Budoucnost létajících robotů

Vijay Kumar vytvořil se svým týmem v laboratoři na Pennsylvánské univerzitě autonomní létající roboty inspirované včelami. Jejich nejnovější objev: přesné zemědělství, při kterém roje robotů mapují, modelují a analyzují každou jednotlivou rostlinu nebo plod v sadu. Poskytují tak farmářům zásadní informace, které jim pomohou zvýšit výnosy a lépe hospodařit s vodou.

V mé laboratoři stavíme
autonomní létající roboty

jako je ten, kterého tu vidíte létat.

Na rozdíl od komerčních dronů

tento robot nemá žádnou GPS.

A bez GPS

je pro roboty těžké určit svou polohu.

Tento robot používá palubní senzory,
kamery a laserové snímače

a snímá jimi své okolí.

Rozpoznává prvky v okolním prostředí

a vzhledem k těmto prvkům
pak určuje svou polohu

za použití triangulační metody.

Poté dokáže ze všeho,
co zjistil, poskládat mapu,

jakou vidíte za mnou.

Tato mapa umožňuje robotovi
chápat, kde jsou překážky,

a při letu se vyhnout kolizím.

Teď vám ukážu několik experimentů,

které jsme provedli v naší laboratoři,

kde mohl tento robot létat
na větší vzdálenosti než tady.

Vpravo nahoře vidíte,
co vidí robot svojí kamerou.

A na hlavní ploše –

ovšem ve čtyřnásobném zrychlení –

vidíte mapu, kterou si robot sestavuje.

Je ve vysokém rozlišení a je to
mapa chodby kolem naší laboratoře.

Za chvilku už vletí do naší laboratoře –

poznáte ji podle toho nepořádku.

(Smích.)

Ale to hlavní, co jsem chtěl ukázat

je, že tito roboti umí
vytvářet velmi přesné mapy

s rozlišením na pět centimetrů,

takže člověk, který se nachází mimo
laboratoř nebo venku mimo budovu

je může vypouštět,
aniž vůbec vstoupí dovnitř,

a může tak zjišťovat, co se v budově děje.

S podobnými roboty
je ale několik problémů.

Především je dost velký.

A protože je velký, je také těžký.

Proto tito roboti spotřebují
na půl kilogramu asi 100 wattů.

Trvání jejich mise je proto velmi krátké.

Druhý problém je,

že mají na palubě velmi drahé senzory –

laserový skener, kameru
a potřebné procesory.

To neúnosně zvyšuje cenu robota.

Proto jsme si položili otázku:

jaký si můžete v obchodě s elektronikou
koupit výrobek,

který je levný, lehký a má zabudované
senzory a schopnost provádět výpočty?

A tak jsme vynalezli létající mobil.

(Smích.)

Tento robot používá smartphone
Samsung Galaxy, který dostanete v obchodě,

a potřebujete jen aplikaci, kterou si
stáhnete z našeho app store.

A vidíte, že náš robot čte písmena,
v tomto případě písmena "TED",

dívá se na vrcholy písmen "T" a "E"

a používá je k triangulaci, takže
může samostatně létat.

Ten joystick tam je jen pro jistotu,
aby ho Giuseppe mohl zabít,

kdyby se robot zbláznil.

(Smích.)

Kromě stavby těchto malých robotů

experimentujeme také
s agresivním chováním, jako zde.

Tento robot nyní letí
rychlostí 2-3 metry za sekundu

a při změně směru
sebou agresivně hází a natáčí se.

To hlavní ale je, že můžeme mít
nemší roboty, kteří létají rychleji

a pouštět se s nimi do těchto
velmi neuspořádaných prostředí.

Na dalším videu vidíte ptáka,

orla, který s grácií
koordinuje svá křídla, oči a pařáty

při lovu kořisti z vody –

a náš robot může rybařit právě tak.

(Smích.)

V tomto případě ulovil
plněnou bagetu s masem a sýrem.

(Smích.)

Takže máme robota letícího
rychlostí asi tři metry za sekundu,

tedy více než rychlostí chůze,
který za letu na sekundu přesně koordinuje

své končetiny a pařáty
při velmi složitém manévru.

Další pokus ukazuje,

jak umí robot přizpůsobit svůj let,

když potřebuje ovládat zavěšený náklad.

Závěs je totiž delší, než je rozměr okna.

Aby to robot zvládl,

musí se zhoupnout, upravit výšku

a švihem dostat náklad do otvoru.

Rádi bychom je ovšem zmenšili ještě více,

v tom nás nejvíce inspirovaly včely.

Když se na včely podíváte –
tady jsou na zpomaleném videu –

jsou tak malé
a mají tak malou setrvačnou hmotnost,

(Smích.)

že je jim to jedno.
Klidně se odrazí třeba od mé hlavy.

Tohle je malý robot,
který napodobuje chování včel.

A menší znamená lepší,

protože malé rozměry
znamenají malou setrvačnou hmotnost.

A malá setrvačná hmotnost –

(Bzučení robota, smích.)

znamená odolnost při kolizích.

A jste tedy odolnější.

A tak jsme postavili maličké roboty
právě jako ty včely.

Konkrétně tenhle váží jen 25 gramů,

má spotřebu jen šest wattů

a letí rychlostí až šest metrů za sekundu.

Pokud to přepočteme na jeho velikost,

je to jako by Boeing 787 letěl
desetinásobkem rychlosti zvuku.

(Smích.)

Ukážu vám příklad.

Toto je možná první úmyslná
vzdušná srážka, dvacetkrát zpomalená.

Vzájemná rychlost robotů
je dva metry za sekundu

a dobře to ilustruje základní princip.

Je tu dvougramová klec z uhlíkových
vláken, která brání kontaktu vrtulí,

ale jinak roboti náraz absorbují
a s kolizí se úspěšně vyrovnají.

Takže malý znamený také bezpečný.

V mé laboratoři jsme vývoj začali

u těch velkých robotů

a nyní jsme přešli k malým.

A když si vyneseme do grafu,
kolik jsme objednávali leukoplasti dříve

a kolik dnes, ta křivka se blíží nule –

tito roboti jsou skutečně bezpeční.

Malé rozměry mají ovšem i některé nevýhody

a příroda přišla na to,
jak je kompenzovat.

Základní idea je sdružovat se
a tvořit velké skupiny, neboli roje.

A podobně i v naší laboratoři
se snažíme vyvinout umělé robotí roje.

A to je dost náročné,

protože najednou musíte uvažovat
o síťově propojených robotech.

A v každém z nich

musíte počítat se souhrou
vnímání, komunikace a výpočtů –

a celá síť je pak
poměrně složitá na řízení a správu.

Z přírody jsme převzali
tři organizační principy,

které nám v podstatě stačí
k vývoji našich algoritmů.

První idea je, že roboti
musí vědět o svých sousedech.

Musí své sousedy umět vnímat
a komunikovat s nimi.

Toto video ilustruje základní ideu.

Máme čtyři roboty –

a teď zrovna jednoho z nich unesl
lidský operátor, doslova.

Ale protože roboti spolu interagují,

vnímají své sousedy,

v podstatě ho následují.

Takže jediný člověk
může vést celou síť následovatelů.

A opakuji, není to tím, že by
všichni roboti věděli, kam mají letět.

Jenom reagují na polohu svých sousedů.

(Smích.)

Další experiment ilustruje
druhý organizační princip.

Ten souvisí s principem anonymity.

Klíčové zde je,

že roboti se nestarají o identitu sousedů.

Mají za úkol vytvořit kruhovou formaci

a bez ohledu na to,
kolik robotů do formace vpustíte

nebo kolik jich odeberete,

každý robot prostě reaguje na své sousedy.

Ví, že má vytvořit kruh

a ve spolupráci se sousedy ho vytvoří

bez centrální koordinace.

Když to spojíme dohromady,

třetí idea je dát robotům

matematický popis tvarů,
které mají vytvořit.

Tvary se mohou v čase měnit

a vidíte, jak roboti začínají u kruhu,

mění ho na čtyřúhelník, pak přímku

a zpět k elipse.

A dělají to se stejnou
bleskovou koordinací,

jakou vidíme
u přirozených rojů, v přírodě.

A proč se roji vůbec zabývat?

Řeknu vám o dvou uplatněních,
která nás velmi zajímají.

První souvisí se zemědělstvím,

asi největším problémem,
kterému celosvětově čelíme.

Jak víte,

každý sedmý člověk
na zemi trpí podvýživou.

Většina půdy, kterou
lze obdělávat, se již obdělává.

Ale zatímco efektivita
většiny systémů na Zemi roste,

efektivita zemědělské výroby klesá.

Je to dáno nedostatkem vody,
chorobami plodin, změnou klimatu

a některými dalšími vlivy.

Jak by mohli roboti pomoci?

Náš přístup nazýváme
přesné farmářství v dané komunitě.

Hlavní idea je, že pustíme roboty do sadů

a vyhotovíme přesné modely
jednotlivých rostlin.

Podobně jako u personalizovaného
zdravotnictví,

kde si lze představit individuální
přístup ke každému pacientovi,

chceme vytvořit model každé rostliny

a moci pak farmáři říkat,
jaké každá rostlina potřebuje vstupy –

přičemž vstupy jsou zde
voda, hnojivo a pesticidy.

Tady vidíte robota,
jak postupuje jabloňovým sadem

a za chviličku uvidíte dva jeho kolegy

jak dělají totéž na levé straně.

A společně v podstatě vytvářejí mapu sadu.

Součástí mapy je i obraz každého stromu.

(Bzukot robotů.)

Podívejme se jak ty mapy vypadají.

Na dalším videu uvidíte kamery,
které na tomto robotu používáme.

Vlevo nahoře je v podstatě
standardní barevná kamera,

vlevo uprostřed je obraz
z infračervené kamery

a vlevo dole z termokamery.

A na hlavní ploše vidíte vznikat
trojrozměrnou rekonstrukci

jednotlivých stromů v sadu,
jak kolem nich senzory prolétají.

Vyzbrojeni těmito informacemi
pak můžeme dělat mnoho věcí.

První, a možná nejdůležitější,
je velmi jednoduchá:

spočítat plody na každém stromě.

Když farmáři řeknete,
kolik je na stromech plodů,

může odhadnout úrodu celého sadu

a optimalizovat všech následující operace.

Druhá věc, kterou můžeme udělat,

jsou modely rostlin. Sestavíme
jejich trojrozměrné rekonstrukce

a z nich odhadneme plošný průmět koruny.

Ten pak vztáhneme
k celkové ploše listů na dané rostlině

a získáme takzvaný index listové plochy.

A znáte-li index listové plochy,

máte měřítko toho,
nakolik je rostlina schopna fotosyntézy,

a to zase vypovídá o tom, jak je zdravá.

Spojením vizuální
a infračervené složky můžeme vypočítat

také indikace jako NDVI –
normalizovaný diferenční vegetační index.

V tomto konkrétním případě vidíte,

že se některým rostlinám
nevede tak dobře jako ostatním.

To lze z pořízených obrazů jasně určit –

ne pouze z viditelného obrazu,

ale z jeho kombinace
s infračerveným zobrazením.

A dále nás zajímá možnost

zjistit chlorózu v raném stádiu –

tady je třeba pomerančovník.

Toto stádium se v podstatě
projevuje žloutnutím listů.

Roboti pozorující strom shora
to snadno samostatně zjistí

a nahlásí farmáři,
že v dané části sadu

je problém.

Podobné systémy mohou
skutečně pomoci, a my předpokládáme

při použití rojů létajících robotů
možné zvýšení výnosů kolem deseti procent

a hlavně pokles potřebných vstupů,

například vody, o 25 procent.

Na závěr bych vás požádal o potlesk
pro ty, kdo doslova tvoří budoucnost:

jsou to Yash Mulgaonkar,
Sikang Liu a Giuseppe Loianno,

autoři těch tří demonstrací,
které jste viděli.

Děkuji vám.

(Potlesk.)