Ali Asmari, PhD, hoof van KI en masjienleer by ULC Technologies – Onderhoudreeks

Ali Asmari, PhD is hoof van KI en masjienleer by ULC Technologies. ULC Technologies word beskou as 'n pionier in robotika-ingenieurswese en tegnologie-ontwikkeling vir die energie-, nuts- en industriële markte. Sedert sy begin in 2001, was die fokus van ULC nog altyd die verbetering van nutsbedrywighede en die ondersteuning van infrastruktuurverbetering.

Wat het jou aanvanklik na robotika en KI aangetrek?

Ek was baie goed in wiskunde en fisika op hoërskool, wat daartoe gelei het dat ek meganiese ingenieurswese op universiteit studeer het. My gunsteling-onderwerpe op universiteit was Masjinerie-dinamika en nie-lineêre beheer, wat albei nodig is in beheer van robotstelsels. Hierdie onderwerpe gee jou al die nodige gereedskap om jou robotverbeelding in werklikheid te omskep. Ek het nie net my eie robotte op universiteit gebou nie, maar ek het ook aan internasionale robotkompetisies regoor die wêreld deelgeneem. Ek het ook besluit om die rigting verder te studeer en het nagraadse skool betree om 'n robotikus te word.

Masjienleer was 'n konsep wat vroeg in 2010 baie gewild geword het in toepassing. Nadat ek 'n paar basiese kursusse in Masjienleer en Neurale Netwerk gevolg het, het ek dadelik die metodes in my navorsing en werk begin toepas. Ek is persoonlik verbaas oor hoe soortgelyke masjienleerkonsepte is aan die manier waarop die menslike brein leer en funksioneer. Die gebruik van masjienleer in robotika is relatief nuut en het 'n lang pad om te gaan en ek voel baie bevoorreg om deel te wees van hierdie beweging.

ULC Technologies het baie robotte wat ontwerp is om onder die grond te gaan in 'n moeilike terrein. Wat is sommige van die uitdagings agter die bou van ten volle outonome hindernisvermyding en padbeplanning vir hierdie tipe robotte?

Baie van ons werk is gefokus op die inspeksie en interne remediëring van ouer pypleidings in stedelike gebiede en binne hierdie pyplyne word puin algemeen gevind wat volledig outonome oplossings uitdagend maak. As 'n oplossing het ULC kommersiële pyplyn-robotstelsels ontwikkel wat met die hand deur gasleidings aangedryf word. Oor die afgelope 20 jaar het ons kundigheid in pyplyn-robotika uitgebrei, wat ons in staat stel om nou meer elemente van outomatisering en masjienleer te integreer.

Een so 'n inisiatief word genoem Distribution Network Information Mapping (DNIM), wat 'n samewerkende projek is met die Britse gasnetwerk, SGN om masjienleer op pyplynnetwerke toe te pas sodat ons die pyplyn en kenmerke binne die pyp doeltreffend kan identifiseer en karteer. Hierdie data sal uiteindelik help om paaie oop te maak vir hindernissevermyding en padbeplanning in hierdie hoogs komplekse pyplynomgewings.

Wat is sommige van die huidige robotoplossings wat aangebied word? 

ULC werk saam met nuts- en energiemaatskappye om robotoplossings te ontwikkel en te ontplooi vir die inspeksie, herstel en instandhouding van bo- en ondergrondse infrastruktuur soos pypleidings, LNG-aanlegte, substasies en ander komplekse omgewings.

Ons het 'n robot ontwikkel genaamd CISBOT wat lewendige gietystergashoofleiding binnegaan en deur die pyp beweeg om die lasse intern te verseël, wat gasnetwerke help om enige lekkasies te voorkom en die pyp se lewe vir tot 50 jaar verleng, alles sonder om gas na klante af te sluit. ULC het ook 'n reeks robotte ontwikkel kamera en kruipstelsels vir die inspeksie van lewendige gasleidings, om nutsdienste te help om risiko te verminder, doeltreffendheid te verbeter en operasionele uitdagings op te los.

Buiten ons huidige ondergrondse robotstelsels het ons ook 'n interne R&D-span wat aan robotoplossings vir ander nywerhede werk. Een voorbeeld is die Robotiese padwerke en uitgrawingstelsel (RRES), 'n projek wat ons ontwikkel in samewerking met die Britse maatskappy, SGN. RRES is 'n volledig elektriese robotstelsel wat gemaak is om konvensionele metodes van uitgrawing te vervang met vermoëns wat ondergrondse waarneming, kern en sny van paaie, outomatiese sagte aanraking uitgrawing, pypinstallasies en dan die vermoë om die pad te herstel insluit. Deur verdere ontwikkeling hoop ons om die reeks operasies wat RRES in die toekoms kan uitvoer uit te brei.

Hierdie is slegs 'n steekproef van die robotika-oplossings wat ons tans bied, maar bykomende inligting oor ons tegnologieë kan op ons webwerf gevind word. Ons het baie ander projekte in ontwikkeling en is altyd op soek na vennootskappe met maatskappye in nuts-, energie- en industriële nywerhede wat op soek is na outomatiese oplossings.

Watter tipe data word versamel?

ULC Technologies bou pasgemaakte robotoplossings om verskillende tegniese uitdagings in die bedryf aan te spreek. Gebaseer op die tipe toepassing, neem elke robot verskillende tipe data van sy omgewing vas. Die volgende is 'n lys van sommige van die gewilde tipe data wat ons deur ons inspeksie-operasie insamel:

1. Hoë resolusie gekleurde prente. As voorbeeld, ons Onbemande lugvoertuie (UAV) neem 40MPixel-beelde tydens inspeksiewerk vas
2. 3D-puntwolke. 'n Voorbeeld hiervan is die 3D-puntwolke wat sommige van ons in-pyp kruiprobotte versamel.
3. Sommige van ons bogrondse robotte verwerk LIDAR-data vir navigasie
4. Infrarooi beelde. Ons UAV's en Asset Identification and Mapping (AIM) oplossing kan infrarooi beelde vasvang tydens inspeksie werk vir toestand assessering van bates.
5. Hoëfrekwensie radar. Die RRES (Robotiese Padwerke en Uitgrawingstelsel) gebruik Grondpenetrerende Radar om die ligging van begrawe bates onder die grond uit te beeld.

Daar is baie meer verskillende tipes data wat sommige van ons platforms vir verskillende doeleindes insamel wat nie by hierdie lys ingesluit is nie as gevolg van hul spesifieke toepassing op een bedryf.

Kan jy bespreek hoe hierdie beelde geomerk is?

Op elke robotplatform vind geotagging van die vasgelegde beelde plaas uniek aan daardie stelsel en die beskikbare inligting in sy omgewing.

Ons AIM-stelsel gebruik 'n aanboord-GPS om die pad van ons opnamevoertuig uit te stippel. Deur ander aanboordsensors, rekenaarvisiealgoritmes en teikennasporing te gebruik, meet ons eie sagteware die ligging van elke geïdentifiseerde bate en geomerk hul beelde dienooreenkomstig. In omgewings wat deur GPS ontneem is, soos binne 'n ondergrondse pyp, gebruik ons ​​robotte ander metodes om met die bogrondse opnamevoertuie te kommunikeer om die vasgelegde data van binne die pyp te geomerk.

Wat is sommige van die masjienleertegnologieë wat tans gebruik word om die data te verwerk?

Daar is drie hoofmetodes van masjienleer wat in robotika en outonome dataverwerking gebruik word, wat almal in verskillende toepassings by ULC Technologies gebruik word.

1. Leer onder toesig, waar grondwaarheid nodig is om die model op te lei. Hierdie modelle het hoër akkuraatheid in dataverwerking. ULC se AIM-oplossing gebruik hierdie model om bogrondse elektriese infrastruktuurbates met hoë akkuraatheid en herhaalbaarheid te identifiseer.
2. Leer sonder toesig, waarin die model ooreenkomste en anomalieë in die data identifiseer. Ons het hierdie metode gebruik om die kameramateriaal van ons in-pyp-kruipers te verwerk en hul ligging langs die pyp te karteer.
3. Versterkingsleer, wat 'n beloning-gebaseerde stelsel is om ingewikkelde toestelle op te lei sonder ingewikkelde omgekeerde kinematiese berekeninge. Ons gebruik hierdie metode om die robotarm op die RRES-platform te gebruik om verskillende uitgrawingsoperasies uit te voer.

Is daar enigiets anders wat jy oor ULC Technologies wil deel?

Ons soek altyd 'n vennootskap met leiers in die nywerheids-, energie- en konstruksiebedryf om innoverende oplossings te identifiseer en saam te werk aan die ontwikkeling. Deur ons werk en veldtoetsing gaan ons voort om ons KI en masjienleervermoëns te verbeter en sien uit daarna om nuwe uitdagings vir ons kliënte in die toekoms op te los.

Dankie vir die puik onderhoud, lesers wat meer wil leer moet besoek aflê ULC Technologies.