อาลี อัสมารี, PhD, หัวหน้า AI และ Machine Learning ที่ ULC Technologies – สัมภาษณ์ซีรีส์

อาลี อัสมารี, PhD เป็นหัวหน้า AI และ Machine Learning ที่ ULC Technologies ULC Technologies ถือเป็นผู้บุกเบิกด้านวิศวกรรมหุ่นยนต์และการพัฒนาเทคโนโลยีสำหรับตลาดพลังงาน สาธารณูปโภค และอุตสาหกรรม ตั้งแต่เริ่มก่อตั้งในปี 2001 ULC มุ่งเน้นในการปรับปรุงการดำเนินงานของสาธารณูปโภคและสนับสนุนการปรับปรุงโครงสร้างพื้นฐาน

สิ่งใดที่ดึงดูดคุณเข้าสู่หุ่นยนต์และ AI ในตอนแรก?

ฉันเก่งคณิตศาสตร์และฟิสิกส์ตั้งแต่สมัยมัธยม ซึ่งนำไปสู่การเรียนวิศวกรรมเครื่องจักรในมหาวิทยาลัย หัวข้อที่ฉันชอบในมหาวิทยาลัยคือ Machinery Dynamics และ Nonlinear Control ซึ่งทั้งสองอย่างจำเป็นต่อการควบคุมระบบหุ่นยนต์ หัวข้อเหล่านี้ให้เครื่องมือที่จำเป็นในการนำจินตนาการหุ่นยนต์ของคุณมาเป็นจริง ฉันไม่เพียงแต่สร้างหุ่นยนต์ของตัวเองในมหาวิทยาลัย แต่ยังเข้าร่วมการแข่งขันหุ่นยนต์ระหว่างประเทศทั่วโลกอีกด้วย ฉันตัดสินใจศึกษาต่อในด้านหุ่นยนต์และเข้าเรียนในระดับบัณฑิตศึกษา

การเรียนรู้ของเครื่องจักรเป็นแนวคิดที่ได้รับความนิยมในการใช้งานในช่วงต้นปี 2010 หลังจากที่ฉันเรียนหลักสูตรพื้นฐานเกี่ยวกับการเรียนรู้ของเครื่องจักรและเครือข่ายประสาทเทียม ฉันเริ่มใช้วิธีการเหล่านี้ในการวิจัยและงานของฉันทันที ฉันรู้สึกประทับใจมากกับวิธีการที่แนวคิดการเรียนรู้ของเครื่องจักรคล้ายกับวิธีการที่สมองมนุษย์เรียนรู้และทำงาน การใช้การเรียนรู้ของเครื่องจักรในหุ่นยนต์ยังคงเป็นเรื่องใหม่และยังมีระยะทางที่จะเดินทาง ฉันรู้สึกดีใจที่ได้เป็นส่วนหนึ่งของการเคลื่อนไหวนี้

ULC Technologies มีหุ่นยนต์หลายตัวที่ออกแบบมาเพื่อไปใต้ดินในพื้นที่ที่ยากลำบาก สิ่งใดคือความท้าทายหลักที่อยู่เบื้องหลังการสร้างการหลีกเลี่ยงอุปสรรคและวางแผนเส้นทางแบบอัตโนมัติสำหรับหุ่นยนต์เหล่านี้?

งานของเรามุ่งเน้นไปที่การตรวจสอบและซ่อมบำรุงเส้นท่อแก๊สเก่าในพื้นที่เมืองและในเส้นท่อเหล่านี้ มักพบกับเศษสิ่งอื่น ๆ ซึ่งทำให้การแก้ปัญหาแบบอัตโนมัติเป็นเรื่องที่ท้าทาย ในฐานะวิธีแก้ปัญหา ULC ได้พัฒนาระบบหุ่นยนต์สำหรับเส้นท่อที่สามารถขับเคลื่อนได้ด้วยตนเองผ่านเส้นท่อแก๊ส ในช่วง 20 ปีที่ผ่านมา ความเชี่ยวชาญของเราทางด้านหุ่นยนต์สำหรับเส้นท่อได้ขยายออกไป ซึ่งช่วยให้เราสามารถรวมองค์ประกอบของการทำงานอัตโนมัติและเครื่องจักรเรียนรู้ได้มากขึ้น

หนึ่งในโครงการคือ Distribution Network Information Mapping (DNIM) ซึ่งเป็นโครงการร่วมระหว่าง ULC และ SGN เพื่อใช้การเรียนรู้ของเครื่องจักรกับเส้นท่อเพื่อระบุและทำแผนที่เส้นท่อและคุณสมบัติภายในท่อข้อมูลนี้จะช่วยเปิดทางให้กับการหลีกเลี่ยงอุปสรรคและวางแผนเส้นทางในพื้นที่ที่ซับซ้อนเหล่านี้

มีหุ่นยนต์ใดบ้างที่ ULC Technologies เสนอขายในปัจจุบัน?

ULC Technologies ทำงานร่วมกับบริษัทสาธารณูปโภคและพลังงานเพื่อสร้างและใช้หุ่นยนต์สำหรับการตรวจสอบ การซ่อมบำรุง และการบำรุงรักษาโครงสร้างพื้นฐานเหนือและใต้ดิน เช่น เส้นท่อ LNG สถานีไฟฟ้า และสภาพแวดล้อมที่ซับซ้อนอื่น ๆ

เราพัฒนาหุ่นยนต์ที่เรียกว่า CISBOT ซึ่งเข้าไปในเส้นท่อแก๊สและเดินทางผ่านท่อเพื่อซ่อมบำรุงและปิดผนึกท่อ ซึ่งช่วยให้เครือข่ายแก๊สสามารถป้องกันการรั่วไหลและขยายอายุการใช้งานของท่อได้ถึง 50 ปี โดยไม่ต้องปิดการให้บริการแก๊สแก่ลูกค้า ULC ยังพัฒนาชุดหุ่นยนต์ กล้องและเครื่องมือสำหรับการตรวจสอบเส้นท่อแก๊ส เพื่อช่วยให้บริษัทสาธารณูปโภคลดความเสี่ยง ปรับปรุงประสิทธิภาพ และแก้ไขปัญหาทางการทำงาน

นอกเหนือจากหุ่นยนต์ใต้ดินของเราแล้ว เรายังมีทีมวิจัยและพัฒนาภายในที่กำลังทำงานเกี่ยวกับหุ่นยนต์สำหรับอุตสาหกรรมอื่น ๆ ตัวอย่างหนึ่งคือ Robotic Roadworks & Excavation System (RRES) ซึ่งเป็นโครงการที่เรากำลังพัฒนาร่วมกับ SGN RRES เป็นระบบหุ่นยนต์ไฟฟ้าที่ออกแบบมาเพื่อแทนที่วิธีการขุดดินแบบดั้งเดิม โดยมีความสามารถในการตรวจจับใต้ดิน การขุด การตัดถนน การขุดดินอัตโนมัติ และการติดตั้งท่อ แล้วก็สามารถฟื้นฟูถนนได้ ในอนาคตเราหวังว่าจะสามารถขยายการทำงานของ RRES ได้

นี่เป็นตัวอย่างของหุ่นยนต์ที่เรามีในปัจจุบัน แต่มีข้อมูลเพิ่มเติมเกี่ยวกับเทคโนโลยีของเราที่สามารถพบได้บนเว็บไซต์ของเรา เรามีหลายโครงการที่อยู่ระหว่างการพัฒนาและกำลังมองหาพันธมิตรกับบริษัทในอุตสาหกรรมสาธารณูปโภค พลังงาน และอุตสาหกรรมที่ต้องการหาวิธีแก้ปัญหาแบบอัตโนมัติ

มีข้อมูลใดที่ถูกเก็บเกี่ยว?

ULC Technologies สร้างหุ่นยนต์แบบกำหนดเองเพื่อแก้ปัญหาทางเทคนิคที่แตกต่างกันในอุตสาหกรรม ขึ้นอยู่กับประเภทของการประยุกต์ใช้ หุ่นยนต์ทุกตัวจะเก็บข้อมูลที่แตกต่างกันจากสภาพแวดล้อมของมัน ต่อไปนี้คือตัวอย่างของข้อมูลที่เรามักจะเก็บระหว่างการตรวจสอบ:

1. ภาพสีความละเอียดสูง ตัวอย่างเช่น Unmanned Aerial Vehicles (UAV) ของเราสามารถบันทึกภาพ 40MPixel ระหว่างการทำงาน
2. 3D point clouds ตัวอย่างเช่น 3D point clouds ที่หุ่นยนต์ใต้ดินของเราบางตัวเก็บข้อมูล
3. หุ่นยนต์บางตัวของเราบนพื้นผิวใช้ข้อมูล LIDAR สำหรับการนำทาง
4. ภาพอินฟราเรด หุ่นยนต์ UAV และระบบ Asset Identification and Mapping (AIM) ของเราสามารถบันทึกภาพอินฟราเรดระหว่างการตรวจสอบเพื่อประเมินสภาพของสินทรัพย์
5. เรดาร์ความถี่สูง ระบบ Robotic Roadworks and Excavation System (RRES) ใช้ Ground Penetrating Radar เพื่อทำแผนที่ตำแหน่งของสินทรัพย์ที่ฝังอยู่ใต้ดิน

มีข้อมูลอื่น ๆ อีกมากมายที่บางแพลตฟอร์มของเราจะเก็บข้อมูลเพื่อจุดประสงค์ที่แตกต่างกัน เนื่องจากการประยุกต์ใช้เฉพาะในอุตสาหกรรมหนึ่ง

คุณสามารถอธิบายวิธีการที่ภาพเหล่านี้ถูกทำเครื่องหมายทางภูมิศาสตร์ได้หรือไม่?

บนแพลตฟอร์มหุ่นยนต์ทุกตัว การทำเครื่องหมายทางภูมิศาสตร์สำหรับภาพที่ถูกบันทึกจะเกิดขึ้นอย่างเฉพาะเจาะจงสำหรับระบบนั้นและข้อมูลที่มีอยู่ในสภาพแวดล้อม

ระบบ AIM ของเราสามารถใช้ GPS ที่ติดตั้งบนยานพาหนะเพื่อทำแผนที่เส้นทางของยานพาหนะ โดยใช้สัญญาณอื่น ๆ และอัลกอริธึมการมองเห็นคอมพิวเตอร์ ระบบซอฟต์แวร์ของเราสามารถวัดตำแหน่งของสินทรัพย์ที่ระบุได้และทำเครื่องหมายภาพของพวกมันตามลำดับ ในสภาพแวดล้อมที่ไม่มี GPS เช่น ใต้ดิน หุ่นยนต์ของเราจะใช้วิธีการอื่น ๆ เพื่อทำเครื่องหมายข้อมูลที่บันทึกไว้จากภายในท่อ

มีเทคโนโลยีการเรียนรู้ของเครื่องจักรใดที่ใช้ในการประมวลผลข้อมูลในปัจจุบัน?

มีสามวิธีการเรียนรู้ของเครื่องจักรที่ใช้กันอย่างแพร่หลายในการประมวลผลข้อมูลและหุ่นยนต์แบบอัตโนมัติ ทั้งสามวิธีนี้ถูกใช้ในแอปพลิเคชันต่าง ๆ ที่ ULC Technologies

1. การเรียนรู้แบบมีคำแนะนำ (Supervised Learning) ซึ่งต้องใช้ข้อมูลจริงเพื่อฝึกอบรมแบบจำลอง แบบจำลองเหล่านี้มีความแม่นยำสูงในการประมวลผลข้อมูล วิธีนี้ถูกใช้ในระบบ AIM ของ ULC เพื่อระบุสินทรัพย์โครงสร้างพื้นฐานไฟฟ้าเหนือดินโดยมีความแม่นยำและความซ้ำซ้อน
2. การเรียนรู้แบบไม่มีคำแนะนำ (Unsupervised Learning) ซึ่งแบบจำลองสามารถระบุความคล้ายคลึงและความผิดปกติในข้อมูลได้ เราใช้วิธีนี้เพื่อประมวลผลวิดีโอจากหุ่นยนต์ใต้ดินและทำแผนที่ตำแหน่งของพวกมันตามเส้นท่อ
3. การเรียนรู้แบบเสริมแรง (Reinforcement Learning) ซึ่งเป็นระบบที่ใช้รางวัลในการฝึกอบรมอุปกรณ์ที่ซับซ้อนโดยไม่ต้องใช้การคำนวณแบบย้อนกลับ เราใช้วิธีนี้ในการควบคุมแขนหุ่นยนต์บนแพลตฟอร์ม RRES เพื่อทำการขุดดินต่าง ๆ

คุณต้องการแบ่งปันอะไรเกี่ยวกับ ULC Technologies อีกหรือไม่?

เรากำลังมองหาพันธมิตรกับบริษัทชั้นนำในอุตสาหกรรมอุตสาหกรรม พลังงาน และการก่อสร้างเพื่อระบุและร่วมพัฒนาโซลูชันใหม่ ๆ ผ่านการทำงานและการทดสอบภาคสนาม เรายังคงปรับปรุงความสามารถ AI และการเรียนรู้ของเครื่องจักรของเรา และหวังว่าจะสามารถแก้ปัญหาที่ท้าทายใหม่ ๆ สำหรับลูกค้าของเราในอนาคต

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม ULC Technologies เพื่อเรียนรู้เพิ่มเติม