viðtöl
Ali Asmari, doktor, yfirmaður gervigreindar og vélanáms hjá ULC Technologies – Interview Series
Ali Asmari, PhD er yfirmaður gervigreindar og vélanáms hjá ULC tækni. Litið er á ULC Technologies sem brautryðjandi í vélfærafræðiverkfræði og tækniþróun fyrir orku-, veitu- og iðnaðarmarkaði. Frá upphafi árið 2001 hefur áhersla ULC alltaf verið að auka rekstur veitu og styðja við endurbætur á innviðum.
Hvað laðaði þig upphaflega að vélfærafræði og gervigreind?
Ég var mjög góður í stærðfræði og eðlisfræði í menntaskóla sem leiddi mig til að læra vélaverkfræði í háskóla. Uppáhaldsefnin mín í háskólanum voru vélavirkni og ólínuleg stjórn, sem bæði eru nauðsynleg til að stjórna vélfærakerfum. Þessi efni gefa þér öll nauðsynleg verkfæri til að gera vélmenna ímyndunarafl þitt að veruleika. Ég smíðaði ekki bara mín eigin vélmenni í háskóla, heldur keppti ég líka í alþjóðlegum vélmennakeppnum um allan heim. Ég ákvað líka að læra meira á þessu sviði og fór í framhaldsnám til að verða vélfærafræðingur.
Vélanám var hugtak sem varð mjög vinsælt í notkun snemma árs 2010. Eftir að hafa tekið nokkur grunnnámskeið í vélanámi og tauganeti byrjaði ég strax að beita aðferðunum í rannsóknum mínum og starfi. Ég er persónulega hissa á því hversu lík hugtök vélanáms eru hvernig mannsheilinn lærir og virkar. Notkun vélanáms í vélfærafræði er tiltölulega ný og á langt í land og mér finnst ég mjög heppinn að vera hluti af þessari hreyfingu.
ULC Technologies hefur mörg vélmenni sem eru hönnuð til að fara niður fyrir jörðu í erfiðu landslagi. Hver eru nokkrar af áskorunum á bak við að byggja upp fullkomlega sjálfstæða hindrunarforða og skipulagningu leiða fyrir þessar tegundir vélmenna?
Mikið af vinnu okkar hefur beinst að skoðun og innri lagfæringu á eldri leiðslum í þéttbýli og innan þessara leiðslna er almennt að finna rusl sem gerir algjörlega sjálfstæðar lausnir krefjandi. Sem lausn þróaði ULC vélmennakerfi fyrir leiðslur í atvinnuskyni sem eru handknúnar í gegnum gasveitur. Undanfarin 20 ár hefur sérfræðiþekking okkar í vélfærafræði í leiðslum aukist sem gerir okkur kleift að samþætta fleiri þætti sjálfvirkni og vélanáms.
Eitt slíkt frumkvæði er kallað Distribution Network Information Mapping (DNIM), sem er samstarfsverkefni við breska gasnetið, SGN til að beita vélanámi á leiðsluret svo að við getum skilgreint og kortlagt leiðsluna og eiginleika innan leiðslunnar á skilvirkan hátt. Þessi gögn munu að lokum hjálpa til við að opna leiðir til að forðast hindranir og leiðaskipulagningu í þessu mjög flókna leiðsluumhverfi.
Hverjar eru nokkrar af núverandi vélfærafræðilausnum sem eru í boði?
ULC vinnur með veitu- og orkufyrirtækjum að því að þróa og dreifa vélfærafræðilausnum til að skoða, gera við og viðhalda ofan- og neðanjarðarinnviðum eins og leiðslum, LNG verksmiðjum, tengivirkjum og öðru flóknu umhverfi.
Við þróuðum vélmenni sem heitir CISBOT sem fer inn í gasveitur úr lifandi steypujárni og fer í gegnum rörið til að þétta samskeytin að innan, sem hjálpar gasnetum að koma í veg fyrir leka og lengir endingu rörsins í allt að 50 ár, allt án þess að loka fyrir gas til viðskiptavina. ULC þróaði einnig föruneyti af vélfærafræði myndavéla- og skriðarkerfi til að skoða rafmagnsnet, hjálpa veitum að draga úr áhættu, bæta skilvirkni og leysa rekstrarvandamál.
Fyrir utan núverandi neðanjarðar vélfærakerfi okkar, höfum við einnig innanhúss R&D teymi sem vinnur að vélfærafræðilausnum fyrir aðrar atvinnugreinar. Eitt dæmi er Vélfæravinnu- og grafakerfi (RRES), verkefni sem við erum að þróa í samvinnu við breska fyrirtækið, SGN. RRES er alrafmagns vélfærakerfi sem er gert til að koma í stað hefðbundinna uppgröftaraðferða með möguleikum sem fela í sér skynjun neðanjarðar, kjarnhreinsun og klippingu á akbrautum, sjálfvirkan mjúkan snertiuppgröft, pípuuppsetningar og síðan getu til að koma akbrautinni í lag aftur. Með frekari þróun vonumst við til að auka svið aðgerða sem RRES getur framkvæmt í framtíðinni.
Þetta er aðeins sýnishorn af þeim vélfærafræðilausnum sem við bjóðum upp á núna, en frekari upplýsingar um tækni okkar er að finna á vefsíðu okkar. Við erum með mörg önnur verkefni í þróun og erum alltaf að leita að samstarfi við fyrirtæki í veitu-, orku- og iðnaðariðnaði sem eru að leita að sjálfvirkum lausnum.
Hvers konar gögnum er safnað?
ULC Technologies byggir sérsniðnar vélfærafræðilausnir til að takast á við mismunandi tæknilegar áskoranir í greininni. Byggt á tegund umsóknar tekur hvert vélmenni mismunandi gerðir af gögnum úr umhverfi sínu. Eftirfarandi er listi yfir nokkrar af þeim vinsælu tegundum gagna sem við söfnum í gegnum skoðunaraðgerðir okkar:
- Litaðar myndir í hárri upplausn. Sem dæmi, okkar Ómannað flugfarartæki (UAV) Taktu 40MPixel myndir við skoðunarvinnu
- 3D punktský. Dæmi um þetta eru þrívíddarpunktaskýin sem sum af innbyggðum skriðvélmennum okkar safna.
- Sum vélmenni okkar ofanjarðar vinna úr LIDAR gögnum fyrir siglingar
- Innrauðar myndir. UAV okkar og Asset Identification and Mapping (AIM) lausnin getur tekið innrauðar myndir við skoðunarvinnu til að meta ástand eigna.
- Hátíðni ratsjá. RRES (Robotic Roadworks and Excavation System) notar Ground Penetrating Radar til að kortleggja staðsetningu grafinna eigna undir jörðu.
Það eru margar fleiri mismunandi gerðir af gögnum sem sumir af kerfum okkar safna í mismunandi tilgangi sem eru ekki með á þessum lista vegna sérstakrar notkunar þeirra á eina atvinnugrein.
Gætirðu rætt hvernig þessar myndir eru landmerktar?
Á öllum vélfærakerfum fer landmerking myndanna fram sem er einstök fyrir það kerfi og fyrirliggjandi upplýsingar í umhverfi þess.
AIM kerfið okkar notar innbyggðan GPS til að kortleggja slóð könnunarbílsins okkar. Með því að nota aðra skynjara um borð, reiknirit fyrir tölvusjón og markrakningu mælir sérhugbúnaður okkar staðsetningu allra auðkenndra eigna og landmerkja myndir þeirra í samræmi við það. Í GPS-svipt umhverfi eins og inni í neðanjarðarpípu, nota vélmenni okkar aðrar aðferðir til að hafa samskipti við ofanjarðarkönnunarfartæki til að landmerkja gögnin sem tekin eru innan úr pípunni.
Hvaða vélanámstækni er nú notuð til að vinna úr gögnunum?
Það eru þrjár meginaðferðir við vélnám sem eru notaðar í vélfærafræði og sjálfstæðri gagnavinnslu, sem allar eru notaðar í mismunandi forritum hjá ULC Technologies.
- Stýrt nám, þar sem grunnsannleikur er nauðsynlegur til að þjálfa líkanið. Þessi líkön hafa meiri nákvæmni í gagnavinnslu. AIM lausn ULC notar þetta líkan til að bera kennsl á rafmagnsinnviði ofanjarðar með mikilli nákvæmni og endurtekningarnákvæmni.
- Unsupervised Learning, þar sem líkanið greinir líkindi og frávik í gögnunum. Við höfum notað þessa aðferð til að vinna úr myndavélarupptökum frá inn-pípuskriðum okkar og kortleggja staðsetningu þeirra meðfram pípunni.
- Reinforcement Learning, sem er kerfi sem byggir á verðlaunum til að þjálfa flókin tæki án flókinna útreikninga á öfugum hreyfingum. Við erum að nota þessa aðferð til að stjórna vélfæraarminum á RRES pallinum til að framkvæma mismunandi uppgröftur.
Er eitthvað annað sem þú vilt deila um ULC Technologies?
Við erum alltaf að leita að samstarfi við leiðtoga í iðnaðar-, orku- og byggingariðnaði til að bera kennsl á og vinna saman að þróun nýstárlegra lausna. Með vinnu okkar og vettvangsprófunum höldum við áfram að efla gervigreind og vélanámsgetu okkar og hlökkum til að leysa nýjar áskoranir fyrir viðskiptavini okkar í framtíðinni.
Þakka þér fyrir frábært viðtal, lesendur sem vilja læra meira ættu að heimsækja ULC tækni.
