El futuro de los robots voladores
-
0:01 - 0:05En mi laboratorio,
construimos robots aéreos autónomos -
0:05 - 0:07como el que ven volar aquí.
-
0:09 - 0:12A diferencia de los drones que
se pueden comprar hoy en el mercado, -
0:12 - 0:15este robot no tiene ningún GPS a bordo.
-
0:16 - 0:17Así que sin GPS,
-
0:17 - 0:21es difícil para los robots como este
determinar su posición. -
0:22 - 0:27Este robot utiliza sensores a bordo,
cámaras y escáneres láser, -
0:27 - 0:29para escanear el medio ambiente.
-
0:29 - 0:32Detecta las características del entorno,
-
0:32 - 0:35y determina dónde está
en relación con esas características, -
0:35 - 0:37utilizando un método de triangulación.
-
0:37 - 0:40Entonces puede reunir todas
estas características en un mapa, -
0:40 - 0:42como se ve detrás de mí.
-
0:42 - 0:46Este mapa permite que el robot
comprenda dónde están los obstáculos -
0:46 - 0:49y navegar libre de colisiones.
-
0:49 - 0:51Lo que quiero mostrarles a continuación
-
0:51 - 0:54es un conjunto de experimentos
que hicimos en nuestro laboratorio, -
0:55 - 0:58en los que este robot fue capaz de ir
a distancias más largas. -
0:58 - 1:03Verán, en la parte superior derecha,
lo que el robot ve con la cámara. -
1:03 - 1:05En la pantalla principal
-
1:05 - 1:07--por supuesto acelerado
por un factor de cuatro-- -
1:07 - 1:10verán el mapa que está construyendo.
-
1:10 - 1:14Este es un mapa de alta resolución del
corredor de nuestro laboratorio. -
1:14 - 1:17En un minuto verán que entra
en nuestro laboratorio, -
1:17 - 1:19que es reconocible
por el desorden que se ve. -
1:19 - 1:20(Risas)
-
1:20 - 1:22Pero el punto que quiero transmitirles
-
1:22 - 1:26es que estos robots son capaces
de construir mapas de alta resolución -
1:26 - 1:29a resoluciones de 5 cm,
-
1:29 - 1:33permitiendo a alguien que esté fuera
del laboratorio, o fuera del edificio -
1:33 - 1:36realizarlos sin tener que entrar,
-
1:36 - 1:40y tratar de inferir lo que sucede
en el interior del edificio. -
1:40 - 1:43Hay un problema con los robots como éste.
-
1:44 - 1:46El primer problema
es que es bastante grande. -
1:46 - 1:48Como es grande, es pesado.
-
1:49 - 1:52Y estos robots consumen
alrededor de 220 vatios por kilo, -
1:52 - 1:55que hace su tiempo
de misión muy corto. -
1:56 - 1:57El segundo problema
-
1:57 - 2:01es que estos robots tienen sensores
a bordo que terminan siendo muy caros: -
2:01 - 2:05un escáner láser, una cámara
y los procesadores. -
2:05 - 2:08Eso aumenta el costo de este robot.
-
2:09 - 2:12Así que nos hicimos una pregunta:
-
2:12 - 2:16¿qué productos de consumo se pueden
comprar en una tienda de electrónica -
2:16 - 2:22que sean de bajo costo, ligeros, que
hagan detección a bordo y computación? -
2:24 - 2:27E inventamos el teléfono volador.
-
2:27 - 2:29(Risas)
-
2:29 - 2:35Este robot utiliza un Samsung Galaxy
que se puede comprar comercialmente, -
2:35 - 2:39y todo lo que se necesita es una
aplicación descargable en nuestra tienda. -
2:39 - 2:43Se puede ver a este robot leyendo
las letras, "TED" en este caso, -
2:43 - 2:46mirando las esquinas de la "T" y la "E"
-
2:46 - 2:50y luego triangulando eso,
volando de forma autónoma. -
2:51 - 2:54Esa palanca está ahí para asegurar
que si el robot se vuelve loco, -
2:54 - 2:55Giuseppe puede matarlo.
-
2:55 - 2:57(Risas)
-
2:59 - 3:03Además de la construcción
de estos pequeños robots, -
3:03 - 3:08también experimentamos con
comportamientos agresivos, como ven aquí. -
3:08 - 3:13Este robot está ahora viajando
a dos o tres m por segundo, -
3:13 - 3:17con cabeceo y balanceo agresivo,
ya que cambia de dirección. -
3:17 - 3:21El punto principal es que podemos tener
robots más pequeños que vayan más rápido -
3:21 - 3:24y luego viajar en estos ambientes
muy desestructurados. -
3:25 - 3:27En el siguiente video,
-
3:27 - 3:33igual que vemos esta ave, un águila,
coordinando con gracia sus alas, -
3:33 - 3:37sus ojos y pies para agarrar
presas fuera del agua, -
3:37 - 3:39nuestro robot puede ir a pescar, también.
-
3:39 - 3:41(Risas)
-
3:41 - 3:45En este caso, un embutido
que está agarrado de la nada. -
3:45 - 3:47(Risas)
-
3:48 - 3:51Pueden ver este robot que va a
unos 3 m por segundo, -
3:51 - 3:56más rápido que la velocidad al caminar,
coordinando sus brazos, sus garras -
3:56 - 4:00y su vuelo en fracciones de segundo
para lograr esta maniobra. -
4:02 - 4:03En otro experimento,
-
4:03 - 4:07Quiero mostrar cómo
el robot adapta su vuelo -
4:07 - 4:09para controlar su carga suspendida,
-
4:09 - 4:13cuya longitud es en realidad mayor
que la anchura de la ventana. -
4:14 - 4:15Para lograr esto,
-
4:15 - 4:19en realidad tiene que lanzar
y ajustar la altitud -
4:19 - 4:21y oscilar la carga.
-
4:27 - 4:29Por supuesto, queremos
hacer esto aún menor, -
4:29 - 4:32y estamos inspirados
en particular por las abejas. -
4:32 - 4:36Si nos fijamos en las abejas,
y este es un vídeo ralentizado, -
4:36 - 4:39son tan pequeñas, la inercia es tan ligera
-
4:40 - 4:41(Risas)
-
4:41 - 4:45que no les importa,
rebotan en mi mano, por ejemplo. -
4:45 - 4:48Este es un pequeño robot
que imita a las abejas. -
4:49 - 4:50Y más pequeño es mejor,
-
4:50 - 4:53porque junto con el pequeño tamaño
se obtiene más baja inercia. -
4:53 - 4:55Junto con menor inercia
-
4:55 - 4:58(Robot zumbando, risas)
-
4:58 - 5:01junto con una menor inercia,
se es resistente a colisiones. -
5:01 - 5:02Y eso te hace más fuerte.
-
5:04 - 5:06Así como estas abejas,
construimos pequeños robots. -
5:06 - 5:10Este en particular es de solo
25 gr peso. -
5:10 - 5:12Consume solo 6 vatios de potencia.
-
5:12 - 5:15Y puede viajar hasta
a 6 m por segundo. -
5:15 - 5:17Si lo normalizo a su tamaño,
-
5:17 - 5:21es como un Boeing 787 viajando
a 10 veces la velocidad del sonido. -
5:24 - 5:26(Risas)
-
5:26 - 5:28Quiero mostrarles un ejemplo.
-
5:29 - 5:34Esta es probablemente la primera colisión en vuelo planeado, a una vigésima de la velocidad normal.
-
5:34 - 5:37Estos van a una velocidad relativa
de 2 m por segundo, -
5:37 - 5:39y esto ilustra el principio básico.
-
5:40 - 5:45La jaula de fibra de carbono de 2 gr
impide que las hélices se enreden, -
5:45 - 5:50pero en esencia la colisión es absorbida
y el robot responde a las colisiones. -
5:51 - 5:53Y muy pequeño también significa seguro.
-
5:53 - 5:56En mi laboratorio, al
desarrollar estos robots, -
5:56 - 5:57comenzamos con estos grandes robots
-
5:57 - 6:00y luego ahora bajamos
a estos pequeños robots. -
6:00 - 6:03Si se traza un histograma
del número de banditas que pedimos -
6:03 - 6:06en el pasado, mostraría
un cola disminuyendo. (Risas) -
6:06 - 6:08Porque estos robots
son muy seguros. -
6:09 - 6:11El tamaño pequeño
tiene algunas desventajas, -
6:11 - 6:15y la naturaleza ha encontrado formas
de compensar estas desventajas. -
6:16 - 6:20La idea básica es que ellas se unen para
formar grandes grupos o enjambres. -
6:20 - 6:24Del mismo modo, en nuestro laboratorio,
tratamos de crear enjambres de robots. -
6:24 - 6:26Y esto es todo un reto
-
6:26 - 6:29porque ahora tienes que pensar
en redes de robots. -
6:29 - 6:31Y dentro de cada robot,
-
6:31 - 6:36tienes que pensar en la interacción de
detección, comunicación, computación, -
6:36 - 6:41y esta red se vuelve muy difícil
de controlar y gestionar. -
6:42 - 6:45Así que de la naturaleza nos llevamos
3 principios organizativos -
6:45 - 6:49que, básicamente, nos permiten
desarrollar nuestros algoritmos. -
6:50 - 6:54La primera idea es que los robots tienen
que ser conscientes de sus vecinos. -
6:54 - 6:58Tienen que ser capaces de sentir
y comunicarse con sus vecinos. -
6:58 - 7:01Así que este video ilustra la idea básica.
-
7:01 - 7:02Tienes cuatro robots,
-
7:02 - 7:06uno ha sido secuestrado por
un operador humano, literalmente. -
7:07 - 7:09Pero debido a que los robots
interactúan entre sí, -
7:09 - 7:11sienten a sus vecinos,
-
7:11 - 7:12que en esencia siguen.
-
7:12 - 7:18Y aquí hay una sola persona capaz
de liderar esta red de seguidores. -
7:20 - 7:25Así que de nuevo, no es porque todos los
robots saben dónde se supone que deben ir. -
7:25 - 7:29Es porque sólo están reaccionando
a las posiciones de sus vecinos. -
7:32 - 7:36(Risas)
-
7:36 - 7:42El siguiente experimento ilustra
el segundo principio de organización. -
7:43 - 7:47Y este principio tiene que ver con
el principio de anonimato. -
7:47 - 7:52Aquí la idea clave es que
-
7:52 - 7:56los robots son agnósticos
a la identidad de sus vecinos. -
7:56 - 7:59Se les pide que hagan
una forma circular, -
7:59 - 8:02y no importa cuántos robots
se introducen dentro de la formación, -
8:02 - 8:05o cuántos robots se sacan,
-
8:05 - 8:08cada robot está simplemente
reaccionando a su vecino. -
8:08 - 8:13Es consciente del hecho de que
se necesita para hacer la forma circular, -
8:13 - 8:15pero colaborando con sus vecinos
-
8:15 - 8:19hace esta forma sin coordinación central.
-
8:20 - 8:22Ahora bien,
si uno pone estas ideas juntas, -
8:22 - 8:26la tercera idea es que esencialmente
damos a estos robots -
8:26 - 8:30descripciones matemáticas de la forma
que necesitan ejecutar. -
8:30 - 8:34Y estas formas pueden ser variables
en función del tiempo, -
8:34 - 8:38y verán a estos robots comenzar
a partir de una formación circular, -
8:38 - 8:41cambiar a una formación rectangular,
estirada a una línea recta, -
8:42 - 8:43de nuevo a una elipse.
-
8:43 - 8:47Y lo hacen con el mismo tipo de
coordinación de fracción de segundo -
8:47 - 8:50que se ve en los enjambres naturales,
en la naturaleza. -
8:51 - 8:53¿Por qué trabajar con enjambres?
-
8:53 - 8:57Déjenme decirles de 2 aplicaciones
en las que estamos muy interesados. -
8:58 - 9:01La primera tiene que ver
con la agricultura, -
9:01 - 9:04que es probablemente el mayor problema
que enfrentando en el mundo. -
9:05 - 9:06Como bien saben,
-
9:06 - 9:101 de cada 7 personas
en la Tierra está desnutrida. -
9:10 - 9:13La mayor parte de la tierra que
podemos cultivar ya ha sido cultivada. -
9:14 - 9:17La eficiencia de la mayoría de
sistemas en el mundo está mejorando, -
9:17 - 9:21pero nuestra eficiencia del sistema
de producción está disminuyendo, -
9:21 - 9:25debido a falta de agua, enfermedades
de los cultivos, cambio climático -
9:25 - 9:27y un par de otras cosas.
-
9:27 - 9:29¿Qué pueden hacer los robots?
-
9:29 - 9:34Bueno, adoptamos un enfoque que se llama
agricultura de precisión en la comunidad. -
9:34 - 9:39Y la idea básica es que volamos
robots a través de los huertos, -
9:40 - 9:42y luego construimos modelos
de precisión de las plantas individuales. -
9:43 - 9:44Así como la medicina personalizada,
-
9:45 - 9:49mientras que uno puede imaginar tratar
a cada paciente de forma individual, -
9:49 - 9:53lo que nos gustaría hacer es construir
modelos de plantas individuales -
9:53 - 9:57y luego decirle al agricultor qué tipo
de insumos necesita cada planta; -
9:57 - 10:02las entradas en este caso son
el agua, fertilizantes y pesticidas. -
10:03 - 10:06Aquí podrán ver los robots viajar
a través de un huerto de manzanas, -
10:06 - 10:09y en un minuto verán
2 de sus compañeros -
10:09 - 10:10haciendo lo mismo a la izquierda.
-
10:11 - 10:14Y lo que están construyendo
esencialmente es un mapa de la huerta. -
10:14 - 10:17Dentro del mapa hay uno de
las plantas en este huerto. -
10:17 - 10:19(Zumbido de robot)
-
10:19 - 10:21Veamos cómo se ven esos mapas parecen.
-
10:21 - 10:25En el siguiente video, verán las cámaras
que está utilizando este robot. -
10:25 - 10:28Arriba a la izquierda esencialmente
una cámara de color destacada. -
10:30 - 10:33A la izquierda en el centro
una cámara infrarroja. -
10:33 - 10:37Y en la parte inferior izquierda
una cámara térmica. -
10:37 - 10:40Y en el panel principal, se ve
una reconstrucción tridimensional -
10:40 - 10:46de todo árbol del huerto al pasar los
sensores sobre los árboles. -
10:48 - 10:52Armados con información de este tipo,
podemos hacer varias cosas. -
10:52 - 10:56Primero y posiblemente
lo más importante es muy simple: -
10:56 - 10:59contar el número de frutas en cada árbol.
-
11:00 - 11:04Hacer esto, le dice al agricultor
cuántas frutas que tiene en cada árbol -
11:04 - 11:08y le permitirá estimar
el rendimiento del huerto, -
11:08 - 11:11optimizar la cadena
de producción aguas abajo. -
11:12 - 11:13La segunda cosa que podemos hacer
-
11:13 - 11:18es tomar los modelos de las plantas,
la reconstrucción tridimensional, -
11:18 - 11:20y de allí estimar el tamaño del manto,
-
11:20 - 11:24y luego correlacionar el manto con
la cantidad de área foliar en cada planta. -
11:24 - 11:26Esto se llama el índice de área foliar.
-
11:26 - 11:28Si uno sabe este índice de área foliar,
-
11:28 - 11:34esencialmente hace medición de qué
tanta fotosíntesis hace cada planta, -
11:34 - 11:37que a su vez dice qué tan saludable
es cada planta. -
11:38 - 11:42Mediante la combinación
de información visual y de infrarrojos, -
11:42 - 11:45también podemos
calcular índices como el NDVI. -
11:45 - 11:48Y en este caso en particular,
en esencia se puede ver que -
11:48 - 11:51algunos cultivos no lo están
haciendo tan bien como otros. -
11:51 - 11:55Esto es fácilmente perceptible
a partir de imágenes, -
11:55 - 11:57no solo las imágenes visuales,
sino combinadas -
11:57 - 12:00tanto imágenes visuales
como de infrarrojos. -
12:00 - 12:01Y por último,
-
12:01 - 12:05algo que nos interesa hacer es detectar
la aparición temprana de la clorosis -
12:05 - 12:07--esto es un árbol de naranja--
-
12:07 - 12:10que se ve esencialmente por
el amarillamiento de las hojas. -
12:10 - 12:14Pero los robots pueden detectar
fácilmente esto de manera autónoma -
12:14 - 12:17y luego informar al agricultor
que él o ella tiene un problema -
12:17 - 12:18en esta parte de la huerta.
-
12:19 - 12:21Sistemas como estos
realmente pueden ayudar, -
12:22 - 12:27y estamos proyectando rendimientos
mejores en alrededor de un 10 % -
12:27 - 12:31y, sobre todo, disminuir
la cantidad de insumos como el agua -
12:31 - 12:34un 25 % mediante el uso
de enjambres de robots aéreos. -
12:35 - 12:41Por último, quiero aplaudir a la gente
que realmente crea el futuro, -
12:41 - 12:46Yash Mulgaonkar, Sikang Liu
y Giuseppe Loianno, -
12:46 - 12:49quienes son responsables de las 3
demostraciones que vieron. -
12:49 - 12:51Gracias.
-
12:51 - 12:57(Aplausos)
- Title:
- El futuro de los robots voladores
- Speaker:
- Vijay Kumar
- Description:
-
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.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 13:09
Lidia Cámara de la Fuente approved Spanish subtitles for Vijay Kumar | ||
Lidia Cámara de la Fuente accepted Spanish subtitles for Vijay Kumar | ||
Lidia Cámara de la Fuente edited Spanish subtitles for Vijay Kumar | ||
Lidia Cámara de la Fuente edited Spanish subtitles for Vijay Kumar | ||
Lidia Cámara de la Fuente edited Spanish subtitles for Vijay Kumar | ||
Ciro Gomez edited Spanish subtitles for Vijay Kumar | ||
Ciro Gomez edited Spanish subtitles for Vijay Kumar | ||
Ciro Gomez edited Spanish subtitles for Vijay Kumar |