรือสี่เท่า ในการยกของได้ เพียงแค่จับมันประสานงานกัน แต่ข้อเสียหนึ่งคือ เมื่อคุณทำให้ขอบเขตใหญ่ขึ้น -- คุณต้องใช้หุ่นยนต์หลายตัวเพื่อขนย้ายของชิ้นเดียว ซึ่งคุณกำลังเพิ่มแรงเฉื่อย ทำให้สูญเสียความคล่องแคล่วไป แต่คุณก็ได้รับการขนย้ายน้ำหนักที่มากขึ้นกลับมา
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.
อีกหนึ่งการใช้งานคือ ในห้องทดลองของเรา นักเรียนปริญญาโทชื่อว่า Quentin Lindsey ได้สร้างอัลกอริทึมที่สอนหุ่นยนต์เหล่านี้ ให้สร้างสิ่งก่อสร้าง ทรงลูกเต๋าขึ้น ด้วยเสาค้ำแบบนี้ อัลกอริทึมของเขาสอนหุ่นยนต์ ว่าต้องหยิบอะไรขึ้น หยิบเมื่อไหร่ และวางที่ไหน ในวีดีโอนี้ -- เราเร่งความเร็ว 10 เท่า 14 เท่า -- คุณจะเห็นสิ่งก่อสร้างรูปแบบต่างๆ สร้างโดยหุ่นยนต์ และแน่นอน ทุกอย่างเกิดขึ้นโดยอัตโนมัติ สิ่งที่ Quentin ต้องทำ คือป้อนพิมพ์เขียว สิ่งที่เขาต้องการสร้างเท่านั้น
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.
การทดลองที่คุณเห็นทั้งหมด ตัวอย่างที่ผมได้แสดง ได้การช่วยเหลือจากระบบจับการเคลื่อนไหว แต่ถ้าเราลองนำไปทดลองข้างนอก ในโลกแห่งความเป็นจริง และถ้าไม่มี GPS หุ่นยนต์เหล่านี้ ถูกติดตั้งด้วยกล้อง และเครื่องสแกนเลเซอร์ มันใช้เซ็นเซอร์เหล่านี้ เพื่อวาดผังของสิ่งแวดล้อมรอบตัว มันสามารถสร้างแผนที่ ประกอบไปด้วยประตู หน้าต่าง ผู้คน เฟอร์นิเจอร์ และคำนวนตำแหน่งของตนเอง จากสิ่งรอบๆ ตัว มันไม่จำเป็นต้องมีระบบพิกัดกลาง ระบบพิกัดถูกกำหนดโดยตัวมันเอง โดยที่ที่มันอยู่ และสิ่งที่มันเห็น และมันเคลื่อนที่ไปตามสิ่งที่มันเห็น
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.
ผมอยากแสดงคลิปหนึ่ง ของอัลกอริทึมที่สร้างโดย Frank Shen และศาสตราจารย์ Nathan Micheal ขณะที่หุ่นยนต์เข้าสู่ตึกแห่งหนึ่งเป็นครั้งแรก และสร้างแผนที่นี้ขึ้นมาทันที มันสามารถคำนวนสิ่งต่างๆรอบตัว แล้วสร้างแผนที่ขึ้น คำนวนว่ามันอยู่ใกล้กับอะไร เพื่อคำนวนที่ตั้งของมัน 100 ครั้งต่อวินาที ซึ่งทำให้เราสามารถใช้อัลกอริทึมควบคุม ดังที่ผมอธิบายก่อนหน้านี้ หุ่นยนต์ตัวนี้ถูกควบคุมทางไกล โดย Frank แต่มันยังสามารถคำนวนเองได้ หากต้องการให้มันเดินทางเอง ถ้าผมจะส่งหุ่นยนต์เข้าไปในสิ่งก่อสร้างหนึ่ง แต่ผมไม่รู้ว่าข้างในเป็นอย่างไร ผมสามารถสั่งให้มันเข้าไป สร้างแผนที่ แล้วกลับมาบอกว่าภายในของตึกนั้นเป็นอย่างไร มันไม่ได้แก้โจทย์เพียงแค่ว่า จะเดินทางจากจุด A ไปจุด B ได้อย่างไร แต่มันยังสามารถ คำนวนว่า B อยู่ที่ไหนได้ตลอดเวลา มันรู้ว่าที่ไหน ที่มันรู้จักน้อยที่สุด และนั่นคือวิธีที่มันสร้างแผนที่
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.
ท้ายสุดนี้ ผมมีการใช้งานสุดท้าย จากหลายๆ การประยุกต์ใช้จากเทคโนโลยีนี้ ผมเป็นศาสตราจารย์ และเราหลงใหลในการศึกษา หุ่นยนต์เหล่านี้สามารถเปลี่ยน การเรียนการสอนจากอนุบาลถึงมัธยมได้ แต่เราอยู่ในแคลิฟอร์เนียตอนใต้ ใกล้ลอสแองเจลีส ผมเลยต้องทิ้งท้าย ด้วยสิ่งที่เกี่ยวกับความบันเทิง ผมอยากจบด้วยมิวสิควีดีโอ ผมขอแนะนำผู้กำกับ อเล็กซ์และแดเนียล ผู้สร้างวีดีโอนี้ขึ้น
(Applause)
(เสียงปรบมือ)
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.
ก่อนที่ผมจะเปิดวีดีโอ ผมต้องบอกว่าพวกเขาทำขึ้นภายในสามวัน หลังจากที่ผมได้คำเชิญจากคริส และหุ่นยนต์ในวีดีโอนี้ ทำงานอัตโนมัติทั้งหมด คุณจะเห็นหุ่นยนต์ 9 ตัว เล่นเครื่องดนตรี 6 ชนิด แน่นอน เราทำเพื่อ TED2012 โดยเฉพาะ เรามาดูกันครับ
(Sound of air escaping from valve)
(Music)
(Whirring sound)
(Music)
(เสียงดนตรี)
(Applause) (Cheers)
(เสียงปรบมือ)