Ali Asmari, PhD, Chefe de Inteligência Artificial e Aprendizado de Máquina na ULC Technologies – Série de Entrevistas

Ali Asmari, PhD é o chefe de inteligência artificial e aprendizado de máquina na ULC Technologies. A ULC Technologies é considerada uma pioneira em engenharia robótica e desenvolvimento de tecnologia para os mercados de energia, utilidade e indústria. Desde sua criação em 2001, o foco da ULC sempre foi o aprimoramento das operações de utilidade e o apoio ao aprimoramento da infraestrutura.

O que o atraiu inicialmente para a robótica e a inteligência artificial?

Era muito bom em matemática e física no ensino médio, o que me levou a estudar engenharia mecânica na faculdade. Meus tópicos favoritos na faculdade eram Dinâmica de Máquinas e Controle Não Linear, ambos necessários no controle de sistemas robóticos. Esses tópicos fornecem todas as ferramentas necessárias para transformar sua imaginação robótica em realidade. Não apenas construí meus próprios robôs na faculdade, mas também participei de competições robóticas internacionais em todo o mundo. Além disso, decidi estudar mais a fundo o campo e entrei na pós-graduação para me tornar um robótico.

A aprendizagem de máquina foi um conceito que se tornou muito popular em aplicações no início de 2010. Depois de fazer alguns cursos básicos de Aprendizagem de Máquina e Rede Neural, comecei a aplicar os métodos em minha pesquisa e trabalho. Estou pessoalmente impressionado com a semelhança entre os conceitos de aprendizagem de máquina e a forma como o cérebro humano aprende e funciona. O uso de aprendizagem de máquina em robótica é relativamente novo e tem um longo caminho a percorrer, e sinto-me muito afortunado por fazer parte desse movimento.

A ULC Technologies tem muitos robôs projetados para ir abaixo do solo em terrenos difíceis. Quais são os desafios por trás da construção de soluções de evasão de obstáculos e planejamento de caminho totalmente autônomas para esses tipos de robôs?

Muito do nosso trabalho tem se concentrado na inspeção e remediação interna de gasodutos mais antigos em áreas urbanas, e dentro desses gasodutos, é comum encontrar detritos, o que torna as soluções totalmente autônomas desafiadoras. Como solução, a ULC desenvolveu sistemas robóticos comerciais de gasodutos que são conduzidos manualmente através de gasodutos. Ao longo dos últimos 20 anos, nossa especialização em robótica de gasodutos se expandiu, o que nos permite agora integrar mais elementos de automação e aprendizagem de máquina.

Uma dessas iniciativas é chamada de Mapeamento de Informações de Rede de Distribuição (DNIM), que é um projeto colaborativo com a rede de gás do Reino Unido, SGN, para aplicar aprendizagem de máquina em redes de gasodutos, para que possamos identificar e mapear os gasodutos e recursos dentro do gasoduto de forma eficiente. Esses dados eventualmente ajudarão a abrir caminhos para a evasão de obstáculos e planejamento de caminho nesses ambientes de gasodutos complexos.

Quais são as soluções robóticas atuais oferecidas?

A ULC trabalha com empresas de utilidade e energia para desenvolver e implantar soluções robóticas para inspecionar, reparar e manter infraestruturas acima e abaixo do solo, como gasodutos, plantas de GNL, subestações e outros ambientes complexos.

Desenvolvemos um robô chamado CISBOT que entra em gasodutos de ferro fundido vivos e viaja pelo gasoduto para vedar as juntas internamente, o que ajuda as redes de gás a prevenir vazamentos e estender a vida útil do gasoduto por até 50 anos, tudo sem desligar o gás para os clientes. A ULC também desenvolveu uma série de sistemas robóticos de câmera e rastreador para inspecionar gasodutos vivos, ajudando as utilidades a reduzir riscos, melhorar a eficiência e resolver desafios operacionais.

Além de nossos sistemas robóticos subterrâneos atuais, também temos uma equipe de P&D interna que está trabalhando em soluções robóticas para outras indústrias. Um exemplo é o Sistema Robótico de Obras Rodoviárias e Escavação (RRES), um projeto que estamos desenvolvendo em colaboração com a empresa do Reino Unido, SGN. O RRES é um sistema robótico totalmente elétrico projetado para substituir métodos convencionais de escavação, com capacidades que incluem detecção subterrânea, perfuração e corte de rodovias, escavação automática de toque suave, instalação de tubos e capacidade de reinstalar a rodovia. Com o desenvolvimento adicional, esperamos expandir a gama de operações que o RRES pode realizar no futuro.

Isso é apenas uma amostra das soluções robóticas que atualmente oferecemos, mas informações adicionais sobre nossas tecnologias podem ser encontradas em nosso site. Temos muitos outros projetos em desenvolvimento e estamos sempre procurando por parceiros em indústrias de utilidade, energia e construção que buscam soluções automatizadas.

Que tipo de dados é coletado?

A ULC Technologies constrói soluções robóticas personalizadas para abordar diferentes desafios técnicos na indústria. Com base no tipo de aplicação, cada robô captura diferentes tipos de dados de seu ambiente. A seguir está uma lista de alguns dos tipos de dados mais populares que coletamos durante nossas operações de inspeção:

1. Imagens coloridas de alta resolução. Por exemplo, nossos Veículos Aéreos Não Tripulados (UAV) capturam imagens de 40 megapixels durante o trabalho de inspeção
2. Nuvens de pontos 3D. Um exemplo disso é a nuvem de pontos 3D que alguns de nossos robôs rastreadores de tubos coletam.
3. Alguns de nossos robôs acima do solo processam dados LIDAR para navegação
4. Imagens infravermelhas. Nossos UAVs e solução de Identificação e Mapeamento de Ativos (AIM) podem capturar imagens infravermelhas durante o trabalho de inspeção para avaliação de condição de ativos.
5. Radar de alta frequência. O RRES (Sistema Robótico de Obras Rodoviárias e Escavação) usa Radar de Penetração no Solo para mapear a localização de ativos enterrados sob o solo.

Há muitos outros tipos de dados que algumas de nossas plataformas coletam para diferentes propósitos que não estão incluídos nesta lista devido à sua aplicação específica a uma indústria.

Poderia discutir como essas imagens são geotagadas?

Em cada plataforma robótica, a geotagagem das imagens capturadas ocorre de forma única para aquele sistema e as informações disponíveis em seu ambiente.

Nossa solução AIM usa um GPS a bordo para mapear o caminho do nosso veículo de levantamento. Usando outros sensores a bordo, algoritmos de visão computacional e rastreamento de alvo, nosso software proprietário mede a localização de cada ativo identificado e geotag suas imagens de acordo. Em ambientes privados de GPS, como dentro de um gasoduto subterrâneo, nossos robôs usam outros métodos para se comunicar com os veículos de levantamento acima do solo para geotag os dados capturados de dentro do gasoduto.

Quais são as tecnologias de aprendizagem de máquina atualmente usadas para processar os dados?

Existem três principais métodos de aprendizagem de máquina que estão sendo usados em robótica e processamento de dados autônomo, todos os quais estão sendo utilizados em diferentes aplicações na ULC Technologies.

1. Aprendizado Supervisionado, onde a verdade fundamental é necessária para treinar o modelo. Esses modelos têm maior precisão no processamento de dados. A solução AIM da ULC está utilizando esse modelo para identificar ativos de infraestrutura elétrica acima do solo com alta precisão e repetibilidade.
2. Aprendizado Não Supervisionado, no qual o modelo identifica semelhanças e anomalias nos dados. Utilizamos esse método para processar as filmagens da câmera de nossos robôs rastreadores de tubos e mapear sua localização ao longo do tubo.
3. Aprendizado por Reforço, que é um sistema baseado em recompensa para treinar dispositivos complexos sem cálculos de cinemática reversa complexos. Estamos utilizando esse método para operar o braço robótico na plataforma RRES para realizar diferentes operações de escavação.

Há algo mais que você gostaria de compartilhar sobre a ULC Technologies?

Estamos sempre procurando por líderes nas indústrias de construção, energia e industrial para identificar e colaborar no desenvolvimento de soluções inovadoras. Através do nosso trabalho e testes de campo, continuamos a aprimorar nossas capacidades de inteligência artificial e aprendizado de máquina e esperamos resolver novos desafios para nossos clientes no futuro.

Obrigado pela ótima entrevista, leitores que desejam aprender mais devem visitar ULC Technologies.