Ali Asmari, PhD, Kepala AI dan Machine Learning di ULC Technologies – Seri Wawancara

Ali Asmari, PhD adalah kepala AI dan machine learning di ULC Technologies. ULC Technologies dianggap sebagai pelopor dalam teknik robotika dan pengembangan teknologi untuk pasar energi, utilitas, dan industri. Sejak awal berdiri pada 2001, fokus ULC selalu pada peningkatan operasi utilitas dan dukungan perbaikan infrastruktur.

Apa yang awalnya menarik Anda ke robotika dan AI?

Saya sangat baik dalam matematika dan fisika di sekolah menengah yang membuat saya mempelajari teknik mesin di perguruan tinggi. Topik favorit saya di perguruan tinggi adalah Dinamika Mesin dan Kontrol Nonlinear, keduanya diperlukan dalam kontrol sistem robotik. Topik-topik ini memberikan Anda semua alat yang diperlukan untuk mengubah imajinasi robotik Anda menjadi kenyataan. Saya tidak hanya membangun robot saya sendiri di perguruan tinggi, tetapi saya juga berpartisipasi dalam kompetisi robotik internasional di seluruh dunia. Saya juga memutuskan untuk mempelajari bidang ini lebih lanjut dan masuk ke sekolah pascasarjana untuk menjadi ahli robotika.

Machine learning adalah konsep yang menjadi sangat populer dalam aplikasi pada awal 2010. Setelah mengambil beberapa kursus dasar dalam Machine Learning dan Jaringan Saraf, saya segera mulai menerapkan metode ini dalam penelitian dan pekerjaan saya. Saya secara pribadi terkesan dengan betapa miripnya konsep machine learning dengan cara kerja otak manusia. Penggunaan machine learning dalam robotika relatif baru dan masih memiliki jalan panjang untuk dilalui, dan saya merasa sangat beruntung untuk menjadi bagian dari gerakan ini.

ULC Technologies memiliki banyak robot yang dirancang untuk pergi ke bawah tanah di beberapa medan yang sulit. Apa saja tantangan di balik pembangunan penghindaran hambatan dan perencanaan jalur yang sepenuhnya otonom untuk robot-robot ini?

Banyak pekerjaan kami telah berfokus pada inspeksi dan remediasi internal pipa tua di daerah perkotaan dan dalam pipa-pipa ini, limbah umum ditemukan yang membuat solusi sepenuhnya otonom menjadi menantang. Sebagai solusi, ULC mengembangkan sistem robotik pipa komersial yang dikendalikan secara manual melalui pipa gas. Selama 20 tahun terakhir, keahlian kami dalam robotika pipa telah berkembang yang memungkinkan kami untuk sekarang mengintegrasikan lebih banyak elemen otomatisasi dan machine learning.

Salah satu inisiatif ini disebut Pemetaan Informasi Jaringan Distribusi (DNIM), yang merupakan proyek kolaboratif dengan jaringan gas UK, SGN untuk menerapkan machine learning ke jaringan pipa sehingga kami dapat mengidentifikasi dan memetakan pipa dan fitur-fitur di dalam pipa secara efisien. Data ini pada akhirnya akan membantu membuka jalur untuk penghindaran hambatan dan perencanaan jalur di lingkungan pipa yang sangat kompleks.

Apa saja solusi robotik saat ini yang ditawarkan? 

ULC bekerja dengan perusahaan utilitas dan energi untuk mengembangkan dan menerapkan solusi robotik untuk inspeksi, perbaikan, dan pemeliharaan infrastruktur di atas dan di bawah tanah seperti pipa, pabrik LNG, gardu, dan lingkungan kompleks lainnya.

Kami mengembangkan robot yang disebut CISBOT yang memasuki pipa gas besi cor hidup dan bergerak melalui pipa untuk menyegel sambungan secara internal, yang membantu jaringan gas mencegah kebocoran dan memperpanjang umur pipa hingga 50 tahun, semua tanpa mematikan gas untuk pelanggan. ULC juga mengembangkan suite robotik kamera dan sistem crawler untuk inspeksi pipa gas hidup, membantu utilitas mengurangi risiko, meningkatkan efisiensi, dan menyelesaikan tantangan operasional.

Di luar sistem robotik bawah tanah kami saat ini, kami juga memiliki tim R&D internal yang bekerja pada solusi robotik untuk industri lain. Salah satu contoh adalah Sistem Pekerjaan Jalan dan Penggalian Robotik (RRES), proyek yang kami kembangkan dalam kolaborasi dengan perusahaan UK, SGN. RRES adalah sistem robotik all-electric yang dirancang untuk menggantikan metode konvensional penggalian dengan kemampuan yang mencakup penginderaan bawah tanah, pengeboran dan pemotongan jalan, penggalian otomatis, pemasangan pipa, dan kemampuan untuk memulihkan kembali jalan. Melalui pengembangan lebih lanjut, kami berharap dapat memperluas rentang operasi yang dapat dilakukan RRES di masa depan.

Ini hanya contoh dari solusi robotik yang saat ini kami tawarkan, tetapi informasi lebih lanjut tentang teknologi kami dapat ditemukan di situs web kami. Kami memiliki banyak proyek lain yang sedang dikembangkan dan selalu mencari untuk bermitra dengan perusahaan di industri utilitas, energi, dan industri yang mencari solusi otomatis.

Apakah jenis data yang dikumpulkan?

ULC Technologies membangun solusi robotik kustom untuk menangani tantangan teknis yang berbeda di industri. Berdasarkan jenis aplikasi, setiap robot mengumpulkan jenis data yang berbeda dari lingkungannya. Berikut adalah daftar beberapa jenis data populer yang kami kumpulkan selama operasi inspeksi:

1. Gambar Berwarna Resolusi Tinggi. Sebagai contoh, Kendaraan Udara Tak Berawak (UAV) kami mengambil gambar 40MPixel selama pekerjaan inspeksi
2. Titik awan 3D. Contoh dari ini adalah titik awan 3D yang dikumpulkan oleh beberapa robot crawler pipa kami.
3. Beberapa robot di atas tanah kami memproses data LIDAR untuk navigasi
4. Gambar Inframerah. UAV dan solusi Pemetaan dan Identifikasi Aset (AIM) kami dapat mengambil gambar inframerah selama pekerjaan inspeksi untuk penilaian kondisi aset.
5. Radars frekuensi tinggi. RRES (Sistem Pekerjaan Jalan dan Penggalian Robotik) menggunakan Radar Penetrasi Tanah untuk memetakan lokasi aset tersembunyi di bawah tanah.

Terdapat banyak jenis data lain yang dikumpulkan oleh beberapa platform kami untuk tujuan yang berbeda yang tidak termasuk dalam daftar ini karena aplikasi spesifiknya ke satu industri.

Bagaimana gambar-gambar ini diberi tag geografis?

Di setiap platform robotik, penandaan geografis gambar yang diambil terjadi secara unik untuk sistem tersebut dan informasi yang tersedia di lingkungannya.

Sistem AIM kami menggunakan GPS onboard untuk memetakan jalur kendaraan survei. Menggunakan sensor onboard lainnya, algoritma penglihatan komputer, dan pelacakan target, perangkat lunak kami memetakan lokasi setiap aset yang diidentifikasi dan menandai gambar-gambar mereka sesuai. Di lingkungan yang kekurangan GPS seperti di dalam pipa bawah tanah, robot kami menggunakan metode lain untuk berkomunikasi dengan kendaraan survei di atas tanah untuk menandai data yang diambil dari dalam pipa.

Apa saja teknologi machine learning yang saat ini digunakan untuk memproses data?

Terdapat tiga metode utama machine learning yang digunakan dalam robotika dan pemrosesan data otonom, semua yang digunakan dalam aplikasi yang berbeda di ULC Technologies.

1. Pembelajaran Terawasi, di mana kebenaran dasar diperlukan untuk melatih model. Model-model ini memiliki akurasi yang lebih tinggi dalam pemrosesan data. Solusi AIM ULC menggunakan model ini untuk mengidentifikasi aset infrastruktur listrik di atas tanah dengan akurasi dan keulangan yang tinggi.
2. Pembelajaran Tak Terawasi, di mana model mengidentifikasi kesamaan dan anomali dalam data. Kami telah menggunakan metode ini untuk memproses footage kamera dari robot crawler pipa kami dan memetakan lokasinya sepanjang pipa.
3. Pembelajaran Penguatan, yang merupakan sistem berbasis penghargaan untuk melatih perangkat yang rumit tanpa perhitungan kinematik balik yang rumit. Kami menggunakan metode ini untuk mengoperasikan lengan robotik di platform RRES untuk melakukan berbagai operasi penggalian.

Apakah ada yang lain yang ingin Anda bagikan tentang ULC Technologies?

Kami selalu mencari untuk bermitra dengan pemimpin di industri industri, energi, dan konstruksi untuk mengidentifikasi dan berkolaborasi dalam pengembangan solusi inovatif. Melalui pekerjaan dan pengujian lapangan, kami terus meningkatkan kemampuan AI dan machine learning kami dan berharap untuk menyelesaikan tantangan baru untuk pelanggan kami di masa depan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi ULC Technologies.