Ali Asmari, PhD, Kierownik AI i Machine Learning w ULC Technologies – Seria wywiadów

Ali Asmari, PhD jest kierownikiem AI i machine learning w ULC Technologies. ULC Technologies jest uważany za pioniera w dziedzinie inżynierii robotycznej i rozwoju technologii dla rynków energetycznych, użyteczności publicznej i przemysłowych. Od swojego powstania w 2001 roku, celem ULC zawsze było doskonalenie operacji użyteczności publicznej i wspieranie poprawy infrastruktury.

Czym było to, co początkowo przyciągnęło Cię do robotyki i AI?

Byłem bardzo dobry w matematyce i fizyce w szkole średniej, co skłoniło mnie do studiowania inżynierii mechanicznej na uczelni. Moimi ulubionymi tematami na studiach były Dynamika Maszyn i Nielinearne Sterowanie, oba z których są niezbędne w sterowaniu systemami robotycznymi. Te tematy dają Ci wszystkie niezbędne narzędzia, aby zamienić Twoją wyobraźnię robotyczną w rzeczywistość. Nie tylko budowałem własne roboty na studiach, ale także brałem udział w międzynarodowych konkursach robotycznych na całym świecie. Postanowiłem również kontynuować studia w tej dziedzinie i rozpocząłem studia podyplomowe, aby zostać robotykiem.

Machine learning był pojęciem, które stało się bardzo popularne w zastosowaniach na początku 2010 roku. Po odbyciu kilku podstawowych kursów z Machine Learning i Sieci Neuronowych, natychmiast zacząłem stosować te metody w moich badaniach i pracy. Osobiście jestem zdumiony, jak podobne są pojęcia machine learning do sposobu, w jaki ludzki mózg uczy się i funkcjonuje. Użycie machine learning w robotyce jest stosunkowo nowe i ma długą drogę do przebycia, ale czuję się bardzo szczęśliwy, że jestem częścią tego ruchu.

ULC Technologies posiada wiele robotów, które są zaprojektowane do pracy pod ziemią w trudnym terenie. Jakie są niektóre z wyzwań związanych z budowaniem w pełni autonomicznych systemów unikania przeszkód i planowania trasy dla tego typu robotów?

Wiekszość naszej pracy koncentruje się na inspekcji i wewnętrznej rekultywacji starszych rurociągów w obszarach miejskich, a w tych rurociągach często znajduje się rumowisko, co utrudnia w pełni autonomiczne rozwiązania. Jako rozwiązanie, ULC Technologies opracował komercyjne systemy robotyczne dla rurociągów, które są sterowane ręcznie przez główne rurociągi gazowe. W ciągu ostatnich 20 lat, nasza ekspertyza w dziedzinie robotyki rurociągowej rozwinęła się, co pozwala nam teraz integrować więcej elementów automatyki i machine learning.

Jednym z takich projektów jest Distribution Network Information Mapping (DNIM), który jest wspólnym projektem z brytyjską siecią gazową, SGN, aby zastosować machine learning w sieciach rurociągów, abyśmy mogli efektywnie identyfikować i mapować rurociągi i ich elementy. Te dane ostatecznie pomogą otworzyć drogę do unikania przeszkód i planowania trasy w tych złożonych środowiskach rurociągów.

Jakie są niektóre z obecnych rozwiązań robotycznych oferowanych przez ULC Technologies?

ULC Technologies współpracuje z firmami użyteczności publicznej i energetycznymi, aby rozwijać i wdrażać rozwiązania robotyczne do inspekcji, naprawy i utrzymania infrastruktury nadziemnej i podziemnej, takiej jak rurociągi, elektrownie LNG, stacje transformatorowe i inne złożone środowiska.

Opracowaliśmy robota o nazwie CISBOT, który wchodzi do żywych rurociągów gazowych z żeliwa i porusza się wewnątrz rurociągu, aby wewnętrznie uszczelnić połączenia, co pomaga sieciom gazowym zapobiegać wyciekom i wydłuża żywotność rurociągu do 50 lat, wszystko bez wyłączania dostawy gazu do klientów. ULC Technologies również opracował zestaw robotycznych systemów kamer i crawlerów do inspekcji żywych rurociągów gazowych, co pomaga firmom użyteczności publicznej zmniejszyć ryzyko, poprawić efektywność i rozwiązać wyzwania operacyjne.

Poza naszymi obecnie dostępnymi systemami robotycznymi podziemnymi, mamy również wewnętrzny zespół badawczo-rozwojowy, który pracuje nad rozwiązaniami robotycznymi dla innych branż. Przykładem jest Robotic Roadworks & Excavation System (RRES), projekt, który rozwijamy we współpracy z brytyjską firmą, SGN. RRES jest całkowicie elektrycznym systemem robotycznym zaprojektowanym do zastąpienia konwencjonalnych metod wykopywania, z możliwościami obejmującymi wykrywanie podziemne, wiercenie i cięcie dróg, automatyczne wykopywanie z delikatnym dotykiem, instalację rurociągów i możliwość ponownego ukształtowania drogi. Przez dalszy rozwój, mamy nadzieję rozszerzyć zakres operacji, które RRES może wykonywać w przyszłości.

To jest tylko wybrane rozwiązania robotyczne, które obecnie oferujemy, ale dodatkowe informacje o naszych technologiach można znaleźć na naszej stronie internetowej. Mamy wiele innych projektów w rozwoju i zawsze szukamy partnerów w branżach użyteczności publicznej, energetycznej i przemysłowej, którzy szukają zautomatyzowanych rozwiązań.

Jaki rodzaj danych jest zbierany?

ULC Technologies buduje niestandardowe rozwiązania robotyczne, aby rozwiązać różne wyzwania techniczne w branży. W zależności od rodzaju aplikacji, każdy robot zbiera różne rodzaje danych ze swojego otoczenia. Poniżej znajduje się lista niektórych popularnych rodzajów danych, które zbieramy podczas operacji inspekcji:

1. Wysokiej rozdzielczości obrazy kolorowe. Przykładem jest Bezpilotowy Statek Powietrzny (UAV), który rejestruje obrazy o rozdzielczości 40 megapikseli podczas inspekcji.
2. Chmury punktów 3D. Przykładem są chmury punktów 3D, które niektóre z naszych robotów wewnątrz rurociągów rejestrują.
3. Niektóre z naszych robotów nadziemnych przetwarzają dane LIDAR do nawigacji.
4. Obrazy podczerwone. Nasze UAV i rozwiązanie do identyfikacji i mapowania aktywów (AIM) mogą rejestrować obrazy podczerwone podczas inspekcji do oceny stanu aktywów.
5. Radary o wysokiej częstotliwości. System Robotic Roadworks and Excavation (RRES) wykorzystuje radar penetracyjny do mapowania położenia zakopanych aktywów pod ziemią.

Istnieje wiele innych różnych rodzajów danych, które niektóre z naszych platform zbierają do różnych celów, które nie są wymienione w tej liście ze względu na ich specyficzne zastosowanie w jednej branży.

Czy mógłbyś omówić, jak te obrazy są geotaggowane?

Na każdej platformie robotycznej, geotaggowanie zarejestrowanych obrazów odbywa się w sposób unikalny dla tego systemu i dostępnych informacji w jego otoczeniu.

Nasze rozwiązanie AIM wykorzystuje wbudowany GPS do mapowania ścieżki naszego pojazdu inspekcyjnego. Wykorzystując inne sensory na pokładzie, algorytmy komputerowego widzenia i śledzenie celu, nasze oprogramowanie mierzy położenie każdego zidentyfikowanego aktywa i geotaguje ich obrazy odpowiednio. W środowiskach pozbawionych sygnału GPS, takich jak wewnątrz podziemnego rurociągu, nasze roboty wykorzystują inne metody do komunikacji z pojazdami inspekcyjnymi na powierzchni, aby geotagować zarejestrowane dane z wnętrza rurociągu.

Jakie są niektóre z technologii machine learning, które są obecnie stosowane do przetwarzania danych?

Istnieją trzy główne metody machine learning, które są stosowane w robotyce i przetwarzaniu danych autonomicznych, wszystkie z których są wykorzystywane w różnych aplikacjach w ULC Technologies.

1. Nauczanie nadzorowane, w którym wymagana jest wiedza podstawowa, aby trenować model. Te modele mają wyższą dokładność w przetwarzaniu danych. Rozwiązanie AIM ULC wykorzystuje ten model do identyfikacji aktywów infrastruktury elektrycznej nadziemnej z wysoką dokładnością i powtarzalnością.
2. Nauczanie nienadzorowane, w którym model identyfikuje podobieństwa i anomalie w danych. Wykorzystaliśmy tę metodę do przetwarzania filmów z naszych robotów wewnątrz rurociągów i mapowania ich położenia wzdłuż rurociągu.
3. Nauczanie wzmocnione, który jest systemem opartym na nagrodach do trenowania skomplikowanych urządzeń bez skomplikowanych obliczeń kinematyki odwrotnej. Wykorzystujemy tę metodę do operowania ramieniem robota na platformie RRES, aby wykonywać różne operacje wykopywania.

Czy jest coś jeszcze, co chciałbyś podzielić się na temat ULC Technologies?

Zawsze szukamy partnerów wśród liderów branż przemysłowych, energetycznych i budowlanych, aby zidentyfikować i współpracować nad rozwojem innowacyjnych rozwiązań. Przez naszą pracę i testy polowe, nadal doskonalimy nasze możliwości AI i machine learning, i spodziewamy się rozwiązywania nowych wyzwań dla naszych klientów w przyszłości.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić ULC Technologies.