Ali Asmari, FT, ULC Technologiesin AI- ja koneoppimisen johtaja – Haastattelusarja

Ali Asmari, FT on ULC Technologiesin AI- ja koneoppimisen johtaja. ULC Technologies on pioneerirobotiikan ja teknologian kehittämisessä energian, käyttövesien ja teollisuuden aloilla. Sen perustamisesta lähtien vuonna 2001 ULC:n fokus on ollut käyttöverkkojen parantamisessa ja infrastruktuurin kehittämisessä.

Mikä aluksi kiinnosti sinua robottiikkaan ja tekoälyyn?

Olin hyvä matematiikassa ja fysiikassa lukiossa, mikä johti minun opiskelemaan konetekniikkaa yliopistossa. Lemppiaineeni yliopistossa olivat koneiden dynamiikka ja epälineaarinen ohjaus, jotka molemmat ovat välttämättömiä robotti-järjestelmien ohjauksessa. Nämä aiheet antavat sinulle kaikki tarvittavat työkalut muuttaa robotti-ideasi todelliseksi. Rakensin omia roboteja yliopistossa ja osallistuin kansainvälisiin robotti-kilpailuihin ympäri maailmaa. Päätin myös jatkaa aiheen opiskelua ja aloitin jatko-opinnot robottiikassa.

Teckoäly oli käsite, josta tuli suosittu soveltamisessa vuoden 2010 alussa. Otettuani pari peruskurssia tekoälystä ja neuroverkoista, aloin soveltaa menetelmiä tutkimuksessani ja työssäni. Olen henkilökohtaisesti hämmästynyt siitä, kuinka samankaltaisia tekoälykäsitteet ovat ihmisaivojen oppimiseen ja toimintaan. Tekoälyn käyttäminen robottiikassa on suhteellisen uutta ja sillä on edelleen pitkä tie edessään, ja tunnen itseni onnekkaaksi olla osa tätä liikettä.

ULC Technologiesilla on useita roboteja, jotka on suunniteltu menemään maan alle vaikeissa olosuhteissa. Mitkä ovat haasteita rakentaa täysin autonomisia esteiden välttämiseen ja reitin suunnitteluun näille robotille?

Suurin osa työstämme on keskittynyt vanhojen putkien tarkasteluun ja sisäiseen kunnostukseen kaupunkialueilla, ja näissä putkissa on yleensä löydettävissä romua, mikä tekee täysin autonomisista ratkaisuista haasteellisia. Ratkaisuna ULC on kehittänyt kaupallisia putkirobotti-järjestelmiä, jotka ohjataan manuaalisesti kaasuputkien läpi. Viimeisen 20 vuoden aikana putkirobottiikan asiantuntemuksemme on laajentunut, mikä mahdollistaa meidän integroida enemmän automaation ja tekoäly-elementtejä.

Yksi tällainen aloite on Distribution Network Information Mapping (DNIM), joka on yhteistyöhanke UK:n kaasiverkon, SGN:n kanssa soveltaa tekoälyä putkiverkkoihin, jotta voimme tehokkaasti tunnistaa ja kartoittaa putket ja niiden ominaisuudet. Tämä tieto auttaa lopulta avaamaan esteiden välttämisen ja reitin suunnittelun näissä monimutkaisissa putkaympäristöissä.

Mitkä ovat nykyiset robotti-ratkaisut, jotka tarjoamme?

ULC työskentelee käyttövesi- ja energiayhtiöiden kanssa kehittääkseen ja käyttöönottaakseen robotti-ratkaisuja tarkastamaan, korjaamaan ja ylläpitämään maanpäällisiä ja maanalaista infrastruktuuria, kuten putkia, LNG-laitoksia, sähköasemia ja muita monimutkaisia ympäristöjä.

Olemme kehittäneet robotin nimeltä CISBOT, joka sisäännyttää eläviin rautaputkiin ja liikkuu putken läpi sisäisesti tiivistääkseen liitokset, mikä auttaa kaasiverkkoja estämään vuotoja ja pidentää putken ikää jopa 50 vuodella ilman, että asiakkaiden kaasutoimitukset katkeavat. ULC on myös kehittänyt sarjan robotti-kamerajärjestelmiä ja -tunnistimia tarkastamaan eläviä kaasuputkia, mikä auttaa käyttövesi-yhtiöitä vähentämään riskiä, parantamaan tehokkuutta ja ratkaisemaan toiminnallisia haasteita.

Ulkoisten maanalaisten robotti-järjestelmiemme lisäksi meillä on sisäinen tutkimus- ja kehitystiimi, joka työskentelee robotti-ratkaisujen parissa muiden alojen kanssa. Yksi esimerkki on Robotic Roadworks & Excavation System (RRES), jota kehitämme yhteistyössä UK:n yrityksen, SGN:n kanssa. RRES on täysin sähköinen robotti-järjestelmä, joka on tarkoitettu korvaamaan perinteiset kaivamismenetelmät, ja sen ominaisuuksiin kuuluvat maanalaisten tunnistus, poraaminen ja leikkaus, automaattinen pehmeä kaivaminen, putkiasennukset ja maanpinnan palauttaminen. Järjestelmän kehittämisen myötä toivomme pystyvämme laajentamaan sen toiminnan alojen määrää tulevaisuudessa.

Tämä on vain pieni näyte robotti-ratkaisuista, joita tarjoamme, mutta lisätietoja teknologioistamme löytyy verkkosivuiltamme. Meillä on useita muita projekteja kehityksessä, ja olemme aina etsimässä yhteistyökumppaneita käyttövesi-, energia- ja teollisuusaloilla, jotka etsivät automaattisia ratkaisuja.

Mitä tyyppiä dataa kerätään?

ULC Technologies rakentaa mukautettuja robotti-ratkaisuja eri teknisiin haasteisiin teollisuudessa. Sovelluksen tyypistä riippuen jokainen robotti kerää eri tyyppistä dataa ympäristöstään. Seuraavassa on luettelo joistakin suosituimmista data-tyypeistä, joita keräämme tarkastusoperaatioiden aikana:

1. Korkearesoluutioisia värivalokuvia. Esimerkiksi ilmalennokki (UAV) -laitteemme kerää 40 megapikselin kuvia tarkastustöissä
2. 3D-pilvipisteitä. Esimerkiksi joistakin putkien sisällä liikkuville roboteille keräämme 3D-pilvipisteitä.
3. Jotkut maanpäälliset robotit käsittelevät LIDAR-dataa navigointiin
4. Infrapunakuvia. Ilmalennokkimme ja laitteistomme keräävät infrapunakuvia tarkastustöissä laitteiden kunnon arviointiin.
5. Maanpenetrantti radar. RRES (Robotic Roadworks and Excavation System) -järjestelmä käyttää maanpenetrantti-radiota kartoittaakseen maanalaisten laitteiden sijainnin.

On olemassa monia muita eri tyyppisiä dataa, joita joitkin alustoimme keräävät eri tarkoituksiin, jotka eivät ole lueteltuina tässä luettelossa niiden soveltamisen vuoksi yhteen tiettyyn alaan.

Voitko keskustella siitä, miten nämä kuvat on geotagi?

Jokaisella robotilla geotagging tapahtuu yksilöllisesti sen järjestelmän ja saatavilla olevan ympäristön tiedon mukaan.

AIM-järjestelmämme käyttää laitteiston GPS:ää kartoittaakseen kulkureitin. Muiden laitteiston anturien, tietokoneen näköalgoritmien ja kohdetunnistuksen avulla meidän omistautunut ohjelmisto mittailee jokaisen tunnistetun laitteen sijaintia ja geotagaa niiden kuvat vastaavasti. GPS:stä vaativissa ympäristöissä, kuten maanalaisten putkien sisällä, robotit käyttävät muita menetelmiä viestimään maanpäällisten kulkureittien kanssa geotagatakseen kerätyn datan putken sisältä.

Mitkä ovat joitakin nykyisiä tekoälytekniikoita, joita käytetään datan prosessointiin?

On olemassa kolme pääasiallista tekoälymenetelmää, joita käytetään robottiikassa ja autonomisessa datan prosessoinnissa, ja kaikki nämä menetelmät ovat käytössä eri sovelluksissa ULC Technologiesissa.

1. Valvottu oppiminen, jossa tarvitaan perustodistus kouluttaa mallia. Nämä mallit ovat tarkin datan prosessoinnissa. ULC:n AIM-ratkaisu käyttää tätä mallia tunnistamaan maanpäällisiä sähköverkkojen laitteita korkealla tarkkuudella ja toistettavuudella.
2. Valvomaton oppiminen, jossa malli tunnistaa yhtäläisyyksiä ja poikkeamia datasta. Olemme käyttäneet tätä menetelmää prosessoimaan kamerakuvaa putkien sisällä liikkuville roboteille ja kartoittamaan niiden sijaintia putkessa.
3. Palkkio-oppiminen, joka on palkkiojärjestelmä kouluttaa monimutkaisia laitteita ilman monimutkaisia käänteisiä kinemaattisia laskelmia. Käytämme tätä menetelmää ohjaamaan robotti-käsivartta RRES-alustalla suorittamaan eri kaivamisoperaatioita.

Onko mitään muuta, mitä haluaisit jakaa ULC Technologiesista?

Olemme aina etsimässä yhteistyökumppaneita teollisuuden, energian ja rakennusalan johtajien kanssa tunnistamaan ja kehittämään innovatiivisia ratkaisuja. Työmme ja kenttäkokeiden kautta jatkamme tekoäly- ja koneoppimiskykyjemme kehittämistä ja odotamme ratkaisemassa uusia haasteita asiakkaillemme tulevaisuudessa. Kiitos haastattelusta, lukijoille, jotka haluavat oppia lisää, suosittelemme vierailemaan ULC Technologiesin verkkosivuilla.