WEBVTT

00:00:01.280 --> 00:00:04.936
En mi laboratorio, 
construimos robots aéreos autónomos

00:00:04.960 --> 00:00:06.840
como el que ven volar aquí.

00:00:08.720 --> 00:00:12.416
A diferencia de los drones que 
se pueden comprar hoy en el mercado,

00:00:12.440 --> 00:00:15.080
este robot no tiene ningún GPS a bordo.

00:00:16.160 --> 00:00:17.376
Así que sin GPS,

00:00:17.400 --> 00:00:20.680
es difícil para los robots como este 
determinar su posición.

00:00:22.240 --> 00:00:26.976
Este robot utiliza sensores a bordo, 
cámaras y escáneres láser,

00:00:27.000 --> 00:00:28.696
para escanear el medio ambiente.

00:00:28.720 --> 00:00:31.693
Detecta las características del entorno,

00:00:31.700 --> 00:00:34.582
y determina dónde está 
en relación con esas características,

00:00:34.602 --> 00:00:36.696
utilizando un método de triangulación.

00:00:36.720 --> 00:00:40.176
Entonces puede reunir todas 
estas características en un mapa,

00:00:40.200 --> 00:00:41.936
como se ve detrás de mí.

00:00:41.960 --> 00:00:45.896
Este mapa permite que el robot 
comprenda dónde están los obstáculos

00:00:45.920 --> 00:00:48.640
y navegar libre de colisiones.

00:00:49.160 --> 00:00:51.256
Lo que quiero mostrarles a continuación

00:00:51.280 --> 00:00:54.496
es un conjunto de experimentos 
que hicimos en nuestro laboratorio,

00:00:54.520 --> 00:00:58.000
en los que este robot fue capaz de ir 
a distancias más largas.

00:00:58.400 --> 00:01:03.416
Verán, en la parte superior derecha, 
lo que el robot ve con la cámara.

00:01:03.440 --> 00:01:04.656
En la pantalla principal

00:01:04.680 --> 00:01:07.136
--por supuesto acelerado 
por un factor de cuatro--

00:01:07.160 --> 00:01:09.827
verán el mapa que está construyendo.

00:01:09.851 --> 00:01:14.136
Este es un mapa de alta resolución del 
corredor de nuestro laboratorio.

00:01:14.160 --> 00:01:16.649
En un minuto verán que entra 
en nuestro laboratorio,

00:01:16.676 --> 00:01:19.376
que es reconocible 
por el desorden que se ve.

00:01:19.400 --> 00:01:20.416
(Risas)

00:01:20.440 --> 00:01:22.447
Pero el punto que quiero transmitirles

00:01:22.472 --> 00:01:26.056
es que estos robots son capaces 
de construir mapas de alta resolución

00:01:26.080 --> 00:01:28.576
a resoluciones de 5 cm,

00:01:28.600 --> 00:01:32.776
permitiendo a alguien que esté fuera 
del laboratorio, o fuera del edificio

00:01:32.800 --> 00:01:36.016
realizarlos sin tener que entrar,

00:01:36.040 --> 00:01:39.800
y tratar de inferir lo que sucede 
en el interior del edificio.

00:01:40.400 --> 00:01:42.640
Hay un problema con los robots como éste.

00:01:43.600 --> 00:01:45.800
El primer problema 
es que es bastante grande.

00:01:46.120 --> 00:01:47.800
Como es grande, es pesado.

00:01:48.640 --> 00:01:51.680
Y estos robots consumen 
alrededor de 220 vatios por kilo,

00:01:52.360 --> 00:01:54.640
que hace su tiempo 
de misión muy corto.

00:01:56.000 --> 00:01:57.456
El segundo problema

00:01:57.480 --> 00:02:01.376
es que estos robots tienen sensores 
a bordo que terminan siendo muy caros:

00:02:01.400 --> 00:02:04.840
un escáner láser, una cámara 
y los procesadores.

00:02:05.280 --> 00:02:08.320
Eso aumenta el costo de este robot.

00:02:09.440 --> 00:02:12.096
Así que nos hicimos una pregunta:

00:02:12.120 --> 00:02:15.896
¿qué productos de consumo se pueden 
comprar en una tienda de electrónica

00:02:15.920 --> 00:02:22.200
que sean de bajo costo, ligeros, que 
hagan detección a bordo y computación?

00:02:24.080 --> 00:02:26.736
E inventamos el teléfono volador.

00:02:26.760 --> 00:02:28.696
(Risas)

00:02:28.720 --> 00:02:34.896
Este robot utiliza un Samsung Galaxy 
que se puede comprar comercialmente,

00:02:34.920 --> 00:02:38.936
y todo lo que se necesita es una 
aplicación descargable en nuestra tienda.

00:02:38.960 --> 00:02:43.176
Se puede ver a este robot leyendo 
las letras, "TED" en este caso,

00:02:43.200 --> 00:02:46.136
mirando las esquinas de la "T" y la "E"

00:02:46.160 --> 00:02:49.640
y luego triangulando eso, 
volando de forma autónoma.

00:02:50.720 --> 00:02:53.976
Esa palanca está ahí para asegurar 
que si el robot se vuelve loco,

00:02:54.000 --> 00:02:55.416
Giuseppe puede matarlo.

00:02:55.440 --> 00:02:57.080
(Risas)

00:02:58.920 --> 00:03:02.736
Además de la construcción 
de estos pequeños robots,

00:03:02.760 --> 00:03:07.560
también experimentamos con 
comportamientos agresivos, como ven aquí.

00:03:07.920 --> 00:03:13.216
Este robot está ahora viajando 
a dos o tres m por segundo,

00:03:13.240 --> 00:03:16.736
con cabeceo y balanceo agresivo, 
ya que cambia de dirección.

00:03:16.760 --> 00:03:21.016
El punto principal es que podemos tener 
robots más pequeños que vayan más rápido

00:03:21.040 --> 00:03:24.000
y luego viajar en estos ambientes 
muy desestructurados.

00:03:25.120 --> 00:03:27.176
En el siguiente video,

00:03:27.200 --> 00:03:33.096
igual que vemos esta ave, un águila, 
coordinando con gracia sus alas,

00:03:33.120 --> 00:03:37.416
sus ojos y pies para agarrar 
presas fuera del agua,

00:03:37.440 --> 00:03:39.402
nuestro robot puede ir a pescar, también.

00:03:39.422 --> 00:03:40.856
(Risas)

00:03:40.880 --> 00:03:44.936
En este caso, un embutido 
que está agarrado de la nada.

00:03:44.960 --> 00:03:47.360
(Risas)

00:03:47.680 --> 00:03:50.976
Pueden ver este robot que va a 
unos 3 m por segundo,

00:03:51.000 --> 00:03:56.136
más rápido que la velocidad al caminar, 
coordinando sus brazos, sus garras

00:03:56.160 --> 00:04:00.280
y su vuelo en fracciones de segundo 
para lograr esta maniobra.

00:04:02.120 --> 00:04:03.336
En otro experimento,

00:04:03.360 --> 00:04:07.016
Quiero mostrar cómo 
el robot adapta su vuelo

00:04:07.040 --> 00:04:09.416
para controlar su carga suspendida,

00:04:09.440 --> 00:04:13.240
cuya longitud es en realidad mayor 
que la anchura de la ventana.

00:04:13.680 --> 00:04:15.376
Para lograr esto,

00:04:15.400 --> 00:04:19.096
en realidad tiene que lanzar 
y ajustar la altitud

00:04:19.120 --> 00:04:21.440
y oscilar la carga.

00:04:26.920 --> 00:04:29.216
Por supuesto, queremos 
hacer esto aún menor,

00:04:29.240 --> 00:04:32.256
y estamos inspirados 
en particular por las abejas.

00:04:32.280 --> 00:04:35.536
Si nos fijamos en las abejas, 
y este es un vídeo ralentizado,

00:04:35.560 --> 00:04:39.280
son tan pequeñas, la inercia es tan ligera

00:04:39.960 --> 00:04:41.136
(Risas)

00:04:41.160 --> 00:04:44.696
que no les importa, 
rebotan en mi mano, por ejemplo.

00:04:44.720 --> 00:04:47.880
Este es un pequeño robot 
que imita a las abejas.

00:04:48.600 --> 00:04:49.816
Y más pequeño es mejor,

00:04:49.840 --> 00:04:53.376
porque junto con el pequeño tamaño 
se obtiene más baja inercia.

00:04:53.400 --> 00:04:54.936
Junto con menor inercia

00:04:54.960 --> 00:04:57.816
(Robot zumbando, risas)

00:04:57.840 --> 00:05:00.656
junto con una menor inercia, 
se es resistente a colisiones.

00:05:00.680 --> 00:05:02.400
Y eso te hace más fuerte.

00:05:03.800 --> 00:05:06.456
Así como estas abejas, 
construimos pequeños robots.

00:05:06.480 --> 00:05:09.856
Este en particular es de solo 
25 gr peso.

00:05:09.880 --> 00:05:12.040
Consume solo 6 vatios de potencia.

00:05:12.440 --> 00:05:14.976
Y puede viajar hasta 
a 6 m por segundo.

00:05:15.000 --> 00:05:17.336
Si lo normalizo a su tamaño,

00:05:17.360 --> 00:05:21.000
es como un Boeing 787 viajando 
a 10 veces la velocidad del sonido.

00:05:24.000 --> 00:05:26.096
(Risas)

00:05:26.120 --> 00:05:28.040
Quiero mostrarles un ejemplo.

00:05:28.840 --> 00:05:34.096
Esta es probablemente la primera colisión en vuelo planeado, a una vigésima de la velocidad normal.

00:05:34.120 --> 00:05:36.978
Estos van a una velocidad relativa 
de 2 m por segundo,

00:05:37.002 --> 00:05:39.482
y esto ilustra el principio básico.

00:05:40.200 --> 00:05:45.176
La jaula de fibra de carbono de 2 gr 
impide que las hélices se enreden,

00:05:45.200 --> 00:05:50.496
pero en esencia la colisión es absorbida 
y el robot responde a las colisiones.

00:05:50.520 --> 00:05:53.080
Y muy pequeño también significa seguro.

00:05:53.400 --> 00:05:55.635
En mi laboratorio, al 
desarrollar estos robots,

00:05:55.662 --> 00:05:57.339
comenzamos con estos grandes robots

00:05:57.360 --> 00:05:59.896
y luego ahora bajamos 
a estos pequeños robots.

00:05:59.920 --> 00:06:03.376
Si se traza un histograma 
del número de banditas que pedimos

00:06:03.400 --> 00:06:05.976
en el pasado, mostraría 
un cola disminuyendo. (Risas)

00:06:06.000 --> 00:06:07.960
Porque estos robots 
son muy seguros.

00:06:08.760 --> 00:06:11.216
El tamaño pequeño 
tiene algunas desventajas,

00:06:11.240 --> 00:06:15.320
y la naturaleza ha encontrado formas 
de compensar estas desventajas.

00:06:15.960 --> 00:06:19.960
La idea básica es que ellas se unen para 
formar grandes grupos o enjambres.

00:06:20.320 --> 00:06:24.296
Del mismo modo, en nuestro laboratorio, 
tratamos de crear enjambres de robots.

00:06:24.320 --> 00:06:25.701
Y esto es todo un reto

00:06:25.725 --> 00:06:29.045
porque ahora tienes que pensar 
en redes de robots.

00:06:29.360 --> 00:06:30.656
Y dentro de cada robot,

00:06:30.680 --> 00:06:36.296
tienes que pensar en la interacción de 
detección, comunicación, computación,

00:06:36.320 --> 00:06:41.280
y esta red se vuelve muy difícil 
de controlar y gestionar.

00:06:42.160 --> 00:06:45.456
Así que de la naturaleza nos llevamos 
3 principios organizativos

00:06:45.480 --> 00:06:48.640
que, básicamente, nos permiten 
desarrollar nuestros algoritmos.

00:06:49.640 --> 00:06:54.176
La primera idea es que los robots tienen 
que ser conscientes de sus vecinos.

00:06:54.200 --> 00:06:57.640
Tienen que ser capaces de sentir 
y comunicarse con sus vecinos.

00:06:58.040 --> 00:07:00.696
Así que este video ilustra la idea básica.

00:07:00.720 --> 00:07:02.016
Tienes cuatro robots,

00:07:02.040 --> 00:07:06.280
uno ha sido secuestrado por 
un operador humano, literalmente.

00:07:07.217 --> 00:07:09.456
Pero debido a que los robots 
interactúan entre sí,

00:07:09.480 --> 00:07:11.136
sienten a sus vecinos,

00:07:11.160 --> 00:07:12.456
que en esencia siguen.

00:07:12.480 --> 00:07:17.840
Y aquí hay una sola persona capaz 
de liderar esta red de seguidores.

00:07:20.000 --> 00:07:25.056
Así que de nuevo, no es porque todos los 
robots saben dónde se supone que deben ir.

00:07:25.080 --> 00:07:29.400
Es porque sólo están reaccionando 
a las posiciones de sus vecinos.

00:07:31.720 --> 00:07:35.840
(Risas)

00:07:36.280 --> 00:07:41.520
El siguiente experimento ilustra 
el segundo principio de organización.

00:07:42.920 --> 00:07:46.720
Y este principio tiene que ver con 
el principio de anonimato.

00:07:47.400 --> 00:07:51.696
Aquí la idea clave es que

00:07:51.720 --> 00:07:55.960
los robots son agnósticos 
a la identidad de sus vecinos.

00:07:56.440 --> 00:07:59.056
Se les pide que hagan 
una forma circular,

00:07:59.080 --> 00:08:02.376
y no importa cuántos robots 
se introducen dentro de la formación,

00:08:02.400 --> 00:08:04.976
o cuántos robots se sacan,

00:08:05.000 --> 00:08:08.136
cada robot está simplemente 
reaccionando a su vecino.

00:08:08.160 --> 00:08:13.136
Es consciente del hecho de que 
se necesita para hacer la forma circular,

00:08:13.160 --> 00:08:14.936
pero colaborando con sus vecinos

00:08:14.960 --> 00:08:18.680
hace esta forma sin coordinación central.

00:08:19.520 --> 00:08:21.936
Ahora bien, 
si uno pone estas ideas juntas,

00:08:21.960 --> 00:08:25.856
la tercera idea es que esencialmente 
damos a estos robots

00:08:25.880 --> 00:08:30.176
descripciones matemáticas de la forma 
que necesitan ejecutar.

00:08:30.200 --> 00:08:33.696
Y estas formas pueden ser variables 
en función del tiempo,

00:08:33.720 --> 00:08:38.216
y verán a estos robots comenzar 
a partir de una formación circular,

00:08:38.240 --> 00:08:41.496
cambiar a una formación rectangular, 
estirada a una línea recta,

00:08:41.520 --> 00:08:42.895
de nuevo a una elipse.

00:08:42.919 --> 00:08:46.536
Y lo hacen con el mismo tipo de 
coordinación de fracción de segundo

00:08:46.560 --> 00:08:49.840
que se ve en los enjambres naturales, 
en la naturaleza.

00:08:51.080 --> 00:08:53.216
¿Por qué trabajar con enjambres?

00:08:53.240 --> 00:08:57.360
Déjenme decirles de 2 aplicaciones 
en las que estamos muy interesados.

00:08:58.160 --> 00:09:00.536
La primera tiene que ver 
con la agricultura,

00:09:00.560 --> 00:09:03.920
que es probablemente el mayor problema 
que enfrentando en el mundo.

00:09:04.760 --> 00:09:06.016
Como bien saben,

00:09:06.040 --> 00:09:09.560
1 de cada 7 personas 
en la Tierra está desnutrida.

00:09:09.920 --> 00:09:13.400
La mayor parte de la tierra que 
podemos cultivar ya ha sido cultivada.

00:09:13.960 --> 00:09:17.176
La eficiencia de la mayoría de 
sistemas en el mundo está mejorando,

00:09:17.200 --> 00:09:20.720
pero nuestra eficiencia del sistema 
de producción está disminuyendo,

00:09:21.080 --> 00:09:25.296
debido a falta de agua, enfermedades 
de los cultivos, cambio climático

00:09:25.320 --> 00:09:26.840
y un par de otras cosas.

00:09:27.360 --> 00:09:28.840
¿Qué pueden hacer los robots?

00:09:29.200 --> 00:09:33.816
Bueno, adoptamos un enfoque que se llama 
agricultura de precisión en la comunidad.

00:09:33.840 --> 00:09:39.420
Y la idea básica es que volamos 
robots a través de los huertos,

00:09:39.730 --> 00:09:42.360
y luego construimos modelos 
de precisión de las plantas individuales.

00:09:42.829 --> 00:09:44.496
Así como la medicina personalizada,

00:09:44.520 --> 00:09:49.336
mientras que uno puede imaginar tratar 
a cada paciente de forma individual,

00:09:49.360 --> 00:09:53.056
lo que nos gustaría hacer es construir 
modelos de plantas individuales

00:09:53.080 --> 00:09:57.216
y luego decirle al agricultor qué tipo 
de insumos necesita cada planta;

00:09:57.240 --> 00:10:01.680
las entradas en este caso son 
el agua, fertilizantes y pesticidas.

00:10:02.640 --> 00:10:06.256
Aquí podrán ver los robots viajar 
a través de un huerto de manzanas,

00:10:06.280 --> 00:10:08.536
y en un minuto verán 
2 de sus compañeros

00:10:08.560 --> 00:10:10.370
haciendo lo mismo a la izquierda.

00:10:10.800 --> 00:10:14.456
Y lo que están construyendo 
esencialmente es un mapa de la huerta.

00:10:14.480 --> 00:10:17.296
Dentro del mapa hay uno de 
las plantas en este huerto.

00:10:17.320 --> 00:10:18.976
(Zumbido de robot)

00:10:19.000 --> 00:10:20.896
Veamos cómo se ven esos mapas parecen.

00:10:20.920 --> 00:10:25.216
En el siguiente video, verán las cámaras 
que está utilizando este robot.

00:10:25.240 --> 00:10:28.480
Arriba a la izquierda esencialmente 
una cámara de color destacada.

00:10:29.640 --> 00:10:32.936
A la izquierda en el centro 
una cámara infrarroja.

00:10:32.960 --> 00:10:36.736
Y en la parte inferior izquierda 
una cámara térmica.

00:10:36.760 --> 00:10:40.096
Y en el panel principal, se ve 
una reconstrucción tridimensional

00:10:40.120 --> 00:10:46.240
de todo árbol del huerto al pasar los 
sensores sobre los árboles.

00:10:47.640 --> 00:10:51.680
Armados con información de este tipo, 
podemos hacer varias cosas.

00:10:52.200 --> 00:10:56.456
Primero y posiblemente 
lo más importante es muy simple:

00:10:56.480 --> 00:10:58.920
contar el número de frutas en cada árbol.

00:10:59.520 --> 00:11:04.056
Hacer esto, le dice al agricultor 
cuántas frutas que tiene en cada árbol

00:11:04.080 --> 00:11:08.336
y le permitirá estimar 
el rendimiento del huerto,

00:11:08.360 --> 00:11:11.200
optimizar la cadena 
de producción aguas abajo.

00:11:11.640 --> 00:11:13.256
La segunda cosa que podemos hacer

00:11:13.280 --> 00:11:17.776
es tomar los modelos de las plantas, 
la reconstrucción tridimensional,

00:11:17.800 --> 00:11:20.336
y de allí estimar el tamaño del manto,

00:11:20.360 --> 00:11:24.136
y luego correlacionar el manto con 
la cantidad de área foliar en cada planta.

00:11:24.160 --> 00:11:26.336
Esto se llama el índice de área foliar.

00:11:26.360 --> 00:11:28.296
Si uno sabe este índice de área foliar,

00:11:28.320 --> 00:11:33.776
esencialmente hace medición de qué 
tanta fotosíntesis hace cada planta,

00:11:33.800 --> 00:11:36.680
que a su vez dice qué tan saludable 
es cada planta.

00:11:37.520 --> 00:11:41.736
Mediante la combinación 
de información visual y de infrarrojos,

00:11:41.760 --> 00:11:45.056
también podemos 
calcular índices como el NDVI.

00:11:45.080 --> 00:11:47.896
Y en este caso en particular, 
en esencia se puede ver que

00:11:47.920 --> 00:11:50.936
algunos cultivos no lo están 
haciendo tan bien como otros.

00:11:50.960 --> 00:11:55.016
Esto es fácilmente perceptible 
a partir de imágenes,

00:11:55.040 --> 00:11:57.256
no solo las imágenes visuales, 
sino combinadas

00:11:57.280 --> 00:12:00.056
tanto imágenes visuales 
como de infrarrojos.

00:12:00.080 --> 00:12:01.416
Y por último,

00:12:01.440 --> 00:12:05.456
algo que nos interesa hacer es detectar 
la aparición temprana de la clorosis

00:12:05.480 --> 00:12:06.976
--esto es un árbol de naranja--

00:12:07.000 --> 00:12:09.846
que se ve esencialmente por 
el amarillamiento de las hojas.

00:12:09.880 --> 00:12:13.776
Pero los robots pueden detectar 
fácilmente esto de manera autónoma

00:12:13.800 --> 00:12:16.736
y luego informar al agricultor
que él o ella tiene un problema

00:12:16.760 --> 00:12:18.280
en esta parte de la huerta.

00:12:18.800 --> 00:12:21.496
Sistemas como estos 
realmente pueden ayudar,

00:12:21.520 --> 00:12:27.336
y estamos proyectando rendimientos 
mejores en alrededor de un 10 %

00:12:27.360 --> 00:12:30.576
y, sobre todo, disminuir 
la cantidad de insumos como el agua

00:12:30.600 --> 00:12:33.880
un 25 % mediante el uso 
de enjambres de robots aéreos.

00:12:35.200 --> 00:12:40.936
Por último, quiero aplaudir a la gente 
que realmente crea el futuro,

00:12:40.960 --> 00:12:45.880
Yash Mulgaonkar, Sikang Liu 
y Giuseppe Loianno,

00:12:45.920 --> 00:12:49.416
quienes son responsables de las 3 
demostraciones que vieron.

00:12:49.440 --> 00:12:50.616
Gracias.

00:12:50.640 --> 00:12:56.560
(Aplausos)