Good morning. I'm here today to talk about autonomous flying beach balls.
Chào buổi sáng. Hôm nay tôi sẽ nói về những quả bóng hơi tự động.
(Laughter)
(Cười)
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.
À nhưng không, mà về những con robot biết bay như thế này cơ. Tôi muốn nói một chút về các trở ngại khi làm ra những robot như vậy, và các cơ hội tuyệt vời cho việc ứng dụng công nghệ này. Những robot này làm ta liên tưởng tới máy bay không người lái. Tuy nhiên, những máy bay mà bạn thấy trên hình rất lớn. Chúng nặng hàng tấn, nên rất kém linh hoạt. Chúng còn không biết tự vận hành. Thực tế là, đa số máy bay như thế được điều khiển bởi một đội bay, bao gồm nhiều phi công, người điểu khiển các cảm biến, và người điều phối nhiệm vụ.
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.
Điều chúng tôi quan tâm là phát triển loại robot này, và đây là hai bức ảnh khác, về loại robot thông thường mà bạn có thể mua dễ dàng. Đây là những chiếc trực thăng với bốn cánh quạt, có kích cỡ khoảng một mét, và nặng vài kilogram. Chúng tôi lắp thêm cảm biến và bộ xử lý cho chúng, giúp những robot này có thể bay trong nhà mà không cần 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.
Chú robot mà tôi đang cầm trên tay là một trong số đó, chúng được làm bởi hai sinh viên, Alex và Daniel. Nó nhẹ hơn nửa lạng một chút ( khoảng 45g), và tiêu thụ công suất khoảng 15 Watts. Và bạn thấy là, đường kính của nó khoảng 20 cm. Hãy để tôi hướng dẫn nhanh bạn về cách con robot này hoạt động.
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.
Nó có bốn cánh quạt. Nếu bạn quay các cánh quạt này với cùng tốc độ, chú robot sẽ bay lơ lửng. Nếu bạn tăng tốc tất cả cánh quạt, thì nó sẽ bay lên nhanh dần. Đương nhiên, nếu chú robot bị nghiêng, lệch so với phương ngang, thì nó sẽ bay lệch theo hướng đó. Nên để làm nó nghiêng đi, ta có hai cách làm. Trong bức hình này, bạn thấy là cánh quạt 4 quay nhanh hơn, và cánh quạt 2 quay chậm hơn. Khi điều đó xảy ra, sẽ xuất hiện mômen động lượng làm nó quay. Với cách còn lại, nếu bạn tăng tốc cánh quạt 3 và giảm tốc cánh quạt 1, thì chú robot sẽ lao về phía trước.
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.
Và cuối cùng là, nếu bạn xoay cặp cánh đối diện nhau nhanh hơn cặp còn lại, thì chú robot sẽ xoay vòng quanh trục thẳng đứng. Một bộ xử lý tích hợp sẽ đánh giá xem chuyển động nào cần được thực hiện và phối hợp với các chuyển động này, và tính toán các lệnh cần gửi tới động cơ, 600 lệnh một giây. Đó cơ bản là cách robot này hoạt động.
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.
Một trong những ưu điểm của thiết kế này là khi bạn thu nhỏ kích thước nó lại, chú robot dĩ nhiên trở nên linh hoạt hơn. Chúng ta gọi R là độ dài riêng của chú robot. Thật ra đó là nửa đường kính của nó. Có rất nhiều thông số vật lý thay đổi khi bạn giảm R. Thông số quan trọng nhất là mômen quán tính, hoặc độ cản trở chuyển động. Ta biết rằng, mômen quán tính, thứ ảnh hưởng lớn tới chuyển động quay, tỉ lệ với hàm luỹ thừa bậc năm của R. Nên nếu bạn làm R càng nhỏ, thì mômen quán tính càng giảm nhiều. Kết quả là, gia tốc góc, biểu thị bằng ký tự Hy Lạp "alpha," tỷ lệ với một chia R. Nó tỉ lệ nghịch với R. Bạn làm nó càng nhỏ thì nó xoay càng nhanh.
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.
Bạn sẽ thấy rõ hơn trong các video này. Ở góc dưới bên phải, bạn thấy một robot đang biểu diễn xoay 360 độ trong vòng chưa đến nửa giây. Sẽ lâu hơn một chút khi xoay nhiều vòng. Quá trình diễn ra trên bảng mạch là nhận phản hồi từ gia tốc kế và con quay hồi chuyển, và tính toán, như tôi đã nói, đưa ra khoảng 600 lệnh mỗi giây, để giữ thăng bằng cho robot. Ở bên trái, bạn thấy Daniel đang tung chú robot lên không, Nó cho thấy sự điều khiển tốt đến mức nào. Dù bạn tung nó như thế nào, robot vẫn lấy lại thăng bằng và bay trở lại phía anh ấy.
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.
Vậy vì sao cần chế tạo robot như thế? Những robot thế này có rất nhiều ứng dụng. Bạn có thể gửi chúng vào trong các toà nhà với vai trò tìm kiếm và xác định các mối đe doạ, có thể là tìm các rò rỉ hóa học, rò rỉ khí ga. Bạn cũng có thể ứng dụng chúng trong xây dựng. Đây là các robot đang mang những thanh dầm, trụ và lắp chúng thành cấu trúc khối hộp. Tôi sẽ nói thêm một chút về điều này. Những robot này có thể được dùng để chuyển hàng. Một vấn đề của những chú robot nhỏ này là tải trọng tối đa của chúng. Nên bạn có thể muốn nhiều chú robot cùng mang các tải trọng. Đây là một hình ảnh từ thử nghiệm mới đây, thật ra chúng không mới nữa... Ở Sendai, thời gian ngắn sau trận động đất. Các robot thế này có thể được cử vào trong những tòa nhà bị đổ, để đánh giá thiệt hại sau thảm họa thiên nhiên, hoặc gửi vào lò phản ứng hạt nhân để vẽ bản đồ các mức phóng xạ.
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.
Bài toán cơ bản nhất mà các robot cần giải quyết nếu chúng được tự động hóa, là cơ bản phải tìm ra cách để đi từ điểm A tới điểm B. Đây là thử thách không nhỏ, vì cách vận hành của loại robot này rất phức tạp. Thật ra, chúng sống trong không gian 12 chiều. Nên chúng tôi dùng một cách. Chúng tôi lấy không gian cong 12 chiều này và chuyển đổi nó thành một không gian phẳng 4 chiều. Không gian phẳng 4 chiều này gồm các trục x, y, z và vector góc quay.
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.
Nên những gì robot làm, là tính toán thứ mà chúng tôi gọi là Quỹ đạo thăng bằng tối ưu. Nhắc lại bạn một chút vật lý, bạn có toạ độ, đạo hàm của nó là vận tốc, và gia tốc; nếu khi bay, nó bị xóc, nó sẽ mất thăng bằng. Nên robot cố gắng giảm tối đa việc mất thăng bằng. Vì vậy kết quả là, nó tạo ra chuyển động cân bằng và nhịp nhàng. Và nó biết tránh các chướng ngại vật. Sau đó quỹ đạo cân bằng tối ưu trong không gian phẳng được ánh xạ ngược, trở lại không gian phức tạp 12 chiều, tại đó robot phải tính toán để điều khiển và thực hiện lệnh.
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.
Để tôi cho bạn xem một vài ví dụ minh hoạ cho quỹ đạo cân bằng tối ưu này. Trong video đầu tiên, bạn sẽ thấy robot đi từ điểm A đến điểm B, xuyên qua điểm trung gian.
(Whirring noise)
(Tiếng động cơ)
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.
Robot có khả năng tự di chuyển trên mọi quỹ đạo cong khác nhau. Đây là các quỹ đạo tròn, tại đó robot chịu gia tốc hướng tâm khoảng 2 g. Một camera bắt chuyển động được gắn trên đầu robot cho phép robot tự định vị với tần số 100 lần mỗi giây. Nó giúp robot nhận biết vị trí chướng ngại vật, Và nếu các chướng ngại di động. Bạn thấy Daniel đang ném lên một chiếc vòng, robot sẽ tính toán vị trí chiếc vòng đó, và tìm cách vượt qua chướng ngại. Là các nhà khoa học, chúng tôi được rèn luyện để vượt qua chướng ngại, và kêu gọi ủng hộ cho nghiên cứu nhờ những con robot như thế này.
(Applause)
(Vỗ tay)
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.
Một khả năng khác của các robot là Nó ghi nhớ các quỹ đạo mà nó tự học được hoặc đã được lập trình sẵn. Bạn có thể thấy robot đang phối hợp 1 chuyển động để tăng đà quay và đổi góc bay linh hoạt rồi trở lại hình dáng cũ. Nó làm như vậy vì cái khe cửa sổ đó chỉ lớn hơn chiều rộng của robot một chút. Giống như một vận động viên đang đứng trên ván nhảy, anh ta nhảy lên rất cao để tăng động lượng cuộn mình xoay tròn khoảng hai vòng rưỡi, và quay về tư thế cũ, con robot này cũng tương tự. Nó biết cách kết hợp nhiều chuyển động trên các quỹ đạo khác nhau để làm các thao tác phức tạp.
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.
Tôi vẫn muốn cải tiến nó. Một bất lợi của những con robot này là chúng quá nhỏ. Tôi đã nói với bạn là chúng tôi muốn sử dụng chúng với số lượng lớn, để bù trừ kích cỡ nhỏ bé của chúng. Khó khăn là: Làm sao để điều hành chúng với số lượng lớn như vậy? Vì vậy, chúng tôi quan sát ngoài tự nhiên. Tôi muốn các bạn xem video về cách loài kiến sa mạc Aphaenogaster, trong phòng thí nghiệm của giáo sư Pratt, hợp tác mang vật nặng. Chúng đang mang miếng vỏ cây sung. Bạn chỉ cần bôi nhựa sung lên một vật nào đó, và đàn kiến sẽ tha nó về tổ. Bạn thấy đó, đàn kiến này không được trực tiếp chỉ huy. Chúng cảm nhận vị trí của nhau. Không có trao đổi trực tiếp nào diễn ra. Nhưng chúng cảm nhận được nhau và cảm nhận được vật chúng đang mang, vậy phải có một dạng chỉ dẫn ngầm nào đó trong toàn đội.
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.
Đây chính là thứ chúng tôi muốn những con robot có. Giả sử ta có một robot đang đứng cạnh nhiều robot khác. Hãy xem xét robot i và j. Chúng tôi muốn những robot này tự theo dõi khoảng cách giữa chúng khi chúng bay thành đội hình. Chúng tôi muốn chắc chắn rằng khoảng cách này nằm trong khoảng cho phép. Một lần nữa, chúng theo dõi điều này và tính toán khoảng 100 lệnh điều khiển mỗi giây, sau đó chúng chuyển thành lệnh di chuyển 600 lần mỗi giây. Việc này cần được mỗi thành viên trong đội hình tự thực hiện. Nếu bạn có rất nhiều con robot khác nhau, bạn không thể dùng một bộ não trung tâm để xử lý hết các thông tin với tốc độ đủ nhanh khi chúng thực hiện nhiệm vụ. Hơn nữa, các robot chỉ được phép tính toán dựa trên các thông tin tại chỗ, là những thứ chúng cảm giác được từ các con khác. Cuối cùng, chúng tôi không muốn các robot biết thông tin cá nhân của những con khác. Chúng tôi gọi đó là sự Ẩn danh.
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.
Tôi muốn các bạn xem video tiếp theo về cách 20 con robot cỡ nhỏ này bay theo đội hình. Chúng tự theo dõi vị trí của nhau. Chúng giữ đội hình bay. Đội hình bay có thể thay đổi. Chúng có thể bay trên một mặt phẳng hoặc trong không gian. Bạn thấy đó, chúng đang chuyển đội hình từ một mặt phẳng sang toàn không gian. Để bay qua chướng ngại vật, chúng sẽ điều chỉnh đội hình khi bay. Khi bay, chúng sẽ ở rất sát nhau. Bạn đang thấy ở đội hình bay hình số 8 này, khoảng cách giữa chúng là dưới 10cm. Mặc dù bị ảnh hưởng bởi dòng không khí do cánh quạt các robot khác gây ra, chúng vẫn duy trì đội hình ổn định.
(Applause)
(Vỗ tay)
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.
Khi đã biết cùng nhau bay theo đội hình, bạn có thể cùng nhau di chuyển các vật nặng. Điều này cho thấy chúng tôi có thể tăng gấp hai, gấp ba, gấp bốn khả năng của robot, chỉ bằng việc dạy chúng cách hợp tác, như bạn đã thấy. Làm cách này có một bất lợi, đó là khi bạn tăng kích thước robot... Giả sử có nhiều robot đang cùng mang một vật rất nặng. bạn sẽ phải tăng kích thước, hay quán tính của chúng. Khi đó sẽ phải đánh đổi: Chúng sẽ kém nhanh nhẹn hơn. Nhưng bạn sẽ được lợi vì chúng có thể mang vật nặng hơn.
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.
Trong phòng thí nghiệm, chúng tôi đã đạt được vài thành công khác. Đây là kết quả của nghiên cứu sinh Quentin Lindsey. Thuật toán anh ấy viết dạy cho robot cách tự động lắp ghép các khối hộp chữ nhật từ các thanh thép có sẵn. Thuật toán đó dạy robot nên lấy cái gì, đặt chúng ở đâu và khi nào... Bạn thấy trong video này... Nó đang được tua nhanh 14 lần... Bạn đang thấy các robot đang tạo nên 3 cấu trúc khác nhau. Một lần nữa, mọi thứ vận hành tự động, mọi việc Quentin phải làm là cho robot xem bản thiết kế của cấu trúc anh ta muốn xây.
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.
Mọi thí nghiệm mà các bạn đã theo dõi, tất cả các mô phỏng này, đều được thực hiện nhờ sự giúp đỡ của camera bắt chuyển động. Vậy, điều gì sẽ xảy ra khi bạn rời phòng thí nghiệm và ra thế giới bên ngoài? Nếu không có GPS thì sao? Các robot đã được trang bị một camera, một bộ cảm biến khoảng cách và một máy quét laser. Chúng dùng các thiết bị đó để dựng bản đồ môi trường xung quanh. Bản đồ đó bao gồm nhiều thứ, ví dụ như cửa ra vào, cửa sổ, con người, các đồ dùng... và robot sẽ biết vị trí tương đối của nó so với các vật xung quanh. Không có máy chủ định hướng nào hết. Hệ thống định hướng được đặt ở trong mỗi con robot, cho nó biết vị trí và phương hướng. Nó giúp robot định hướng môi trường và chướng ngại vật.
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.
Tôi muốn các bạn xem 1 video nói về thuật toán được phát triển bởi Frank Shen và giáo sư Nathan Michael, bạn đang thấy con robot lần đầu tiên vào một ngôi nhà, nó đang tự vẽ bản đồ trong lúc bay. Robot sẽ phân tích các chi tiết bên trong ngôi nhà, và phác hoạ bản đồ. Nó phân tích vị trí tương đối của mình trong môi trường xung quanh, và tự ước lượng toạ độ 100 lần mỗi giây. Điều đó cho phép chúng tôi dùng thuật toán điều khiển tôi vừa kể trên. Thực ra con robot này đang bị Frank điều khiển từ xa, nhưng tự nó cũng có thể tìm đường đi. Hãy giả sử tôi phải vào một căn nhà, mà tôi không hề biết cấu trúc của nó. Tôi sẽ cho robot vào trước, dựng bản đồ, sau đó quay lại và cho tôi biết cấu trúc của nó. Vậy là robot không chỉ biết giải quyết các vấn đề như làm thế nào để đi từ điểm A tới điểm B trong bản đồ, nó còn luôn tìm ra điểm B tối ưu, hay đích đến tốt nhất mọi. Về cơ bản là nó biết đi tới đâu, biết cách xoay sở với lượng thông tin ít nhất có thể, và đó là cách nó dựng bản đồ.
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.
Và tôi muốn nói với bạn về ứng dụng của loại robot này. Ta có thể làm nhiều thứ nhờ những công nghệ này. Tôi là một giáo sư, và chúng ta đều đam mê việc giáo dục. Các robot như thế sẽ thay đổi hoàn toàn hệ thống giáo dục 12 năm của ta. Chúng ta đang ở nam California, khá gần Los Angeles, vậy để "nhập gia tuỳ tục," tôi sẽ kết luận vấn đề theo cách vui vẻ nhất. Tôi muốn kết thúc bằng một bài hát. Tôi muốn giới thiệu Alex và Daniel, những người đã làm video này.
(Applause)
(Vỗ tay)
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.
Trước khi các bạn xem, tôi muốn nói rằng, họ đã làm video này ba ngày trước sau khi Chris gọi điện cho họ. Và những robot trong video này chơi nhạc hoàn toàn tự động. Bạn sẽ xem chín chú robot chơi sáu loại nhạc cụ khác nhau. Đặc biệt, video này được làm đặc biệt để chào mừng TED 2012. Hãy cùng xem nào!
(Sound of air escaping from valve)
(Music)
(Whirring sound)
(Music)
(Applause) (Cheers)