ABOUT THE SPEAKER
Vijay Kumar - Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations.

Why you should listen

At the General Robotics, Automation, Sensing and Perception (GRASP) Lab at the University of Pennsylvania, flying quadrotor robots move together in eerie formation, tightening themselves into perfect battalions, even filling in the gap when one of their own drops out. You might have seen viral videos of the quads zipping around the netting-draped GRASP Lab (they juggle! they fly through a hula hoop!). Vijay Kumar headed this lab from 1998-2004. He's now the dean of the School of Engineering and Applied Science at the University of Pennsylvania in Philadelphia, where he continues his work in robotics, blending computer science and mechanical engineering to create the next generation of robotic wonders.

More profile about the speaker
Vijay Kumar | Speaker | TED.com
TEDxPenn

Vijay Kumar: The future of flying robots

Filmed:
1,780,679 views

At his lab at the University of Pennsylvania, Vijay Kumar and his team have created autonomous aerial robots inspired by honeybees. Their latest breakthrough: Precision Farming, in which swarms of robots map, reconstruct and analyze every plant and piece of fruit in an orchard, providing vital information to farmers that can help improve yields and make water management smarter.
- Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations. Full bio

Double-click the English transcript below to play the video.

00:13
In my lablaboratorio, we buildcostruire
autonomousautonomo aerialaerea robotsrobot
0
1280
3656
Nel mio laboratorio costruiamo
robot aerei autonomi
00:16
like the one you see flyingvolante here.
1
4960
1880
come quello che vedete volare qui.
00:20
UnlikeA differenza di the commerciallycommercialmente availablea disposizione dronesdroni
that you can buyacquistare todayoggi,
2
8720
3696
A differenza dei droni
attualmente in commercio
00:24
this robotrobot doesn't have any GPSGPS on boardtavola.
3
12440
2640
questo robot non ha GPS a bordo.
00:28
So withoutsenza GPSGPS,
4
16160
1216
Quindi, senza GPS
00:29
it's harddifficile for robotsrobot like this
to determinedeterminare theirloro positionposizione.
5
17400
3280
è difficile per un robot come questo
determinare la propria posizione.
00:34
This robotrobot usesusi onboarda bordo sensorssensori,
camerasmacchine fotografiche and laserlaser scannersscanner,
6
22240
4736
Questo robot monta sensori,
telecamere e scanner a laser
per analizzare l'ambiente.
00:39
to scanscansione the environmentambiente.
7
27000
1696
00:40
It detectsrileva featuresCaratteristiche from the environmentambiente,
8
28720
3056
Il robot rileva le caratteristiche
topografiche
00:43
and it determinesdetermina where it is
relativeparente to those featuresCaratteristiche,
9
31800
2736
e determina di conseguenza la
sua posizione,
00:46
usingutilizzando a methodmetodo of triangulationtriangolazione.
10
34560
2136
utilizzando un metodo di triangolazione.
00:48
And then it can assemblemontare
all these featuresCaratteristiche into a mapcarta geografica,
11
36720
3456
Queste caratteristiche vengono usate
per costruire una piantina
00:52
like you see behinddietro a me.
12
40200
1736
come quella che vedete dietro di me.
00:53
And this mapcarta geografica then allowsconsente the robotrobot
to understandcapire where the obstaclesostacoli are
13
41960
3936
La piantina consente al robot
di individuare ostacoli
00:57
and navigatenavigare in a collision-freesenza collisioni mannermaniera.
14
45920
2720
e navigare senza collisioni.
01:01
What I want to showmostrare you nextIl prossimo
15
49160
2096
Adesso vorrei mostrarvi
01:03
is a setimpostato of experimentsesperimenti
we did insidedentro our laboratorylaboratorio,
16
51280
3216
una serie di esperimenti da noi
condotti nel nostro laboratorio,
01:06
where this robotrobot was ablecapace
to go for longerpiù a lungo distancesdistanze.
17
54520
3480
dove il robot ha potuto coprire
distanze maggiori.
01:10
So here you'llpotrai see, on the topsuperiore right,
what the robotrobot seesvede with the cameramacchina fotografica.
18
58400
5016
In alto a destra, vedete le immagini
rilevate dalla telecamera del robot.
01:15
And on the mainprincipale screenschermo --
19
63440
1216
Nello schermo grande --
01:16
and of coursecorso this is spedaccelerato up
by a factorfattore of fourquattro --
20
64680
2456
velocizzato per un fattore di 4 --
01:19
on the mainprincipale screenschermo you'llpotrai see
the mapcarta geografica that it's buildingcostruzione.
21
67160
2667
vedete la piantina che sta elaborando.
Questa è una pianta in alta risoluzione
del corridoio che circonda il laboratorio.
01:21
So this is a high-resolutionalta risoluzione mapcarta geografica
of the corridorcorridoio around our laboratorylaboratorio.
22
69851
4285
01:26
And in a minuteminuto
you'llpotrai see it enteraccedere our lablaboratorio,
23
74160
2336
Il robot sta per entrare
nel nostro laboratorio
01:28
whichquale is recognizablericonoscibile
by the clutterdisordine that you see.
24
76520
2856
riconoscibile dal macello
che vedete in giro.
01:31
(LaughterRisate)
25
79400
1016
(Risate)
01:32
But the mainprincipale pointpunto I want to conveytrasmettere to you
26
80440
2007
Ma il punto più importante
01:34
is that these robotsrobot are capablecapace
of buildingcostruzione high-resolutionalta risoluzione mapsmappe
27
82472
3584
è che questi robot possono
elaborare piantine
01:38
at fivecinque centimeterscentimetri resolutionrisoluzione,
28
86080
2496
con una risoluzione di 5 centimetri
01:40
allowingpermettendo somebodyqualcuno who is outsideal di fuori the lablaboratorio,
or outsideal di fuori the buildingcostruzione
29
88600
4176
consentendo a chi è fuori dal
laboratorio o dall'edificio
01:44
to deploydistribuire these
withoutsenza actuallyin realtà going insidedentro,
30
92800
3216
di usare i robot,
senza entrare di persona,
01:48
and tryingprovare to inferdedurre
what happensaccade insidedentro the buildingcostruzione.
31
96040
3760
per cercare di capire quello che
succede all'interno dell'edificio.
01:52
Now there's one problemproblema
with robotsrobot like this.
32
100400
2240
Ma i robot come questo
presentano problemi.
01:55
The first problemproblema is it's prettybella biggrande.
33
103600
2200
Il primo è che è piuttosto grosso.
01:58
Because it's biggrande, it's heavypesante.
34
106120
1680
Il robot è grande e quindi pesante
02:00
And these robotsrobot consumeconsumare
about 100 wattswatt perper poundlibbra.
35
108640
3040
e consuma circa 100 Watt per ogni
450 grammi di peso.
02:04
And this makesfa for
a very shortcorto missionmissione life.
36
112360
2280
Dunque la durata della missione
è molto breve.
02:08
The secondsecondo problemproblema
37
116000
1456
Il secondo problema
02:09
is that these robotsrobot have onboarda bordo sensorssensori
that endfine up beingessere very expensivecostoso --
38
117480
3896
è che questi robot hanno sensori
di bordo molto costosi --
02:13
a laserlaser scannerscanner, a cameramacchina fotografica
and the processorsprocessori.
39
121400
3440
uno scanner laser, una telecamera
e i processori.
02:17
That drivesunità up the costcosto of this robotrobot.
40
125280
3040
Questi componenti aumentano
i costi del robot.
02:21
So we askedchiesto ourselvesnoi stessi a questiondomanda:
41
129440
2656
Quindi ci siamo posti una domanda:
02:24
what consumerconsumatore productprodotto
can you buyacquistare in an electronicselettronica storenegozio
42
132120
3776
quale prodotto possiamo acquistare
in un negozio di elettronica
02:27
that is inexpensiveeconomico, that's lightweightleggero,
that has sensingsensing onboarda bordo and computationcalcolo?
43
135920
6280
che costi poco, sia leggero e integri
sensori e funzioni di calcolo?
02:36
And we inventedinventato the flyingvolante phoneTelefono.
44
144080
2656
E abbiamo inventato
il telefono volante.
02:38
(LaughterRisate)
45
146760
1936
(Risate)
02:40
So this robotrobot usesusi a SamsungSamsung GalaxyGalaxy
smartphonesmartphone that you can buyacquistare off the shelfmensola,
46
148720
6176
Questo robot utilizza uno smartphone
Samsung Galaxy acquistabile in negozio,
02:46
and all you need is an appApp that you
can downloadScaricare from our appApp storenegozio.
47
154920
4016
a cui basta aggiungere un'applicazione
scaricabile dal nostro app store.
02:50
And you can see this robotrobot
readinglettura the letterslettere, "TEDTED" in this casecaso,
48
158960
4216
Come vedete questo robot legge
delle lettere, "TED" in questo caso,
02:55
looking at the cornersangoli
of the "T" and the "E"
49
163200
2936
rilevando gli angoli
della "T" e della "E"
02:58
and then triangulatingla triangolazione off of that,
flyingvolante autonomouslyautonomamente.
50
166160
3480
ed effettuando la triangolazione
per volare in modo autonomo.
Il joystick serve solo ad assicurare che,
in caso il robot impazzisce,
03:02
That joysticktelecomando da gioco is just there
to make sure if the robotrobot goesva crazypazzo,
51
170720
3256
03:06
GiuseppeGiuseppe can killuccidere it.
52
174000
1416
che Giuseppe possa intervenire.
03:07
(LaughterRisate)
53
175440
1640
(Risate)
03:10
In additionaggiunta to buildingcostruzione
these smallpiccolo robotsrobot,
54
178920
3816
Oltre a costruire questi
piccoli robot,
03:14
we alsoanche experimentsperimentare with aggressiveaggressivo
behaviorscomportamenti, like you see here.
55
182760
4800
abbiamo sperimentato comportamenti
più aggressivi, come vedete qui.
03:19
So this robotrobot is now travelingviaggiante
at two to threetre metersmetri perper secondsecondo,
56
187920
5296
Questo robot viaggia a
due o tre metri al secondo,
03:25
pitchingPitching and rollingrotolamento aggressivelyaggressivamente
as it changesi cambiamenti directiondirezione.
57
193240
3496
cambiando direzione con
beccheggi e rollii aggressivi.
03:28
The mainprincipale pointpunto is we can have
smallerpiù piccola robotsrobot that can go fasterPiù veloce
58
196760
4256
Il punto centrale è che possiamo
avere robot più piccoli e più veloci
03:33
and then travelviaggio in these
very unstructurednon strutturati environmentsambienti.
59
201040
2960
in grado di muoversi in
ambienti molto intricati.
03:37
And in this nextIl prossimo videovideo,
60
205120
2056
In questo prossimo video,
proprio come questo uccello, un'aquila
03:39
just like you see this birduccello, an eagleaquila,
gracefullycon grazia coordinatingcoordinamento its wingsAli,
61
207200
5896
che coordina con grazia le sue ali,
i suoi occhi e le zampe
03:45
its eyesocchi and feetpiedi
to grabafferrare preypreda out of the wateracqua,
62
213120
4296
per afferrare la preda in acqua,
03:49
our robotrobot can go fishingpesca, too.
63
217440
1896
anche il nostro robot sa pescare.
03:51
(LaughterRisate)
64
219360
1496
(Risate)
03:52
In this casecaso, this is a PhillyPhilly cheesesteakCheesesteak
hoagieHoagie that it's grabbingafferrando out of thinmagro airaria.
65
220880
4056
In questo caso un panino al formaggio
che afferra in volo.
03:56
(LaughterRisate)
66
224960
2400
(Risate)
03:59
So you can see this robotrobot
going at about threetre metersmetri perper secondsecondo,
67
227680
3296
Qui vedete il robot viaggiare
a circa tre metri al secondo,
04:03
whichquale is fasterPiù veloce than walkinga passeggio speedvelocità,
coordinatingcoordinamento its armsbraccia, its clawsartigli
68
231000
5136
più veloce rispetto al passo d'uomo,
coordinando bracci, pinza
04:08
and its flightvolo with split-secondfrazione di secondo timingsincronizzazione
to achieveraggiungere this maneuvermanovra.
69
236160
4120
e volo in frazioni di secondo
per eseguire questa manovra.
04:14
In anotherun altro experimentsperimentare,
70
242120
1216
In un altro esperimento,
04:15
I want to showmostrare you
how the robotrobot adaptsadatta its flightvolo
71
243360
3656
vorrei mostrarvi in che modo
il robot adatta il volo
04:19
to controlcontrollo its suspendedsospesa payloadcarico utile,
72
247040
2376
per controllare il carico sospeso,
04:21
whosedi chi lengthlunghezza is actuallyin realtà largerpiù grandi
than the widthlarghezza of the windowfinestra.
73
249440
3800
di lunghezza superiore
all'altezza della finestra.
04:25
So in orderordine to accomplishrealizzare this,
74
253680
1696
Per eseguire la manovra,
04:27
it actuallyin realtà has to pitchintonazione
and adjustregolare the altitudeAltitudine
75
255400
3696
deve eseguire un beccheggio e
aggiustare l'altitudine
04:31
and swingswing the payloadcarico utile throughattraverso.
76
259120
2320
per fare passare il carico.
04:38
But of coursecorso we want
to make these even smallerpiù piccola,
77
266920
2296
Naturalmente vogliamo
costruirne di più piccoli,
04:41
and we're inspiredispirato
in particularparticolare by honeybeesAPI da miele.
78
269240
3016
ispirandoci soprattutto
alle api.
04:44
So if you look at honeybeesAPI da miele,
and this is a slowedrallentato down videovideo,
79
272280
3256
Osservate le api
in queste riprese rallentate,
04:47
they're so smallpiccolo,
the inertiainerzia is so lightweightleggero --
80
275560
3720
sono tanto piccole e
l'inerzia è così bassa --
04:51
(LaughterRisate)
81
279960
1176
(Risate)
04:53
that they don't carecura --
they bouncerimbalzo off my handmano, for exampleesempio.
82
281160
3536
che non hanno problemi - per esempio
possono rimbalzare sulla mia mano.
Questo piccolo robot
simula il comportamento di un'ape.
04:56
This is a little robotrobot
that mimicsimita the honeybeeHoneybee behaviorcomportamento.
83
284720
3160
E quanto più è piccolo
meglio è
05:00
And smallerpiù piccola is better,
84
288600
1216
05:01
because alonglungo with the smallpiccolo sizedimensione
you get lowerinferiore inertiainerzia.
85
289840
3536
perché riducendo la dimensione
si riduce l'inerzia.
05:05
AlongLungo with lowerinferiore inertiainerzia --
86
293400
1536
Minore l'inerzia --
05:06
(RobotRobot buzzingronzio, laughterrisata)
87
294960
2856
(Robot che ronza, risate)
05:09
alonglungo with lowerinferiore inertiainerzia,
you're resistantresistente to collisionscollisioni.
88
297840
2816
Minore l'inerzia,
maggiore la resistenza alle collisioni
05:12
And that makesfa you more robustrobusto.
89
300680
1720
e questo aumenta la robustezza.
05:15
So just like these honeybeesAPI da miele,
we buildcostruire smallpiccolo robotsrobot.
90
303800
2656
Quindi, costruiamo robot piccoli
come queste api
05:18
And this particularparticolare one
is only 25 gramsgrammi in weightpeso.
91
306480
3376
e questo, in particolare,
pesa solo 25 grammi.
05:21
It consumesconsuma only sixsei wattswatt of powerenergia.
92
309880
2160
Consuma solo 6 Watt di potenza
05:24
And it can travelviaggio
up to sixsei metersmetri perper secondsecondo.
93
312440
2536
e può viaggiare
fino a sei metri al secondo.
05:27
So if I normalizenormalizzare that to its sizedimensione,
94
315000
2336
Se normalizzo questo
alla sua dimensione,
05:29
it's like a BoeingBoeing 787 travelingviaggiante
tendieci timesvolte the speedvelocità of soundsuono.
95
317360
3640
è come un Boeing 787 che viaggia
10 volte più veloce del suono.
E --
05:36
(LaughterRisate)
96
324000
2096
(Risate)
voglio mostrarvi un esempio.
05:38
And I want to showmostrare you an exampleesempio.
97
326120
1920
05:40
This is probablyprobabilmente the first plannedpianificato mid-airmid-air
collisioncollisione, at one-twentiethun ventesimo normalnormale speedvelocità.
98
328840
5256
Questa è probabilmente la prima
collisione aerea pianificata
a 1/20 della velocità normale.
05:46
These are going at a relativeparente speedvelocità
of two metersmetri perper secondsecondo,
99
334120
2858
Questi robot hanno una velocità
relativa di 2 metri al secondo
05:49
and this illustratesillustra the basicdi base principleprincipio.
100
337002
2480
e questo dimostra
il principio fondamentale.
05:52
The two-gramdue grammi carboncarbonio fiberfibra cagegabbia around it
preventspreviene the propellerseliche from entanglingimpigliamento,
101
340200
4976
La gabbia di 2 grammi in fibra di carbonio
impedisce solo che le eliche si incastrino
ma di fatto la collisione viene assorbita
e il robot risponde bene all'urto.
05:57
but essentiallyessenzialmente the collisioncollisione is absorbedassorbito
and the robotrobot respondsrisponde to the collisionscollisioni.
102
345200
5296
Quindi piccolo significa anche sicuro.
06:02
And so smallpiccolo alsoanche meanssi intende safesicuro.
103
350520
2560
06:05
In my lablaboratorio, as we developedsviluppato these robotsrobot,
104
353400
2016
Nel mio laboratorio, lo sviluppo dei robot
è iniziato con modelli grandi
06:07
we startinizio off with these biggrande robotsrobot
105
355440
1620
06:09
and then now we're down
to these smallpiccolo robotsrobot.
106
357084
2812
per poi passare a questi
robot piccoli.
06:11
And if you plottracciare a histogramistogramma
of the numbernumero of Band-AidsCerotti we'venoi abbiamo orderedordinato
107
359920
3456
E se tracciate un istogramma con
il numero di cerotti che abbiamo ordinato
06:15
in the pastpassato, that sortordinare of taileddalla coda off now.
108
363400
2576
in passato, sarebbe in netto calo adesso
06:18
Because these robotsrobot are really safesicuro.
109
366000
1960
perché questi robot sono davvero sicuri.
06:20
The smallpiccolo sizedimensione has some disadvantagessvantaggi,
110
368760
2456
Le piccole dimensioni creano
qualche svantaggio,
06:23
and naturenatura has foundtrovato a numbernumero of waysmodi
to compensatecompensare for these disadvantagessvantaggi.
111
371240
4080
ma la natura ha trovato modi
per compensare.
06:27
The basicdi base ideaidea is they aggregateaggregato
to formmodulo largegrande groupsgruppi, or swarmssciami.
112
375960
4000
Sostanzialmente la soluzione è
aggregare in grandi gruppi, o stormi.
06:32
So, similarlyallo stesso modo, in our lablaboratorio,
we try to createcreare artificialartificiale robotrobot swarmssciami.
113
380320
3976
Dunque, nel nostro lab, cerchiamo
di creare stormi artificiali di robot.
06:36
And this is quiteabbastanza challengingstimolante
114
384320
1381
E non è affatto semplice
06:37
because now you have to think
about networksreti of robotsrobot.
115
385725
3320
perché dobbiamo pensare in termini di
reti di robot.
06:41
And withinentro eachogni robotrobot,
116
389360
1296
E per ogni robot
06:42
you have to think about the interplayinterazione
of sensingsensing, communicationcomunicazione, computationcalcolo --
117
390680
5616
dobbiamo risolvere l'interazione tra
rilevazione, comunicazione, calcolo --
06:48
and this networkRete then becomesdiventa
quiteabbastanza difficultdifficile to controlcontrollo and managegestire.
118
396320
4960
e questa rete diventa pertanto
difficile da controllare e gestire.
06:54
So from naturenatura we take away
threetre organizingorganizzazione principlesi principi
119
402160
3296
La natura ci insegna
3 principi organizzativi
06:57
that essentiallyessenzialmente allowpermettere us
to developsviluppare our algorithmsalgoritmi.
120
405480
3160
che ci consentono essenzialmente di
sviluppare i nostri algoritmi.
07:01
The first ideaidea is that robotsrobot
need to be awareconsapevole of theirloro neighborsvicini di casa.
121
409640
4536
La prima idea è che i robot devono
captare i robot circostanti.
07:06
They need to be ablecapace to sensesenso
and communicatecomunicare with theirloro neighborsvicini di casa.
122
414200
3440
Devono essere in grado di rilevare e
comunicare con i robot vicini.
07:10
So this videovideo illustratesillustra the basicdi base ideaidea.
123
418040
2656
Questo video illustra l'idea di base.
07:12
You have fourquattro robotsrobot --
124
420720
1296
Abbiamo quattro robot --
07:14
one of the robotsrobot has actuallyin realtà been
hijackeddirottato by a humanumano operatoroperatore, literallyletteralmente.
125
422040
4240
uno dei robot viene letteralmente
dirottato da un operatore umano.
07:19
But because the robotsrobot
interactinteragire with eachogni other,
126
427217
2239
Ma siccome i robot
interagiscono tra loro,
07:21
they sensesenso theirloro neighborsvicini di casa,
127
429480
1656
rilevano la presenza dei vicini
07:23
they essentiallyessenzialmente followSeguire.
128
431160
1296
ed essenzialmente seguono.
07:24
And here there's a singlesingolo personpersona
ablecapace to leadcondurre this networkRete of followersseguaci.
129
432480
5360
E qui una sola persona è in grado
di controllare tutto il gruppo che segue.
07:32
So again, it's not because all the robotsrobot
know where they're supposedipotetico to go.
130
440000
5056
Anche qui, non è perché i robot
sanno dove devono andare,
07:37
It's because they're just reactingfar reagire
to the positionsposizioni of theirloro neighborsvicini di casa.
131
445080
4320
ma semplicemente perché reagiscono
alla posizione dei robot vicini.
07:43
(LaughterRisate)
132
451720
4120
(Risate)
07:48
So the nextIl prossimo experimentsperimentare illustratesillustra
the secondsecondo organizingorganizzazione principleprincipio.
133
456280
5240
Il prossimo esperimento illustra
il secondo principio organizzativo.
07:54
And this principleprincipio has to do
with the principleprincipio of anonymityanonimia.
134
462920
3800
E questo principio riguarda
il concetto di anonimità.
07:59
Here the keychiave ideaidea is that
135
467400
4296
Qui l'idea chiave è che
08:03
the robotsrobot are agnosticagnostico
to the identitiesidentità of theirloro neighborsvicini di casa.
136
471720
4240
i robot non conoscono
l'identità dei robot vicini.
08:08
They're askedchiesto to formmodulo a circularcircolare shapeforma,
137
476440
2616
Gli viene chiesto di formare un cerchio,
08:11
and no matterimporta how manymolti robotsrobot
you introduceintrodurre into the formationformazione,
138
479080
3296
e indipendentemente dal numero
di robot introdotti nella formazione,
08:14
or how manymolti robotsrobot you pullTirare out,
139
482400
2576
o eliminati dalla formazione,
08:17
eachogni robotrobot is simplysemplicemente
reactingfar reagire to its neighborvicino.
140
485000
3136
ogni robot si limita a reagire rispetto
a quello accanto.
08:20
It's awareconsapevole of the factfatto that it needsesigenze
to formmodulo the circularcircolare shapeforma,
141
488160
4976
Sa che deve formare un cerchio,
08:25
but collaboratingcollaborando with its neighborsvicini di casa
142
493160
1776
ma collaborando con i vicini
08:26
it formsforme the shapeforma
withoutsenza centralcentrale coordinationcoordinazione.
143
494960
3720
forma il cerchio
senza un coordinamento centrale.
08:31
Now if you put these ideasidee togetherinsieme,
144
499520
2416
Ora, se mettiamo insieme queste idee,
08:33
the thirdterzo ideaidea is that we
essentiallyessenzialmente give these robotsrobot
145
501960
3896
la terza idea consiste essenzialmente
nel dare a questi robot
08:37
mathematicalmatematico descriptionsdescrizioni
of the shapeforma they need to executeeseguire.
146
505880
4296
descrizioni matematiche
della forma da eseguire.
08:42
And these shapesforme can be varyingvariando
as a functionfunzione of time,
147
510200
3496
E queste forme possono variare
come funzione temporale
08:45
and you'llpotrai see these robotsrobot
startinizio from a circularcircolare formationformazione,
148
513720
4496
e vedete che questi robot
iniziano a formare un cerchio
08:50
changemodificare into a rectangularrettangolare formationformazione,
stretchallungare into a straightdritto linelinea,
149
518240
3256
poi cambiano formando un rettangolo,
si mettono in fila
08:53
back into an ellipseellisse.
150
521520
1375
e riformano un'ellisse.
08:54
And they do this with the samestesso
kindgenere of split-secondfrazione di secondo coordinationcoordinazione
151
522919
3617
E lo fanno con la stessa coordinazione
basata su frazioni di secondo
08:58
that you see in naturalnaturale swarmssciami, in naturenatura.
152
526560
3280
che osserviamo in natura negli stormi.
09:03
So why work with swarmssciami?
153
531080
2136
Ma perché lavoriamo con gli stormi?
09:05
Let me tell you about two applicationsapplicazioni
that we are very interestedinteressato in.
154
533240
4120
Consentitemi di parlarvi di due
applicazioni che ci interessano molto.
09:10
The first one has to do with agricultureagricoltura,
155
538160
2376
La prima riguarda l'agricoltura,
09:12
whichquale is probablyprobabilmente the biggestmaggiore problemproblema
that we're facingdi fronte worldwideIn tutto il mondo.
156
540560
3360
probabilmente il problema più
pressante a livello mondiale.
09:16
As you well know,
157
544760
1256
Come ben sapete,
09:18
one in everyogni sevenSette personspersone
in this earthterra is malnourishedmalnutriti.
158
546040
3520
una persona su sette su questo
pianeta soffre di malnutrizione.
09:21
MostMaggior parte of the landsbarcare that we can cultivatecoltivare
has alreadygià been cultivatedcoltivato.
159
549920
3480
La maggior parte della terra che
possiamo coltivare è già coltivata.
09:25
And the efficiencyefficienza of mostmaggior parte systemssistemi
in the worldmondo is improvingmiglioramento,
160
553960
3216
L'efficienza di moltissimi
sistemi mondiali va migliorando,
09:29
but our productionproduzione systemsistema
efficiencyefficienza is actuallyin realtà decliningin calo.
161
557200
3520
ma quella del nostro sistema
produttivo va peggiorando
09:33
And that's mostlysoprattutto because of wateracqua
shortagecarenza di, cropraccolto diseasesmalattie, climateclima changemodificare
162
561080
4216
soprattutto per carenza d'acqua, malattie
delle colture, cambiamenti climatici
09:37
and a couplecoppia of other things.
163
565320
1520
e qualche altro fattore.
09:39
So what can robotsrobot do?
164
567360
1480
Cosa possono fare i robot?
09:41
Well, we adoptadottare an approachapproccio that's
calledchiamato PrecisionPrecisione FarmingAgricoltura in the communitycomunità.
165
569200
4616
Beh, adottiamo un approccio detto
'agricoltura di precisione' nella comunità
09:45
And the basicdi base ideaidea is that we flyvolare
aerialaerea robotsrobot throughattraverso orchardsfrutteti,
166
573840
5376
e l'idea di base è far volare
i robot sui frutteti
09:51
and then we buildcostruire
precisionprecisione modelsModelli of individualindividuale plantspiante.
167
579240
3120
ed elaborare modelli di precisione
di ogni pianta.
09:54
So just like personalizedpersonalizzato medicinemedicina,
168
582829
1667
Come la medicina personalizzata,
09:56
while you mightpotrebbe imagineimmaginare wantingvolendo
to treattrattare everyogni patientpaziente individuallyindividualmente,
169
584520
4816
che intende trattare ogni paziente
su base individuale,
10:01
what we'dsaremmo like to do is buildcostruire
modelsModelli of individualindividuale plantspiante
170
589360
3696
vogliamo costruire modelli
per ciascuna pianta
10:05
and then tell the farmercontadino
what kindgenere of inputsingressi everyogni plantpianta needsesigenze --
171
593080
4136
e dire all'agricoltore di cosa
ha bisogno ciascuna --
10:09
the inputsingressi in this casecaso beingessere wateracqua,
fertilizerfertilizzante and pesticideantiparassitario.
172
597240
4440
in termini di acqua, fertilizzante
e pesticidi.
10:14
Here you'llpotrai see robotsrobot
travelingviaggiante throughattraverso an appleMela orchardfrutteto,
173
602640
3616
Qui vedete un robot che
sorvola un meleto
10:18
and in a minuteminuto you'llpotrai see
two of its companionscompagni
174
606280
2256
e tra un attimo ne vedrete
altri due
10:20
doing the samestesso thing on the left sidelato.
175
608560
1810
che lo affiancano sulla sinistra.
10:22
And what they're doing is essentiallyessenzialmente
buildingcostruzione a mapcarta geografica of the orchardfrutteto.
176
610800
3656
Praticamente stanno elaborando
una piantina del meleto.
10:26
WithinAll'interno di the mapcarta geografica is a mapcarta geografica
of everyogni plantpianta in this orchardfrutteto.
177
614480
2816
La piantina contiene un'immagine
precisa di ciascun albero.
10:29
(RobotRobot buzzingronzio)
178
617320
1656
(Ronzio del robot in volo)
10:31
Let's see what those mapsmappe look like.
179
619000
1896
Ma vediamo come sono queste piantine.
10:32
In the nextIl prossimo videovideo, you'llpotrai see the camerasmacchine fotografiche
that are beingessere used on this robotrobot.
180
620920
4296
Nel video successivo vedrete
le telecamere usate su questo robot.
10:37
On the top-leftalto a sinistra is essentiallyessenzialmente
a standardstandard colorcolore cameramacchina fotografica.
181
625240
3240
In alto a sinistra c'è una
normale telecamera a colori.
10:41
On the left-centercentro-sinistra is an infraredinfrarosso cameramacchina fotografica.
182
629640
3296
Al centro una telecamera a infrarossi
10:44
And on the bottom-leftbasso a sinistra
is a thermaltermica cameramacchina fotografica.
183
632960
3776
In basso a sinistra una termocamera.
10:48
And on the mainprincipale panelpannello, you're seeingvedendo
a three-dimensionaltridimensionale reconstructionricostruzione
184
636760
3336
Nel riquadro principale vedete
una ricostruzione tridimensionale
10:52
of everyogni treealbero in the orchardfrutteto
as the sensorssensori flyvolare right pastpassato the treesalberi.
185
640120
6120
di ogni albero del meleto
creata dai sensori che li sorvolano.
10:59
ArmedArmati with informationinformazione like this,
we can do severalparecchi things.
186
647640
4040
Queste informazioni ci consentono
di fare varie cose.
11:04
The first and possiblypossibilmente the mostmaggior parte importantimportante
thing we can do is very simplesemplice:
187
652200
4256
La prima, e forse la più importante,
è molto semplice:
11:08
countcontare the numbernumero of fruitsfrutta on everyogni treealbero.
188
656480
2440
contare il numero di frutti
per ciascun albero.
11:11
By doing this, you tell the farmercontadino
how manymolti fruitsfrutta she has in everyogni treealbero
189
659520
4536
In questo modo l'agricoltore
sa quanti frutti ha per ciascun albero
11:16
and allowpermettere her to estimatestima
the yielddare la precedenza in the orchardfrutteto,
190
664080
4256
e può stimare la raccolta
nel suo meleto,
11:20
optimizingottimizzazione the productionproduzione
chaincatena downstreama valle.
191
668360
2840
ottimizzando le fasi successive
della catena di produzione.
11:23
The secondsecondo thing we can do
192
671640
1616
La seconda cosa che possiamo fare
11:25
is take modelsModelli of plantspiante, constructcostruire
three-dimensionaltridimensionale reconstructionsricostruzioni,
193
673280
4496
è usare questi modelli
per elaborare ricostruzioni 3D
11:29
and from that estimatestima the canopybaldacchino sizedimensione,
194
677800
2536
e stimare la superficie
della copertura arborea
11:32
and then correlatecorrelare the canopybaldacchino sizedimensione
to the amountquantità of leaffoglia areala zona on everyogni plantpianta.
195
680360
3776
e correlarla alla quantità
di fogliame per ciascun albero.
11:36
And this is calledchiamato the leaffoglia areala zona indexindice.
196
684160
2176
Questo valore si chiama
indice dell'area fogliare.
11:38
So if you know this leaffoglia areala zona indexindice,
197
686360
1936
Ricavando l'indice dell'area fogliare
11:40
you essentiallyessenzialmente have a measuremisurare of how much
photosynthesisfotosintesi is possiblepossibile in everyogni plantpianta,
198
688320
5456
possiamo misurare il livello di
fotosintesi possibile in ciascuna pianta
11:45
whichquale again tellsdice you
how healthysalutare eachogni plantpianta is.
199
693800
2880
e quindi desumerne lo stato di salute.
11:49
By combiningcombinando visualvisivo
and infraredinfrarosso informationinformazione,
200
697520
4216
Combinando le informazioni
ottiche e quelle a infrarossi
11:53
we can alsoanche computecalcolare indicesindici suchcome as NDVINDVI.
201
701760
3296
possiamo calcolare altri indici,
come l'NDVI.
11:57
And in this particularparticolare casecaso,
you can essentiallyessenzialmente see
202
705080
2816
Nel caso specifico,
potete vedere
11:59
there are some cropscolture that are
not doing as well as other cropscolture.
203
707920
3016
che alcune colture
vanno peggio di altre.
12:02
This is easilyfacilmente discernibledistinguibile from imageryimmagini,
204
710960
4056
Lo si vede bene dalle immagini,
12:07
not just visualvisivo imageryimmagini but combiningcombinando
205
715040
2216
non dalle sole immagini ottiche,
ma combinando
12:09
bothentrambi visualvisivo imageryimmagini and infraredinfrarosso imageryimmagini.
206
717280
2776
immagini ottiche e a infrarossi.
12:12
And then lastlyda ultimo,
207
720080
1336
Infine,
12:13
one thing we're interestedinteressato in doing is
detectingrilevazione the earlypresto onsetinizio of chlorosisclorosi --
208
721440
4016
quello che ci interessa fare è
rilevare i primi segnali di clorosi --
12:17
and this is an orangearancia treealbero --
209
725480
1496
questo è un arancio --
12:19
whichquale is essentiallyessenzialmente seenvisto
by yellowingingiallimento of leavesle foglie.
210
727000
2560
e qui si nota l'ingiallimento
delle foglie.
12:21
But robotsrobot flyingvolante overheadlavagna luminosa
can easilyfacilmente spotindividuare this autonomouslyautonomamente
211
729880
3896
I robot che sorvolano il frutteto
notano questi segnali autonomamente
12:25
and then reportrapporto to the farmercontadino
that he or she has a problemproblema
212
733800
2936
e informano l'agricoltore della
presenza di un problema
12:28
in this sectionsezione of the orchardfrutteto.
213
736760
1520
in questa sezione del frutteto.
12:30
SystemsSistemi like this can really help,
214
738800
2696
Dunque questi sistemi sono molto utili,
12:33
and we're projectingsporgente yieldsrendimenti
that can improveMigliorare by about tendieci percentper cento
215
741520
5816
stiamo calcolando rese
incrementabili del dieci percento circa
12:39
and, more importantlyimportante, decreasediminuire
the amountquantità of inputsingressi suchcome as wateracqua
216
747360
3216
e, soprattutto, stiamo riducendo
i consumi idrici
12:42
by 25 percentper cento by usingutilizzando
aerialaerea robotrobot swarmssciami.
217
750600
3280
del 25 percento usando
stormi di robot aerei.
12:47
LastlyInfine, I want you to applaudapplaudire
the people who actuallyin realtà createcreare the futurefuturo,
218
755200
5736
Vorrei concludere con un applauso
alle persone che stanno creando il futuro:
12:52
YashYash MulgaonkarMulgaonkar, SikangSikang LiuLiu
and GiuseppeGiuseppe LoiannoLoianno,
219
760960
4920
Yash Mulgaonkar, Sikang Liu
e Giuseppe Loianno,
12:57
who are responsibleresponsabile for the threetre
demonstrationsdimostrazioni that you saw.
220
765920
3496
responsabili delle tre dimostrazioni
che avete visto.
13:01
Thank you.
221
769440
1176
Grazie.
13:02
(ApplauseApplausi)
222
770640
5920
(Applauso)
Translated by Pasquale Loffreda
Reviewed by Davide Giordani

▲Back to top

ABOUT THE SPEAKER
Vijay Kumar - Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations.

Why you should listen

At the General Robotics, Automation, Sensing and Perception (GRASP) Lab at the University of Pennsylvania, flying quadrotor robots move together in eerie formation, tightening themselves into perfect battalions, even filling in the gap when one of their own drops out. You might have seen viral videos of the quads zipping around the netting-draped GRASP Lab (they juggle! they fly through a hula hoop!). Vijay Kumar headed this lab from 1998-2004. He's now the dean of the School of Engineering and Applied Science at the University of Pennsylvania in Philadelphia, where he continues his work in robotics, blending computer science and mechanical engineering to create the next generation of robotic wonders.

More profile about the speaker
Vijay Kumar | Speaker | TED.com