El futuro de los robots voladores

En su laboratorio en la Universidad de Pennsylvania, Vijay Kumar y su equipo han creado robots aéreos autónomos inspirados en las abejas. Su último avance: agricultura de precisión, en la que los enjambres de robots mapean, reconstruyan y analizan cada planta y fruta en un huerto, proporcionando información vital para los agricultores que puede ayudar a mejorar el rendimiento y hacer más inteligente la gestión del agua.

En mi laboratorio,
construimos robots aéreos autónomos

como el que ven volar aquí.

A diferencia de los drones que
se pueden comprar hoy en el mercado,

este robot no tiene ningún GPS a bordo.

Así que sin GPS,

es difícil para los robots como este
determinar su posición.

Este robot utiliza sensores a bordo,
cámaras y escáneres láser,

para escanear el medio ambiente.

Detecta las características del entorno,

y determina dónde está
en relación con esas características,

utilizando un método de triangulación.

Entonces puede reunir todas
estas características en un mapa,

como se ve detrás de mí.

Este mapa permite que el robot
comprenda dónde están los obstáculos

y navegar libre de colisiones.

Lo que quiero mostrarles a continuación

es un conjunto de experimentos
que hicimos en nuestro laboratorio,

en los que este robot fue capaz de ir
a distancias más largas.

Verán, en la parte superior derecha,
lo que el robot ve con la cámara.

En la pantalla principal

--por supuesto acelerado
por un factor de cuatro--

verán el mapa que está construyendo.

Este es un mapa de alta resolución del
corredor de nuestro laboratorio.

En un minuto verán que entra
en nuestro laboratorio,

que es reconocible
por el desorden que se ve.

(Risas)

Pero el punto que quiero transmitirles

es que estos robots son capaces
de construir mapas de alta resolución

a resoluciones de 5 cm,

permitiendo a alguien que esté fuera
del laboratorio, o fuera del edificio

realizarlos sin tener que entrar,

y tratar de inferir lo que sucede
en el interior del edificio.

Hay un problema con los robots como éste.

El primer problema
es que es bastante grande.

Como es grande, es pesado.

Y estos robots consumen
alrededor de 220 vatios por kilo,

que hace su tiempo
de misión muy corto.

El segundo problema

es que estos robots tienen sensores
a bordo que terminan siendo muy caros:

un escáner láser, una cámara
y los procesadores.

Eso aumenta el costo de este robot.

Así que nos hicimos una pregunta:

¿qué productos de consumo se pueden
comprar en una tienda de electrónica

que sean de bajo costo, ligeros, que
hagan detección a bordo y computación?

E inventamos el teléfono volador.

(Risas)

Este robot utiliza un Samsung Galaxy
que se puede comprar comercialmente,

y todo lo que se necesita es una
aplicación descargable en nuestra tienda.

Se puede ver a este robot leyendo
las letras, "TED" en este caso,

mirando las esquinas de la "T" y la "E"

y luego triangulando eso,
volando de forma autónoma.

Esa palanca está ahí para asegurar
que si el robot se vuelve loco,

Giuseppe puede matarlo.

(Risas)

Además de la construcción
de estos pequeños robots,

también experimentamos con
comportamientos agresivos, como ven aquí.

Este robot está ahora viajando
a dos o tres m por segundo,

con cabeceo y balanceo agresivo,
ya que cambia de dirección.

El punto principal es que podemos tener
robots más pequeños que vayan más rápido

y luego viajar en estos ambientes
muy desestructurados.

En el siguiente video,

igual que vemos esta ave, un águila,
coordinando con gracia sus alas,

sus ojos y pies para agarrar
presas fuera del agua,

nuestro robot puede ir a pescar, también.

(Risas)

En este caso, un embutido
que está agarrado de la nada.

(Risas)

Pueden ver este robot que va a
unos 3 m por segundo,

más rápido que la velocidad al caminar,
coordinando sus brazos, sus garras

y su vuelo en fracciones de segundo
para lograr esta maniobra.

En otro experimento,

Quiero mostrar cómo
el robot adapta su vuelo

para controlar su carga suspendida,

cuya longitud es en realidad mayor
que la anchura de la ventana.

Para lograr esto,

en realidad tiene que lanzar
y ajustar la altitud

y oscilar la carga.

Por supuesto, queremos
hacer esto aún menor,

y estamos inspirados
en particular por las abejas.

Si nos fijamos en las abejas,
y este es un vídeo ralentizado,

son tan pequeñas, la inercia es tan ligera

(Risas)

que no les importa,
rebotan en mi mano, por ejemplo.

Este es un pequeño robot
que imita a las abejas.

Y más pequeño es mejor,

porque junto con el pequeño tamaño
se obtiene más baja inercia.

Junto con menor inercia

(Robot zumbando, risas)

junto con una menor inercia,
se es resistente a colisiones.

Y eso te hace más fuerte.

Así como estas abejas,
construimos pequeños robots.

Este en particular es de solo
25 gr peso.

Consume solo 6 vatios de potencia.

Y puede viajar hasta
a 6 m por segundo.

Si lo normalizo a su tamaño,

es como un Boeing 787 viajando
a 10 veces la velocidad del sonido.

(Risas)

Quiero mostrarles un ejemplo.

Esta es probablemente la primera colisión en vuelo planeado, a una vigésima de la velocidad normal.

Estos van a una velocidad relativa
de 2 m por segundo,

y esto ilustra el principio básico.

La jaula de fibra de carbono de 2 gr
impide que las hélices se enreden,

pero en esencia la colisión es absorbida
y el robot responde a las colisiones.

Y muy pequeño también significa seguro.

En mi laboratorio, al
desarrollar estos robots,

comenzamos con estos grandes robots

y luego ahora bajamos
a estos pequeños robots.

Si se traza un histograma
del número de banditas que pedimos

en el pasado, mostraría
un cola disminuyendo. (Risas)

Porque estos robots
son muy seguros.

El tamaño pequeño
tiene algunas desventajas,

y la naturaleza ha encontrado formas
de compensar estas desventajas.

La idea básica es que ellas se unen para
formar grandes grupos o enjambres.

Del mismo modo, en nuestro laboratorio,
tratamos de crear enjambres de robots.

Y esto es todo un reto

porque ahora tienes que pensar
en redes de robots.

Y dentro de cada robot,

tienes que pensar en la interacción de
detección, comunicación, computación,

y esta red se vuelve muy difícil
de controlar y gestionar.

Así que de la naturaleza nos llevamos
3 principios organizativos

que, básicamente, nos permiten
desarrollar nuestros algoritmos.

La primera idea es que los robots tienen
que ser conscientes de sus vecinos.

Tienen que ser capaces de sentir
y comunicarse con sus vecinos.

Así que este video ilustra la idea básica.

Tienes cuatro robots,

uno ha sido secuestrado por
un operador humano, literalmente.

Pero debido a que los robots
interactúan entre sí,

sienten a sus vecinos,

que en esencia siguen.

Y aquí hay una sola persona capaz
de liderar esta red de seguidores.

Así que de nuevo, no es porque todos los
robots saben dónde se supone que deben ir.

Es porque sólo están reaccionando
a las posiciones de sus vecinos.

(Risas)

El siguiente experimento ilustra
el segundo principio de organización.

Y este principio tiene que ver con
el principio de anonimato.

Aquí la idea clave es que

los robots son agnósticos
a la identidad de sus vecinos.

Se les pide que hagan
una forma circular,

y no importa cuántos robots
se introducen dentro de la formación,

o cuántos robots se sacan,

cada robot está simplemente
reaccionando a su vecino.

Es consciente del hecho de que
se necesita para hacer la forma circular,

pero colaborando con sus vecinos

hace esta forma sin coordinación central.

Ahora bien,
si uno pone estas ideas juntas,

la tercera idea es que esencialmente
damos a estos robots

descripciones matemáticas de la forma
que necesitan ejecutar.

Y estas formas pueden ser variables
en función del tiempo,

y verán a estos robots comenzar
a partir de una formación circular,

cambiar a una formación rectangular,
estirada a una línea recta,

de nuevo a una elipse.

Y lo hacen con el mismo tipo de
coordinación de fracción de segundo

que se ve en los enjambres naturales,
en la naturaleza.

¿Por qué trabajar con enjambres?

Déjenme decirles de 2 aplicaciones
en las que estamos muy interesados.

La primera tiene que ver
con la agricultura,

que es probablemente el mayor problema
que enfrentando en el mundo.

Como bien saben,

1 de cada 7 personas
en la Tierra está desnutrida.

La mayor parte de la tierra que
podemos cultivar ya ha sido cultivada.

La eficiencia de la mayoría de
sistemas en el mundo está mejorando,

pero nuestra eficiencia del sistema
de producción está disminuyendo,

debido a falta de agua, enfermedades
de los cultivos, cambio climático

y un par de otras cosas.

¿Qué pueden hacer los robots?

Bueno, adoptamos un enfoque que se llama
agricultura de precisión en la comunidad.

Y la idea básica es que volamos
robots a través de los huertos,

y luego construimos modelos
de precisión de las plantas individuales.

Así como la medicina personalizada,

mientras que uno puede imaginar tratar
a cada paciente de forma individual,

lo que nos gustaría hacer es construir
modelos de plantas individuales

y luego decirle al agricultor qué tipo
de insumos necesita cada planta;

las entradas en este caso son
el agua, fertilizantes y pesticidas.

Aquí podrán ver los robots viajar
a través de un huerto de manzanas,

y en un minuto verán
2 de sus compañeros

haciendo lo mismo a la izquierda.

Y lo que están construyendo
esencialmente es un mapa de la huerta.

Dentro del mapa hay uno de
las plantas en este huerto.

(Zumbido de robot)

Veamos cómo se ven esos mapas parecen.

En el siguiente video, verán las cámaras
que está utilizando este robot.

Arriba a la izquierda esencialmente
una cámara de color destacada.

A la izquierda en el centro
una cámara infrarroja.

Y en la parte inferior izquierda
una cámara térmica.

Y en el panel principal, se ve
una reconstrucción tridimensional

de todo árbol del huerto al pasar los
sensores sobre los árboles.

Armados con información de este tipo,
podemos hacer varias cosas.

Primero y posiblemente
lo más importante es muy simple:

contar el número de frutas en cada árbol.

Hacer esto, le dice al agricultor
cuántas frutas que tiene en cada árbol

y le permitirá estimar
el rendimiento del huerto,

optimizar la cadena
de producción aguas abajo.

La segunda cosa que podemos hacer

es tomar los modelos de las plantas,
la reconstrucción tridimensional,

y de allí estimar el tamaño del manto,

y luego correlacionar el manto con
la cantidad de área foliar en cada planta.

Esto se llama el índice de área foliar.

Si uno sabe este índice de área foliar,

esencialmente hace medición de qué
tanta fotosíntesis hace cada planta,

que a su vez dice qué tan saludable
es cada planta.

Mediante la combinación
de información visual y de infrarrojos,

también podemos
calcular índices como el NDVI.

Y en este caso en particular,
en esencia se puede ver que

algunos cultivos no lo están
haciendo tan bien como otros.

Esto es fácilmente perceptible
a partir de imágenes,

no solo las imágenes visuales,
sino combinadas

tanto imágenes visuales
como de infrarrojos.

Y por último,

algo que nos interesa hacer es detectar
la aparición temprana de la clorosis

--esto es un árbol de naranja--

que se ve esencialmente por
el amarillamiento de las hojas.

Pero los robots pueden detectar
fácilmente esto de manera autónoma

y luego informar al agricultor
que él o ella tiene un problema

en esta parte de la huerta.

Sistemas como estos
realmente pueden ayudar,

y estamos proyectando rendimientos
mejores en alrededor de un 10 %

y, sobre todo, disminuir
la cantidad de insumos como el agua

un 25 % mediante el uso
de enjambres de robots aéreos.

Por último, quiero aplaudir a la gente
que realmente crea el futuro,

Yash Mulgaonkar, Sikang Liu
y Giuseppe Loianno,

quienes son responsables de las 3
demostraciones que vieron.

Gracias.

(Aplausos)