Ali Asmari, PhD, hoofd van AI en machine learning bij ULC Technologies – Interviewreeks

Ali Asmari, PhD is hoofd van AI en machine learning bij ULC Technologies. ULC Technologies wordt beschouwd als een pionier in robottechniek en technologieontwikkeling voor de energiemarkt, nutsbedrijven en industrie. Sinds de start in 2001 heeft ULC zich altijd gericht op het verbeteren van nutsbedrijfsoperaties en het ondersteunen van infrastructuurverbetering.

Wat trok je aanvankelijk aan naar robottechniek en AI?

Ik was erg goed in wiskunde en natuurkunde op de middelbare school, wat me ertoe bracht om mechanische techniek te studeren aan de universiteit. Mijn favoriete onderwerpen aan de universiteit waren Machinedynamica en Niet-lineaire Besturing, beide essentieel voor het besturen van robotsystemen. Deze onderwerpen geven je alle noodzakelijke tools om je robotische verbeelding tot werkelijkheid te maken. Ik heb niet alleen mijn eigen robots gebouwd aan de universiteit, maar heb ook deelgenomen aan internationale robotwedstrijden over de hele wereld. Ik besloot ook om het vak verder te studeren en ging naar de graduate school om roboticus te worden.

Machine learning was een concept dat begin 2010 populair werd in toepassingen. Na een paar basisvakken in Machine Learning en Neurale Netwerken te hebben gevolgd, begon ik meteen methoden toe te passen in mijn onderzoek en werk. Ik word persoonlijk gefascineerd door hoe gelijksoortig machine learning-concepten zijn aan de manier waarop het menselijk brein leert en functioneert. Het gebruik van machine learning in robottechniek is relatief nieuw en heeft nog een lange weg te gaan, en ik voel me zeer gelukkig om deel uit te maken van deze beweging.

ULC Technologies heeft veel robots die zijn ontworpen om ondergronds te gaan in moeilijk terrein. Wat zijn enkele van de uitdagingen achter het bouwen van volledig autonome obstakelvermijding en padplanning voor dit soort robots?

Veel van ons werk is gericht op de inspectie en interne renovatie van oude leidingen in stedelijke gebieden, en binnen deze leidingen wordt vaak afval aangetroffen, waardoor volledig autonome oplossingen uitdagend zijn. Als oplossing ontwikkelde ULC commerciële leidingrobot-systemen die handmatig worden bestuurd door gasleidingen. In de afgelopen 20 jaar is onze expertise in leidingrobottechniek uitgebreid, waardoor we nu meer elementen van automatisering en machine learning kunnen integreren.

Een van deze initiatieven heet Distribution Network Information Mapping (DNIM), een samenwerkingsproject met het Britse gasnetwerk SGN om machine learning toe te passen op leidingnetwerken, zodat we leidingen en kenmerken binnen de leiding efficiënt kunnen identificeren en in kaart brengen. Deze gegevens zullen uiteindelijk helpen om obstakelvermijding en padplanning in deze complexe leidingomgevingen te openen.

Wat zijn enkele van de huidige robotoplossingen die worden aangeboden?

ULC werkt samen met nutsbedrijven en energiemaatschappijen om robotoplossingen te ontwikkelen en te implementeren voor het inspecteren, repareren en onderhouden van bovengrondse en ondergrondse infrastructuur, zoals leidingen, lng-installaties, schakelstations en andere complexe omgevingen.

We hebben een robot ontwikkeld genaamd CISBOT die in levende gietijzeren gasleidingen gaat en door de leiding reist om de verbindingen intern te verzegelen, waardoor gasnetwerken lekken kunnen voorkomen en de levensduur van de leiding tot 50 jaar kan verlengen, zonder dat de gastoevoer naar klanten hoeft te worden onderbroken. ULC heeft ook een reeks robotische camera- en crawler-systemen ontwikkeld voor het inspecteren van levende gasleidingen, waardoor nutsbedrijven risico’s kunnen verminderen, efficiëntie kunnen verbeteren en operationele uitdagingen kunnen oplossen.

Buiten onze huidige ondergrondse robot-systemen hebben we ook een in-house R&D-team dat werkt aan robotoplossingen voor andere industrieën. Een voorbeeld is het Robotic Roadworks & Excavation System (RRES), een project dat we ontwikkelen in samenwerking met het Britse bedrijf SGN. RRES is een volledig elektrisch robotisch systeem dat is ontworpen om conventionele methoden van graafwerk te vervangen, met mogelijkheden zoals ondergrondse detectie, boring en snijden van wegen, geautomatiseerde zachte graafwerk, leidinginstallaties en het herstellen van de weg. Door verdere ontwikkeling hopen we de reikwijdte van de operaties die RRES in de toekomst kan uitvoeren uit te breiden.

Dit is slechts een voorbeeld van de robotoplossingen die we momenteel aanbieden, maar voor meer informatie over onze technologieën kunt u onze website bezoeken. We hebben veel andere projecten in ontwikkeling en zijn altijd op zoek naar samenwerking met bedrijven in de nuts-, energie- en industriële sectoren die geautomatiseerde oplossingen zoeken.

Wat voor soort gegevens worden verzameld?

ULC Technologies ontwikkelt aangepaste robotoplossingen om verschillende technische uitdagingen in de industrie aan te pakken. Op basis van het type toepassing verzamelt elke robot verschillende soorten gegevens uit zijn omgeving. Hieronder volgt een lijst met enkele van de meest populaire soorten gegevens die we verzamelen tijdens onze inspectie-operaties:

1. Hoge resolutie gekleurde afbeeldingen. Als voorbeeld verzamelen onze Onbemande Luchtvaartuigen (UAV’s) 40-megapixel-afbeeldingen tijdens inspectiewerk
2. 3D-puntswolken. Een voorbeeld hiervan zijn de 3D-puntswolken die sommige van onze in-pijpleiding-crawlers verzamelen.
3. Sommige van onze bovengrondse robots verwerken LIDAR-gegevens voor navigatie
4. Infraroodafbeeldingen. Onze UAV’s en Asset Identification and Mapping (AIM)-oplossing kunnen infraroodafbeeldingen verzamelen tijdens inspectiewerk voor de beoordeling van de staat van activa.
5. Hoogfrequente radar. Het RRES (Robotic Roadworks and Excavation System) gebruikt grondpenetrerende radar om de locatie van begraven activa onder de grond in kaart te brengen.

Er zijn veel meer verschillende soorten gegevens die sommige van onze platforms verzamelen voor verschillende doeleinden, die niet in deze lijst zijn opgenomen vanwege hun specifieke toepassing in één industrie.

Kunt u bespreken hoe deze afbeeldingen worden geotagged?

Op elk robotisch platform vindt het geotaggen van de verzamelde afbeeldingen plaats op een manier die uniek is voor dat systeem en de beschikbare informatie in zijn omgeving.

Ons AIM-systeem gebruikt een onboard-GPS om het pad van ons survey-voertuig in kaart te brengen. Met behulp van andere onboard-sensoren, computer-visie-algoritmen en doelvolgtechnieken meet onze propriëtaire software de locatie van elke geïdentificeerde activa en tagt hun afbeeldingen dienovereenkomstig. In GPS-arme omgevingen, zoals binnen een ondergrondse leiding, gebruiken onze robots andere methoden om te communiceren met de bovengrondse survey-voertuigen om de verzamelde gegevens van binnen de leiding te taggen.

Wat zijn enkele van de machine learning-technologieën die momenteel worden gebruikt om de gegevens te verwerken?

Er zijn drie belangrijke methoden van machine learning die in robottechniek en autonome gegevensverwerking worden gebruikt, allemaal worden gebruikt in verschillende toepassingen bij ULC Technologies.

1. Begeleid leren, waarbij grondwaarheid noodzakelijk is om het model te trainen. Deze modellen hebben een hogere nauwkeurigheid in gegevensverwerking. ULC’s AIM-oplossing maakt gebruik van dit model om bovengrondse elektrische infrastructuuractiva met hoge nauwkeurigheid en herhaalbaarheid te identificeren.
2. Onbegeleid leren, waarbij het model overeenkomsten en afwijkingen in de gegevens identificeert. We hebben deze methode gebruikt om de camerabeelden van onze in-pijpleiding-crawlers te verwerken en hun locatie langs de leiding in kaart te brengen.
3. Versterkt leren, een beloning-gebaseerd systeem om complexe apparaten te trainen zonder ingewikkelde inverse kinematische berekeningen. We gebruiken deze methode om de robotarm op het RRES-platform te bedienen om verschillende graafwerkzaamheden uit te voeren.

Is er nog iets anders dat u zou willen delen over ULC Technologies?

We zijn altijd op zoek naar samenwerking met leiders in de industriële, energiesector en bouwsector om innovatieve oplossingen te ontwikkelen en te identificeren. Door ons werk en veldtests verbeteren we onze AI- en machine learning-mogelijkheden voortdurend en kijken we ernaar uit om nieuwe uitdagingen voor onze klanten in de toekomst aan te pakken.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen ULC Technologies bezoeken.