Vijay Kumar 談會飛行及互相合作的機器

Vijay Kumar: Robots that fly ... and cooperate

Vijay Kumar和他的團隊在賓州大學實驗室裡製造了使用四個螺旋槳飛行、小巧而靈活的機器人,這些機器人可以聚集在一起,感應彼此的存在,並組成特殊的任務團隊-進行建築工程、災區偵查及其它的任務。

講者介紹

Vijay Kumar

Vijay Kumar在賓夕法尼亞大學研究機器人團隊的控制及協調。

賓夕法尼亞大學「機器人科學、自動、感測與感知」(GRASP)實驗室研發了可組成特殊隊形、以四個螺旋槳飛行的機器人,它們能自行排列成完美的隊伍,即使其中一個脫隊,其他機器人也能自行填補空缺。你或許看過這部廣為流傳的影片:在掛著網子的GRASP實驗室中以四個螺旋槳轉動的機器人。(它們能表演特技、穿過呼拉圈!) Vijay Kumar於1998至2004年領導這個實驗室;他現在是費城賓夕法尼亞大學工程與應用科學學院副院長,持續進行研發機器人的工作,將計算機科學與機械工程融合,創造出下一代機器人奇蹟。

譯者介紹

翻譯人員洪曉慧

繁體編輯朱學恒、洪曉慧

簡體編輯朱學恒、洪曉慧

檔案後製處理洪曉慧、謝旻均


Vijay Kumar 談會飛行及互相合作的機器

  • 早安,今天我想談談會自動飛行的海灘球。不,是靈巧的飛行機器人,就像這個。我想告訴大家製作這種東西的挑戰性,以及運用這種技術一些很棒的可能性。所以這些機器人算是一種無人飛行器,然而,如你所見,它們的尺寸比較大,有幾千磅重,一點都不靈巧,它們甚至無法自動操作。事實上,這些飛行器大多由飛行小組操作,包括好幾位駕駛員同時操控感應器及任務協調器。

    我們想開發像這樣的機器人-左邊兩張照片是可以買到的現成機器人;這是一架有四個螺旋槳的直昇機,長寬大約是一公尺,重達好幾磅,於是我們改良它的感應器與處理器,讓這些機器人能不靠GPS在室內飛行。

    我手中拿的機器人就是這種飛行器,這是由兩位學生-Alex及Daniel製作,重量大約是十分之一磅,消耗的能量大約是15瓦。如你所見,它的直徑大約是8英吋,讓我替大家簡單介紹一下這些機器人的原理。

    它有四個螺旋槳,當四個螺旋槳速度相同時,機器人會懸浮在空中,如果這些螺旋槳的速度增加,機器人會飛起來,往上加速。當然,如果機器人向水平面傾斜,它會往這個方向前進。所以,如果想讓它傾斜,有兩種方法可以辦到。在這張圖片中,你可以看見4號螺旋槳的轉速變快,2號螺旋槳的轉速變慢,當這種情況發生時,機器人就會翻轉。另一種情況是,當3號螺旋槳的速度上升,1號螺旋槳的速度下降時,機器人就會往前傾斜。

    展開英文



  • 最後一種可能是,當相對的一組螺旋槳轉得比另外一組快時,機器人就會往垂直方向偏移。其中有一個內置處理器,監控它該進行什麼動作,並將這些動作組合-以每秒600次的速度,決定該對這些螺旋槳下達什麼指令,這就是它的基本操作概念。

    這項設計的優點之一是,當你將它的尺寸縮小時,機器人自然會變得很靈巧,所以這裡的R代表機器人的特徵長度,事實上相當於它的半徑。當你將R縮小時,許多物理係數會跟著變動,其中最重要的是慣性-或抵抗運動狀態改變的性質。所以結果是,控制了角運動的慣性大小約是R的5次方,所以當R變小時,慣性會急遽下降。結果是,角加速度-這裡以希臘字母α表示,變成了1 / R,和R成反比;尺寸越小,它轉的越快。

    這部影片可以清楚說明這一點。在右下角,你可以看見一個機器人,在不到1 / 2秒的時間內進行360度翻轉,多次翻轉只需稍微長一點的時間。所以內置處理器接收加速器及陀螺儀傳回的資訊,然後進行計算,如我之前所說的,以每秒600次的速度發出指令,讓機器人保持平衡。在左下角,你可以看見Daniel正將機器人拋向空中,這顯示了它的操控能力有多強大,無論你怎麼丟,機器人都會恢復平衡,回到他手中。

    為什麼要製造像這樣的機器人?好,這種機器人可以做很多應用。你可以將它派遣到像這樣的建築物裡擔任先遣部隊,尋找入侵者,或尋找生化物質外洩或瓦斯外洩等;你也可以將它們運用在例如建築上面,這些機器人正運送橫樑、柱子,組合成立方體形狀的建築物,我稍後會再詳細說明。這些機器人可用來運送貨櫃,但這些小機器人的問題在於它們的負重能力有限,所以你會希望多一點機器人來搬運重物。這是我們近期實驗的照片-事實上已經不算近期了-這是地震後的仙台市,這種機器人可被送入傾倒的建築物裡,評估天災造成的損害,或被送入反應爐裡勘查輻射等級。

    想讓這些機器人自動化必須先解決一個基本問題,就是必須讓它能判斷怎麼從A點到B點。這有一些難度,因為這個機器人的動力學相當複雜,事實上它們活在12維空間裡,所以我們運用了一些技巧,我們將這個彎曲的12維空間轉換成一個平面的四維空間,在這個四維空間中包含了 X, Y, Z 和偏移的角度。

    展開英文



  • 所以這個機器人所做的是,找出我們所謂的最小震盪軌跡。複習一下物理參數,我們有位置、衍生速度,然後是加速度,再來是角加速度,然後是震盪,所以機器人將震盪最小化,實際上的結果是,產生平順而優雅的動作,還能避開障礙物。這個平面空間中的最小震盪軌跡,必須被轉換回複雜的12維空間所使用的形式,機器人才能進行控制及執行任務。

    讓我給大家看一些例子,說明最小震盪軌跡是什麼模樣。在第一段影片中,你可以看見機器人經過中繼點,然後由A點到達B點(最小震盪軌跡),所以機器人確實可執行任何曲線軌跡。這些是環狀軌跡,機器人牽引著大約2 G的重力,頂端有個動態影像攝影機,它會以每秒100次的速度告訴機器人它身處何處,它也會告訴機器人這些障礙物的位置。移動的障礙物也行。你會看見Daniel將這個鐵環丟向空中,機器人會計算鐵環的位置,試著找出穿過鐵環的最佳方式。身為一位學術人員,我們總是被訓練得能克服萬難來籌措研究經費,所以我們製造的機器人也能克服萬難。

    (掌聲)

    這個機器人還能做另一件事,就是記住軌跡模式,這是藉由經驗學習或事先輸入。所以你可以看見,機器人會組合一項動作,讓它產生動量,然後改變方向,再回復原狀。它必須這麼做,因為這個窗口只比機器人的寬度稍微大一點,就像是跳水選手站在跳板上,跳起來產生動量,然後快速旋轉,做兩圈半的空翻,最後優雅地恢復原始狀態,基本上這就是機器人所做的事。它懂得如何結合這些零碎的軌跡,來達成這些相當困難的任務。

    展開英文



  • 我想換個話題。這些小機器人的缺點之一就是尺寸。如同先前提過的,我們想使用大量機器人來解決尺寸的限制,其中一個困難是如何協調這麼多的機器人?所以我們向自然界借鏡。我想讓大家看一段影片,內容是沙漠盤腹蟻在Stephen Pratt教授實驗室裡搬運東西。這其實是一小塊無花果,事實上你可以將任何東西沾上無花果汁,螞蟻們就會將它搬回巢穴。這些螞蟻並沒有中樞協調者,牠們能感覺到身旁的鄰居,不用進行明確的溝通,但因為牠們能感覺到鄰居、感覺到物體,所以這個團體擁有隱性協調能力。

    所以這就是我們希望機器人擁有的協調能力。當一個機器人被其它機器人包圍時-看看機器人 I 和機器人 J,我們希望機器人做的是,當它們以特定隊形飛行時,可同時偵測彼此間的距離,你希望能確保這個距離是在可接受的範圍內。同樣地,機器人偵測這個誤差值,然後以每秒100次的速度計算控制指令,接著以每秒600次的速度將其轉換成螺旋槳控制指令,這也必須以沒有中央控制的方式進行。同樣地,如果有許多機器人,中央協調訊息的速度根本不足以使所有機器人完成任務,再加上機器人必須依靠偵測鄰近機器人來獲得訊息,才能進行動作,最後,我們堅持機器人必須無法預知鄰近機器人會是誰,這就是我們所謂的匿名方式。

    接下來我要給大家看的影片是20個小機器人以特定隊形飛行。它們正在偵測鄰近機器人的位置,它們保持這個隊形,這些隊形可以改變,可以是平面隊形,也可以是三維空間隊形,如你們所見,它們從三維空間隊形轉變成平面隊形,穿越障礙物時,它們可在飛行中調整隊形。同樣地,在這個8字形的飛行隊伍中,這些機器人的距離非常接近,相距只有幾英吋而已。儘管這些螺旋槳葉片之間有空氣動力的交互影響,它們仍然能維持穩定飛行。

    展開英文



  • 一旦知道如何以特定隊形飛行,就能準確地合力拿起物體。這是要讓大家知道,將機器人組成小組後,我們可將它們的力量放大兩倍、三倍、四倍。如你們所見,這麼做的其中一個缺點是,當你將規模放大後-如果你讓很多機器人搬運同一個物體,一定會有效地增加慣性,你將因此付出代價-它們會失去靈活性。但相對地,你會獲得負重能力。

    我想給大家看的另一項應用是-同樣地,這也是我們實驗室所進行的,這是由Quentin Lindsey完成的,他是一位研究生。他的演算法告訴這些機器人如何自動地將建築材料建造成立體建築,他的演算法告訴機器人該拿起哪個部份,以及什麼時候該把它放在哪裡。你可以在這部影片中看到-這是以10倍、14倍速播放-你可以看見這些機器人建造了三種不同建築,同樣地,一切都自動化進行。Quentin只需要給機器人一張建築物的設計藍圖。

    你們所看見的這些實驗、這些展示,都使用了動作擷取系統。所以,如果離開實驗室,走進真實世界,會變成怎樣?如果沒有GPS會怎樣?這個機器人裝置了一具攝影機、一具雷射測距儀,雷射掃描器,它使用這些感應器來製作一張環境配置圖,這張地圖包含一些環境特徵-例如門、窗戶、人、家具-它能辨識出本身相對於環境特徵的位置。所以這裡並沒有整體座標系統,座標系統由機器人本身所定義,藉由它所在位置及它所看到的東西,它會偵察這些環境特徵。

    展開英文



  • 我想給大家看一段影片,關於Frank Shen及Nathan Michael教授所開發的演算法。這個機器人第一次進入一棟建築,然後在飛行中製作這張地圖,於是機器人偵察出其中的環境特徵、製成地圖,它知道自己相對於環境特徵的位置,然後以每秒100次的速度估算出自己的位置,讓我們可以利用剛剛說過的控制演算法。事實上,這個機器人正由Frank進行遠端遙控,但這個機器人也能自行判斷它該往哪裡走。假設我把它送進一棟建築物,我完全不知道建築物內部情形,我可以命令機器人進入,製作一張地圖,然後回來告訴我建築物的情形。所以機器人並不只是解決如何從地圖上的A點到B點這個問題,它也知道每一次的最佳B點是哪個位置,所以它知道該往哪裡尋找資訊缺乏之處,這就是它製作完整地圖的方法。

    最後,我想再給大家看一項應用。這個技術有許多應用方式,我是個教授,我們對教育充滿熱情,這種機器人可以改變我們實施12年國教的方式。我們在南加州,很靠近洛杉磯,所以我想用與娛樂有關的例子來作最後結尾,我想用一段音樂影片來做結尾。我要為大家介紹影片製作者-Alex和Daniel。

    (掌聲)

    在我播放影片之前,我想告訴大家,他們接到Chris的電話,三天後就將這段影片製作完成,影片中演奏的機器人是完全自動化的,你會看見9個機器人演奏6種不同的樂器,當然,這是為了TED 2012特別製作的,我們一起欣賞吧!

    (音樂聲)

    展開英文