Pourquoi les entreprises et les travailleurs ne devraient pas avoir peur d'utiliser l'IA dans les efforts de robotique

Le rôle que jouera l'intelligence artificielle dans la robotique sera largement déterminé par les cas d'utilisation et la résolution des problèmes de confidentialité et de calcul.

Les robots ont le potentiel de changer la façon dont les entreprises font des affaires en automatisant de nombreuses tâches. Lorsqu'ils sont combinés à la technologie de l'intelligence artificielle (IA), les robots peuvent devenir autonomes. Mais la combinaison de ces technologies soulève de nombreuses questions. Les robots assistés par l'IA élimineront-ils des emplois ou aideront-ils les travailleurs, les rendant plus productifs ? Comme l'IA donne aux robots des capacités telles que la vision artificielle, il y a aussi des problèmes de confidentialité. Et puis il y a le défi de savoir comment travailler avec les gros volumes de données qui pourraient être utilisés. Où traitez-vous ces données ? Dans le nuage? Au bord ?

Pour mieux comprendre ces problèmes, ces cas d'utilisation et le rôle de la périphérie, nous nous sommes entretenus avec Joe Speed, CTO IoT Solutions and Technology chez ADLINK, un fournisseur de solutions informatiques de pointe.
qui prennent en charge la transition vers des systèmes IoT industriels connectés dans tous les secteurs. Nick Fragale, fondateur de Rover Robotics, qui développe des robots robustes de qualité industrielle utilisant ROS, le système d'exploitation du robot, a également participé à notre discussion.

Y a-t-il des inquiétudes concernant l'utilisation de l'IA ?

RTInsights : Il semble que les entreprises hésitent à utiliser l'IA en raison de différentes craintes. Quels types de préoccupations entendez-vous de la part des utilisateurs potentiels concernant leur adoption de l'IA ?

Vitesse : La plupart des préoccupations que j'entends au sujet de l'IA concernent certains aspects de la confidentialité. Vous entendez des gens soulever des inquiétudes lorsque vous parlez de reconnaissance faciale et de certains autres aspects, comme l'IA, appliqués à des sujets comme la surveillance de masse. Les gens deviennent un peu nerveux. Je ne vois pas nécessairement autant de craintes ou d'inquiétudes concernant l'IA dans les types d'espaces sur lesquels nous avons tendance à nous concentrer. La majeure partie de notre technologie se trouve généralement dans, sur ou à proximité de quelque chose, comme un équipement, un processus, une cellule de travail, une installation. C'est généralement là que notre IA est utilisée.

Dans ces cas, l'application de l'IA prend un processus existant et s'assure qu'il fonctionne de manière fiable. Cela aide à la santé de la machine et à d'autres choses. Il permet aux entreprises de prendre une cellule de travail et de la faire fonctionner plus efficacement. Et les entreprises peuvent prendre un système hérité existant, des machines existantes ou un processus et un instrument existants et le rendre plus sûr.

Dans bon nombre de ces applications, nous ne rencontrons pas vraiment les problèmes de confidentialité liés à la reconnaissance faciale et à la surveillance de masse. Les systèmes sont utilisés au sein de votre entreprise par rapport aux systèmes qui surveillent les personnes en public. Dans le cadre d'une entreprise, l'utilisation de l'IA vise à améliorer un processus ou une opération, en aidant les travailleurs à mieux faire leur travail. Ce que nous voyons pour certaines de ces choses, c'est que l'IA, en particulier l'apprentissage automatique appliqué à la vision par ordinateur, est très en vogue. Une autre utilisation très populaire concerne la fusion de capteurs. Dans de tels cas d'utilisation, le problème est de savoir comment combiner la vision avec d'autres types de données de capteurs ou de télémétrie provenant d'équipements existants, puis les assembler pour mieux comprendre ce qui se passe.

Fragale : Je dirais que de notre point de vue, nos clients viennent du monde de la recherche et de l'université, et ils sont donc très ouverts à l'utilisation de l'IA. L'âge moyen de nos clients est probablement d'environ 30 ans. Maintenant que nous allons nous lancer sur le marché de la logistique avec notre nouveau produit, le Rover AMR 100, cela va changer. Mais jusqu'à présent, nous n'avons constaté aucune résistance à la mise en œuvre de l'IA.

Comment l'IA est-elle utilisée en robotique ?

RTInsights : C'est une excellente suite. De toute évidence, l'un des domaines d'intérêt de l'IA est la robotique. Comment l'IA est-elle utilisée en robotique ?

Vitesse : L'un des domaines les plus importants est la perception. Pensez aux caméras, même si c'est un peu plus que cela. Vous disposez de nombreuses technologies différentes qui peuvent être utilisées pour donner une perception au robot. La plus évidente est celle des caméras, mais même à l'intérieur des caméras, s'agit-il d'une caméra unique, d'une caméra stéréo, d'une caméra 3D à détection de profondeur, est-ce un spectre visible ou infrarouge ? Ensuite, vous avez également d'autres technologies qui donnent de la perception, que vous pourriez presque considérer comme visuelles, mais elles sont un peu différentes. Ce sont des choses comme LIDAR. (La détection et la télémétrie de la lumière sont une méthode de télédétection qui utilise la lumière laser pulsée pour mesurer les distances.) Avec le LIDAR, considérez-le comme un radar. La façon dont je l'explique à ma famille, c'est que vous savez ce qu'est un radar ? Bien sûr. Eh bien, même chose mais des lasers au lieu d'ondes radio.

Vous avez le laser qui tourne. Ça rebondit sur les choses. En l'utilisant pour les véhicules autonomes, vous ne voyez pas réellement une voiture. Mais ce que vous voyez est un nuage de points en forme de voiture, et cela vous donne aussi d'autres choses à cause de l'effet Doppler. Vous pouvez dire si ce nuage de points est en mouvement. Se déplace-t-il vers moi ou s'éloigne-t-il, à quelle vitesse ?

Voir aussi : Pourquoi Edge Computing peut aider l'IoT à atteindre son plein potentiel

Ensuite, vous avez également des ultrasons et des radars et d'autres choses auxquelles vous ne pensez peut-être pas nécessairement aujourd'hui. Lorsque vous commencerez à obtenir des opérations autonomes, ces technologies de télémétrie joueront un rôle. Comme dans le cas de Rover, vous avez un robot de 40 livres et il fonctionne de manière autonome. Mais si vous faites passer cela d'un robot de 40 livres à 400 livres, 4 000 livres, vous êtes maintenant dans la classe des [équipements] qui commencent à devenir dangereux. Comment faites-vous des choses comme faire fonctionner en toute sécurité des machines lourdes, et comment le faites-vous de manière plus autonome ou automatisée sans blesser des personnes ou causer des dommages matériels ? Certaines de ces autres technologies peuvent être utilisées.

Par exemple, vous pouvez utiliser les ultrasons pour les types de choses très proches où vous ne disposez pas nécessairement d'une couverture de caméra. En robotique, il y a deux endroits où je vois l'IA s'appliquer, puis ils (l'IA et la robotique) finissent par se mélanger, c'est-à-dire lorsque vous avez une opération autonome, en particulier des robots mobiles, et des choses qui bougent.

Le LIDAR, le radar et les ultrasons peuvent faciliter la navigation. Ils peuvent être utilisés pour répondre à des questions telles que :comment un système robotique ou autonome sait-il où il se trouve, comment sait-il où il va, comment fait-il cela sans se heurter à des choses ou à des personnes ? Ensuite, vous avez également des robots qui interagissent réellement avec leur environnement. L'exemple classique de ceci serait lorsque vous pensez à un robot industriel, tel qu'un bras. Comment le bras perçoit-il ce qui l'entoure ? Un exemple de ceci est le prélèvement de pièces robotiques, où un bras prélève des pièces dans un bac, puis les place dans un objet que vous assemblez ou dans un autre bac. Ceci est une application très populaire. Ensuite, vous pouvez évidemment combiner IA et robotique. Vous pouvez également avoir des robots mobiles avec des actionneurs à pinces capables d'interagir avec leur environnement.

C'est vraiment tout le domaine de l'apprentissage automatique de l'IA. C'est là que nous voyons cela s'appliquer.

Fragale : Notre point de vue chez Rover Robotics est assez similaire à celui de Joe. Mais je dirais que, dans l'ensemble, la première chose pour laquelle nous voyons des gens utiliser l'IA, ce sont les caméras, l'analyse des données des caméras et plus particulièrement les inspections. Toute entreprise qui souhaite continuer à surveiller quelque chose peut utiliser cette technologie. L'application pourrait être une compagnie pétrolière souhaitant surveiller si ses tuyaux rouillent. Ils peuvent désormais le faire 24h/24 et 7j/7 grâce à un robot mobile. Ou vous pourriez avoir un entrepôt où vous devez inspecter les étiquettes RFID pour faire l'inventaire. Tout ce que vous souhaitez inspecter dans votre établissement, vous pouvez désormais le faire avec un robot et une caméra.

Quels secteurs utilisent l'IA et la robotique ?

RTInsights : Existe-t-il des secteurs particuliers, tels que la fabrication, la logistique, les soins aux personnes âgées ou le service client, où l'IA et la robotique sont déjà utilisées ?

Fragale : Oui. Je dirais que les plus grandes industries sont la logistique, la fabrication et la construction. Ce sont ceux où les robots utilisent déjà l'IA pour faire des choses. Dans le cas de la construction, de nombreuses entreprises essaient de récupérer l'argent perdu chaque année à cause des inefficacités. Par exemple, il est très important pour tout projet de construction de s'assurer que vous installez toute la tuyauterie et les gicleurs appropriés ainsi que tous les équipements de sécurité avant de poser le béton. Mais avec de nombreux sous-traitants impliqués, il peut souvent y avoir un problème. Si vous avez un robot qui parcourt votre chantier de construction et recherche des choses comme ça, des choses qui sont essentielles dans le projet de construction global, alors vous pouvez récupérer une grande partie de ce coût qui est généralement perdu.

Vitesse : Oui, certainement, l'inspection est importante. Nous faisons une tonne d'affaires autour de l'inspection, en particulier l'inspection visuelle. Sur le terrain, il y a 400 000 caméras connectées à nos systèmes de vision qui font cela et d'autres types de cas d'utilisation. Là où cela devient vraiment intéressant pour moi, c'est au lieu de caméras fixes sur une chaîne de montage, sur un établi ou sur un convoyeur inspectant les choses au fur et à mesure, c'est de prendre les deux thèmes de l'inspection visuelle basée sur l'IA et de la robotique autonome et combinez-les. Pensez au robot. Au lieu que des biens physiques soient amenés à la caméra, la caméra se dirige vers la chose qui doit être inspectée. Vous avez l'exemple de la construction avec des robots mobiles effectuant des inspections en parcourant le site. Il doit y avoir un conduit d'aération. Est-il en place ? Sommes-nous en avance ou en retard ?

Un autre exemple est un détaillant utilisant l'IA et un robot pour regarder ce qui est en stock. Le détaillant pourrait alors comparer ce qu'un robot observe physiquement à ce que la gestion du magasin et la logistique de l'entrepôt
systèmes disent est en stock. C'est un domaine qui me passionne énormément, et nous sommes tous dans la robotique ouverte.

De nos jours, la robotique est à peu près orthographiée R-O-S, qui est un système d'exploitation de robot. Ce n'est ni un robot ni un système d'exploitation. C'est un framework open-source pour le développement de la robotique. Nous y travaillons et y contribuons. Ensuite, vous associez cela à la vision de l'IA, encore une fois, un domaine qui met beaucoup l'accent sur l'open source. Comme ces choses sont combinées, cela va être un moment vraiment intéressant.

Quelles sont les principales fonctions assistées par la robotique exécutées ?

RTInsights : Voyons en détail quelles fonctions assistées par robot sont exécutées dans tous les domaines d'application. Que voyez-vous sur le marché ?

Vitesse : Avec la vision de l'IA et la robotique, beaucoup de gens pensent, cela va-t-il remplacer un travailleur ? Cependant, il existe de nombreux cas d'utilisation où la technologie aide les travailleurs, plutôt que de les remplacer. Il existe tout un domaine de robots collaboratifs, qui sont des robots travaillant avec des personnes et des robots travaillant ensemble, collaborant sur une tâche. Par exemple, regardez ce que fait Rover. Supposons que vous ayez un humain qui fait une fonction et qu'il doive se déplacer. Imaginons qu'ils doivent se déplacer dans une ferme pour effectuer une tâche.

Et si vous aviez le Rover, pour les besoins de la discussion, fonctionner comme un barillet de roue autonome qui suit le travailleur et est toujours là où il doit être avec tout ce dont le travailleur a besoin. Ce genre de cas d'utilisation, ceux de robots tenant une pièce en place pendant qu'un humain effectue une tâche, ceux où les robots assistent le travailleur. J'ai une véritable passion et j'ai beaucoup travaillé autour de la technologie d'assistance pour aider les personnes âgées et handicapées. Je vois un potentiel incroyable pour ces choses qui détectent et interagissent avec les gens.

Voir aussi : Pourquoi l'IoT est-il toujours à la traîne dans les applications professionnelles pratiques ?

Fragale : Je dirais que pour nous, vous pouvez classer nos clients en deux catégories. Soit ils transportent des objets avec le robot, donc transportent des marchandises à travers l'entrepôt ou transportent des marchandises à travers la ferme, soit ils installent des capteurs sur le robot et collectent des données. Ce sont dans l'ensemble les deux fonctions les plus importantes pour lesquelles nos robots sont utilisés par les entreprises.

Comment Edge Computing et IA s'accordent-ils ?

RTInsights : C'est une introduction parfaite à ma dernière question. De tels systèmes peuvent collecter de grandes quantités de données à partir de nombreux capteurs et appareils IoT. Avec toutes ces données générées et la nécessité d'une analyse rapide, est-ce la tempête idéale pour utiliser l'edge computing et l'IA ensemble ?

Vitesse : Je le pense vraiment. Nos amis d'AWS, ils parlent de "pourquoi l'edge" ? Ils parlent de la loi de la physique. Êtes-vous en mesure d'obtenir les données dans les types de volumes générés dans le cloud ? Il y a beaucoup de choses qui dépendent de la RF, de la topologie du réseau, d'autres types de choses. Il y a la loi de l'économie. Est-ce économiquement faisable ? Probablement pas lorsque vous avez des opérateurs mobiles qui font des choses comme la facturation à l'octet. Même si vous disposez de l'infrastructure réseau, de la bande passante pour acheminer toutes les données vers le cloud, est-ce économique ? Une fois que vous l'avez transféré dans le cloud, selon les types de charges de travail, est-ce un travail économique avec ce type de volumes de données ? Il existe une étude universitaire intéressante qui a comparé et opposé, par exemple, des tâches telles que le traitement vidéo et les charges de travail de traitement audio à l'aide des technologies AWS, en les utilisant dans le cloud et en les utilisant avec la périphérie.

Ils ont examiné des choses comme AWS IoT Greengrass, qui effectue une analyse d'apprentissage automatique à l'aide de modèles développés dans le cloud. Ce qu'ils (les chercheurs universitaires) ont trouvé, c'est que l'économie est huit fois meilleure pour faire ces charges de travail à la périphérie. Mais pour moi, la latence est encore plus importante que l'économie. Souvent, vous déplacez ces choses vers le bord parce que vous avez besoin que cela se produise à ce moment-là, pour être très rapide sur le moment. Si j'apporte la vidéo dans le cloud et que je fais des analyses, puis que je rends une décision, il se peut qu'il soit trop tard, trop lent. Une personne a été blessée, une pièce d'équipement a été brisée ou le bâtiment a brûlé. C'est un exemple d'utilisation de edge.

Alors aussi vous entrez dans ces questions de la loi du pays. Nous croyons au développement des modèles, à la formation des modèles dans le cloud. Développer un modèle est coûteux en calcul et le faire sur un
petite pièce d'équipement à la périphérie si, par exemple, cela prenait une journée, vous pouviez faire tourner ce même modèle dans le cloud et le faire en une heure. Mais lors de l'analyse des données elles-mêmes, vous devez penser à certains des problèmes de confidentialité dont vous parliez auparavant. Comment gérez-vous en toute sécurité les données contenant des informations personnellement identifiables ou effectuez-vous la reconnaissance faciale ? Dans l'usine, vous savez qui est l'ouvrier.

Cependant, avec toutes ces données brutes, il peut y avoir des problèmes de sensibilité. Il peut y avoir des problèmes juridiques, sociétaux ou culturels liés au transfert de ces données du lieu de travail vers un autre endroit. C'est là que vous entrez dans ces questions de droit du pays. Fonctionnant à la périphérie, il répond parfaitement à bon nombre de ces types de besoins.

Fragale : L'explosion des données qui doivent être analysées rapidement est en effet la tempête idéale pour utiliser l'edge computing. Nous voyons beaucoup de clients qui sont enthousiasmés par le cloud computing, en particulier avec la robotique. Ils pensent que, si je peux diffuser Netflix en 4K ou si je peux diffuser toutes ces données vidéo dans les deux sens, il sera facile de diffuser des données d'image dans le cloud, puis d'y effectuer un traitement, où vous disposez de beaucoup plus de ressources. Mais je pense que ce qui est souvent négligé, c'est que si vous êtes un robot et que vous vous promenez, vous devez maintenant rebondir entre différents points d'accès. Nous voyons beaucoup de clients enthousiasmés par le cloud computing se heurter à ce barrage routier, et c'est quelque chose auquel ils s'accrochent pendant des mois, puis ils passent à l'informatique de pointe. Même dans un entrepôt, si vous essayez d'intégrer vos robots dans un entrepôt, vous rebondirez d'un point d'accès à un autre et vous perdrez souvent la connexion.

Voir aussi : Centre d'Edge Computing

Ensuite, vous êtes confronté à dire à votre client :"Hé, vous devez passer à de meilleurs routeurs car votre nouveau routeur n'est pas conforme à la norme 80211.AC". Ensuite, ils demandent:"Qu'est-ce que ces chiffres signifient?" Ensuite, vous dites:«D'accord, oubliez ça. Nous mettrons plus de calcul sur le robot afin que nous puissions effectuer ces tâches. Ce problème ne fait qu'empirer lorsque vous vous déplacez à l'extérieur. Avec des robots critiques pour la sécurité qui errent à l'extérieur, comme l'a dit Joe, vous ne pouvez pas envoyer les images vers le cloud, puis les renvoyer au robot afin de prendre la décision de s'arrêter ou non avant de traverser la rue. Cela ne fonctionne tout simplement pas pour les applications critiques pour la sécurité. La latence est trop importante pour cela.

Vitesse : Le cloud est très important dans tout cela, mais pas nécessairement comme beaucoup de gens le pensent. Si je peux faire l'analyse et l'apprentissage automatique à la périphérie, je n'ai pas besoin d'envoyer de grandes quantités de données dans le cloud. Cela élimine les problèmes de latence. Si je suis sur un site de plate-forme pétrolière en Alaska, je vois un ours, au lieu d'envoyer une vidéo de l'ours, ce que vous faites, c'est que vous envoyez des informations - Il y a un ours. Quel est l'événement particulier ou l'inférence que vous avez trouvé ? On en voit beaucoup. Pensez simplement en termes au lieu de diffuser des données vers le cloud, diffusez des informations, diffusez le résultat de l'analyse.

Vous devez également assembler ces systèmes pour qu'ils soient fiables. C'est quelque chose que j'avais l'habitude de traiter lorsque je travaillais sur une voiture connectée et sur des sujets d'analyse augmentée par le cloud et de sécurité automobile. Vous devez le considérer comme quelque chose qui est généralement connecté, souvent connecté, occasionnellement connecté. Comment assemblez-vous ces systèmes pour qu'ils fonctionnent en partant du principe que vous allez avoir un réseau peu fiable ? Si vous pouvez le faire fonctionner correctement dans cet environnement, tout ira bien. Mais vous devez avoir une connectivité toujours parfaite avec des latences dans un certain SLA, ou vous allez rencontrer des problèmes dans le monde réel.