Ali Asmari, PhD, ULC TechnologiesのAIおよびマシンラーニング担当 – インタビューシリーズ

Ali Asmari, PhDは、ULC TechnologiesのAIおよびマシンラーニング担当です。ULC Technologiesは、ロボティクスエンジニアリングとエネルギー、ユーティリティ、工業市場向けのテクノロジー開発の先駆者と見なされています。2001年の設立以来、ULCの焦点は常にユーティリティ運用の強化とインフラストラクチャーの改善のサポートにありました。

ロボティクスとAIに最初に惹かれたのは何ですか？

高校時代は数学と物理が得意で、大学では機械工学を学びました。大学での私の好きな科目は、機械力学と非線形制御でした。これらの科目はロボティックシステムの制御に必要なすべてのツールを提供します。これらの科目で、ロボティックな想像力を現実に変えることができます。私は大学時代に自分でロボットを制作し、世界中の国際ロボティック大会にも参加しました。また、ロボティクスをさらに研究するために大学院に進み、ロボティクスエンジニアになりました。

マシンラーニングは、2010年初頭に応用で非常に人気のある概念になりました。マシンラーニングとニューラルネットワークの基本的なコースを数多く受けた後、私はすぐに研究と仕事でこれらの方法を適用し始めました。私は、マシンラーニングの概念が人間の脳が学習し、機能する方法とどのように似ているかということに個人的に驚かされています。ロボティクスにおけるマシンラーニングの使用は比較的新しく、長い道のりがありますが、この動きの一部であることを幸運に思っています。

ULC Technologiesには、地下に下ることが難しい地形を走行するロボットが多数あります。これらのロボットの完全な自律型障害物回避とパスプランニングの構築の背後にある課題について説明してください。

私たちの多くの作業は、都市部の古いパイプラインの検査と内部の修復に焦点を当ててきました。これらのパイプライン内では、デブリが一般的に見られ、完全な自律型ソリューションを難しくしています。解決策として、ULCは商用パイプラインロボットシステムを開発しました。これらはガスメインを手動で駆動します。過去20年間で、私たちのパイプラインロボティクスの専門知識を拡大し、現在はより多くの自動化とマシンラーニングの要素を統合できるようになりました。

そのような取り組みの1つは、Distribution Network Information Mapping（DNIM）です。これは、UKのガスネットワーク、SGNと共同で行うプロジェクトで、パイプラインネットワークにマシンラーニングを適用して、パイプラインとパイプ内の機能を効率的に識別およびマッピングできるようにします。このデータは、最終的にこれらの複雑なパイプライン環境での障害物回避とパスプランニングの開拓に役立ちます。

現在提供されているロボティックソリューションについて説明してください。

ULCは、ユーティリティとエネルギー企業と協力して、上部と下部のインフラストラクチャー（パイプライン、LNGプラント、変電所、その他の複雑な環境）を検査、修理、維持するロボティックソリューションを開発および展開しています。

私たちは、CISBOTというロボットを開発しました。これは、ライブキャストアイアンガスメインに侵入し、パイプを移動して内部のジョイントをシールして、ガス漏れを防ぎ、パイプの寿命を最大50年まで延ばすことができます。ULCはまた、ライブガスメインの検査用のロボティックカメラおよびクローラーシステムのスイートを開発しました。これにより、ユーティリティはリスクを軽減し、効率を向上させ、運用上の課題を解決できます。

私たちの地下ロボティックシステムの外側では、他の業界向けのロボティックソリューションを開発中のインハウスR&Dチームもあります。1つの例は、Robotic Roadworks & Excavation System（RRES）です。これは、UKの企業、SGNと共同で開発しているプロジェクトです。RRESは、従来の発掘方法を置き換えるための全電気ロボティックシステムで、地下でのセンシング、コアリング、カッティング、自動ソフトタッチ発掘、パイプのインストール、道路の復元などの機能があります。さらに開発を進めることで、将来的にRRESが実行できる作業の範囲を拡大したいと考えています。

これは私たちが現在提供しているロボティックソリューションの例ですが、ウェブサイトには私たちのテクノロジーに関する詳細情報が記載されています。私たちは、ユーティリティ、エネルギー、工業業界で自動化ソリューションを探している企業と提携して、革新的なソリューションの開発を共同で行うことを目指しています。

どのようなデータを収集していますか？

ULC Technologiesは、業界のさまざまな技術的な課題に対処するために、カスタムロボティックソリューションを構築しています。アプリケーションの種類によって、各ロボットは環境からさまざまな種類のデータを収集します。以下は、検査作業中に収集する一般的なデータの種類のリストです：

1. 高解像度カラーアイメージ。たとえば、私たちのUnmanned Aerial Vehicles（UAV)は、検査作業中に40メガピクセルの画像をキャプチャします。
2. 3D点群。私たちのパイプ内クローラーロボットが収集する3D点群の1つの例です。
3. 私たちの地上ロボットの一部は、ナビゲーションにLIDARデータを処理します。
4. 赤外線画像。私たちのUAVとAsset Identification and Mapping（AIM）ソリューションは、検査作業中に赤外線画像をキャプチャできます。
5. 高周波レーダー。Robotic Roadworks and Excavation System（RRES）は、地下の埋設アセットの位置をマッピングするために、地面探査レーダーを使用します。

これ以外にも、特定の業界に応じて、さまざまな種類のデータを収集しますが、ここでは省略します。

これらの画像はどのように地理的にタグ付けられているのですか？

各ロボティックプラットフォームでは、画像の地理タグ付けがユニークな方法で行われます。

私たちのAIMシステムは、オンボードのGPSを使用して、調査車両のパスをマッピングします。オンボードの他のセンサー、コンピュータビジョンアルゴリズム、およびターゲットトラッキングを使用して、ソフトウェアは各識別されたアセットの位置を測定し、画像を地理的にタグ付けします。地下パイプ内のGPSが制限される環境では、ロボットは地上の調査車両と通信して、パイプ内でキャプチャされたデータを地理的にタグ付けします。

現在、データを処理するために使用されているマシンラーニング技術について説明してください。

ロボティクスと自律データ処理で使用されているマシンラーニングの主な方法は3つあり、すべてがULC Technologiesでさまざまなアプリケーションで使用されています。

1. 教師あり学習では、モデルをトレーニングするためにグラウンドトゥルースが必要です。これらのモデルはデータ処理でより高い精度を持ちます。ULCのAIMソリューションは、高い精度と繰り返し性で上部電気インフラストラクチャーアセットを識別するためにこのモデルを使用しています。
2. 教師なし学習では、モデルはデータの類似性と異常性を識別します。私たちは、この方法を使用して、パイプ内クローラーロボットからのカメラ映像を処理し、パイプ沿いにその位置をマッピングしました。
3. 強化学習は、複雑なデバイスをトレーニングするための報酬ベースのシステムです。私たちは、この方法を使用して、RRESプラットフォームのロボティックアームを操作して、さまざまな発掘操作を実行します。

ULC Technologiesについてさらに共有したいことはありますか？

私たちは、工業、エネルギー、建設業界のリーダーと提携して、革新的なソリューションの開発を共同で行うことを目指しています。私たちの作業とフィールドテストを通じて、AIとマシンラーニングの能力をさらに強化し、将来的に顧客の新しい課題を解決することを期待しています。

素晴らしいインタビュー、詳細についてはULC Technologiesを訪問してください。