Применение ИИ в робототехнике: повышение производительности и снижение опасений по поводу рабочих мест

Роль, которую искусственный интеллект будет играть в робототехнике, во многом будет определяться вариантами использования и разрешением проблем конфиденциальности и вычислений.

Роботы имеют потенциал изменить то, как компании ведут бизнес, автоматизируя многие задачи. В сочетании с технологиями искусственного интеллекта (ИИ) роботы могут стать автономными. Но сочетание этих технологий поднимает многие вопросы. Устранят ли роботы с ИИ рабочие места или помогут рабочим, делая их более продуктивными? Поскольку ИИ дает роботам такие возможности, как машинное зрение, также существуют проблемы конфиденциальности. И затем есть проблема того, как работать с большими объемами данных, которые могут быть использованы. Где обрабатывать эти данные? В облаке? На границе?

Для лучшего понимания этих вопросов, вариантов использования и роли границы, мы поговорили с Джо Спидом, CTO IoT Solutions and Technology в ADLINK, провайдере передовых вычислительных решений, поддерживающих переход к подключенным промышленным IoT-системам по отраслям. Также в обсуждении участвовал Ник Фрагале, основатель Rover Robotics, который разрабатывает надежные промышленные роботы с использованием ROS, операционной системы роботов.

Есть ли опасения по поводу использования ИИ?

RTInsights: Кажется, компании неохотно используют ИИ из-за разных страхов. Какие типы опасений вы слышите от потенциальных пользователей, когда речь идет об их принятии ИИ?

Спид: Большинство опасений, которые я слышу вокруг ИИ, касаются аспектов конфиденциальности. Вы слышите, как люди выражают опасения, когда говорите о распознавании лиц и некоторых других аспектах, как применение ИИ к темам вроде массового слежения. Люди немного нервируют. Я не обязательно вижу много страхов или опасений об ИИ в тех типах пространств, на которых мы склонны фокусироваться. Большинство нашей технологий обычно находится в, на или рядом с чем-то — например, оборудованием, процессом, рабочей ячейкой, объектом. Обычно там и используется наш ИИ.

В этих случаях применение ИИ заключается в том, чтобы взять существующий процесс и гарантировать, что он работает надежно. Это помогает со здоровьем машины и другими вещами. Это позволяет компаниям взять рабочую ячейку и заставить ее работать эффективнее. И компании могут взять существующую устаревшую систему, существующее оборудование или существующий процесс и оснастить их приборами и сделать их безопаснее.

Во многих из этих приложений мы не действительно сталкиваемся с проблемами конфиденциальности, связанными с распознаванием лиц и массовым слежением. Системы используются внутри вашей компании против систем, которые бы следили за людьми в публичных местах. В корпоративной среде использование ИИ фокусируется на улучшении процесса или операции, помогая рабочим делать свою работу лучше. Что мы видим для некоторых из этих вещей — это то, что ИИ, конкретно машинное обучение, примененное к компьютерному зрению, очень популярно. Еще одно очень популярное использование — вокруг сенсорного фьюжна. В таких случаях вопрос в том, как объединить зрение с другими видами данных датчиков или телеметрией от существующего устаревшего оборудования и затем объединить их вместе, чтобы иметь лучшее понимание того, что происходит.

Фрагале: Я бы сказал с нашей перспективы, наши клиенты пришли из исследовательского и академического пространства, и поэтому они очень открыты к использованию ИИ. Средний возраст нашего клиента, вероятно, где-то около 30. Теперь, когда мы переходим на рынок логистики с нашим новым продуктом Rover AMR 100, это изменится. Но пока мы не видели никакого сопротивления внедрению ИИ.

Как ИИ используется в робототехнике?

RTInsights: Это отличный переход. Очевидно, одна область интереса с ИИ — робототехника. Как ИИ используется в робототехнике?

Спид: Одна из крупнейших областей — восприятие. Просто подумайте камеры, хотя это немного больше. У вас есть многие разные технологии, которые могут быть использованы, чтобы дать роботу восприятие. Очевидная — камеры, но даже внутри камер, это одна камера, стереокамера, 3D камера глубины, видимый спектр или инфракрасный? Затем у вас также есть некоторые другие технологии, дающие восприятие, которые вы можете почти считать визуальными, но они немного отличаются. Это такие вещи, как LIDAR. (Light Detection and Ranging — метод дистанционного зондирования, использующий импульсный лазерный свет для измерения расстояний.) С LIDAR, по сути, представьте это как радар. Как я объясняю своей семье: вы знаете, что такое радар? Конечно. Ну, то же самое, но лазеры вместо радиоволн.

У вас есть вращающийся лазер. Он отражается от вещей. Используя его для автономных транспортных средств, вы не видите машину на самом деле. Но что вы видите — это облако точек в форме машины, и оно также дает вам другие вещи из-за эффекта Доплера. Вы можете сказать, движется ли это облако точек. Движется ли оно ко мне или от меня, с какой скоростью?

См. также: Почему Edge Computing может помочь IoT раскрыть полный потенциал

Затем у вас также есть ультразвук и радар и некоторые другие вещи, о которых вы не обязательно думаете сегодня. Когда вы начинаете получать автономные операции, эти дальномерные технологии будут играть роль. Как в случае с Rover, у вас есть 40-фунтовый робот, и он работает автономно. Но если вы возьмете это от 40-фунтового робота к 400 фунтам, 4000 фунтам, теперь вы в классе [оборудования], который начинает становиться опасным. Как вы делаете такие вещи, как безопасная эксплуатация тяжелого оборудования, и как вы делаете это более автономным или автоматизированным способом без травмирования людей или причинения ущерба имуществу? Некоторые из этих других технологий могут быть использованы.

Например, вы можете использовать ультразвук для очень близких вещей, где у вас может не быть покрытия камерой. В робототехнике есть два места, где я вижу применение ИИ, и затем они (ИИ и робототехника) в конечном итоге смешиваются вместе, когда у вас есть автономная операция, особенно мобильные роботы и вещи, которые движутся.

LIDAR, радар и ультразвук могут помогать навигации. Они могут использоваться для ответа на вопросы вроде: Как роботизированная или автономная система знает, где она находится, как она знает, куда идет, как она делает это, не сталкиваясь с вещами или людьми? Затем у вас также есть роботы, которые фактически взаимодействуют со своей средой. Классический пример этого — когда вы думаете о промышленном роботе, таком как рука. Как рука воспринимает то, что вокруг нее? Пример этого — роботизированная сборка деталей, где рука выбирает детали из ящика и кладет их в то, что вы собираете, или в другой ящик. Это очень популярное приложение. Затем вы, очевидно, можете комбинировать ИИ и робототехнику. Вы также можете иметь мобильных роботов с актуаторами с захватами, которые способны взаимодействовать со своей средой.

Это действительно вся область ИИ машинного обучения. Вот где мы видим это применение.

Фрагале: Наша перспектива в Rover Robotics довольно похожа на перспективу Джо. Но я бы сказал, в основном, номер один, что мы видим, что люди используют ИИ для — это камеры, анализ данных камеры и конкретно выполнение инспекций. Любая компания, желающая продолжать мониторинг чего-либо, может использовать эту технологию. Приложением может быть нефтяная компания, желающая контролировать, ржавеют ли их трубы. Они могут делать это теперь 24/7 с мобильным роботом. Или у вас может быть складское помещение, где вам нужно инспектировать RFID-теги для инвентаризации. Все, что вы хотите инспектировать на своем объекте, теперь можно сделать с роботом и камерой.

Какие отрасли используют ИИ и робототехнику?

RTInsights: Есть ли конкретные отрасли, такие как производство, логистика, уход за пожилыми или обслуживание клиентов, где мы уже видим использование ИИ и робототехники?

Фрагале: Да. Я бы сказал, крупнейшие отрасли — логистика, производство и строительство. Это те, где роботы уже используют ИИ для выполнения задач. В случае со строительством есть много компаний, пытающихся вернуть деньги, теряемые каждый год из-за неэффективности. Например, убедиться, что вы установили все правильные трубы и спринклеры и все оборудование безопасности перед заливкой бетона, очень важно для любого строительного проекта. Но со множеством субподрядчиков часто может быть проблема. Если у вас есть робот, который ходит по вашей стройке и ищет такие вещи, как это, вещи, критические для всего строительного проекта, то вы можете вернуть много тех затрат, которые обычно теряются.

Спид: Да, определенно, инспекция — большая. Мы делаем тонну бизнеса вокруг инспекции, конкретно визуальной инспекции. На поле подключено 400 000 камер к нашим системам зрения, делающим это и другие варианты использования. Где это становится действительно интересно для меня, так это вместо фиксированных камер на сборочной линии, на верстаке или на конвейере инспектирующих вещи по мере их прохождения, взять две темы ИИ-базированной визуальной инспекции и автономной робототехники и объединить их. Подумайте о роботе. Вместо того чтобы физические товары привозились к камере, камера идет к вещи, которой нужна инспекция. У вас есть пример строительства с мобильными роботами, выполняющими инспекции, бродя по объекту. Должен быть воздушный канал. Он на месте? Мы опережаем график или отстаем?

Другой пример — ритейлер, использующий ИИ и робота, чтобы посмотреть, что на складе. Ритейлер мог бы затем сравнить то, что робот физически наблюдает, с тем, что говорят управление магазина и складская логистика системы о том, что на складе. Это область, в которой я супер взволнован, и мы все за открытую робототехнику.

В эти дни робототехника практически пишется R-O-S, что является робототехнической операционной системой. Это ни робот, ни операционная система. Это открытый фреймворк для разработки робототехники. Мы работаем с ним и вносим вклад. Затем вы объединяете это с ИИ зрением, снова, областью с большим акцентом на открытый источник. По мере того как эти вещи объединяются, это будет действительно интересное время.

Каковы основные робототехнические вспомогательные функции, выполняемые?

RTInsights: Давайте углубимся в то, какие робототехнические вспомогательные функции выполняются во всех областях применения. Что вы видите на рынке?

Спид: С ИИ зрением и робототехникой многие думают, заменит ли это рабочего? Однако есть много вариантов использования, где технология помогает рабочим, а не заменяет их. Есть целая область коллаборативных роботов, которые являются роботами, работающими с людьми и роботами, работающими вместе, сотрудничающими над задачей. Например, посмотрите на вещи, которые делает Rover. Допустим, у вас есть человек, который выполняет функцию и ему нужно бродить. Скажем, ему нужно перемещаться по ферме, чтобы выполнить задачу.

Что, если бы у вас был Rover, для аргумента, работал как автономная тачка, которая следует за рабочим и всегда там, где нужно, с тем, что рабочему нужно. Те виды вариантов использования, где роботы держат деталь на месте, пока человек делает задачу, где роботы помогают рабочему. У меня есть настоящая страсть к и я делал много работы вокруг вспомогательной технологии для помощи пожилым и инвалидам. Я вижу удивительный потенциал для этих вещей в чувствовании и взаимодействии с людьми.

См. также: Почему IoT все еще отстает в практических бизнес-приложениях

Фрагале: Я бы сказал для нас, вы можете категоризировать наших клиентов на две категории. Либо они перевозят вещи с роботом, так перевозят товары через склад или перевозят товары через ферму, либо они ставят датчики на робота и собирают данные. Это, в основном, две крупнейшие функции, которые мы видим, как наши роботы используются компаниями.

Как пограничные вычисления и ИИ подходят вместе?

RTInsights: Это идеальный переход к моему последнему вопросу. Такие системы могут собирать большие объемы данных от многих датчиков и IoT-устройств. Со всеми этими генерируемыми данными и необходимостью быстрого анализа, является ли это идеальной бурей для использования пограничных вычислений и ИИ вместе?

Спид: Я определенно так думаю. Наши друзья в AWS, они говорят о «зачем Edge»? Они говорят о законе физики. Можете ли вы получить данные в тех объемах, которые генерируются, в облако? Есть много вещей в зависимости от RF, топологии сети, других видов вещей. Есть закон экономики. Является ли это экономически целесообразным? Вероятно, нет, когда у вас есть мобильные операторы, которые делают такие вещи, как взимание платы за байт. Даже если у вас есть сетевая инфраструктура, пропускная способность, чтобы получить все данные в облако, является ли это экономически целесообразным работать с такими объемами данных? Есть интересное университетское исследование, которое сравнивало и противопоставляло, например, делая такие вещи, как обработка видео и аудио рабочих нагрузок с использованием технологий AWS, используя их в облаке и используя их с Edge.

Они посмотрели на такие вещи, как AWS IoT Greengrass, который делает анализ машинного обучения, используя модели, разработанные в облаке. Что они (университетские исследователи) придумали, это в основном экономика в восемь раз лучше при выполнении этих рабочих нагрузок на Edge. Но для меня еще важнее, чем экономика, это задержка. Многие раз вы перемещаете эти вещи на Edge, потому что вам нужно, чтобы это происходило прямо тогда, чтобы быть очень быстрым в моменте. Если я принесу видео в облако и сделаю аналитику и затем принесу решение обратно, это может быть слишком поздно, слишком медленно. Человек был травмирован, кусок оборудования сломан или здание сгорело. Это один пример использования Edge.

Затем вы также попадаете в эти вопросы закона страны. Мы верим в разработку моделей, обучение моделей в облаке. Разработка модели вычислительно затратна и выполнение ее на небольшом оборудовании на Edge, если, например, это заняло день, вы могли бы развернуть ту же модель в облаке и сделать это за час. Но при анализе самих данных вам нужно подумать о некоторых проблемах конфиденциальности, о которых вы говорили раньше. Как вы безопасно обрабатываете данные с личной идентифицируемой информацией или делаете распознавание лиц? На заводе вы знаете, кто рабочий.

Однако со всеми этими сырыми данными могут быть проблемы чувствительности. Могут быть правовые, социальные или культурные вопросы вокруг выноса этих данных с рабочего места куда-то еще. Вот где вы попадаете в эти вопросы закона страны. Работа на Edge аккуратно удовлетворяет многие из этих видов потребностей.

Фрагале: Взрыв данных, которые нужно проанализировать быстро, действительно является идеальной бурей для использования пограничных вычислений. Мы видим много клиентов, которые взволнованы облачными вычислениями, особенно с робототехникой. Они думают, что если я могу стримить Netflix в 4K или стримить все эти видеоданные туда-сюда, будет легко стримить данные изображений в облако и затем делать обработку там, где у вас есть много больше ресурсов. Но я думаю, что часто упускается то, что если вы робот и вы бродите, вы теперь должны перепрыгивать между разными точками доступа. Мы видим много клиентов, взволнованных облачными вычислениями, натыкающихся на этот тупик, и это то, на чем они застревают на месяцы, а затем переключаются на пограничные вычисления. Даже на складе, если вы пытаетесь интегрировать своих роботов в склад, вы будете перепрыгивать от одной точки доступа к другой, и вы будете терять связь часто.

См. также: Центр пограничных вычислений

Затем вы сталкиваетесь с тем, чтобы сказать своему клиенту: «Эй, тебе нужно обновиться до лучших роутеров, потому что твой новый роутер не соответствует 80211.AC». Затем они спрашивают: «Что черта означают эти числа?» Затем вы говорите: «Хорошо, забудь. Мы положим больше вычислений на робота, чтобы мы могли делать эти задачи». Эта проблема только ухудшается, когда вы выезжаете наружу. С роботами, критическими для безопасности, бродящими снаружи, как сказал Джо, вы не можете иметь изображения, отправляемые в облако и затем обратно к роботу, чтобы принять решение остановиться или нет перед перехождением улицы. Это просто не работает для приложений, критичных для безопасности. Задержка слишком велика для этого.

Спид: Облако очень важно во всем этом, но не обязательно так, как многие думают. Если я могу сделать аналитику и машинное обучение на Edge, мне не нужно отправлять большие объемы данных в облако. Это устраняет проблемы задержки. Если я на нефтяной платформе в Аляске, я вижу медведя, вместо отправки видео медведя, что вы делаете — вы отправляете информацию — Там медведь. Какое именно событие или вывод вы нашли? Мы видим много этого. Просто подумайте в терминах вместо стриминга данных в облако, стрим информации, стрим выходных данных аналитики.

Вы также должны собирать эти системы вместе, чтобы они были надежными. Это то, с чем я имел дело, работая над подключенным автомобилем и темами облачно-усиленного анализа и автомобильной безопасности. Вам нужно думать об этом как о чем-то, что обычно подключено, часто подключено, иногда подключено. Как вы собираете эти системы вместе, чтобы работать с предположением, что у вас будет ненадежная сеть? Если вы можете заставить это работать правильно в той среде, вы в основном будете в порядке. Но вы должны иметь всегда безупречную связь с задержками в определенном SLA, или вы столкнетесь с проблемами в реальном мире.