Ali Asmari, PhD, ULC Technologies AI un mašīnmācīšanās vadītājs — interviju sērija

Ali Asmari, PhD ir AI un mašīnmācības vadītājs ULC tehnoloģijas. ULC Technologies tiek uzskatīts par pionieri robotikas inženierijā un tehnoloģiju attīstībā enerģijas, komunālo pakalpojumu un rūpniecības tirgos. Kopš tās darbības sākuma 2001. gadā ULC galvenais mērķis vienmēr ir bijis komunālo pakalpojumu uzlabošana un infrastruktūras uzlabošanas atbalsts.

Kas jūs sākotnēji piesaistīja robotikai un AI?

Vidusskolā man ļoti labi padevās matemātika un fizika, kas lika man studēt mašīnbūvi koledžā. Manas iecienītākās tēmas koledžā bija mašīnu dinamika un nelineārā vadība, kuras abas ir nepieciešamas robotu sistēmu vadīšanai. Šīs tēmas sniedz jums visus nepieciešamos rīkus, lai pārvērstu jūsu robotizēto iztēli realitātē. Es ne tikai būvēju savus robotus koledžā, bet arī piedalījos starptautiskās robotikas sacensībās visā pasaulē. Es arī nolēmu turpināt apgūt šo jomu un iestājos augstskolā, lai kļūtu par robotiķi.

Mašīnmācīšanās bija jēdziens, kas kļuva ļoti populārs lietošanā 2010. gada sākumā. Pēc pāris pamatkursu apguves mašīnmācībā un neironu tīklā es nekavējoties sāku izmantot metodes savos pētījumos un darbā. Es personīgi esmu pārsteigts par to, cik mašīnmācīšanās koncepcijas ir līdzīgas tam, kā cilvēka smadzenes mācās un darbojas. Mašīnmācības izmantošana robotikā ir salīdzinoši jauna, un tai ir tāls ceļš ejams, un es jūtos ļoti laimīgs, ka esmu daļa no šīs kustības.

Uzņēmumam ULC Technologies ir daudz robotu, kas ir paredzēti, lai pārvietotos zem zemes sarežģītā reljefā. Kādas ir problēmas, kas saistītas ar pilnībā autonomu šķēršļu izvairīšanos un ceļa plānošanu šāda veida robotiem?

Liela daļa mūsu darba ir bijusi vērsta uz veco cauruļvadu pārbaudi un iekšējo sanāciju pilsētu teritorijās, un šajos cauruļvados parasti tiek atrasti gruveši, kas padara pilnībā autonomus risinājumus sarežģītus. Kā risinājumu ULC izstrādāja komerciālas cauruļvadu robotizētās sistēmas, kuras tiek manuāli vadītas caur gāzes maģistrālēm. Pēdējo 20 gadu laikā mūsu pieredze cauruļvadu robotikā ir paplašinājusies, kas ļauj mums tagad integrēt vairāk automatizācijas un mašīnmācīšanās elementu.

Viena no šādām iniciatīvām tiek saukta par sadales tīkla informācijas kartēšanu (DNIM), kas ir sadarbības projekts ar Apvienotās Karalistes gāzes tīklu SGN, lai cauruļvadu tīklos izmantotu mašīnmācīšanos, lai mēs varētu efektīvi identificēt un kartēt cauruļvadu un tajā esošās funkcijas. Šie dati galu galā palīdzēs atvērt ceļus šķēršļu novēršanai un ceļu plānošanai šajās ļoti sarežģītajās cauruļvadu vidēs.

Kādi ir daži no pašreizējiem robotu risinājumiem, kas tiek piedāvāti? 

ULC sadarbojas ar komunālajiem un enerģētikas uzņēmumiem, lai izstrādātu un ieviestu robotizētus risinājumus virszemes un zemzemes infrastruktūras, piemēram, cauruļvadu, SDG rūpnīcu, apakšstaciju un citu sarežģītu vidi, pārbaudei, remontam un uzturēšanai.

Mēs izstrādājām robotu ar nosaukumu CISBOT kas nonāk dzīvā čuguna gāzes maģistrālē un virzās pa cauruli, lai iekšēji noblīvētu savienojumus, kas palīdz gāzes tīkliem novērst jebkādas noplūdes un pagarina caurules kalpošanas laiku līdz pat 50 gadiem, turklāt neizslēdzot gāzi klientiem. ULC izstrādāja arī robotu komplektu kameru un kāpurķēžu sistēmas lai pārbaudītu dzīvās gāzes maģistrāles, palīdzot komunālajiem uzņēmumiem samazināt risku, uzlabot efektivitāti un atrisināt darbības problēmas.

Ārpus mūsu pašreizējām pazemes robotu sistēmām mums ir arī iekšēja pētniecības un attīstības komanda, kas strādā pie robotizētiem risinājumiem citām nozarēm. Viens piemērs ir Robotu ceļu darbu un rakšanas sistēma (RRES), projekts, ko izstrādājam sadarbībā ar Lielbritānijas uzņēmumu SGN. RRES ir pilnībā elektriska robotizēta sistēma, kas izstrādāta, lai aizstātu parastās rakšanas metodes ar iespējām, kas ietver pazemes noteikšanu, brauktuves izciršanu un griešanu, automatizētu rakšanu ar mīkstu pieskārienu, cauruļu uzstādīšanu un pēc tam iespēju atjaunot brauktuvi. Ar turpmāku attīstību ceram paplašināt RRES veikto darbību klāstu nākotnē.

Šis ir tikai paraugs no šobrīd piedāvātajiem robotikas risinājumiem, taču papildu informāciju par mūsu tehnoloģijām var atrast mūsu vietnē. Mums ir daudz citu projektu izstrādes stadijā, un mēs vienmēr meklējam sadarbību ar komunālo pakalpojumu, enerģētikas un rūpniecības nozaru uzņēmumiem, kuri meklē automatizētus risinājumus.

Kāda veida dati tiek vākti?

ULC Technologies izstrādā pielāgotus robotizētus risinājumus, lai risinātu dažādas nozares tehniskās problēmas. Atkarībā no lietojumprogrammas veida katrs robots uztver dažāda veida datus no savas vides. Tālāk ir sniegts saraksts ar dažiem populāriem datu veidiem, ko mēs apkopojam pārbaudes darbības laikā.

1. Augstas izšķirtspējas krāsaini attēli. Piemēram, mūsu Bezpilota lidaparāti (UAV) pārbaudes darbu laikā tver 40MPixel attēlus
2. 3D punktu mākoņi. Piemērs tam ir 3D punktu mākoņi, ko savāc daži mūsu caurulē iebūvētie kāpurķēžu roboti.
3. Daži no mūsu virszemes robotiem apstrādā LIDAR datus navigācijai
4. Infrasarkanie attēli. Mūsu bezpilota lidaparāti un līdzekļu identifikācijas un kartēšanas (AIM) risinājums var tvert infrasarkanos attēlus pārbaudes darbu laikā, lai novērtētu aktīvu stāvokli.
5. Augstas frekvences radars. RRES (Robotic Roadworks and Excavation System) izmanto zemes caurlaidības radaru, lai kartētu zem zemes aprakto īpašumu atrašanās vietu.

Ir daudz vairāk dažādu datu, ko dažas no mūsu platformām vāc dažādiem mērķiem un kas nav iekļauti šajā sarakstā, jo tie ir īpaši piemēroti vienai nozarei.

Vai jūs varētu apspriest, kā šiem attēliem tiek piešķirtas ģeogrāfiskās atzīmes?

Katrā robotizētajā platformā uzņemto attēlu ģeogrāfiskā marķēšana notiek unikāli šai sistēmai un tās vidē pieejamajai informācijai.

Mūsu AIM sistēma izmanto iebūvēto GPS, lai noteiktu mūsu apsekojuma transportlīdzekļa ceļu. Izmantojot citus iebūvētos sensorus, datorredzes algoritmus un mērķa izsekošanu, mūsu patentētā programmatūra nosaka katra identificētā līdzekļa atrašanās vietu un attiecīgi atzīmē to attēlus. Vidēs, kurās nav GPS, piemēram, pazemes caurulē, mūsu roboti izmanto citas metodes, lai sazinātos ar virszemes uzmērīšanas transportlīdzekļiem, lai ģeogrāfiski atzīmētu no caurules iekšpuses uzņemtajiem datiem.

Kādas ir mašīnmācīšanās tehnoloģijas, kas pašlaik tiek izmantotas datu apstrādei?

Ir trīs galvenās mašīnmācīšanās metodes, kas tiek izmantotas robotikā un autonomā datu apstrādē, un tās visas tiek izmantotas dažādās ULC Technologies lietojumprogrammās.

1. Uzraudzīta mācīšanās, kur modeļa apmācīšanai ir nepieciešama pamatpatiesība. Šiem modeļiem ir lielāka datu apstrādes precizitāte. ULC AIM risinājums izmanto šo modeli, lai identificētu virszemes elektriskās infrastruktūras aktīvus ar augstu precizitāti un atkārtojamību.
2. Neuzraudzīta mācīšanās, kurā modelis identificē datu līdzības un anomālijas. Mēs esam izmantojuši šo metodi, lai apstrādātu kameru uzņemtos materiālus no mūsu rāpuļprogrammas un kartētu to atrašanās vietu gar cauruli.
3. Pastiprināšanas mācības, kas ir uz atlīdzību balstīta sistēma, lai apmācītu sarežģītas ierīces bez sarežģītiem apgrieztiem kinemātiskiem aprēķiniem. Mēs izmantojam šo metodi, lai darbinātu robotizēto roku uz RRES platformas, lai veiktu dažādas rakšanas darbības.

Vai ir vēl kaut kas, ko vēlaties padalīties par ULC tehnoloģijām?

Mēs vienmēr cenšamies sadarboties ar līderiem rūpniecības, enerģētikas un būvniecības nozarēs, lai noteiktu un sadarbotos inovatīvu risinājumu izstrādē. Veicot mūsu darbu un testēšanu uz vietas, mēs turpinām uzlabot AI un mašīnmācīšanās iespējas un ceram nākotnē atrisināt jaunus izaicinājumus mūsu klientiem.

Paldies par lielisko interviju, lasītājiem, kuri vēlas uzzināt vairāk, vajadzētu apmeklēt ULC tehnoloģijas.