अली असमारी, पीएचडी, यूएलसी प्रौद्योगिकियों में एआई और मशीन लर्निंग के प्रमुख – साक्षात्कार श्रृंखला

अली असमारी, पीएचडी यूएलसी प्रौद्योगिकियों में एआई और मशीन लर्निंग के प्रमुख हैं। यूएलसी प्रौद्योगिकियों को ऊर्जा, उपयोगिता और औद्योगिक बाजारों के लिए रोबोटिक्स इंजीनियरिंग और प्रौद्योगिकी विकास में एक अग्रणी के रूप में माना जाता है। 2001 में इसकी शुरुआत के बाद से, यूएलसी का ध्यान हमेशा उपयोगिता संचालन में सुधार और बुनियादी ढांचे में सुधार के समर्थन पर रहा है।

आपको रोबोटिक्स और एआई में क्या आकर्षित किया?

मैं हाई स्कूल में गणित और भौतिकी में बहुत अच्छा था, जिससे मुझे कॉलेज में मैकेनिकल इंजीनियरिंग का अध्ययन करने के लिए प्रेरित किया। कॉलेज में मेरे पसंदीदा विषय मशीनरी डायनामिक्स और नॉनलीनियर कंट्रोल थे, जो रोबोटिक सिस्टम के नियंत्रण में आवश्यक हैं। ये विषय आपको अपनी रोबोटिक कल्पना को वास्तविकता में बदलने के लिए सभी आवश्यक उपकरण प्रदान करते हैं। मैंने न केवल कॉलेज में अपने स्वयं के रोबोट बनाए, बल्कि दुनिया भर में अंतरराष्ट्रीय रोबोटिक प्रतियोगिताओं में भी भाग लिया। मैंने इस क्षेत्र में आगे अध्ययन करने और रोबोटिक्स में स्नातक स्कूल में प्रवेश करने का भी निर्णय लिया।

मशीन लर्निंग एक अवधारणा थी जो 2010 की शुरुआत में अनुप्रयोग में बहुत लोकप्रिय हो गई। मशीन लर्निंग और न्यूरल नेटवर्क में कुछ बुनियादी पाठ्यक्रम लेने के बाद, मैंने तुरंत अपने शोध और काम में तरीकों को लागू करना शुरू कर दिया। मैं व्यक्तिगत रूप से आश्चर्यचकित हूं कि मशीन लर्निंग की अवधारणाएं कितनी समान हैं जैसे मानव मस्तिष्क सीखता है और कार्य करता है। रोबोटिक्स में मशीन लर्निंग का उपयोग अपेक्षाकृत नया है और इसकी एक लंबी दूरी तय करनी है और मैं इस आंदोलन का हिस्सा बनने में खुद को बहुत भाग्यशाली महसूस करता हूं।

यूएलसी प्रौद्योगिकियों में कई रोबोट हैं जो कठिन भूभाग में जमीन के नीचे जाने के लिए डिज़ाइन किए गए हैं। इन प्रकार के रोबोटों के लिए पूरी तरह से स्वायत्त बाधा बचाव और पथ योजना बनाने के पीछे कुछ चुनौतियां क्या हैं?

हमारा अधिकांश काम शहरी क्षेत्रों में पुरानी पाइपलाइनों के निरीक्षण और आंतरिक उपचार पर केंद्रित रहा है और इन पाइपलाइनों के भीतर, मलबा आमतौर पर पाया जाता है जो पूरी तरह से स्वायत्त समाधानों को चुनौतीपूर्ण बनाता है। एक समाधान के रूप में, यूएलसी ने व्यावसायिक पाइपलाइन रोबोटिक सिस्टम विकसित किए हैं जो गैस मुख्यों के माध्यम से मैन्युअल रूप से चलाए जाते हैं। पिछले 20 वर्षों में, हमारी पाइपलाइन रोबोटिक्स में विशेषज्ञता का विस्तार हुआ है, जिससे हम अब स्वचालन और मशीन लर्निंग के अधिक तत्वों को एकीकृत कर सकते हैं।

एक ऐसी पहल डिस्ट्रीब्यूशन नेटवर्क इन्फॉर्मेशन मैपिंग (DNIM) है, जो यूके गैस नेटवर्क, एसजीएन के साथ एक सहयोगी परियोजना है ताकि पाइपलाइन नेटवर्क में मशीन लर्निंग को लागू किया जा सके ताकि हम पाइपलाइन और पाइप के भीतर सुविधाओं की पहचान कर सकें और उन्हें कुशलतापूर्वक मैप कर सकें। यह डेटा अंततः इन जटिल पाइपलाइन वातावरण में बाधा बचाव और पथ योजना के लिए मार्ग खोलेगा।

वर्तमान में कौन से रोबोटिक समाधान प्रदान किए जाते हैं?

यूएलसी उपयोगिता और ऊर्जा कंपनियों के साथ मिलकर ऊपर और नीचे जमीन के बुनियादी ढांचे जैसे पाइपलाइन, एलएनजी संयंत्र, सबस्टेशन और अन्य जटिल वातावरण का निरीक्षण, मरम्मत और रखरखाव करने के लिए रोबोटिक समाधान विकसित और तैनात करता है।

हमने सीआईएसबीओटी नामक एक रोबोट विकसित किया है जो लाइव कास्ट आयरन गैस मुख्य में प्रवेश करता है और पाइप के माध्यम से यात्रा करता है ताकि आंतरिक रूप से जोड़ों को सील किया जा सके, जो गैस नेटवर्क को किसी भी रिसाव को रोकने और पाइप के जीवन को 50 वर्ष तक बढ़ाने में मदद करता है, बिना ग्राहकों को गैस बंद किए। यूएलसी ने लाइव गैस मुख्य का निरीक्षण करने के लिए रोबोटिक कैमरा और क्रॉलर सिस्टम का एक सूट भी विकसित किया है, जो उपयोगिताओं को जोखिम को कम करने, कुशलता में सुधार करने और संचालन चुनौतियों को हल करने में मदद करता है।

हमारे वर्तमान भूमिगत रोबोटिक सिस्टम के अलावा, हमारे पास एक इन-हाउस अनुसंधान और विकास टीम है जो अन्य उद्योगों के लिए रोबोटिक समाधानों पर काम कर रही है। एक उदाहरण रोबोटिक रोडवर्क्स और उत्खनन सिस्टम (आरआरईएस) है, जो यूके कंपनी, एसजीएन के साथ संयुक्त रूप से विकसित की जा रही परियोजना है। आरआरईएस एक सभी-इलेक्ट्रिक रोबोटिक सिस्टम है जो सड़क निर्माण के पारंपरिक तरीकों को बदलने के लिए डिज़ाइन किया गया है, जिसमें भूमिगत संवेदन, कोरिंग और काटने वाली सड़कें, स्वचालित सॉफ्ट टच उत्खनन, पाइप स्थापना और फिर सड़क को पुनः स्थापित करने की क्षमता शामिल है। आगे के विकास के माध्यम से, हम आशा करते हैं कि आरआरईएस द्वारा भविष्य में की जा सकने वाली संचालन की श्रृंखला का विस्तार करेंगे।

यह केवल उन रोबोटिक समाधानों का एक नमूना है जिन्हें हम वर्तमान में प्रदान करते हैं, लेकिन हमारी प्रौद्योगिकियों के बारे में अतिरिक्त जानकारी हमारी वेबसाइट पर पाई जा सकती है। हमारे पास विकास में कई अन्य परियोजनाएं हैं और हम हमेशा उपयोगिता, ऊर्जा और औद्योगिक उद्योगों में स्वचालित समाधानों की तलाश में कंपनियों के साथ साझेदारी करने के लिए तैयार हैं।

किस प्रकार का डेटा एकत्र किया जाता है?

यूएलसी प्रौद्योगिकियों में कस्टम रोबोटिक समाधान बनाए जाते हैं ताकि उद्योग में विभिन्न तकनीकी चुनौतियों का समाधान किया जा सके। अनुप्रयोग के प्रकार के आधार पर, प्रत्येक रोबोट अपने वातावरण से विभिन्न प्रकार के डेटा को कैप्चर करता है। निम्नलिखित हमारे निरीक्षण संचालन के दौरान एकत्र किए जाने वाले लोकप्रिय डेटा प्रकारों की एक सूची है:

1. उच्च रिज़ॉल्यूशन रंगीन छवियां। उदाहरण के लिए, हमारे अमैन्युअल एयरियल वाहन (यूएवी) निरीक्षण कार्य के दौरान 40 मेगापिक्सेल छवियां कैप्चर करते हैं
2. 3डी पॉइंट क्लाउड। इसका एक उदाहरण हमारे कुछ इन-पाइप क्रॉलर रोबोट द्वारा एकत्र किए गए 3डी पॉइंट क्लाउड हैं
3. हमारे कुछ ऊपर जमीन रोबोट नेविगेशन के लिए लिडार डेटा को संसाधित करते हैं
4. इन्फ्रारेड छवियां। हमारे यूएवी और एसेट आइडेंटिफिकेशन एंड मैपिंग (एआईएम) समाधान निरीक्षण कार्य के दौरान संपत्तियों के स्थिति मूल्यांकन के लिए इन्फ्रारेड छवियां कैप्चर कर सकते हैं
5. उच्च आवृत्ति रडार। आरआरईएस (रोबोटिक रोडवर्क्स और उत्खनन प्रणाली) जमीन के नीचे दफन संपत्तियों के स्थान को मैप करने के लिए ग्राउंड पेनेट्रेटिंग रडार का उपयोग करता है

एक उद्योग के लिए विशिष्ट अनुप्रयोग के कारण इनमें से कुछ मंचों द्वारा एकत्र किए जाने वाले विभिन्न प्रकार के डेटा को इस सूची में शामिल नहीं किया गया है।

क्या आप बता सकते हैं कि ये छवियां कैसे जियोटैग की जाती हैं?

प्रत्येक रोबोटिक प्लेटफ़ॉर्म पर, कैप्चर की गई छवियों को जियोटैग करना उस प्रणाली और उसके वातावरण में उपलब्ध जानकारी के लिए अद्वितीय होता है।

हमारा एआईएम सिस्टम सर्वेक्षण वाहन के मार्ग को मैप करने के लिए एक ऑनबोर्ड जीपीएस का उपयोग करता है। अन्य ऑनबोर्ड सेंसर, कंप्यूटर विजन एल्गोरिदम और टार्गेट ट्रैकिंग का उपयोग करके, हमारे प्रोप्राइटरी सॉफ़्टवेयर प्रत्येक पहचाने गए संपत्ति के स्थान को मापता है और उनकी छवियों को उनके अनुसार जियोटैग करता है। जीपीएस वंचित वातावरण जैसे कि भूमिगत पाइप के अंदर, हमारे रोबोट पाइप के अंदर से कैप्चर किए गए डेटा को जियोटैग करने के लिए ऊपर जमीन सर्वेक्षण वाहनों के साथ संवाद करने के लिए अन्य तरीकों का उपयोग करते हैं।

वर्तमान में डेटा को संसाधित करने के लिए कौन सी मशीन लर्निंग प्रौद्योगिकियां उपयोग की जा रही हैं?

रोबोटिक्स और स्वायत्त डेटा प्रोसेसिंग में उपयोग की जाने वाली तीन मुख्य मशीन लर्निंग विधियां हैं, जिनमें से सभी यूएलसी प्रौद्योगिकियों में विभिन्न अनुप्रयोगों में उपयोग की जा रही हैं।

1. पर्यवेक्षित लर्निंग, जहां मॉडल को प्रशिक्षित करने के लिए ग्राउंड ट्रुथ आवश्यक है। ये मॉडल डेटा प्रोसेसिंग में उच्च सटीकता रखते हैं। यूएलसी का एआईएम समाधान उच्च सटीकता और पुनरावृत्ति के साथ ऊपर जमीन बिजली बुनियादी ढांचे संपत्तियों की पहचान करने के लिए इस मॉडल का उपयोग कर रहा है
2. अपर्यवेक्षित लर्निंग, जिसमें मॉडल डेटा में समानताएं और विचलन की पहचान करता है। हमने अपने इन-पाइप क्रॉलर से कैमरा फुटेज को संसाधित करने और पाइप के साथ उनके स्थान को मैप करने के लिए इस विधि का उपयोग किया है
3. पुरस्कार-आधारित प्रणाली के रूप में प्रतिबंधित लर्निंग, जो जटिल उपकरणों को प्रशिक्षित करने के लिए उपयोग की जाती है जिसमें जटिल रिवर्स किनेमैटिक गणना शामिल नहीं है। हम आरआरईएस प्लेटफ़ॉर्म पर रोबोटिक आर्म को संचालित करने के लिए विभिन्न उत्खनन संचालन करने के लिए इस विधि का उपयोग कर रहे हैं

क्या यूएलसी प्रौद्योगिकियों के बारे में आप कुछ और साझा करना चाहेंगे?

हम उद्योग, ऊर्जा और निर्माण उद्योगों के नेताओं के साथ साझेदारी करने के लिए हमेशा तैयार हैं ताकि हम नवीन समाधानों की पहचान और विकास पर सहयोग कर सकें। हमारे काम और फील्ड परीक्षण के माध्यम से, हम अपनी एआई और मशीन लर्निंग क्षमताओं को बढ़ाना जारी रखते हैं और भविष्य में अपने ग्राहकों के लिए नई चुनौतियों का समाधान करने की आशा करते हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें यूएलसी प्रौद्योगिकियों पर जाना चाहिए।